导游机器人社会导航力模型研究:提升跟随性与感知安全
该研究提出一种基于力的导游机器人社会导航模型,通过整合障碍物、用户位置及朝向等因素增强社交性。实验在已知地图中让用户跟随自主机器人完成含干扰任务的行程,对比 A*搜索基线评估了跟随性、感知安全与感知智能等指标。论文已接受 IEEE/RSJ IROS 2026 研讨会录用,共 5 页并附 8 幅图示。
该研究提出一种基于力的导游机器人社会导航模型,通过整合障碍物、用户位置及朝向等因素增强社交性。实验在已知地图中让用户跟随自主机器人完成含干扰任务的行程,对比 A*搜索基线评估了跟随性、感知安全与感知智能等指标。论文已接受 IEEE/RSJ IROS 2026 研讨会录用,共 5 页并附 8 幅图示。
针对物理系统中机器人策略学习成本高且探索不安全的问题,该工作提出了 VAMPS 框架,利用模型预测路径积分控制训练可复用策略而不依赖人类演示。
论文提出 CoDance 框架,旨在通过视频学习人机类人机器人的反应式与顺应性交互。研究以双人舞蹈为挑战任务,利用单段人类舞蹈视频将运动重定向至机器人参考轨迹及移动搭档。
针对灵巧操作中手物交互的遮挡与力觉缺失问题,该研究提出 VICON 框架,通过集成带接触传感的视觉惯性手套与 RGB-D 相机,在无 CAD 模型下融合可见性、力敏电阻测量与手部运动先验来估计物体位姿。
推荐理由:该工作提出融合视觉、惯性与接触感知的追踪框架,在严重遮挡下显著降低失败帧率并构建同步数据集。
针对遥操作中缺乏力反馈和存在视觉遮挡的问题,本文提出一种基于数字孪生的增强现实(AR)遥操作界面。该系统整合裸手追踪与双机械臂,将机器人手部网格上的触觉测量渲染为视觉力反馈,并提供用户可控的虚拟视角面板或遮挡感知透明渲染以缓解视野受限。研究通过涉及任务 1 和任务 2 的用户评估,验证了该界面在需要精细力度调节及遮挡环境下收集高质量演示的有效性。
论文介绍了 TANav 框架,该方法利用短暂轻推测量容器阻力以支持导航决策。系统 TacPhys 读取力序列并结合 RGB-D 数据估算质量,规划器在重复巡逻中权衡探测与路径成本。
该系统利用配备 360 度视觉软触觉传感器的移动机器人,在无需互通信条件下通过内环接触力定位与外环方向协调,成功将刚性物体推向动态目标。研究基于 Lyapunov 稳定性理论验证了系统收敛性,并通过仿真与真实世界实验证实了多机器人在未知质量物体推运中的协同性能。
论文提出 PatternDex 方法,旨在解决双臂灵巧手操作铰链物体时的具身差距问题。该方法观察到手与物体运动的相关性由物体决定而非手部,可从人类演示中学习并表示为交互模式序列。
推荐理由:提出 PatternDex 方法,通过从人类演示学习手与物体运动的相关性(交互模式),引导强化学习策略实现双手动灵巧操作,在 Allegro 手上平均成功率达 92.8%。
arXiv 论文提出了 DNPush,这是一种用于多机器人协作搬运物体的分布式非平行推力控制器。该方法无需机器人间通信或物体模型、质心估计等在线信息,仅利用局部力测量和预设权重即可调节非平行力大小。
推荐理由:该工作提出无需通信的分布式推控方法,通过局部力测量实现多机器人协同搬运,仿真与硬件实验验证了收敛性与方向误差。
本文提出一种无需专用力或触觉传感器的机器人操作方法,通过训练视觉力估计器从合规 Fin Ray 夹爪的形变中预测作用力,并联合生成动作与力的候选方案以指导推理时的动作选择。该方法在浆果采摘、空罐抓取、手内重定向和插头插入等任务上进行了评估,展示了视觉预测力引导接触密集型操作的能力。材料为预印本论文,未报告真实机器人部署结果或量产状态。
推荐理由:该工作提出利用柔性夹爪形变进行视觉力预测,从而在无触觉传感器条件下实现接触密集型任务的操作策略选择。
