基于通用解剖先验与主动边界感知的生物结构自主精密铣削
针对生物结构几何不完整、局部厚度未知及关键内部边界难以确定的挑战,本文提出一种状态自适应的自主铣削框架。该框架利用通用解剖先验提供保守的全局引导,并通过语义引导配准和混合视觉 - 力校准转化为机器人可执行指令;在接近不确定边界时,机器人主动探测结构并利用相对刚度变化估计边界状态与分离性。分层实验在生物替代物和体内小鼠颅窗制作中验证了准确的解剖先验迁移、可靠的边界适应及生物结构的自主精密铣削能力。
针对生物结构几何不完整、局部厚度未知及关键内部边界难以确定的挑战,本文提出一种状态自适应的自主铣削框架。该框架利用通用解剖先验提供保守的全局引导,并通过语义引导配准和混合视觉 - 力校准转化为机器人可执行指令;在接近不确定边界时,机器人主动探测结构并利用相对刚度变化估计边界状态与分离性。分层实验在生物替代物和体内小鼠颅窗制作中验证了准确的解剖先验迁移、可靠的边界适应及生物结构的自主精密铣削能力。
SpectraTac 是一种紧凑型、无摄像头的分布式彩色光学触觉传感器,通过主动 RGB 照明与空间分布的彩色传感结合,利用透明弹性体形变调制内部光场来感知接触。
LARC 提出一种针对分段三次埃尔米特关节轨迹的认证算法,仅对 clearance 测试不明确的区间进行二分以节省计算。该方法在 AgileX PIPER 上处理 160 条轨迹时,匹配固定精细基线决策且仅需 2.48% 的计算量,中位加速比达 10.28 倍。
针对几何保真度、顺应性、结构完整性及气密性的多重挑战,研究评估了热缩成型、硅胶铸造、粉末/液体增材制造及熔融沉积建模(FDM)等工艺路线。结果显示 FDM 因缺陷可通过工艺优化逐步降低而成为最灵活方案,且气密性不仅取决于壁厚还受挤出路径架构影响。该成果确立了基于执行器架构与制造约束兼容性的实用设计制造方法,为开发复杂柔性软体气动致动器提供指导。
论文指出VLA模型常因数据增强而将颜色视为噪声,导致在真实世界颜色依赖任务中成功率大幅下降(最高仅48.8%)。作者提出FLARE框架利用光照扰动暴露此类脆弱性,并设计ChromaGuard方法保留色度进行对抗训练。实验显示,基于SmolVLA的物理6-DoF平台在使用ChromaGuard后,良性与受攻击任务的平均成功率分别达到95.0%和88.8%,显著优于未防御基线。
针对手持或可穿戴设备中力觉与触觉融合受限于成本、尺寸及机械兼容性的问题,作者提出了 AetheRock 臂戴装置,集成改进的低成本 GelSlim-Mini 指尖传感器与指腹电阻压力传感器。
论文 OASIS 提出一种视觉运动策略,通过融合视觉语言与度量深度特征的 3D 感知编码器,结合 SE(3)末端执行器轨迹预测器,使动作解码器生成符合刚体运动的动作块。该方法在仿真和真实世界实验中均优于 VLA 和世界动作模型基线,提升了成功率与分布外泛化能力。材料为 NeurIPS 2026 Spotlight 接收的预印本,项目页面已公开。
论文提出 Z-Perturbation Reinforcement Learning (ZPRL) 方法,通过冻结预训练的流匹配策略并利用奖励驱动的残差扰动在紧凑的瓶颈潜变量空间进行在线强化学习适应。
推荐理由:提出通过瓶颈潜变量接口进行在线强化学习策略引导,在仿真与真实世界中均提升了预训练模仿策略的样本效率与成功率。
针对第一人称视角下的 3D 双手姿态估计与手势识别难题,该工作提出 EgoEV-HandPose 端到端框架及首个大规模真实世界立体事件数据集 EgoEVHands。
该研究提出一种由两个耦合空间四杆组成的鸟类仿生扑翼机构,利用 Rational Linkages 库简化 Bennett 连杆构建方法。原型机仅用单个电机驱动,实现主动展收与被动折叠的协调运动,验证了轻量化生物启发设计的可行性。
论文挑战“仿真无法直接迁移至现实”的共识,证明在足够大规模的合成训练数据下,无需真实数据采集或微调即可实现静态与移动操作的零样本泛化。作者开源了 MolmoBot-Engine 生成管线及包含 170 万专家轨迹的 MolmoBot-Data 数据集,并基于此训练了三类策略模型。
推荐理由:提出仅靠大规模合成数据即可实现零样本现实世界操作,并开源了生成管线与百万级轨迹数据集。
论文介绍 LessMimic 框架,实现无需推理时运动参考输入的人形机器人与物体通用交互。系统通过根命令和交互类型标志引导全身策略,并基于距离场表面距离与局部方向构建紧凑几何条件接口,使控制能随物体几何自适应。
论文提出 Humanoid Manipulation Interface (HuMI) 框架,旨在解决当前人形全身操作依赖遥操作或视觉仿真强化学习所面临的硬件物流与复杂奖励工程问题。
