跳到正文
11月14日周六
  1. The Robot Report45

    Food Robotics 2.0:从 B2C 转向 B2B,Chef Robotics、ATOMS 等企业在北美与欧洲规模化部署助餐机器人

    食品机器人行业正从直接售餐的 B2C 模式转向赋能餐饮企业的 B2B 模式,以解决劳动力短缺并提升投资回报率。Chef Robotics 机器人在北美和欧洲已规模化部署,累计完成超 1.45 亿份餐食制作;ATOMS 由 Uber 联合创始人 Travis Kalanick 领导,已融资 17 亿美元。

  2. The Decoder · Robotics80

    Runway 开源机器人控制模型 Praxis-1

    AI 公司 Runway 正式开源其机器人控制模型 Praxis-1,该模型基于视频训练,能预测环境变化并计算机器人动作。材料提供了 Apache 2.0 许可的权重与代码下载入口,报告了其在 RoboLab-120 榜单上的表现及在真实 Franka 机械臂上的任务成功率,同时指出了对特定数据微调的需求及硬件要求。

    推荐理由:Runway 开放了基于视频训练的机器人控制模型 Praxis-1,提供 Apache 2.0 许可权重与代码,并报告了在仿真及真实机械臂上的性能数据。

  3. 智东西 · 机器人68

    智元系独角兽擎天租获数亿元融资并完成品牌升级

    擎天租宣布完成数亿元战略融资,和达投资、芒果产业投资方(厚为资本)、中联即送等共同参与。公司正式从“机器人租赁”升级为“机器人生产力服务”,资金将聚焦应用服务研发、Worken实训体系落地及全国履约网络升级。本轮融资后,投后估值达70亿元。擎天租由智元等企业联合发起,已接入近20家本体品牌,并在北京、上海等20个城市投入运营中心。

  4. The Robot Report23

    Narwal 构建机器人吸尘器以适配区域需求

    Narwal 通过自研 SLAM 算法、NarMind 自主系统及 FlowWash 热水清洁等技术,构建了从深圳研发到东莞制造的完整供应链。其 DualFlow 免缠绕系统与地毯深洁模块使地毯清洁性能提升 40%-50%,解决了宠物毛发缠绕痛点。截至 2026 年 4 月,产品已覆盖全球超 30 个地区、服务逾 600 万用户,北美 Flow 2 新品在亚马逊美国站发布 24 小时内登顶销量榜。

  5. IEEE Spectrum · Robotics7

    NASA 推出核动力月球车 PROMISE,复用火星任务硬件执行南极探测

    NASA 将向月球南极发射名为 PROMISE(Polar Rover for Observation, Mapping, and In-Situ Exploration)的核动力漫游车。该漫游车主要利用为好奇号和毅力号火星任务开发的现有测试台架及飞行备用组件构建,作为月球基地计划的基础性任务执行观测、测绘与原位探索工作。

  6. The Robot Report60

    Rhoda AI 推出基于互联网级视频数据的通用机器人模型

    Rhoda AI 在获得 4.5 亿美元 A 轮融资后,推出了直接视频动作(DVA)模型,该模型通过在海量互联网视频上进行预训练以建立对运动、物理和交互的强先验。与仅依赖遥操作的小型数据集不同,该模型结合移动性与操作能力,通过观察 - 预测 - 转换 - 执行的闭环实现泛化,并可在少量任务特定微调后部署于真实世界场景。

11月13日周五
  1. 量子位58

    openJiuwen发布RSI原生AgentOS,开放多环节扩展点以支持系统插件热插拔

    openJiuwen发布RSI原生AgentOS,为WorkSwarm等应用提供界面、网关与服务端的扩展入口,支持新功能热插拔与版本管理。材料展示了通过对话生成桌宠形态、Token用量监控及团队协作可视化等系统插件的实战流程,并提供了故障回退机制与企业接入适配方案。

  2. arXiv · 机器人与计算机视觉82

    两步思考:利用自 grounding 验证缓解 MLLM 一致性偏差

    论文评估了跨 13 个模型和 28 种设计的 MLLM 验证器,发现其存在严重的‘一致性偏差’(过度认可代理行为)。作者提出 SGV 方法,通过先生成行为先验再基于此进行推理判断,显著提升了失败检测率和准确率。

