跳到正文
10月27日周二
  1. arXiv · 机器人与计算机视觉74

    DSGN:一种用于可扩展同时监控与围捕的双流门控网络

    针对多机器人应用中监控(空间分散)与围捕(目标向凝聚)的任务冲突及切换不稳定问题,本文提出双流门控网络 DSGN 架构。该架构通过专用表征流分离任务并引入上下文感知门控机制与概率先验正则化,以支持大规模交互下的清晰行为过渡。评估显示其在恒定密度跨尺度设置下保持强效性与可扩展性,且动态门控机制在纯监控及任务切换场景中均有效。代码已开源。

  2. arXiv · 机器人与计算机视觉38

    LiDAR-Based Sim-to-Real GNN Framework 实现建筑机器人无标签轨迹交互感知路径修正

    该研究提出一种基于激光雷达的实时框架,从无标签演示中学习交互感知的路径修正以应对动态施工环境。在砌砖试验中,该方法将路径不规则性降低 39.2% 并提升最小 TTC;在 Dynablox 序列中,TTC 增加 38.3% 且生成更平滑路径。消融研究验证了 1.0 秒预测区间及上下文增强等策略的有效性,论文已提交至 Automation in Construction。

  3. arXiv · 机器人与计算机视觉32

    Lightweight Change Detection for Adaptive Collective Perception 实现动态环境下的资源受限机器人自适应群体感知

    该研究提出一种轻量级变化检测机制,集成至贝叶斯群体决策框架以应对动态环境中表面图案比例与空间相关性的变化。相比存储完整样本流的现有方法,该方案仅需恒定内存与计算开销,适合资源受限的 Webots 仿真环境机器人部署。实验显示其在不同通信设置下具备更一致的精度和更优的决策准确率。

  4. arXiv · 机器人与计算机视觉53

    Extended LASMP:面向无人机导航的语言辅助子集采样运动规划器

    论文提出 Extended LASMP 方法,旨在提升四旋翼飞行器在三维环境中的基于采样的运动规划效率。该方法将语言辅助子集采样扩展至空中系统,利用提示词大模型从自然语言指令中提取实体并验证指令,将其转化为偏航角约束和高度感知的几何约束。仿真结果表明,该方法能在复杂环境中生成无碰撞且一致的轨迹,相比均匀 RRT 规划器显著减少了采样努力。

  5. arXiv · 机器人与计算机视觉68

    BEHAVIOR-Spatial 基准:评估机器人的空间理解能力

    本文发布 BEHAVIOR-Spatial 基准,基于 BEHAVIOR-1K 构建,包含 3,256 个空间问答、1,240 个点定位查询及动作评估。实验显示基线模型在固定布局下仅能遵循 41.6% 的指令,当目标变更时降至 16.1%,表明单纯的任务成功无法证明空间指令被正确执行。研究还发现视觉语言模型的问答能力与机器人操作性能存在策略依赖的相关性,为评估空间感知向行为的转化提供了新视角。

  6. arXiv · 机器人与计算机视觉72

    T-ConSG:面向动态演化环境的基于 LiDAR 的实时时序施工场景图

    针对施工等动态演化环境,本文提出 T-ConSG 方法,利用 LiDAR 几何证据增量构建包含自由空间、静态对象、动态对象及安装移除事件的统一时空场景图。研究在砌砖测试床导航、ConSLAM 数据集进度监测及仿真环境变化检测三个应用中验证了该方法对短期动态与持久变化的联合表征能力,支持机器人跨环境推理。

  7. arXiv · 机器人与计算机视觉48

    Gazebo 集成 WSR 仿真框架开启多机器人 WiFi-CSI 感知研究

    该开源仿真框架将 WSR 感知流水线集成至 Gazebo,生成具备真实物理特性的合成 WiFi-CSI 数据以支持运动诱导测向与定位。研究通过 TurtleBot3 机器人在仿真与真实世界的对比实验验证了该方法的有效性,降低了多机器人系统中基于 WiFi-CSI 感知的入门门槛。所有代码及实验细节已公开,为将其作为模块化感知模态融入多模态感知系统奠定基础。

  8. arXiv · 机器人与计算机视觉72

    Explaining Navigation Decisions: Stage-Aware Visual Attribution for Vision-Language Navigation

    针对视觉语言导航(VLN)中现有可解释性方法忽视指令阶段差异的问题,本文提出了一个阶段感知的归因框架。该方法构建动作条件的时间序列指令 - 视觉归因,将其投影到指令空间以估计阶段关联,从而聚合历史证据并优化当前解释;同时利用指令引导的空间滤波器抑制孤立响应并保留紧凑的相关区域。