针对动态和视觉遮挡条件下的准确安全机器人操作挑战,本文提出 SyncTwin 数字孪生框架。离线阶段利用 VGGT 从 RGB 图像快速重建物体级三维资产形成可复用几何库;执行阶段通过跟踪真实世界物体状态持续同步数字孪生,并利用存储资产补全部分观测的几何。
论文提出一种形态对称图表示方法(MS-PPO/MS-SAC),将机器人拓扑图与形态对称性诱导的置换及符号变化显式结合,构建等变动作均值与不变评论家网络。该方法在宇树 Go2 和 G1 上实现了最低的跟踪误差、最高的仿真回报以及零样本仿真到现实部署能力,且参数量显著减少。
推荐理由:提出形态对称图表示方法,在宇树 Go2 和 G1 上实现更低跟踪误差与最高仿真回报,且参数量显著减少。
Lang2Morph 是一个由大语言模型驱动的框架,旨在将自然语言的任务需求直接映射到 Open Parametric Hand (OPH) 设计空间内的可制造机器人手部形态。
该系统利用手持立体相机对苹果幼果进行分割、聚类及椭圆拟合,实现直径测量与生长率计算。在果园实测中,其预测脱落率的误差较现有卡尺法降低至 3.5% 以内,速度提升 6 倍且大幅减少人工投入。研究还展示了机器人系统采集的田间图像结果,并讨论了迈向完全自主流程所需的后续步骤。
本文提出 Grasping-the-Future,这是一个统一的生成模型,用于联合预测手腕、手指关节及物体的三维位置与朝向。通过掩蔽时空补全和流匹配技术,该单一模型可执行多种预测任务:预测未来交互、根据物体运动推断手部运动或反之、生成交互轨迹以达成目标物体姿态,以及补全部分观测到的交互过程。
针对商用触觉传感器发展尚早且各具优劣的现状,本文提出 LingBot-Touch 触觉基础模型,旨在将触觉理解从特定传感器物理中解放出来。该模型实现了压阻、磁致和视觉触觉等不同类型传感器的统一表征,并支持轻松扩展至新传感器。
针对真实环境中机器人操作任务难以复现和比较的问题,本文提出一种基于随机挑战的新基准范式。该方法利用可复现的真实场景构建具有随机性的任务样本,模拟隐藏测试集的严谨性与突发性,从而在不同实验室的机器人系统间实现公平的系统级创新与性能对比。论文在移动操作领域的新型基准上验证了该范式,并比较了两台机器人在不同实验室的测试结果。
论文提出一种零样本视觉语言框架,用于解决双足机器人在杂乱环境中执行自然语言操作任务的挑战。该方法将结构化场景表示与执行约束结合,在规划阶段即考虑物理可行性,并建立包含显式前后条件的并行双手动动作序列。
推荐理由:该研究提出零样本视觉语言框架,将执行可行性推理融入任务规划,在双足机器人上验证了提升成功率与故障恢复能力。
现代视觉 - 触觉传感器通常通过成像柔性界面变形来感知接触,但力相关信息仍需间接推断。本文提出 PCTac,一种开源的机械变色光子晶体指尖传感器,利用局部应力直接转化为空间分辨的结构色场作为触觉观测。
推荐理由:该研究提出基于机械变色光子晶体的触觉传感器,在真实机器人操作中显著优于传统 RGB 与纯视觉基线。
该论文提出一种分层多通道倾覆预测框架,旨在解决非结构化环境中通信延迟导致的实时人工干预困难问题。系统利用多层级时间卷积网络(TCN)学习渐进式不稳定模式,并通过门控循环单元(GRU)构建前向动力学模型以检测意外动态偏差。
该系统利用磁流变制动器实现从 0.01 到 0.918 Nm 的制动扭矩,总质量仅 39.8 g。在遥抓取任务中,当视觉与触觉反馈均达 100% 成功率时,触觉反馈使物体接触力降低 28.2%,显著提升了操作安全性与沉浸感。问卷结果进一步证实该装置能改善用户对遥操作的可靠性、真实感及信心。
作者 Dibyendu Ghosh 提出 Motion Belief Action(MBA),这是一个基于场景地图的决策层,用于处理机器人无法直接观测的物理状态与风险。
推荐理由:提出 Motion Belief Action 决策层,在真实厨房与多地点场景中提升物体存在判断与推拉风险决策能力。
针对仿真策略在真实硬件上因非理想性而性能下降的问题,论文提出 GAP 框架,通过梯度引导网络学习如何调整动作而非直接执行动作,将适应先验从仿真迁移至物理硬件。实验显示该方法在仿真阶段相比现有基线提升约 2.4 倍 F1 分数,且在真实灵巧手上对三首不同难度的乐曲分别提升了 3.6% 至 23% 的 F1 分数,展示了减少真实世界交互成本的有效路径。
推荐理由:提出利用梯度引导网络学习适应先验,在仿真阶段提升钢琴演奏任务的样本效率并迁移至物理硬件。
Lexing Zhang 等人提出了 Motion Constraint Prediction Network (MoCo-Net),这是一个双流神经网络,用于从部分视角的点云观测中联合预测连杆部件的连续运动范围以及突出潜在碰撞区域的障碍物热力图。
