跳到正文
10月20日周二
  1. arXiv · 机器人与计算机视觉72

    TrajEdit:基于流匹配编辑与安全过滤的实时轨迹自适应

    该预印本论文提出了 TrajEdit 分层轨迹规划器,用于解决动态障碍物主动追逐时的安全实时运动规划问题。该方法在标称条件下遵循当前计划,利用 FlowEdit 技术对剩余轨迹进行快速适应,并在检测到对抗性代理进入安全阈值时切换至控制屏障函数(CBF)安全过滤器。

  2. arXiv · 机器人与计算机视觉51

    Rollbot 2:单执行器球形机器人的敏捷运动研究

    Rollbot 2 保留单执行器设计但重新分配质量分布,结合惯性测量与超宽带传感实现自主导航与信标寻迹。在共享的 4.8 米“N”形路径基准测试中,16 次试验平均耗时 10.8 秒、平均偏差 7 厘米;最快完成时间 8.0 秒,比原版快 70 倍以上。该研究展示了机械重设计、板载传感与学习控制如何提升单执行器球形机器人的敏捷性与自主性。

  3. arXiv · 机器人与计算机视觉74

    基于混合最小原理的时间感知混合模型预测控制

    Valentin Gaucher 和 Wenlong Zhang 提出一种时间感知混合模型预测控制(MPC)框架,将事件切换时刻提升为决策向量中的显式优化变量,而非依赖固定时间网格。该方法通过稀疏二次规划(QP)联合优化连续控制输入与冲击时机,在反弹质量着陆振荡平台的实验中,收敛速度比固定网格盐跃 MPC 快一半,累积控制努力减少 30%,并消除了碰撞后的反弹现象。

  4. arXiv · 机器人与计算机视觉72

    CLARO:面向杂乱环境的开放词汇抓取机器人编排器

    论文介绍 CLARO,这是一个利用视觉语言模型(VLM)智能体来编排感知与操作技能的系统,能够处理开放词汇的目标检测、分割、6 自由度抓取及非抓持推搡任务。系统在动态仿真环境中平均成功率达 89.1%,在高度杂乱场景下比最强竞争方法提升超 16%;真实部署实验显示其跨机械臂迁移能力强,成功率达 88.8%。该工作已接受至 WACV 2027。

  5. arXiv · 机器人与计算机视觉68

    弱监督发现运动风格用于组合式机器人控制

    论文提出 CODES 框架,通过运动重定向、弱监督共识编码和密度聚类从多样化记录中自动发现连贯的运动风格库,并利用强化学习训练策略将风格与独立任务指令进行组合。该方法在宇树 Go2 四足机器人上进行了仿真与真实硬件评估,相比基线显著提升了运动学一致性,且能追踪超出录制数据支持范围的指令,展现出稳健的风格特征。

  6. arXiv · 机器人与计算机视觉68

    SituHOI:大规模场景化全身人 - 物交互数据捕获

    论文介绍 SituHOI,这是一个包含约 86 小时高质量筛选活动的大规模 RGB-D 数据集,涵盖 16 个室内房间及 18,429 条标注片段。该数据集将移动 RGB-D 相机记录与静态场景扫描、物体几何、语言描述及估计轨迹配对,利用扫描作为持久参考,结合相机定位、深度度量对齐、人体网格恢复等步骤,将所有几何标注注册到共享地板对齐坐标系中。

  7. arXiv · 机器人与计算机视觉75

    IMPULSE:在 V-JEPA 2 特征空间先推后测的物理感知方法

    论文 IMPULSE 提出一种在冻结的 V-JEPA 2 视频编码器特征空间中进行物理感知的预测器。该方法通过三次短校准推探获取物体响应,利用贝叶斯接触记忆总结信息,并结合轻量级随机傅里叶变换姿态头将预测姿态输入预测器。实验显示,在预指定的保留对象集上,该方法相比无经验的基准模型将 1 秒特征预测误差降低了 11.6% 至 12.8%,且该增益对超出范围物理属性的对象同样有效。

  8. arXiv · 机器人与计算机视觉59

    UMI-WM:基于手腕相机的双手操作交互式世界建模

    arXiv 论文介绍 UMI-WM,这是一个动作条件的双手世界模型,能联合生成两个手腕视角的视频并保持跨视图一致性与视觉保真度。模型将每只手臂的动作注入其手腕流,利用稀疏枢纽令牌交换场景信息,并结合相机感知几何条件与引导噪声支持运动控制。