该研究证明,当仅规定位置轨迹时,通过最小化正齐次分配成本(含范数与幂律),全驱动多旋翼会自发呈现类似欠驱动的力分布。这种策略利用横向控制权限即时响应扰动并重新对齐最优力方向,无需像结构欠驱动平台那样先改变姿态。相关论文已上传至 arXiv 待注册 DOI,代码与数据许可状态未明确说明。
该研究提出一种端到端基于可微有限元(FEM)的框架,用于解决气动软体机器人非线性动力学建模难题。通过自动转换 CAD 设计为四面体网格并融合点云数据,框架在复杂波纹管状机器人上实现了最大位置误差小于 3mm 的高精度建模。实验验证了其在路径跟随与抓取等真实世界运动规划任务中的有效性,相关论文已发表于 IEEE RA-L。
arXiv 论文 WasserMan 介绍了首个针对水下浮动基接触操作的多任务仿真基准。该基准包含十项专家可解任务、两种车臂平台及双手动构型,并提供了洋流动力学模型。作者对比了 ACT、扩散策略与行为克隆在六项任务上的表现,发现移除积分动作可能导致任务无法完成,且改变动作接口会降低学习策略成功率。材料为预印本版本,尚未被 IEEE RA-L 接收或发表。
该预印本提出 AgenticTactileVLA,作为固定视觉语言动作模型(VLA)的执行时间监督器,利用手指位置和电机力反馈进行接触引导的自适应调整。该方法在 Unitree G1 机器人配合 BrainCo Revo2 手部执行任务时,针对未见物体实现了从基线 VLA 61.3% 到监督器 84.0% 的任务完成率提升,且无需触觉传感器或模型重训。
推荐理由:该预印本提出无需重训 VLA 的接触引导执行监督方案,在 Unitree G1 上验证了针对未见物体的泛化提升与修正触发机制。
针对从人类演示向机器人转移操作技能时人机对应关系不可靠的问题,该研究提出 TacOT 框架。该方法利用动作 - 触觉动态时间规整识别具有一致交互动力学的人机演示对应关系,并在共享策略表示空间中指导软最优传输对齐,从而无需预定义帧级配对即可实现富含接触的监督学习。
ATOC 系统将 LED 智能信标调制、事件检测、光学追踪与事件数据解调集成于单一路径,将视觉标记转化为鲁棒通信通道。研究在实验室套件、智慧城市演示及三维动作捕捉系统中验证了该系统。该工作发表于 arXiv (2610.04342),涵盖机器人学与计算机视觉领域。
该论文针对具有偏移结构的欠冗余 7-DoF 人形机械臂,提出了一种结合解析近似与数值精修的混合逆运动学框架。该方法首先利用近似解析模型枚举有限候选解,再通过轻量级学习预测器结合 split-conformal 预测对候选解进行难度排序并选出最佳种子,最后使用 Levenberg-Marquardt 求解器在完整运动学模型上进行高精度修正。
推荐理由:提出一种结合解析近似与数值精修的混合逆运动学框架,利用校准的种子选择实现实时高精度求解。
针对当前观察不足以确定动作时机器人需从过去交互中推断相关状态的问题,该工作发布了 Grounded in Time (GiT) 数据集与基准。数据涵盖生物实验室、家庭和工业场景,包含真实机器人与通用操作接口风格演示的 18 个双手任务,以及仿真数据和基于 ManiSkill 评估套件覆盖的 9 个任务。
该研究提出了一种针对类人机器人牵引被动轮式车辆(人力车)的全身控制框架,旨在解决在未知负载和地形下维持上肢接触与平衡的问题。方法上,利用拥有车辆状态、交互力和负载属性的特权教师模型进行训练,并通过蒸馏将教师动作和隐变量转化为基于本体感觉的历史条件化学生策略,随后进行强化学习微调。
该研究提出一种算法,使双机械臂机器人在翻滚转运患者时能稳定颈椎并实现类人级的旋转对齐控制。实验显示,带预测的机器人轴向对齐误差仅比人类新手高 0.21 度,在安全握力范围内实现了关键的人机物理交互性能。
针对颈部肌肉无力人群,该系统利用前庭 - 眼反射设计新型眼球追踪控制器,无需手持设备即可自然驱动动力颈外骨骼。相比旧模型,新方案通过个性化参数调整实现了更自然的头部速度曲线,准确动作意图检测率平均提升 24%。该技术为研究个性化偏好及恢复患者头颈活动能力提供了有力平台。