    推荐理由:提出 SGV 方法缓解 MLLM 验证器的一致性偏差,在 OSWorld 等任务中提升完成率达 20pp。

  3. arXiv · 机器人与计算机视觉42

    意图表征与人类分心调节走廊导航中机器人运动的可读性效果

    研究在走廊导航场景下对比了目的地与通过侧两种意图表征,发现后者经自适应更新后能带来更流畅的人体运动且感知能力更强。即便行人处于分心状态,可读性运动仍能支持平滑交互,尽管主观评分未始终反映该优势。两项用户实验(N=45)证实基于共享模型预测控制框架的互动级意图表征对社交机器人导航有效。

  4. arXiv · 机器人与计算机视觉75

    CLASP:一种用于新鲜市场蓝莓采摘的集群级自主选择性采摘机器人

    针对传统过行收获机非选择性损伤果实、且现有选择性机器人仅针对单果效率低的问题,本文提出 CLASP 机器人系统。该系统配备软式主动滚带夹爪(SARB-Gripper),通过闭环力控将拉力控制在未成熟果实脱落阈值以下;结合眼手相机与眼在手相机的全局 - 局部感知管线实现簇定位与姿态估计。

  5. arXiv · 机器人与计算机视觉47

    基于 Loewner 序下界的黎曼流形直接信息采样方法研究

    该方法提出利用矩阵值可容许启发式函数,在保留黎曼度量方向结构的同时计算张量最紧常数下界。实验验证显示,在 UR5、Franka 及 PR2 机器人执行操作任务时,其生成的信息集比欧氏距离和标量特征值界限更紧致,加速了多种渐近最优规划器的收敛速度。该研究已提交至 IEEE RA-L 期刊并附 arXiv 预印本代码。

  6. arXiv · 机器人与计算机视觉82

    策略库 CBF:通过并行回滚实现运行时有限视界安全

    针对非结构化环境中单一备份策略失效的挑战,本文提出了策略库控制屏障函数(PL-CBF),这是一种运行时安全滤波器。该方法通过评估满足约束的并行有限视界回滚结果,从候选策略中选择容许控制集体积最大的策略,并求解二次规划以最小化对名义输入的修改。研究在室内导航、高速驾驶及四旋翼飞行等仿真场景,以及移动机器人和定制四旋翼的硬件实验中,均证明了其在保持毫秒级计算时间的同时提升了安全性能。

    推荐理由:提出基于并行有限视界回滚的策略库控制屏障函数,在仿真与硬件实验中验证了其在复杂动态环境下的实时安全性。

  7. arXiv · 机器人与计算机视觉75

    NS-VLA:迈向神经符号视觉语言动作模型

    针对长视野任务中现有视觉语言动作模型存在的结构盲视、泛化受限及优化扁平等问题,本文提出一种新型神经符号 VLA 框架。该框架引入神经符号编码器将指令解析为受门控单调阶段指针跟踪的原始计划,利用神经符号求解器基于活跃子指令条件化块状 VLA 策略,并通过分层联合策略优化在演示片段上拟合指针并利用成功过滤的在线学习细化动作策略。

  8. arXiv · 机器人与计算机视觉65

    SAGAS:基于语义感知的图辅助拼接用于离线时序逻辑规划

    论文提出 SAGAS 框架,解决线性时序逻辑(LTL)机器人规划中模型合成依赖准确状态机、学习方法需在线交互的权衡问题。该框架在无动力学模型与任务演示的离线设置下,利用固定轨迹片段学习可复用的隐式可达性图与冻结的目标条件执行器。

  9. arXiv · 机器人与计算机视觉72

    CineWild:一种平衡艺术与伦理的野生动物纪录片无人机自主航拍模型预测控制方法

    论文介绍 CineWild,这是一种针对野生动物纪录片的无人机自主航拍模型预测控制(MPC)框架。该方案联合控制无人机运动与相机焦距,通过自适应变焦、避开动物视野及平滑低噪机动,在影像质量与动物福利间取得平衡。研究在仿真环境中进行了消融实验并与基线对比,同时在真实世界完成了感知与相机执行管线的概念验证。作者表示将开源代码。