  9. arXiv · 机器人与计算机视觉73

    Language-Forcing:通过全身世界动作模型的语义对齐推进人形机器人移动与操作

    针对全身世界动作模型(WAM)视觉预测目标未区分任务相关变化与场景 incidental 变化的问题,提出LANGUAGE-FORCING训练策略。该方法利用冻结的视觉语言模型评估任务进度并预测后续状态变化,将其嵌入与中间动作条件化的未来视觉特征对齐,仅用于训练且不增加推理开销。

  10. arXiv · 机器人与计算机视觉44

    任务充分主动感知:移动操作机器人何时决策的混合神经符号框架

    针对未知环境中机器人需判断信息是否充足再行动的挑战,研究提出一种概念性混合神经符号框架。该架构在解析任务后生成初始计划并迭代重评,支持获取新视角、检查物体或请求用户澄清等动作。系统将在由类人躯干与移动底盘组成的移动操作机器人上实现,并在仿真环境中进行互补评估。

  11. arXiv · 机器人与计算机视觉78

    ContactKernels:基于几何条件力矩的接触丰富操作自适应提案方法

    针对感知与控制不确定性导致的意外接触问题,论文提出 ContactKernels 方法,利用几何条件力矩测量估计接触位置与局部几何,直接适配采样分布以引导修正运动。仿真与真实机器人实验显示,该方法在预测采样和模型预测路径积分控制下,平均插入成功率提升超 50 个百分点,真实机器人插入成功率从 53.3% 提升至 90.0%,平均插入时间减少 33%。

    推荐理由:提出利用几何条件力矩测量估计接触状态,自适应调整采样分布以引导修正运动。

  12. arXiv · 机器人与计算机视觉74

    学习轮式四足机器人的全身动能协调以实现长距离投掷

    针对非结构化地面上的远距离投掷任务,本文提出一种结合动力学链手臂建模、SQP 轨迹优化与参考引导强化学习的全身协调框架。在固定基座上,优化后的臂部轨迹释放速度达 12.75 m/s,投掷距离为 16.68 m;启用全身协调后,释放速度提升至 16.64 m/s,投掷距离增至 28.25 m。研究通过硬件实验验证了该策略在平地、草地、斜坡和粗糙路面等多样地形下的鲁棒性。

  13. arXiv · 机器人与计算机视觉58

    基于信息增益和人类认知特征的模糊机器人指令自适应提问生成方法

    针对服务机器人自然语言指令中的歧义性问题,研究提出一种结合概率判别效率与人类认知特征的自适应提问机制。该方法利用视觉语言模型提取候选物体属性,计算各属性的信息增益以消除不确定性;当信息增益相同时,依据人类认知特征筛选用户最易直观感知的视觉属性(如颜色、形状),并生成简洁的自然语言问题。

  14. arXiv · 机器人与计算机视觉83

    DUET:面向任务无关的人形机器人上下肢执行解耦框架

    该论文介绍 DUET 框架,通过仅在机器人接口处结合指令,使下肢运动控制器(基于强化学习)与上肢操作控制器独立运行。实验在宇树 G1 硬件上验证了该方法,展示了与 GR00T N1.7 和 pi0.5 两个不同模型配对的兼容性。

    推荐理由:该研究提出 DUET 框架,实现下肢运动与上肢操作的解耦控制,支持在不重新训练平衡策略的情况下更换视觉语言动作模型。

  15. Hugging Face Daily Papers70

    ScaleNav:面向语言条件局部导航的可扩展互联网视频预训练

    论文提出了 ScaleNav 统一的世界 - 动作框架,旨在解决端到端导航策略需要多样化数据且真实数据采集成本高、仿真存在差距的问题。该方法首先利用互联网第一人称视频进行指令条件视频预训练以学习观察随相机接近目标而演变的视觉动态;随后使用带标签的仿真数据进行动作对齐以预测可执行的动作片段;最后通过联合微调优化所有可训练组件。