针对多指机器人缺乏通用低层原语的问题,论文提出 GOTT 框架,该框架围绕单一跨本体接触获取原语构建。给定机器人无关的物体轨迹和抓取规格,GOTT 先将手移至任务相关区域,利用闭环原语建立稳定接触,再由姿态条件控制器跟踪期望运动。仿真与真实实验表明,该方法在不同物体、机械臂 - 手部平台及未见的手部形态上均能稳健建立接触,且相比开环抓取执行持续提升端到端任务成功率。
Boston Dynamics Spot 凭借敏捷性与集成机械臂,成为执法机构在灾难搜救、人质解救及药物实验室调查中的标准工具。该机器人可在数分钟内抵达现场,搭载热成像与传感器进行 CBRENE 检测并绘制危险区地图,显著降低人员风险。其半自主功能支持搬运 15 磅物体及拖拽 50 磅重物,已在拉斯维加斯、纽约 FDNY 及德国埃森等地投入实战部署。
论文提出 QueryArt 模型,能够从单张 RGB 图像、二维查询点和相机内参中估计连杆几何参数。该方法将分割与估计解耦,通过查询点深度测量恢复度量尺度,在合成与真实数据混合训练后,于移动机械臂的 57 次操作任务(涵盖 16 个部件和五类视角)中达到 70.2% 的成功率,并优于近期基线。代码与视频已公开。
推荐理由:该模型仅凭单张 RGB 图像与查询点即可估计连杆几何参数,在移动机械臂的 57 次操作中实现 70.2% 成功率。
论文提出 Screw Attention,这是一种将两物体间的相对位姿与关节螺旋量作为空间变换而非图边嵌入的 Transformer 层。该方法在 LIBERO-Spatial 基准上,仅用 16k 参数从物体位姿训练的策略达到 97.3% 成功率,优于同规模及参数量大 27 倍的扁平网络。
推荐理由:该工作提出 Screw Attention,在 Transformer 层内显式建模刚体运动学关系,使策略对坐标系变化具有等变性。
EgoAlign 是一个数据构建框架,旨在解决第一人称人体演示因身体尺度差异、控制器响应不同及缺失机器人状态而难以用于人形机器人训练的问题。该框架利用目标机器人模型和仿真器指导演示收集过程,通过执行反馈保留视觉引导的周期性步态参考,并通过尺度对齐与控制器在环优化调整上肢交互几何结构。
WB-WAM 是一种将显式全身动作监督融入生成式视频预训练的 World Action Model,整合来自异构来源的身体、根部和灵巧手部标注,利用 1880.2 小时部分标注的视频与运动数据进行联合学习。
论文介绍 GlowTact 这一压力响应型基于视觉的触觉传感机制,可直接将接触压力分布可视化为原始图像,无需显式几何重建。该设计仅需单色非定向照明,实现了紧凑且可定制的传感器结构,同时保持高灵敏度和丰富空间细节。实验演示了克级接触检测、法向力准确估计以及精细接触几何(包括 M1 螺纹)的重建能力,确立了其作为紧凑人形手指实用传感技术的地位。
FIND 是一个代理式现实世界强化学习框架,旨在解决视觉 - 语言 - 动作(VLA)模型作为冻结策略部署后无法从自身失败中学习的难题。该框架将自主练习重构为场景条件化、性能感知的任务选择问题:利用视觉 - 语言智能体从预定义库中识别可行任务,优先选择近期成功率较低的任务进行练习,并通过成对的执行前后观察结果进行评估。
推荐理由:该工作提出 FIND 框架,利用冻结 VLA 模型在真实环境中通过自主任务选择与自我评估实现策略持续改进。
论文提出了 AR-WAM,这是一种视觉条件化、无需语言编码器的 0.5B 参数世界动作模型,通过视觉定位框和操作 token 替代自然语言指令来控制机器人操作。该模型在 RoboTwin 2.0、RMBench 及真实 Astribot S1 双臂平台上表现优异,标准操作任务平均成功率达 85.7%,长程记忆依赖与真机任务分别提升 5.9% 和 36.7%,同时保持最低推理延迟(14.1 ms)。
