跳到正文
11月13日周五
  1. arXiv · 机器人与计算机视觉59

    基于条件流的广义逆运动学研究:GenGenIK

    论文介绍 GenGenIK,一种将高层规划目标映射为机器人配置的生成式逆运动学方法。该方法支持移动底座、多个末端执行器和目标点,具备场景感知能力并能在部分观测下保持有效。实验表明其在双手动拾取和翻转等任务中,求解率和运行时间均优于现有方法,且允许灵活控制采样分布。

  2. arXiv · 机器人与计算机视觉42

    πhalf 如何提升动态操作反应性:执行策略研究

    该研究利用πhalf模型在两个动态仿真基准及三个真实机器人任务上,探究了使预训练视觉语言动作(VLA)模型对物体移动保持反应性的关键因素。实验表明最佳预测 horizon 约为 1 秒,且保持轨迹连续的方法优于仅降低延迟的策略,政策适应与执行流水线需共同评估以修复目标失败。

  3. arXiv · 机器人与计算机视觉58

    通过刚性机械臂运动驱动被动肌腱软延伸的作动与控制

    该研究提出一种利用刚性机械臂关节运动来驱动被动式肌腱驱动软延伸的方法,旨在解决工业机械臂在受限空间易损坏结构而软体机器人伸展范围有限的问题。作者开发了一种控制器,能够在保持末端执行器(EE)约束的同时调节软体尖端。

  4. arXiv · 机器人与计算机视觉73

    Bind-WAM:一种由绑定不确定性引导的选择性未来想象世界动作模型

    论文提出了 Bind-WAM 方法,旨在解决世界动作模型(WAMs)在每个重规划步骤都生成视觉未来的高成本问题。该方法引入语言 - 物体绑定不确定性概念,利用离线标注流程识别任务相关对象并检测参考不匹配、不可见和身份漂移等问题,进而训练轻量级路由器预测当前观测下的不确定性。

  5. arXiv · 机器人与计算机视觉45

    Latent Filter++ 通过抓取力矩传感实现颗粒物料交互感知与属性推断

    Latent Filter++ 框架利用铲取过程中的力矩测量直接推断颗粒物料的粒径和堆积密度等物理属性。该方法在 26 种不同物料上验证了泛化能力,支持少量样本适应并建立了属性与运输防溢出最大加速度之间的关联。研究展示了无需手工信号预处理即可从交互观测中演化表示的有效性。

  6. arXiv · 机器人与计算机视觉78

    BiPOP:面向长时程双臂操作的偏序规划框架

    针对双臂机器人操作中空间与时序耦合的协调难题,本文提出 BiPOP 框架,将大语言模型用于自然语言指令的形式化翻译,结合显式时空模型与时间偏序规划器生成逻辑一致且支持并行执行的计划。实验表明该方法在仿真长时程任务中优于开环及 ReAct 风格规划,并在真实双臂机器人 NICOL 上实现了端到端运行。

    推荐理由:提出 BiPOP 框架,结合大语言模型与时间偏序规划解决双臂长时程任务协调难题。

  7. arXiv · 机器人与计算机视觉73

    APG-Planner:基于解析策略梯度的视觉高速轨迹规划学习方法

    该论文提出了 APG-Planner 框架,旨在解决基于视觉的高速导航中无模型策略梯度方法训练效率低的问题。该方法利用微分平坦性从规划轨迹中解析重构车辆状态,构建了可微分的 episode rollout 并计算策略梯度,从而在无需显式底层动力学模型的情况下实现高效训练。

  8. arXiv · 机器人与计算机视觉65

    自行车机器人自主越野赛车:基于地形语义层的学习框架与感知管线

    论文提出一种将赛道编码为地形语义层的统一学习框架,解决两轮机器人越野导航难题。该方法在仿真中将导航任务嵌入训练环境,部署时利用相机和 LiDAR 数据重构该层;通过联合优化局部导航与运动控制,无需经典控制层级接口即可实现高速赛车与敏捷跑酷。

  9. arXiv · 机器人与计算机视觉73

    PolyMorphWBC:面向多形态机械臂的四足移动操作全身控制方法

    论文提出 PolyMorphWBC 分层控制器,仅接收末端执行器轨迹指令即可生成四足机器人与六自由度机械臂的协同运动,支持跨四种不同机械臂构型及扩展工作域。该方法在 IsaacLab 仿真中达到 93.95% 任务完成率,物理 Go2-ARX5 系统上实现了基于语言条件的无视觉长距抓取演示。

