跳到正文
10月23日周五
  1. 量子位16

    百度世界 2026 前瞻:10+ 分论坛解码 AI 时代智能组织进化路径

    百度将于 11 月 12 日举办百度世界 2026,设置 10+ 场分论坛聚焦“智能组织”议题。议程涵盖岗位边界重构、具身智能商业落地及 RSI 等前沿技术,旨在推动企业从工具升级转向系统性组织重构。大会还将发布“芯云模体”全栈 AI 进展并提供多种票型供报名。

  2. 智东西 · 机器人28

    字节跳动 Seed Model 团队招募机器人工程师推进具身智能量产

    字节跳动官网及 BOSS 直聘显示,其 Seed Model 团队新增十个机器人岗位,覆盖本体设计、底层控制与数据评测等方向。招聘强调推动样机从“能跑 Demo"走向“能稳定交付”,要求候选人具备跨团队协作及复杂系统拆解能力。此举标志着字节在推出 GR-3 模型及 ByteMini 后,进一步加速具身智能的量产与商业化落地进程。

  3. 盖世汽车 · 汽车资讯58

    华为系入局换电:引望与宁德签署协议,开启智能换电生态

    引望、宁德时代与时代电服签署战略合作协议,标志着华为系正式进入换电赛道。双方将乾崑智驾系统与巧克力换电网络深度协同,实现车辆自主寻站、自动对位及99秒全自动换电。首批五款车型计划2027年上市。行业预测2026年市场规模将突破900亿元,换电正从单一品牌坚持转向多方共建的开放生态。

  4. 智东西 · 机器人52

    北京具身数据公司星忆智能完成数千万元融资

    北京具身智能数据基础设施公司星忆智能宣布完成种子轮及种子+轮连续融资,资金将用于核心算法、产品研发及商业化能力构建。该公司推出EgoKit头戴式多模态数据采集系统与HBR Engine智能数据引擎,旨在通过第一视角记录与自动化处理技术,为机器人模型训练提供高质量数据资产。创始人宋知珩曾任智元机器人整机产品负责人,团队汇聚清华等高校人才及产业核心成员。

  5. arXiv · 机器人与计算机视觉65

    气动抓取的先验进化与任务对齐方法研究

    针对气动抓取中优化问题高度非凸且数值目标难以完全表征成功条件的局限,本文提出在解析规划器内引入学习机制。首先从优化后的运动中学习轨迹先验,并通过基于 CEM 的过程进行进化;其次设计执行感知批评器,利用接触、升力和完成结果评估轨迹成功率,其冻结能量可作为可微抓取成本直接塑造轨迹生成。仿真与真实世界实验表明该方法提升了优化的可靠性、轨迹一致性及抓取性能。

  6. arXiv · 机器人与计算机视觉82

    FluxVLA Engine:面向具身智能的一站式 VLA 工程平台发布

    FluxVLA Engine 是一个开源的配置驱动型工程平台,旨在将异构的具身策略组件转化为可复现的数据至部署工作流。该平台标准化了数据集、视觉语言与世界模型接口,集成了双臂仿真、自动数据生成及人机协同修正功能,并通过实时分块与加速推理后端支持物理执行。代码已公开于 arXiv 链接,解决了阻碍具身学习算法可靠部署的工程瓶颈。

    推荐理由:FluxVLA Engine 提供统一配置驱动平台,整合仿真、数据生成与实时推理接口,解决具身策略从算法到部署的工程碎片化问题。

  7. arXiv · 机器人与计算机视觉82

    UniMem:为 VLA 统一视觉与文本记忆以应对非马尔可夫任务

    针对现有 VLA 模型在处理需记忆的长程任务时面临的瓶颈,本文提出 UniMem 框架,在单一骨干网络下统一高层视觉/文本记忆与低层控制。该方法利用事件分类器触发更新、关键帧编码器构建密集记忆并采用缓存技术降低开销。

    推荐理由:UniMem 框架统一视觉与文本记忆,在仿真和硬件任务中显著优于固定间隔采样及分层 VLM-VLA 基线。

  8. arXiv · 机器人与计算机视觉72

    利用触觉感知学习大型物体的双臂协作灵巧抓取

    针对现有双臂协作抓取研究多局限于仿真且依赖完整3D物体模型的难题,该工作提出了一种包含多模态数据集、基于DDPM的关节级抓取配置生成模块及融合运动规划与在线优化的执行策略的真实世界框架。实验在双臂机器人上验证了该方法对未见几何形状和姿态物体的高成功率,消融研究确认了各组件贡献。材料已接受至2026年IEEE/RSJ IROS会议。