  10. arXiv · 机器人与计算机视觉68

    Agentic Aerial Cinematography:从对话线索到电影级轨迹的自主空中摄影框架

    论文提出了 Agentic Aerial Cinematography (ACDC) 框架,旨在弥合智能体在数字环境中的推理能力与物理世界任务执行之间的差距。该框架通过执行器将智能体对电影意图和视觉判断的解释锚定在场景几何与飞行约束上:给定自然语言请求和三维场景表示,智能体选择相关视角并通过视觉反馈进行优化,随后利用优化与运动规划生成可执行的无人机航迹。

  11. arXiv · 机器人与计算机视觉66

    OPA-Pack:一种感知物体属性的机器人装箱框架

    论文提出了 OPA-Pack 框架,旨在解决现有机器人装箱方法仅关注几何形状而忽略物体属性(如易碎性、可食用性等)的问题。该框架利用检索增强生成和思维链推理构建了包含 1032 个日常物体属性标注的数据集,并通过 OPA-Net 编码物体属性与容器状态。实验表明,该方法将避障准确率从 52.3% 提升至 95.0%,易碎品负载减少 29.4%,并在物理平台测试中优于基线及其他启发式方法。

  12. arXiv · 机器人与计算机视觉45

    CABOT 计算模型让弱能移动机器人在活性网格上自主完成排线、聚集与探索任务

    CABOT 是一种将环境网格设为主动计算介质的新模型,使无需灯光或内存的弱能机器人能在四状态下实现排线与无限探索。该模型在仿真中验证了五状态场静默排线、三状态任意聚集及迷宫引导等能力,证明环境资源而非机器人自身是核心度量。研究通过 19 页论文与 5 幅图示展示了从惯性地板到活性网格的范式转变。

  13. arXiv · 机器人与计算机视觉78

    AstroMemBench:具身航天体记忆系统基准

    AstroMemBench 是一个针对具身航天体记忆系统的基准测试工具,涵盖行星表面操作、在轨服务及深空探索等九项任务。该基准包含 16 个子挑战、140 个模板和 2240 个实例,通过确定性环境对任务完成度、状态变化、安全性和资源使用进行评分。

    推荐理由:该基准通过确定性环境量化了具身航天体在通信延迟与资源受限下的记忆系统性能,为长周期自主任务提供了可复用的评估框架。

  14. arXiv · 机器人与计算机视觉48

    Robo-SWE:首个源自机器人软件仓库的可执行问题修复数据集发布

    Robo-SWE 数据集包含从 28 个公开机器人仓库挖掘的 236 个可执行任务,涵盖 ROS 2、仿真引擎及学习框架领域。五组编码智能体在离线运行中解决率介于 43.9%(Kimi K3.1 Pro)至 56.5%(Claude Opus 5.5),并附带完整的修复补丁与轨迹数据。该数据集已上线公共排行榜,旨在推动针对机器人领域特定系统的代码代理评估研究。

  15. arXiv · 机器人与计算机视觉58

    SkillEarth:通过技能演化让通用智能体在地球环境行动

    针对现有遥感智能体依赖预定义知识或参数更新的问题,本文提出 SkillEarth 方法,能够从演示轨迹中自动提取可复用的工具调用知识并实现观测驱动的演化。该方法结合双裁判反馈与基于观测的路由图进行组件级精细化,在 OpenEarth-Bench 和 Earth-Bench 上展现了优于现有方法的工具选择、参数正确性、执行顺序一致性和任务完成率,且支持跨大模型复用而无需重新训练。

  16. arXiv · 机器人与计算机视觉48

    PCM-PPO 方法实现土星探测器自主任务规划

    针对土星探测极端环境,该方法提出物理约束掩蔽近端策略优化(PCM-PPO)以实现自主任务规划。研究建立土星特定离散马尔可夫决策过程并融入系统动力学与几何模型,通过物理约束动作掩码构建可行决策域以规避不可行探索。对比、消融及不确定性实验验证了该方案在资源受限下的有效性,为深空探测提供了可行且可解释的自主规划路径。