  9. arXiv · 机器人与计算机视觉78

    基于 RGB-D 的移动端机器人实时行人轨迹预测:TrajMamba 模型

    针对移动机器人在动态环境中导航的短时段行人轨迹预测任务,该研究提出 TrajMamba 模型以解决传统方法中训练数据理想化与推理端传感器噪声之间的分布差异。模型采用单一路径处理姿态提取、深度反投影及平滑过程,利用堆叠双向 Mamba 块编码髋部中心速度并配合 GRU 头解码未来速度。

    推荐理由:该工作提出轻量级双向状态空间模型解决训练部署分布差异,在移动机器人上实现实时行人轨迹预测。

  10. arXiv · 机器人与计算机视觉78

    Sybil-Resilient Multi-Drone Exploration of Indoor and Confined Spaces

    该研究针对多无人机协同探索室内受限空间时面临的 Sybil 攻击(恶意节点伪造身份干扰探索),提出五种无需额外安全基础设施的防御方案,仅依赖无人机自身的传感器与地图数据。实验在包含办公室、隧道及三层建筑等七类场景的 70 张地图上进行模拟测试,结果显示在超过 2350 次任务中,隔离机制能将受攻击团队的探索覆盖率恢复至未受攻击水平,仅在特定合谋或大规模团队场景下存在局限。

    推荐理由:论文提出无需额外安全设施的防御机制,通过传感器与地图审计抵御无人机群中的 Sybil 攻击。

  11. arXiv · 机器人与计算机视觉70

    RoboWorM:评估具身视频世界模型的移动真实性、一致性与加速效应

    针对现有基准缺乏严格三维空间与运动学推理的问题,本文提出 RoboWorM 基准,涵盖单臂、双臂及人形机器人共 1605 个任务集。通过利用机器人先验知识,定义 KIVA(内视角运动学稳定性)和 RIGIS(多视角几何一致性)两个确定性指标,在无 VLM 情况下将幻觉检测对齐度提升 25.8%、与人类偏好相关性提升 130%。

  12. arXiv · 机器人与计算机视觉82

    一次扫描即够:无需演示的语言引导导航自适应方法

    针对语言引导导航在新环境中部署失败的问题,该方法利用单次 iPhone 扫描构建训练环境并合成可执行导航片段,通过解析重建场景的帕累托效用直接适配策略,无需人工标签或模仿学习。在五个真实环境中,RealNav 系统达到 85% 的成功率,显著优于依赖人工演示基线的 49%,且在未扫描区域也保持 82% 的性能。

    推荐理由:提出用单次手机扫描替代人工演示,通过解析重建场景实现免标签策略适配,在真实机器人上导航成功率提升至 85%。

  13. arXiv · 机器人与计算机视觉78

    POD-RoPE:面向具身智能的物理观测分布旋转位置编码

    该论文提出 POD-RoPE,一种将 Token 观测足迹表示为相机中心、视角与采样时间分布的旋转位置编码方法。在独立采样下,期望旋转可编码分布间的相对关系;当分布坍缩为单点时退化为标准 RoPE。

    推荐理由:该工作提出 POD-RoPE,将观测表示为相机中心、视角与时间的分布统计,在 RoboTwin 2.0 仿真任务中将 Fast-WAM 成功率提升约 1%,并在 H20 基准上实现比 P-RoPE 快 1.91 倍的推理速度。

  14. arXiv · 机器人与计算机视觉78

    基于机器人轮胎 - 表面交互的地面摩擦评估

    该论文研究了如何利用轮式移动机器人的车载测量来表征室内地面的摩擦特性并改善定位精度。研究通过控制速度剖面诱导车轮打滑,利用惯性传感与里程计的速度差异、响应延迟及频域特征对五种不同地面进行分类。

    推荐理由:原文提出利用轮体速度失配特征评估地面摩擦,在五种表面测试中达到 97.1% 分类准确率。

  15. arXiv · 机器人与计算机视觉35

    量子闭环逆运动学:通过希尔伯特空间编码机器人运动学

    该研究提出一种结构保持的量子表示法,将刚体变换与串联操作器运动学映射到参数化量子电路。框架利用布洛赫球表示和泡利期望值重建末端执行器位姿,并通过参数移位规则重构几何雅可比矩阵。提出的混合闭环方法在理想读出下实现与经典对应物的解析等价,为开发机器人运动学与运动的量子及混合计算方法奠定了几何可解释基础。