  9. arXiv · 机器人与计算机视觉48

    《机器人自主性原理》预印本发布:构建统一框架 bridging 经典机器人与现代物理 AI,附 Jupyter 实操代码

    这本由斯坦福教学背景构建的书籍预印本,旨在为自动驾驶、具身智能及空间探索等领域的从业者提供统一的自主栈概念框架。全书涵盖计算机视觉与系统控制等核心主题,并配套大量 Jupyter Notebook 帮助读者建立从理论到部署的实践直觉。该资源面向学生、工程师及研究人员开放,是进入快速增长的机器人领域的重要基础教材。

  10. arXiv · 机器人与计算机视觉27

    基于可达性分析的自主水下航行器浮游生物分类器鲁棒性验证框架

    针对动态非结构化环境中噪声导致 CNN 分类器误判问题,研究提出一种基于可达性分析的新型鲁棒性验证框架。该框架结合连续时间神经 ODE 模型与 SilCam 粒子成像仪高分辨率数据,经 IEEE OES AUV Symposium 2026 接收,能自动过滤模糊数据并提供形式化稳定性保证。此举显著提升了自主采样可靠性并减少了海洋生物学家的后期人工验证工作量。

  11. arXiv · 机器人与计算机视觉78

    HEX:面向跨具身全身操作的人体对齐专家

    HEX 是一个针对全尺寸双足人形机器人的状态中心化框架,旨在通过全身协同控制实现复杂操作。该模型引入人体对齐的通用状态表示以支持异构机身的可扩展学习,并采用混合专家统一本体感觉预测器来建模全身协调与时序运动动力学。

    推荐理由:提出 HEX 框架,利用人体对齐状态表示与专家混合预测器解决全尺寸双足机器人全身协调操作难题。

  12. arXiv · 机器人与计算机视觉62

    ThermoAct:面向机器人感知与决策的热感知视觉语言动作模型

    ThermoAct 是一个融合热成像信息的视觉语言动作(VLA)框架,利用视觉语言模型作为高层规划器来解析自然语言指令并分解为子任务。该系统旨在通过整合热数据增强对物理属性的感知与环境安全判断。材料基于真实世界任务场景的实验结果验证了该框架的可行性,表明其相比纯视觉方法在任务成功率和安全方面具有潜力。

  13. arXiv · 机器人与计算机视觉58

    多层压电聚合物致动器用于昆虫级软体机器人

    针对陶瓷致动器脆性大、应变低的局限,本文提出利用聚偏二氟乙烯(PVDF)作为合规替代材料,并展示了一种新型制造工艺以制造多层 PVDF 致动器。研究通过第一性原理模型与实验验证了力随层数线性或超线性增加而位移立方级下降的权衡关系,证明在堆叠中使用更薄层可提升比功率密度。

  14. arXiv · 机器人与计算机视觉35

    频谱群机器人框架实现基于局部交互的竞技场形状分类

    频谱群机器人框架通过严格局部交互使机器人模拟扩散过程,仅需估算单个拉普拉斯特征值即可在 Kilobots 和 Pogobots 平台上对受限环境进行一次性形状分类。实验验证了该方法在真实噪声与稀疏连接条件下的可靠性,并揭示了群体规模与交互半径间的缩放定律以确保鲁棒估计。

  15. arXiv · 机器人与计算机视觉15

    Navigating human-robot interaction challenges in private and residential aged care homes

    该章节探讨机器人系统与 ambient intelligence 如何在 cluttered 和 dynamic 的养老环境中增强老年人照护,重点解决低数字素养人群的无障碍交互与隐私信任问题。评估指标涵盖每日误报率、故障恢复时间及系统长期可靠性,旨在支持符合 AI 监管要求的规模化部署。

  16. arXiv · 机器人与计算机视觉12

    SandBot 在颗粒介质上的运动对堆积分数与肢体频率敏感依赖研究

    六足机器人 SandBot(2.3 kg)在 1 mm 罂粟籽床上奔跑时,标准步态参数速度仅为硬地水平的百分之一。通过经验调整控制参数,其最高速度恢复至 30 cm/s,且性能对堆积分数φ和肢体频率ω高度敏感。研究提出了旋转行走模式的运动学模型,揭示了从行走到慢速游泳的相变机制及颗粒介质物理理解的必要性。

  17. arXiv · 机器人与计算机视觉83

    Sensorimotor Alignment:具身策略成功的柏拉图代理

    针对机器人基础模型评估成本高的问题,本文提出 Sensorimotor Alignment(S^2),一种无需训练的离线指标,用于衡量模型感官表征与物理运动几何结构的对齐程度。研究发现 S^2 与下游机器人任务成功率呈正相关,可作为低成本代理优先筛选模型或识别有潜力的视觉语言模型骨干网络。该工作将柏拉图表示假设扩展至具身智能领域,为理解模型成功原因提供表征层面的解释。