  17. arXiv · 机器人与计算机视觉82

    AFTER:一种用于错误驱动保留的具有自适应快慢时间尺度的世界模型

    针对机器人交互中动力学突然且持久变化的适应难题,论文提出了 AFTER-WM 世界模型。该模型受人类大脑预测编码启发,利用预测误差驱动快速修正(衰减)与慢速修正(持久),并动态调整预训练专家的组合权重而不改变其本身,以平衡响应性、稳定性与持续性。

    推荐理由:提出 AFTER-WM,利用快慢时间尺度自适应机制解决动力学突变下的预测误差累积问题。

  18. arXiv · 机器人与计算机视觉73

    ProtoVis-Nav:基于原型的视觉想象用于视觉 - 空间对齐的无人机导航

    针对无人机视觉语言导航(VLN)中因三维运动预测误差导致碰撞的挑战,作者提出 ProtoVis-Nav 框架。该方法迫使模型为预期的下一个动作想象与结果关联的局部视觉表征,通过预测特征原型及其线性组合来估计目标区域的视觉特征,从而促进视觉上下文与航点输出的对齐。实验表明该框架在现有基线上取得了显著改进。

  19. arXiv · 机器人与计算机视觉35

    BrickFlow:基于连通性引导的乐高积木三维重建模型发布

    BrickFlow 针对给定零件与组装图像推断部件姿态的任务,提出结合分析连通性场引导的 SE(3) 流模型以解决离散物理约束难题。该研究仅用 1% 数据微调注入图像条件,在 NeurIPS 2026 预印本中展示了提升构建质量的实验结果。相关模型与数据已面向科研目的公开提供。

  20. arXiv · 机器人与计算机视觉45

    异质多机器人系统通过迭代聚类实现协作任务分配

    针对异质多机器人系统的协作任务分配难题,研究提出一种迭代聚类算法,将全局优化分解为子问题并保证每轮效用单调提升。仿真显示该算法在计算时间和解质量上均优于模拟退火及群组拍卖方法,且解质量超越享乐博弈方案。论文已发表于 IEEE RA-L 并在 2026 ICRA 展示,代码与数据待注册。

  21. arXiv · 机器人与计算机视觉85

    UAV-Flow++:统一的语言引导无人机飞行评测与学习套件

    针对语言引导无人机导航长期侧重长程规划而忽视短距物体相对飞行的空白,该工作提出 Flying-on-a-Word 任务及 UAV-Flow 数据集,包含 30,692 条真实专家轨迹和 10,109 条仿真轨迹。团队开发 FlowVLA 模型,利用 Tail-Aware GRPO 方法进行在线后训练,在仿真基准上平均成功率达 93.16%,并在室内外实物场景中验证了物体相对指令的稳健执行能力。

    推荐理由:该工作提出语言引导无人机飞行新基准与框架,通过混合真实与仿真数据训练 VLA 模型,在仿真中成功率提升至 93.16% 并验证了实物执行能力。

  22. arXiv · 机器人与计算机视觉42

    XBot-Omni:具身理解与交互的全模态模型

    XBot-Omni 提出 Thinker-Talker-Actor 架构,将全模态范式扩展至机器人肢体运动与面部表情。该模型在七个基准测试中展现了强大的多模态理解能力与自然协调的运动生成效果。研究验证了其直接从全模态输入生成具身多模态响应的能力,实现了从对话交互到物理环境具身通信的延伸。

  23. arXiv · 机器人与计算机视觉59

    内积正则化用于模仿学习

    针对模仿学习中策略对状态扰动(如传感器噪声、场景变化)的鲁棒性问题,本文提出内积正则化(InneR)。该方法利用策略雅可比矩阵将动作空间的内积映射至状态空间,通过聚类并最小化平均内积的最小特征值,使邻近状态共享公共零空间,从而确保对扰动的响应一致性。