  10. arXiv · 机器人与计算机视觉78

    Decide Before You Move:基于扩散生成的搜索参考实现半静态环境零样本开放词汇物体导航

    该研究提出了 PreNav 框架,旨在解决室内半静态环境中的开放词汇物体导航问题。系统利用大语言模型将目标与家具的共现关系转化为空间先验,再通过条件扩散模型生成有序的中心线及带状区域作为全局搜索参考,从而避免在每一步都调用昂贵的视觉 - 语言模型。

    推荐理由:PreNav 框架利用扩散模型生成全局搜索参考,在无需微调的情况下实现了半静态环境下的零样本开放词汇导航。

  11. arXiv · 机器人与计算机视觉78

    未来预测分数忽略了什么:关于世界模型的预测还是持续?

    预训练视频世界模型常依据未来预测分数进行选型,但该分数混合了编码器质量、近期相似性及预测器贡献。研究通过匹配对照组在 2.7 万家庭第一人称视频试验中分离三者,发现 V-JEPA 系列内部预测器贡献差异显著,且仅对动作条件化模型为负值。建议报告未来预测分数与其持久性基线的差距以增强可解释性,下游效用需另行评估。

    推荐理由:提出用匹配对照组分离预测分数与编码器效应,建议报告差距而非原始分数以评估世界模型真实性能。

  12. arXiv · 机器人与计算机视觉65

    基于动作仿射世界模型的快速推理时策略精炼

    针对模仿策略执行误差累积导致失败的问题,本文提出动作仿射世界模型(A²WM),利用预训练策略的标称行为,离线从扰动轨迹中学习局部动作敏感性。该模型直接预测完整规划时域内的任务几何变化,结合二次惩罚与线性约束构建凸二次规划问题,仅需一次模型评估和一次求解即可完成在线修正,且冻结策略与模型权重。

  13. arXiv · 机器人与计算机视觉54

    DIVAL:面向非完整运动规划的微分同胚向量场对齐方法

    针对非完整机器人无法瞬时跟随传统向量场且易发生碰撞的问题,本文提出 DIVAL 方法,通过在工作空间局部施加微分同胚变形,使规划向量场的初始方向与机器人航向一致。数值仿真显示该方法在所有试验中均实现无碰撞收敛并避免控制不连续;地面车辆硬件实验进一步验证了其在不同目标、初始条件及真实扰动下的鲁棒性。

  14. arXiv · 机器人与计算机视觉45

    基于预测控制与屏障函数的类人机器人集群重定位新框架

    针对动态环境中类人机器人集群因人员进出导致重组受阻的问题,该研究提出结合社会力模型、模型预测控制(MPC)与控制屏障函数(CBF)的新框架。仿真消融实验与在线用户研究显示,该方法在复杂环境下能实现更平滑且安全的重定位行为,同时保持社交适宜性。论文已上传至 arXiv 待注册 DOI,包含 8 页正文及 4 张图、2 个表格。

  15. arXiv · 机器人与计算机视觉73

    学习低延迟动作验证以优化冻结视觉语言动作模型

    针对通用机器人操作模型采样序列效果不佳且昂贵验证器引入高延迟的问题,该工作提出 HDH 框架,利用冻结 VLA 部署的历史数据训练轻量级动作验证器。在四个 LIBERO-10 任务上平均成功率为 82.3%,在三项真实世界操作中相比基线提升 22.6%。材料为 arXiv 预印本,未提及同行评审状态或具体开源代码仓库。

  16. arXiv · 机器人与计算机视觉78

    面向搜救的地形感知多无人机汤普森采样算法

    本文提出一种用于搜救应用的去中心化地形感知多无人机汤普森采样算法。该方法利用基于历史数据的 SAR 模型(位移环、高程等)构建定位概率分布,并通过贝叶斯推断更新高斯后验均值与方差以平衡探索与利用;同时引入分数森林覆盖率指标来量化植被遮挡带来的观测不确定性。