推荐理由:该工作提出视觉条件化的 AR-WAM 模型,在仿真与真机长程任务中均优于基线,且推理延迟最低。
论文介绍 SABER,一种无需规划器的强化学习策略,能够联合推理地形几何与语义接触许可。该策略消耗统一的地形 - 功能图,并通过在注意力 logit 上添加由接触成本门控的有向语义偏置,使危险区域在仍能影响下一步落脚点时重塑注意力分布,而在无法影响时其影响力衰减。
该研究评估了基于代码生成的机器人操控范式在安全性上的不足,发现智能体常因规划阶段无法优先处理安全约束而碰撞障碍物。为此,作者提出 SafeHarness 框架,通过障碍感知的路线规划与接触执行机制,使模型能预先验证路径并选择避开障碍物的接触点。实验显示,该方法配合 GPT-6-Astra 模型,任务成功率达 81.2%,避障率达 91.9%。
论文提出了 World-to-Wrist VLA(W2-VLA)模型和 W2-CoT 合成管道,旨在解决视觉语言动作模型忽视手腕视角独特作用的问题。该方法利用多视图观测和任务指令构建潜在接口,预测手腕局部交互的未来演化以辅助动作生成。
该研究针对现有通用策略无法保持清洁单腿站立的难题,提出了一种基于支撑脚相对坐标系的动态质心观测方法,使捕捉点状态可仅由关节编码器和惯性测量单元重构。作者开发了无需蒸馏的策略 DDC,在 Unitree G1 上实现了 90 个测试动作中 89 个的清洁单腿平衡能力。材料开源了策略、数据及 MuJoCo 基准评测工具,旨在将单腿平衡从演示任务转化为可量化的通用能力。
推荐理由:提出无需蒸馏的平衡策略,在仿真基准上实现单腿站立,并开源数据与评测工具。
该论文提出一种基于表面肌电信号(sEMG)的实时遥操作系统,用于控制辅助性机械臂以补偿上肢运动障碍。系统采用四通道信号采集、滑动窗口分割及一维卷积神经网络进行分类,支持静息与五种手势识别。实验在仿真环境与真实机器人平台上均验证了可行性,测试准确率超过 90%,平均延迟约 0.32 秒,实现了稳定可靠的离散手势控制与平滑运动输出。
该研究设计了一种集成肌电信号控制、无传感器物体检测及振动触觉反馈的仿生触手形假肢。系统通过电机电流斜率分析识别接触,无需外部传感器即可在平均 77ms 的低延迟下实现响应,物体检测成功率超 90%。用户能可靠识别触肢折叠区域,验证了该设计在适应不同形状物体时的鲁棒性与直观性。
论文提出 ROVE 框架,旨在解决人形机器人视觉语言动作(VLA)模型后训练中利用人类干预数据进行训练的系统与算法挑战。该方法引入人机协同数据收集流程,并利用乐观价值估计(OVE)从混合质量轨迹中筛选高价值行为;同时结合跨本体人体经验视频以增强对长尾失败与恢复模式的监督。实验表明,在具有丰富接触和精细操作要求的真实世界任务中,ROVE 优于基于经验的基线方法,且在多次迭代中持续改进性能。
论文研究如何在无围栏、夹爪或机械止动条件下,将轮足四足机器人的动态运物能力从单个自由滚动球体扩展到多个同时运输的球体。针对标准历史拼接编码器无法显式处理每帧内球体顺序可变导致的置换对称性失配问题,作者提出 Per-Frame Deep Sets 架构,证明其具有帧间不变性并能通用逼近连续策略。
论文提出了 Move-Then-Operate 框架,该框架基于视觉语言动作模型,通过可学习的选择器将机器人操作解耦为粗粒度位移(move)和接触关键交互(operate)两个独立阶段。
论文提出 FAME 框架,旨在解决全尺寸人形机器人在外部手部受力下保持平衡的问题。该方法通过隐式编码上肢关节构型与双手动交互力,利用刚体逆动力学在线重构交互力而无需腕部传感器。实验在 MuJoCo 厨房环境及 Unitree H1-2 真机上验证,在 150mm 容差下任务成功率达 38.9%,显著优于未编码力或仅基于姿态的基线策略。代码与视频已开源。