    推荐理由:提出无需训练的离线指标 S^2,通过感知表征与物理运动几何的对齐程度预测机器人任务成功率。

  18. arXiv · 机器人与计算机视觉48

    基于根轨迹扩展谐波函数法实现多机器人协同路径规划

    该方法通过共形映射将平面障碍物环境转化为圆域,利用广义根轨迹(GRL)生成 N 个可互换机器人与目标的无碰撞协同路径。在两个多边形工作空间及含十机十障场景中,实验对比显示其优于独立谐波规划与人工势场法,且能确保机器人闭环同步到达指定时间。代码已公开,论文为提交至 Automatica 的扩展版本。

  19. arXiv · 机器人与计算机视觉58

    DiffDreamer:耦合世界模型与可微分仿真的敏捷四旋翼控制

    论文提出了 DiffDreamer 框架,旨在解决四旋翼动态门竞速等任务中外部运动预测与高频控制的挑战。该方法将学习到的世界模型(捕捉外部动力学和历史特征)与可微分仿真器(传播机器人显式物理状态)紧密耦合,并将演员目标分解为基于评论家的非可微任务奖励路径和基于仿真的可微运动奖励路径。

  20. arXiv · 机器人与计算机视觉55

    Echo:面向视觉语言动作模型的耦合动作与任务状态信号去噪方法

    论文提出 Echo 框架,旨在解决视觉语言动作模型(VLA)中任务完成与失败识别的问题。该方法无需帧级进度标注,将停止和失败信号作为动作块的两个维度进行联合去噪,以区分执行中、成功完成和失败三种状态。通过控制信号与动作的交互并加速信号去噪,使后续动作生成能基于更清洁的状态估计。实验表明,Echo 在真实世界操作任务中能准确预测状态并提升策略性能。

  21. arXiv · 机器人与计算机视觉72

    Dispersive Tree Agreements for Multi-Robot Coordination

    该论文提出了名为 WarpWeaver 的分布式实时规划算法,旨在解决非线性系统的多机器人协同最优控制问题。研究将原有的单机器人分散式树搜索框架扩展至多机器人团队,通过局部约束替代互耦并采用分散式列生成进行空间租金协商,从而在准静态状态下认证近优解。

  22. arXiv · 机器人与计算机视觉48

    SCOPE:基于计划纠错优化的场景图构建框架用于机器人长周期规划数据集生成

    针对大语言模型微调受限于高质量数据集稀缺及现有方法同质化问题,研究提出 SCOPE 自动化框架。该框架引入计划反馈纠错管线,利用规划器执行失败信号修正场景图逻辑不一致性以确保物理可行性。实验显示,基于 SCOPE 数据微调的下游任务与运动规划模型,成功率较使用 DELTA 生成数据的基线提升绝对值 12.33%。

  23. arXiv · 机器人与计算机视觉58

    面向空间理解的点级可修正语义映射方法

    该预印本论文提出一种在线可修正的语义映射框架,利用多视图时序证据持续更新物体表示的点级置信度,结合跟踪与重识别保持实例身份。实验显示在 Replica 和 ScanNet 数据集上分别提升 3.46% 和 2.55% 的映射精度,并在动态环境与感知噪声下表现鲁棒,支持物体导航与具身问答任务的成功率分别为 82.4% 和 76.7%。

  24. arXiv · 机器人与计算机视觉78

    一种用于可扩展跨会话室内导航的稀疏拓扑度量图

    该论文提出稀疏拓扑度量图作为室内环境的高效结构表示,通过节点编码局部 3D 几何、边捕获可通行连通性,利用学习到的图匹配网络在跨会话中建立稳定对应。实验显示该方法在 Gibson 数据集上达到 77.1% 的成功率,在 3D-FRONT 场景变化下为 40.0%,内存占用比点级表示减少两个数量级以上,支持跨会话对齐与目标导向导航。

    推荐理由:提出稀疏拓扑度量图方法,在跨会话室内导航任务中实现高成功率并大幅降低内存消耗。

  25. arXiv · 机器人与计算机视觉43

    CoHelix:基于事件相机的多螺旋桨旋转率追踪与共享投影几何研究

    CoHelix 提出一种递归滤波器,通过估计单一共享单应矩阵及四个刚性共面螺旋桨的独立旋转状态,解决运动相机下叶片旋转与图像几何变化的分离难题。在移动相机数据留一法评估中,CoHelix 锁定率(lock)达 62.9%,显著优于 HelixTrack 的 39.8% 和 EventPro 的 22.2%;而在不同四旋翼目标的私有数据集上,其锁定率进一步提升至 95.9%。

