Reflex:一种基于视觉感知的具身智能反应式控制框架
论文提出了 Reflex 框架,旨在解决人形机器人对动态物体进行全身协调、实时反应及以自我为中心视觉感知的挑战。研究通过接住抛来的盒子作为典型任务,分三阶段训练:首先用强化学习掌握全身接球策略;其次让策略从延迟和不完整的观测中推断物体动力学;最后利用自编码器直接从 RGB-D 图像恢复该动力学表示。
论文提出了 Reflex 框架,旨在解决人形机器人对动态物体进行全身协调、实时反应及以自我为中心视觉感知的挑战。研究通过接住抛来的盒子作为典型任务,分三阶段训练:首先用强化学习掌握全身接球策略;其次让策略从延迟和不完整的观测中推断物体动力学;最后利用自编码器直接从 RGB-D 图像恢复该动力学表示。
针对长程操作中需保留历史且能根据物理证据修正结论的挑战,本文提出 REMM,一种用于冻结 G0.5 视觉语言动作执行器的监督记忆层。该方法将仅追加的证据历史与可修订的任务状态分离,并在支持事实变更时撤回相关结论、在验证的技能边界处调度恢复。
FallGown 是一款由充气气囊构成的软体可穿戴支撑结构,旨在防止老年人跌倒。该设备便携(存储重 6.9 kg),穿戴平均耗时少于 2.5 分钟,脱卸少于 0.5 分钟。单用户测试显示,配备 12 个气囊和直径 1.4 米底座的配置除一次机械故障外成功预防了所有跌倒。
本文研究移动机器人在无抓持条件下的多物体精确放置问题。作者提出一种具有因果分解的扩散规划器,将机器人去噪步骤与基于当前清洁估计的对象步骤解耦,以采样多种推搡结果并捕捉多模态性。
PriMoRetarget 框架以显式优先级层级替代相对目标加权,确保脚部放置与交互接触等关键特征优先于次要姿态优化。该方法在涵盖单人、物操作及角色互动的四个数据集上评估,生成的轨迹比常用重定向方法更可靠地保留任务相关交互。
该研究提出一种利用谐波边信号定位并将信号转化为代理力的反馈机制,通过局部算子应用评估固定次多项式。在满足孔洞面积可测且连续演化的条件下,闭环系统从任意安全初态出发具有唯一全局轨迹。15 秒数值演示中所有孔洞于 9.9 秒闭合并保持关闭,无需查询轨迹数据即可给出累积面积的有理下界。
研究团队提出一种电热致动纤维机器人,其直径 1.9 mm、长度 1.2 m,利用焦耳加热集中作用于远端活动段。该设备可将手术激光光纤的位置操控精度控制在 100 μm 以下,并能通过柔性内窥镜工作通道保持机械解耦。概念演示结合 da Vinci 仪器验证了其与现有内镜系统的兼容性,有望提升微创手术的临床效果。
针对人体特定部位的微创手术与给药需求,研究提出一种基于图像的三维路径规划算法以引导软体生长机器人在脊髓蛛网膜下腔安全导航。该算法扩展了 A* 策略,能在确保锚点建立的同时估算高效路径并保护 delicate tissue structures。评估显示其在满足机器人运动要求及路径效率方面表现优异,相关预印本已上传至 arXiv。
针对人形及服务机器人在杂乱环境中因将所有物体视为固定障碍物导致路径规划不可行的问题,该方法通过识别最少可移动障碍物移除数量来生成无碰撞路径。在六个基准测试中,该流程在三种情况下匹配精确解,其余情况最多仅多选 31.25% 的障碍物,且速度比精确搜索快 3.4 至 33.7 倍。在一项涉及杂乱环境中的操作任务基准中,移除两个而非七个阻挡物体将运动规划总耗时从 84.72 秒降至 30.59 秒。
PanTact 系统旨在扩展人形机器人的操作能力至除手以外的任何身体表面,直接从免机器人的人机演示中学习全身灵巧性。该系统利用可穿戴设备记录全身接触位置与状态,结合视觉运动策略预测接触目标,并通过感知接触的全身控制公式在 Unitree G1 上实现支撑、推扫和负载分担等任务,无需额外安装身体接触传感器。
因时机器人于 10 月 11 日发布工业级具身夹爪 OmniPicker 3。该产品整机重量不到 800 克,最大夹持力达 140N,最快开合时间为 0.4 秒,重复定位精度控制在±0.1mm 以内,标称使用寿命达百万级。
论文提出 PINT 模型,通过在视觉语言模型序列中插入可学习的意图令牌来统一协调语义推理、世界建模与动作生成。该方法在冻结视频生成模型的预训练阶段学习预测意图,随后适配各专家路径。
行业需摒弃先建平台再找任务的“机器人先行”思维,转而依据具体工作流的经济价值反向定义硬件、传感及外形。例如汽车装配线插销任务需微力分辨率,而托盘打包则重负载能力,单一通用平台难以兼顾。在既有厂房(Brownfield)中,适应人类环境的类人形态比专用机器人更具成本优势与部署深度。