    推荐理由:提出地形感知多无人机汤普森采样算法,结合 SAR 历史模型与森林覆盖不确定性,在仿真中验证了搜救成功率。

  17. 盖世汽车 · 汽车资讯5

    中鼎股份"中鼎转03"可转债上市募资19.2亿元投向机器人关节与热管理

    中鼎股份发行的“中鼎转03"于11月12日在深交所挂牌,首日涨幅36.15%。募集资金19.2亿元将用于智能机器人核心关节制造、智能热管理系统总成及新能源汽车智能底盘系统研发,建成后将新增谐波减速器年产能15万颗、传感器15万台及各类机器人关节28万个。

  18. IEEE Robotics and Automation Society15

    2027 IEEE RAS Summer School on Multi-Robot Systems 在布拉格举办

    继 2019 至 2026 年成功举办后,IEEE RAS 多机器人系统技术委员会将于 2027 年 8 月 4 日至 10 日在捷克布拉格举办夏季学校。活动聚焦合作无人机与地面机器人系统,旨在推动多机群协同理论及最后一天自主微型航空器机队的实地实验落地。该活动主要面向线下参与以强化学生 networking,同时为受旅行限制地区的学生提供虚拟参会选项。

  19. 盖世汽车 · 汽车资讯5

    擎天租完成数亿元战略融资交割并升级商业模式

    11月13日,擎天租宣布完成数亿元战略融资交割,和达投资、芒果产业投资方及中联即送等共同参与。本轮资金将聚焦机器人生产力服务核心能力建设,推动从“出租设备”向“交付工作”的商业模式升级。目前公司已有20家全国运营中心投入运营,覆盖北京、上海等城市,并正推进54个城市服务节点布局以织密"2小时上岗服务圈”。

  20. Hugging Face Daily Papers74

    Gamer:面向长周期复杂交互环境的通用视觉 - 语言 - 动作基础模型

    论文介绍 Gamer 框架,旨在处理复杂交互式环境中的长周期任务。其架构整合感知、记忆管理与多步推理,支持 2D 界面与 3D 仿真世界交互。训练基于数万小时设备级键鼠轨迹数据,涵盖物理与虚拟域以学习环境动态;采用稀疏思维指令微调减少冗余计算,并利用稳定多回合强化学习解决有限上下文与稀疏奖励问题。

11月12日周四
  1. 盖世汽车 · 汽车资讯58

    加州大学圣地亚哥分校开发可穿戴机械拇指原型

    加州大学圣地亚哥分校研究人员在 arXiv 预印本平台上发布论文,介绍名为 EgoThumb 的可穿戴机器人系统。该系统通过前臂电机驱动三个关节的机械拇指,利用小型摄像头捕捉图像并结合 AI 算法规划动作,旨在充当“额外拇指”协助用户固定物体以完成单手任务。研究团队表示尚未针对焊接操作本身进行测试,而是通过拧开瓶盖等简单任务探索基础能力,未来有望应用于焊接等场景。

  2. 盖世汽车 · 汽车资讯57

    具身智能分岔口:本体补脑,脑公司找出口

    元戎启行 CEO 周光提出“几年后全无人驾驶可能不是自动驾驶公司”的判断,文章据此分析具身智能领域本体公司与“脑公司”的博弈。目前宇树、智元、优必选等本体厂商均在自研或适配模型以掌握真机数据回流;而 Physical Intelligence、Skild AI 等纯脑公司面临上游通用模型挤压与下游本体自研的双重压力,需证明跨本体迁移能力并找到收费入口。真正的分水岭在于谁能掌握真实世界的数据复利。

  3. 智东西 · 机器人84

    CoRL 2026 放榜:伯克利 SuperMimic 获最佳论文,英伟达斯坦福 RoboTTT 获最佳学生奖

    机器人学习顶会 CoRL 2026 公布获奖名单,加州大学伯克利分校的 SuperMimic 研究获得最佳论文奖,该方法基于可微世界模型将人形机器人全身控制训练算力降低超千倍,单卡 3 小时即超过百卡基线并已在宇树 G1 真机验证。英伟达与斯坦福联合团队的 RoboTTT 获最佳学生论文奖,其通过测试时训练将策略上下文扩展至 8000 个时间步,在多项灵巧装配任务中平均完成率提升至 79%。