  26. arXiv · 机器人与计算机视觉78

    基于全身运动引导的不确定性感知顺从性辅助参考生成方法

    该论文针对外骨骼在复杂交互中难以可靠提供辅助的问题,提出一种结合多模态轨迹生成与可变导纳控制的双环策略。系统利用全身人类运动和外骨骼本体感知数据,通过去噪过程合成未来轨迹,并将任务描述作为语义线索。

    推荐理由:该预印本提出结合全身运动与本体感知的双环辅助策略,通过轨迹方差量化不确定性以调节刚度,实验显示能降低肌肉激活与代谢能耗。

  27. arXiv · 机器人与计算机视觉58

    Consistent Distributed Invariant EKF SLAM with Point and Object Features

    论文提出了 Joint-CI 方法,用于统一融合带有点特征、物体特征及混合地图的多机器人分布式右不变扩展卡尔曼滤波(RI-EKF)SLAM。该方法通过构建接收机器人的位姿与公共特征的联合估计,在保留机器人 - 特征及特征 - 特征相关性的同时,利用部分状态协方差交集完成融合。蒙特卡洛仿真和基于真实数据集的实验显示,Joint-CI 在提升估计精度的同时,保持了不确定性的一致性与适度保守性。

  28. arXiv · 机器人与计算机视觉78

    Memory before Goal:面向人形机器人移动操作任务的预历史记忆研究

    针对动态场景中非马尔可夫特性导致线索消失的问题,本文提出 WholeBodyMem 方法,利用 SAM3 追踪任务物体并因果选择关键帧构建感知记忆,供动作专家通过交叉注意力读取。该方法在仿真和真机(宇树 G1)上均显著优于无记忆及均匀采样基线,将基础策略成功率分别提升至 72.6% 和 88.3%,同时改善了标准 SIMPLE 任务表现。作者开源了包含六个仿真与六个真机任务的 HuMeGo 基准。

    推荐理由:提出 WholeBodyMem 方法,利用预历史记忆将仿真与真机任务成功率分别提升至 72.6% 和 88.3%,并开源 HuMeGo 基准。

  29. arXiv · 机器人与计算机视觉53

    未见区域中的多专家扩散规划器:是路由还是自适应?

    该论文研究了在未见地图中扩散轨迹规划器的适应性问题,对比了共享适配器与领域特定专家适配器的不同配置。实验显示,在三个真实世界保留地图上,八种测试时路由方案均无法超越静态默认策略(即每场景使用同一专家),即使拥有选择最佳专家的预言机也仅能减少 0.9 米的平均横向偏移。

  30. arXiv · 机器人与计算机视觉59

    AstroBench:面向空间机器人自由浮动抓取的基准测试与开放数据集发布

    AstroBench 是一个针对固定基座机械臂在太空舱内进行自由浮动物体抓取与操作任务的开源基准。该基准整合了基于 MELFI 硬件的样本存储任务和基于 Robotic Refueling Mission 的加注服务任务,提供九个任务定义及 29 种目标组合,并包含经过元数据过滤的 Objaverse 资产库(8,414 个实例)和五种舱内视觉上下文。

  31. arXiv · 机器人与计算机视觉38

    MPRF 模型通过多模态残差融合预测机器人内镜导航中的操作员撤退行为

    MPRF 因果模型结合电磁追踪与内窥镜视频,在 150 例结肠假人实验中实现 0.580±0.007 AUPRC,优于最强降维基线。完整多模态历史提供主要排序优势,残差项为原始融合带来小幅不确定的增量提升。该研究为操作员控制下的导航行为辅助奠定基础。

  32. arXiv · 机器人与计算机视觉72

    基于演示的机器人喂食:融合动态运动原语的框架

    该论文提出一种基于人类演示的机器人喂食框架,整合了动态运动原语(DMP)的运动规划、基于视觉的场景感知及机器人控制。系统通过动捕记录勺子舀取与投喂轨迹并编码为独立 DMP,利用 RGB-D 相机估计嘴部位置,结合 AprilTag 进行机械臂标定与托盘定位。实验在真实场景中验证了 Kinova Gen3 机械臂执行该集成流程的可行性,证明学习到的勺子动作可在检测到的实验场景中被复现。

  33. arXiv · 机器人与计算机视觉38

    Revisiting Distribution Matching for State-to-Vision Policy Distillation in Laparoscopic Robotic Manipulation 提出框架

    针对腹腔镜手术中纯强化学习训练视觉策略困难且模仿学习需大量专家演示的挑战,该工作提出一种状态到视觉的策略蒸馏框架。在仿真环境中进行的广泛实验表明,该方法仅需较少专家演示即可从拥有特权观测的状态策略中学习,相比通用强化学习方法能实现更一致稳定的跨任务性能。