论文介绍 BetaGrasp,这是一种结合四分类握持标签(crimp、sloper、pinch、jug)作为模式切换的 3D 扩散策略,运行于 Franka 机械臂与 16-DoF LEAP 手部。实验在弹簧测试台(带棘轮测力计)上验证,结果显示该标签使平均滑移力从 9.6 N 提升至 14.3 N,完全脱手率从 44% 降至 10%,而仅靠点云编码的基线策略无法区分握持类型且成功率仅为 25%。
推荐理由:BetaGrasp 通过引入四分类握持标签作为模式切换,将仿真到现实的滑移力提升显著,大幅降低完全脱手率。
Thermo-VLA 提出 ThermoRes Encoder,将热成像图分解为冷和热属性表示并通过语言条件残差调制注入 RGB token,实现温度驱动的目标选择与连续操作。
该研究提出利用代理在物理仿真中进行自学习以掌握翻动物体的基础操作技能。通过迭代学习,系统逐步习得手递手、推倒、抓取感知及薄物体操控等子技能,将任务成功率从 24.7% 提升至 95.0%。最终生成的基于图形的代码集成了高层策略选择与反应式控制,已验证可在实体机器人上实现多阶段翻动物体操作。
推荐理由:论文展示代理在物理仿真中自主习得翻动物体技能,成功率从 24.7% 提升至 95%,并生成可迁移到实体机器人的代码。
该研究提出一种由三个执行器驱动四个自由度的混合肌腱连杆机器人手指,通过锥齿轮和双向肌腱传动实现 MCP 关节独立控制。实验表明基于 ArUco 的测量显示耦合运动与理论预测高度吻合,指尖平均峰值力达 4.56 N,且无需额外执行器即可适应圆柱、立方及不规则物体接触。
论文提出 DASH(Decoupled Asynchronous System for Humanoids),通过异步解耦将 VLA 模型的慢速骨干与快速动作头分离,使控制频率仅取决于动作头。
推荐理由:提出 DASH 异步系统解耦 VLA 骨干与控制头,在仿真与真机实验中保持高频控制率并提升灵巧操作成功率。
针对模仿学习中视觉输入随视角变化导致信号模糊的问题,本文提出 PAIR 框架,利用机器人本体感知(proprioception)将联合图像与射线表示进行对齐。该方法鼓励在相似机器人状态下、不同视角下的观测在表示空间中保持接近,从而为学习视角鲁棒的特征提供结构化先验。
推荐理由:提出利用机器人本体感知对齐图像射线表示的对比学习框架,在仿真与真实场景中显著提升了对视角变化的泛化能力。
针对非线性软体机器人难以获取大量交互数据或可靠仿真器的难题,研究提出利用其动力学固有的时间尺度分离特性,构建低维不变流形(adiabatic spectral submanifolds)作为强化学习环境。
针对类人机器人在户外粗糙地形中需同时处理地形通过性与物体可移动性的挑战,本文提出 HINT-VLM 混合规划框架。该方法利用视觉语言模型(VLM)提供语义先验,并通过高斯过程残差模型修正以生成具身化的概率性可移动性估计,进而融入分层不确定性感知规划中。这是首个通过预测式可移动性推理解决粗糙地形下 NAMO 问题的方案。
该研究开发了一种穿戴式机器人尾巴作为动态反作用力装置,以改善物料搬运时的平衡与姿态。10 名参与者在货架装卸任务中对比了主动、被动及无尾巴三种条件。结果显示,相比无尾巴,主动机械尾使重心峰值位移减少超过 20 毫米,躯干运动减少 4.3 度,竖脊肌和腓肠肌活动分别降低超过 9% 和 20%;被动机械尾也有较小改善但效果较弱。
该论文提出 Kinematic Action Models (KAMs) 范式,将全身运动作为直接预训练目标,利用预训练的运动生成器作为动作生成的主干。Kimodo-Policy 是该范式的初始实例,结合了冻结的 Kimodo 文本到运动骨干网络与轻量级的 ControlNet 视觉条件化。
论文提出了 InfCoiL 框架,旨在解决基于物理的人机交互(HOI)中意图映射到行为的问题。该框架通过共享形态接口耦合了形态感知的流匹配规划器与统一多形态控制器,在自回归的规划 - 执行循环中进行协同微调。
论文提出 ForeAct,旨在解决现有方法在场景几何与演化动态处理上的割裂问题。该方法复用预训练视频世界模型作为单前向传播骨干,利用可学习 token 由下一帧相对深度监督来塑造共享的视频表示,从而将空间知识转化为未来感知的动作生成表示。
DeepSoMo 是一种基于学习的框架,利用自监督潜在预测约束在部分可观测条件下估计软体机器人的可变形物体运动。该方法在高保真有限元仿真环境中评估,相比架构匹配的循环基线模型,在轨迹估计、姿态恢复、形状重建及接触推断上均表现一致提升。论文为 arXiv 预印本(arXiv:2611.11242),目前处于实验阶段。