    推荐理由:CoRL 2026 最佳论文展示可微世界模型将人形机器人训练算力降低千倍,最佳学生奖提出长上下文策略方法。

11月11日周三
  1. arXiv · 机器人与计算机视觉42

    When Words and Bodies Disagree:LLM 实现言语与非言语不匹配以增强虚拟智能体情感表达

    研究提出言语 - 非言语不匹配分类法,验证 LLM 在社交语境下能成功选择讽刺等目标行为。人类受试者实验证实这些线索显著改变了对虚拟智能体态度与情绪效价的感知,且能有效区分加强、缓解及泄露三种功能类型。该成果为训练具备复杂情感交互能力的虚拟智能体提供了关键方法支撑。

  2. arXiv · 机器人与计算机视觉78

    无需专家演示的安全近似非线性模型预测控制

    论文提出了 Sequential Approximate MPC (Seq-AMPC),这是一种无标签的循环框架,利用共享参数生成完整控制序列。该方法通过已知动力学直接训练策略,并引入基于安全滤波器的阶段成本依赖接受容差,以在存在神经近似误差时保持递归可行性和渐近收敛性。

    推荐理由:提出无需专家演示的 Seq-AMPC 框架,在四类基准上实现接近 NMPC 的成本比与高采纳率。

  3. arXiv · 机器人与计算机视觉58

    不确定环境下长视界机器人规划评估基准

    本文介绍了一个基于 Habitat 平台的长视界家庭任务评估基准,涵盖七类任务及 90 种环境、记忆与任务的组合配置,共运行 1,350 个回合。研究对比了 ReAct、VLM-TAMP 和 Tru-POMDP 三种规划策略在任务成功率、完成率和动作效率上的表现,发现 ReAct 整体表现最佳(成功率 45.3%,完成率 71.7%),且初始记忆的准确性并不总是带来最优性能。

  4. arXiv · 机器人与计算机视觉42

    Embodiment-aware control by inference over the operator:基于 gaze 与 pupil 信号的遥操作仿真研究

    该研究提出一种通过推断操作员具身感知的控制器,利用隐式注视和瞳孔信号及任务结果优化设备设置。在异构合成操作员仿真中,该方法将具身感度量从 0.76 提升至 1.66(满分 2),且与最优设定误差仅 0.02。工作已提交 IEEE 待发表,代码与数据暂未公开,结论基于离散主动推断智能体验证。

  5. arXiv · 机器人与计算机视觉72

    基于分布式蜂群控制的自主机器人搭桥技术:无需通信的多模型感知与定位

    本文介绍 SCARAB 系统,利用分布式蜂群控制和多模型感知,使代理能在无 GPS 或射频通信环境下实现自我定位、编队及抵达目标位置。研究通过物理引擎仿真验证了无人水面载体(USV)在风浪环境下的表现,旨在支持军队执行不可预测的分散河流穿越任务并提升生存能力。

  6. arXiv · 机器人与计算机视觉72

    HABIT:面向人类感知的机器人操作行为与交互训练数据集

    针对现有机器人演示数据多在无人环境中采集导致策略缺乏人类感知行为的不足,本文提出 HABIT 大规模机器人演示数据集。该数据集包含超过 10K 个片段和 160 小时视频,覆盖 60 项任务,将任务分为协作、同事与监督三种角色以捕捉不同的人类 - 机器人交互模式。

  7. arXiv · 机器人与计算机视觉72

    AnyMo:面向野外场景的几何感知人体运动建模方法

    该论文提出 AnyMo 框架,旨在解决可穿戴惯性测量单元(IMU)因佩戴位置、朝向及硬件差异导致的数据迁移难题。该方法利用基于物理原理的 IMU 仿真生成密集的人体表面放置数据以预训练图编码器,并将多位置 IMU 信号 token 化为全身运动表示,进而与大语言模型对齐以实现运动理解。

  8. arXiv · 机器人与计算机视觉65

    基于视觉的四足机器人敏捷运动:稀疏门控混合专家模型研究

    该论文提出将稀疏门控混合专家(MoE)架构应用于基于视觉的四足机器人运动控制任务。实验在受控设置下对比了标准 MLP 与 MoE 策略,结果显示在激活参数数匹配的情况下,MoE 架构使训练奖励提升 8%,且优于同等总参数的 MLP。研究还通过真实 Unitree Go2 四足机器人的实验验证了该方法在现实世界中的性能表现,表明借鉴大语言模型领域的稀疏化技术对机器人运动控制具有应用潜力。