  16. Hugging Face Daily Papers78

    TokenWorth:资源约束下的记忆价值学习方法

    针对终身智能体在生成、交互和内存预算紧张时的失效问题,论文提出 TokenWorth 轻量级在线框架,通过稀疏执行反馈学习查询依赖的记忆价值,并应用于检索与有界管理。实验显示该方法在三类环境及本地/API部署中均取得最高任务成功率且输出 token 最少。代码已开源。

    推荐理由:提出 TokenWorth 框架,在资源受限下学习记忆价值以优化终身适应。

  17. 智东西 · 机器人38

    北京太空机器人国宇星辰完成近亿元A轮融资

    北京太空机器人公司国宇星辰宣布完成由沂景资本、复星创富和路遥资本联合投资的近亿元 A 轮融资,资金将重点投入太空机器人集群建设及商业化市场拓展。该公司是国内首家具备全栈研制能力的在轨服务商,其自主研制的“星迹源一号”已在轨稳定运行超 15 个月并完成多项技术演练。目前国宇星辰已进入国家级卫星互联网星座运营商、中国航天科技集团等合格供应商名录,项目在手订单合同额累计达到亿元。

  18. 盖世汽车 · 汽车资讯42

    新奇机器人如皋制造项目落地,聚焦高精度关节与丝杠量产交付

    新奇机器人与如皋高新区签署协议,将在智能装备产业园建设精密传动与关节类核心零部件制造项目。该项目依托力星股份三十多年积累,专注高精度关节模组、行星滚柱丝杠等高门槛环节,旨在补齐从研发到规模化制造的关键缺口。通过“材料一传动一模组”一体化体系,新奇机器人将面向人形机器人及高端智能装备客户提供稳定交付能力。

  19. 量子位68

    达摩院玄铁发布首款车规级处理器E908A及自动驾驶与具身智能产品路线图

    阿里巴巴达摩院在RISC-V中国峰会发布首款同时达到ASIL-B和ASIL-D标准的RISC-V CPU IP“玄铁E908A”,单点安全度量超过90%。会议还首次发布了面向自动驾驶和具身智能的产品路线图,下一代C950A目标性能为现有车规产品的5倍。此外,达摩院展示了玄铁C950在Agentic AI工作负载上的表现及多核互联升级成果。

  20. NVIDIA Isaac Lab · Releases82

    Isaac Lab 3.0 正式发布:支持多后端架构与零拷贝数据访问

    NVIDIA Isaac Lab 3.0 正式向公众发布,确立了下一代机器人学习的基准。该版本引入工厂式多后端架构,允许任务在 Newton、PhysX 等物理引擎及不同渲染器间切换而无需重写逻辑;提供 Warp 原生数据路径实现零拷贝访问;并支持 Kit-less 执行模式以简化部署流程。

    推荐理由:NVIDIA Isaac Lab 3.0 正式发布,提供跨物理引擎与渲染器的统一任务接口及零拷贝数据路径。

  21. 盖世汽车 · 汽车资讯75

    首批六项人形机器人国家标准发布:2027年4月实施

    全国机器人标准化技术委员会近日正式发布首批六项人形机器人国家标准,包括总则、环境感知、决策规划、运动控制、作业操作及仿真测试平台技术规范,将于2027年4月1日实施。这些标准覆盖了从整机设计到能力验证的完整链条,旨在推动各环节协同衔接,减少研发与交付中的理解偏差,使不同厂商的产品能力可被统一描述和比较。

  22. IEEE Robotics and Automation Society15

    Agility Robotics 与卡内基梅隆大学探讨 Digit 机器人商业化路径及高校支持策略

    Agility Robotics 联合创始人 Damion Shelton 指出,Digit 机器人因依赖自动驾驶技术导致首单应用受阻,最终聚焦于封闭环境下的内部仓库物料搬运任务。Shelton 强调客户仅需“从 A 点移动到 B 点”的解决方案而非炫技,并主张高校应在公司孵化期持续推动技术开发以弥补资金缺口。该访谈由 IEEE RAS 发布,旨在分享实体机器人商业化的关键业务教训与公私合作模式。