完成单次操作不等于具备实用灵巧性,若单步成功率为 99%,连续 100 次任务仅能维持 36.6% 成功率。TDK Ventures 指出,可靠性源于在视觉、触觉等多模态数据闭环中不断部署、学习与改进。Agility Digit、ANYbotics 四足机器人及 Starship Technologies 均通过匹配特定工作流的最小必要灵巧度实现可靠作业。
Khang Nguyen 及其团队因 XFlowMP 框架获得 CASE 2026 最佳论文奖。该研究提出利用 Schrödinger bridge 数学工具,将随机噪声分布转化为符合特定起止构型条件的轨迹分布,从而学习机器人的速度、加速度及运动路径。
无锡巨蟹智能驱动科技有限公司近日完成由华泰紫金领投的超亿元新一轮融资。该公司已构建覆盖减速器、电机等七大核心技术体系,并于今年 8 月发布 Lite、RBV3、RMV3三大谐波关节模组系列。目前其关节模组已进入具身智能、医疗等领域头部企业供应链并实现批量化稳定供货。
酷灵机器人宣布完成数千万元天使轮融资,由百联挚高基金管理的南京六合经开产业投资基金独家领投。资金将用于人形机器人、机器狗关节模组和关节热管理系统的研发投入及产能扩充。目前其模块化一体化关节模组已应用于四足、人形及协作机器人,计划于 2026 年 7 月实现批量生产和市场交付。
中科硅纪近日与天津头部机器人智能装备出海企业达成战略合作,围绕CasiaHand M6、G4、G7及X12系列行业级灵巧手展开商业化落地与市场拓展。双方将整合技术产品优势与全球化渠道,协同推进工业、物流等多元场景应用,加速高性能国产灵巧手规模化替代进口并走向全球市场。
Workhorse 系统通过无机器人的人类演示,使 Unitree G1 人形机器人在真实环境中完成分拣、接抛及攀爬等复杂操作。该研究针对具身智能在自中心视觉与本体感知下规划全身接触操作的难题提供了新方案。相关视频来自 IEEE Spectrum Robotics 每周精选,CoRL 2026 会议将于 11 月举行。
波士顿动力发布了为 Atlas 机器人设计的新型四指人手,具备 13 个自由度且采用直接驱动架构,取消了小指并缩小了夹持器尺寸。该设计基于过往经验平衡了灵巧性、强度与可靠性,特别针对高保真物理仿真进行了优化,以支持强化学习策略的训练与迁移。公司强调通过模块化设计和严格的验证流程确保耐用性,目前已在总部广泛测试但尚未部署至整个机器人车队。
Sharpa在IROS现场发布三款产品:一体式触觉感知灵巧操作机器人D01、新一代全触觉超紧凑灵巧手W02以及高保真外骨骼触感数据手套AE01。D01全身覆盖电子皮肤,采样率100Hz;W02将21个主动自由度塞入更紧凑结构,实现零抓握半径与整手触觉覆盖;AE01通过双向接口采集自然手部动作与接触反馈。
推荐理由:Sharpa发布D01机器人、W02灵巧手及AE01数据手套,构建触觉全栈体系以解决真实场景下的接触感知与闭环控制难题。
针对透明或反光物体难以识别定位的问题,提出 quARtet marker,这是一种可 3D 打印的三维标记物,通过在一个紧凑区域内倾斜排列四个 AprilTag 标签来恢复正视角下的透视线索。
针对多阶段操作中通用 VLA 模型在精度关键阶段表现不佳的问题,本文提出 RouteRLT 框架,协调作为默认控制器的通用 VLA 与专门训练处理精度关键阶段的 RL 专家。
针对现有灵巧抓取规划器仅优化物理稳定性而忽视下游任务功能的问题,本文提出 CoToGrasp 生成框架。该框架通过特征基规范工作空间将局部物体特征投影到统一夹爪中心域,解耦语义功能意图与任意几何形状,从而在无需昂贵标注数据的情况下实现零样本泛化。在 DexGraspNet 数据集上的评估显示其性能优于现有分类引导规划器,并在物理机器人平台上验证了合成接触拓扑的物理可行性与运动学可行性。
该研究提出了一种针对连续体机器人的滑动窗口滤波器(SWF),首次实现了兼顾高精度与实时性的在线随机状态估计。该方法突破了现有离散时间近似或离线操作的局限,能在快于实时的速度下运行,解决了随机状态估计方法在精度与计算效率间的平衡难题。
Kinetics Observer 通过接触动力学模型将全身运动学与外部力矩紧密耦合,实现了对质心运动学、接触姿态及扰动力矩的实时关节估计。该方法在两个类人机器人上针对长距离行走、滑溜障碍物跨越等非共面多接触场景进行了十三次序列实验验证。利用接触力矩测量作为修正项显著提升了观测冗余度与对接触滑移的鲁棒性,有效增强了建模误差下的系统稳定性。
该系统利用多稳态充气胶囊在温度梯度中循环,实现由机器人移动和感知驱动的自主热力学循环。模型显示快速能量状态转换使系统成为可采集并存储能量的移动热机,通过优化导航路径平衡运动成本与能量收获。该研究为能在空间资源中觅食的能量型人工生物提供了类比,相关论文已作为预印本发布在 arXiv 上。