  16. arXiv · 机器人与计算机视觉65

    Open-World Law-to-Action:融合视觉语言先验与触觉的未知物理部件操作研究

    该研究提出了 Open-World Law-to-Action 框架,旨在解决机器人在未见过的家庭场景中操作具有隐藏物理属性(如门锁、阻力)的可动部件问题。系统利用视觉语言模型生成运动学约束作为先验,并通过贝叶斯线性回归在线识别部件的物理规律,同时保留触觉推翻假设的能力。实验在仿真环境中进行,结果显示该方法能显著提升对需要新物理项物体的任务成功率,并在未知场景中保持较高的完成比例。

  17. arXiv · 机器人与计算机视觉72

    EXE:基于因子化潜在动作的以自我为中心跨具身预训练框架

    该论文提出 EXE 框架,旨在解决机器人数据稀缺问题。方法上,利用第一人称人类操作视频作为替代数据,通过分解潜在动作表示将共享的操作先验与人体特定运动模式分离,使 VLA 模型能学习可迁移的技能而不受人体运动学偏差影响。实验表明,该方法在 RoboTwin 2.0、RoboCasa GR1 及真实世界任务中均优于未预训练的基线,且能同时受益于平行夹爪和灵巧手两种执行器。

  18. arXiv · 机器人与计算机视觉18

    SHAPE-CWT 框架实现无动态观测器的机械系统故障诊断

    该研究提出基于能量的诊断框架,利用谱哈密顿代数功率评估(SHAPE)与连续小波变换(CWT)在无需专用动态观测器下区分正常操作、作动器失效等故障。在模拟六自由度 Kinova 机械臂及模型预测控制条件下,该方法跨五个训练种子和 3000 次测试运行达到 84.69% 平均准确率,优于扭矩残差(81.67%)与广义动量观测器(97.17%)。

  19. arXiv · 机器人与计算机视觉78

    WorldFailBench:世界模型是否理解策略失效?

    针对物理测试与仿真准备成本高且现有基准仅关注结果成功与否的问题,该研究提出 WorldFailBench 基准,旨在检验世界模型是否能忠实复现策略的失效机制。该基准包含三个任务:失败原因(复现可观测错误)、失败阶段(评估失效集中点)及失败边界(考察场景变化下的成败转换条件)。

    推荐理由:该基准通过三个任务揭示现有世界模型在复现策略失败原因、阶段及边界上的显著差距,为构建更可靠的评估工具提供方向。

  20. arXiv · 机器人与计算机视觉82

    MimicAll:面向跨人形机器人全身运动追踪的结构化本体条件化方法

    论文提出 MimicAll 强化学习框架,旨在解决共享策略在结构、形态和动力学各异的人形机器人间的通用问题。该方法将结构化本体描述编码为全局与关节对齐的条件,结合观测历史与身体匹配的运动参考来预测关节目标偏移。

    推荐理由:提出强化学习框架 MimicAll,通过结构化本体描述实现跨异构人形机器人的全身运动追踪。

  21. arXiv · 机器人与计算机视觉72

    ReSight:面向具身智能的任务驱动型自改进记忆系统

    论文介绍 ReSight 系统,该系统为具身智能体提供任务驱动的自改进记忆机制,通过保留关键帧及其时空关联,将观测证据与可扩展的衍生字段分离以支持按需重处理。系统包含执行代理和编码代理,前者在有限在线预算内调用注册工具,后者利用可编程工作空间探索、编写程序并获取模型。

  22. arXiv · 机器人与计算机视觉75

    MDPO:一种用于安全灵巧操作的多约束强化学习策略优化方法

    针对灵巧操作中需同时满足关节限位、手指安全及物体交互稳定等多重异构约束的挑战,本文提出多约束灵巧策略优化(MDPO)框架。该方法将任务建模为包含累积成本与状态级成本的双约束优化问题,并通过特定于约束的策略投影技术,将最大化任务性能的策略映射至可行域。

  23. arXiv · 机器人与计算机视觉67

    MOTIO:面向现实锚定的人形机器人大型化操作技能工程系统

    论文介绍 MOTIO 系统,该系统将普通人类动作视频、现实锚定的 3D 资产及可复用技能转化为可执行的人形机器人运动与操作程序。通过上下文任务推理与接触感知,智能体构建分阶段交互并利用物理执行优化,无需特定任务的遥操作或机器人示教收集。

  24. arXiv · 机器人与计算机视觉78

    Tiny Recursive Policy:用于视觉运动控制的递归潜在精炼方法

    针对现有行为克隆策略依赖固定观测窗口而缺乏持续上下文的问题,本文提出 Tiny Recursive Policy(TRP),通过共享计算模块在每一步控制中反复更新高、低层潜在状态并解码动作序列。