  23. The Robot Report62

    Kodama 获 700 万美元融资加速林业机器人商业化部署

    Kodama Systems 今日宣布完成 700 万美元融资,用于支持商业部署、深化 OEM 合作及开发复杂非公路环境的监督自主能力。该公司技术已在东南部美国商用林场运行,过去六个月移动木材超 10 万吨。其采用“遥操作 + 监督自主”混合模式,每日生成约 1TB 训练数据,并与全球三大设备制造商中的两家集成,旨在解决林业人才短缺与安全问题。累计融资已达 1400 万美元。

  24. 智东西 · 机器人82

    NEXUS:面向人形机器人的跨地形感知运控基座模型发布

    中国电信人工智能研究院与伽马智能联合推出NEXUS,这是一个面向人形机器人的跨地形感知运控基座模型。该模型将广泛的全身行为覆盖与环境感知相结合,让机器人在保留动作特征与意图的同时,根据所处地形自主调整身体姿态与接触。

    推荐理由:中国电信与伽马智能联合提出NEXUS基座,通过仿真生成跨地形配对数据并采用两阶段训练,实现人形机器人在保留动作意图下自主适应复杂地形。

10月19日周一
  1. 智东西 · 机器人75

    哈佛等机构推出RAX框架:机器人智能体通过在线探索自动生成程序与技能

    哈佛大学、英伟达及多所顶尖高校团队推出开源框架RAX(Robot Agent eXploration),旨在扩大机器人自主探索规模。该架构允许通用编码智能体在真实或仿真环境中,无需人工遥操作或动作示范,直接通过感知与控制接口与机器人交互,将有效经验转化为可执行程序。

  2. 盖世汽车 · 汽车资讯42

    国宇星辰完成近亿元 A 轮融资,加速太空机器人集群商业化与在轨服务交付

    10 月 19 日,太空机器人公司国宇星辰宣布完成由沂景资本、复星创富等联合投资的近亿元 A 轮。其自研验证星“星迹源一号”已在轨稳定运行超 15 个月并完成多项关键技术演练。本轮融资将重点投入集群建设与市场拓展,推动国内在轨服务从技术验证走向规模化商业交付。

  3. 盖世汽车 · 汽车资讯72

    Xspark AI 完成新一轮融资并发布原生触觉多模态模型 Spark-0

    具身智能企业 Xspark AI 完成新一轮融资,正式发布自研原生触觉多模态模型 Spark-0。该模型从预训练阶段将触觉内建,实现视觉、触觉与动作的统一表征,在仿真及真机基准测试中超越π 0.5、GR00T等11个主流模型,五项接触密集型任务平均成功率达52%。

  4. 盖世汽车 · 汽车资讯60

    智元机器人战略投资清华系RISC-V芯片企业芯际无限

    智元机器人联合多方完成对清华系RISC-V芯片企业芯际无限的Pre-A轮融资,资金将用于具身智能全栈RISC-V芯片研发及产业化。芯际无限定位“车规+具身智能双赛道”,其XC32系列车规MCU已批量上车,XC64AE系列机器人专用芯片已完成流片回片并进入联合验证阶段,第二代计划2027年流片。此次投资意在为智元锁定自主可控的国产算力底座,以应对人形机器人对实时性、算力和功耗的高要求。

  5. arXiv · 机器人与计算机视觉72

    Metro-WM:基于可执行子目标的长视界潜在规划方法

    论文指出当前宏规划器常生成物理上不可实现的潜变量子目标,为此提出 Metro-WM 框架。该方法通过从离线专家演示或随机轨迹中检索真实观测帧构建图结构来连接不同集体验证的路径,而非生成无依据的潜向量。实验显示,Metro-WM 在长视界任务上的成功率最高提升 37.33 个百分点,速度快 10.9 倍,且所需离线计算量减少 13-56 倍,同时具备更强的执行误差鲁棒性。

  6. arXiv · 机器人与计算机视觉42

    NEXUS:联合维护 PDDL 域模型与 LTL 安全规范的具身规划框架

    NEXUS 是一个模块化神经符号框架,通过利用执行失败修复动作模式并将检测到的危害转化为可复用的 LTL 约束,解决了大语言模型在具身智能中物理不可行或危险的问题。在 SafeAgentBench 评估集上,该框架实现了安全任务完成率与不安全任务拒绝率之间的最佳权衡,并在越狱攻击下保持了低违规率。消融实验证实了 PDDL 域细化与 LTL 约束积累的互补优势。