该研究通过控制通道引入噪声,构造性证明了在含障碍的欧氏域及无边流形上可实现全局渐近稳定。数值实验验证了该方法在圆形障碍物场景及二维球体上的有效性,并分析了非凸障碍物下噪声强度对系统亚稳态的影响。
论文 Dex-One2Many 提出一种从单个人类视频学习通用灵巧操作策略的框架。该方法将视频抽象为序列场景图以指导强化学习,利用场景图作为生成约束采样多样化的重置状态并提供密集奖励。模型在仿真中训练后零样本迁移到真实多指手,在五个工具使用与操作任务上,所见配置下超越基线 6.5%,未见场景中差距扩大至 71%。材料为预印本论文,未报告真实机器人部署结果或具体实验条件细节。
针对前沿多模态基础模型在精细操作任务中表现受限的问题,研究指出其根源往往在于物理相机设置导致的空间可观测性不足而非策略能力缺失。为此,团队提出 SpatialHarness 方法,该方法无需微调策略或改动物理感知硬件,通过维护与真实执行同步的在线仿真场景,识别关键空间关系并渲染互补虚拟视图以暴露给冻结的多模态策略。
针对现有视觉语言动作模型依赖固定相机配置的局限,本文提出 VersaCamVLA 框架,通过解耦场景表示与动作学习,利用手腕增强姿态采样技术将任意数量的 RGB 视图映射为统一场景令牌。
Generative Neural Retargeting(GNR)利用流匹配模型从低维流形采样可行轨迹,仅需 MPC 8.5% 的样本量即达成 56.20% 成功率。该方法解决了逆运动学忽略动力学及强化学习训练成本高的问题,支持大规模长视界毫米级精度演示的重定向。基于真实到仿真数据引擎,团队构建了包含 22.3 万次演示和 3.3 千种物体几何的灵巧操作数据集。
论文介绍 VioLA,一种通用类人机器人策略,通过预测身体和手部运动潜变量而非关节命令来规避动作空间耦合问题。该方法利用预训练控制器执行潜变量,并将人类与机器人运动映射至同一潜在空间,从而直接使用 1.406 亿帧(其中 93.2% 为人类演示)的数据进行训练。
推荐理由:该工作提出 VioLA,通过预测身体与手部运动潜变量而非关节命令,利用海量人类演示数据实现真实机器人零样本执行,显著优于现有基线。
PI-UDF 是一个结合解析正向运动学与可学习连杆几何嵌入的统一微分框架,用于预测机械臂间的碰撞距离。该框架将学习到的距离场集成到非线性 MPC 中作为微分化的双臂间隙项,并通过配额驱动边界挖掘与不对称越界惩罚提升安全临界保真度。在真实双 Franka 平台上验证了高速近距离 14-DoF 双臂交换、单臂动态规避及动态规划配置下的闭环碰撞感知运动生成能力。
基于 2025 年 LUNA 模拟任务,四足机器人 ANYmal-D 和 Magnecko 虽能穿越松散模拟月壤,但受陷落、打滑及光照导致的感知失效影响。研究指出需整合抗月壤运动策略与鲁棒感知技术,以应对未来月球探测中的操作约束。该成果将作为 IEEE iSparo 2026 会议论文提交。
该预印本论文首次系统评估了商用四足机器人 Unitree Go2 在屋顶环境的运动表现,发现标准球型脚垫在坡度超过 25°时频繁失效且起卧受限。研究指出需结合任务导向的足部设计与强化学习策略以解决高倾角下的滑移与稳定性问题。
针对微纳机器人在指令、部件和焦距变化下对几何精度的需求,本文提出一种语义到物理框架,将自然语言指令映射为受约束的几何算子,复用冻结的开词汇感知模型,并通过置信度加权与动态规划整合局部可靠的焦平面轨迹。
MAP2 是一种结合曲率运动学 MPC 与稀疏高斯过程(SGP)残差修正的模型驱动追求控制器,旨在解决几何控制器在极限工况下阿克曼转向失效的问题。真实车辆实验显示,相比 MAP 和纯追求(PP),该算法将平均横向追踪误差分别降低 37.99% 和 44.65%,圈速至少缩短 1.5%。研究论文已上传至 arXiv,包含 8 页正文、8 张图及 5 个表格。
论文介绍 RESETTLE 框架,旨在为冻结的机器人策略提供计算高效的动作执行接口以纠正偏差。该方法在两个独立采样动作持续不一致时触发恢复,利用适配的 V-JEPA 编码器检索同任务演示参考,并结合状态伺服先验与受保护的视觉残差执行单次校正动作,无需在线轨迹优化或额外的视觉语言推理。
Minye Wu 等人提出 Spatial Language Modeling,利用离散坐标和语义 token 共享表示场景轮廓、目标及未来状态,并通过任务特定语法组织为空间序列。模型在仿真 Push-T 任务和真实机器人上均实现了具有竞争力的性能,且在真实机器人上的任务成功率和目标覆盖率优于基线策略。