    推荐理由:提出结合持久时序状态与递归潜在精度的行为克隆策略,在长程任务上显著优于大生成式基线且参数量更少。

  25. arXiv · 机器人与计算机视觉72

    拥挤环境下的无死锁安全导航:神经形态决策动力学

    该论文介绍了一种名为神经形态决策动力学(NDD)的去中心化事件驱动控制器,旨在解决拥挤环境中的安全导航与协同通行问题。该方法通过耦合内部决策状态与物理状态变化,使智能体无需通信或预设优先级即可自组织形成局部冲突组并自主化解死锁。研究推导了确保有限时间内无死锁的显式条件(如感知范围、反馈增益等),并通过大规模仿真和硬件实验验证了其在复杂场景下的可扩展性。

  26. arXiv · 机器人与计算机视觉48

    因果方法解释与学习自扩展——综述

    该综述指出深度学习虽赋予机器人感知能力,但缺乏对行为背后原因的内在理解,限制了其可靠性。文章呼吁构建基于深层推理的架构,使机器人能生成可共享的解释并据此改进未来行为。研究聚焦于开发具备自我意识与自我进化能力的机器人,旨在通过提供必要解释来增强功能并赢得人类信任。

  27. arXiv · 机器人与计算机视觉58

    EKT-Router:面向具身视觉语言模型的专家 - 证据对齐框架

    论文介绍 EKT-Router 框架,旨在解决具身视觉语言模型需基于部分且演化的观测回答问题的问题。该框架联合选择能力专家、可选知识与感知工具,利用结果衍生的特征表征通用、空间推理与时空专家的重叠优势,并在调用预算下对完整路线进行联合效用评分。

  28. 盖世汽车 · 汽车资讯35

    奇瑞入选香港特区政府第七批重点企业并获定制化支持

    2026 年 10 月 22 日,奇瑞汽车股份有限公司正式入选香港特区政府第七批重点企业,成为本批唯一入选的中国汽车品牌。入选企业将获得涵盖专项土地与园区配套、研发税务扣减及核心团队签证等“一企一策”定制化支持。此举旨在助力奇瑞对接全球市场与人才网络,其已在港设立的 AI+ 汽车创新中心正聚焦出行领域基础大模型及具身智能端侧部署。

  29. 智元 AGIBOT · Newsroom78

    智元发布 Genie Studio 2.0 具身智能开发运营平台

    智元发布 Genie Studio 2.0 集成平台,连接机器人模型、任务工作流与现场系统,支持新任务环境七天验证。平台包含 Flywheel 模块用于数据收集、模型训练及仿真测试,Agent 模块用于拖拽式任务编排,Monitor 模块用于车队监控与远程干预。

    推荐理由:平台整合数据、模型与现场系统,支持新任务环境七天验证,已在制造与轨交项目完成闭环。

  30. 盖世汽车 · 汽车资讯68

    FFR完成收购FFAI机器人业务并上市

    FFR于10月23日完成对FFAI机器人业务的合并交易,贾跃亭任CEO。公司发布“FF OmniMind”统一AI大脑品牌,预计10月出货量突破300台、累计超1100台且持续正毛利交付。FFR给出2026年指引:本体销量约2000台;五年展望预计2027年营收约4520万美元、累计销量约13.3万台,预测以必要融资为前提存在不确定性。

  31. 盖世汽车 · 汽车资讯19

    付于武:夯实硬实力,更要提升汽车产业软实力

    中国汽车工程学会名誉理事长付于武指出,中国智能网联新能源汽车需在五年内进入强国行列,除突破核心技术外更应增强产业软实力。他呼吁营造原始创新土壤、走上法治化管理轨道并践行 ESG 理念,同时强调尊重人才与产业链协同合作以构建健康生态。

  32. Hugging Face Daily Papers53

    WebAnything:从野生网络到可扩展的代理环境

    论文提出了 WebAnything 框架,旨在解决 Web 智能体训练所需的多样化、可执行且可重置的网站环境问题。该框架通过 Explorer-Builder 收集浏览器可观测的结构和资源,并利用独立验证器检查候选环境并指导修复,从而在不依赖人工实施或后期修补的情况下,从真实 URL 重建基于源码的 Web 环境。

10月26日周一
  1. 盖世汽车 · 汽车资讯78

    智元正式发布安规级重载具身机器人精灵G2 Max

    10月26日,智元正式推出面向拆码垛、物料转运等场景的安规级重载具身机器人精灵G2 Max。该产品单臂负载20kg、双臂额定负载40kg,具备7自由度力控与视觉引导能力,可兼容多种工业物料且无需大量重新示教。

    推荐理由:智元发布安规级重载机器人精灵G2 Max,集成力控与视觉融合方案以解决搬运精度难题,并适配既有产线布局。