跳到正文
11月10日周二
  1. arXiv · 机器人与计算机视觉62

    DexForesight:基于隐式空间前瞻的灵巧策略 grounding 方法

    论文提出 DexForesight 框架,通过在灵巧策略潜在空间中注入动力学感知的世界表征来学习隐式空间前瞻性。该方法利用离线场景深度、运动学手几何和演示轨迹训练动作条件化的空间世界模型,预测三维手部点运动和视觉特征变化(包括相机遮挡的手指)。

  2. arXiv · 机器人与计算机视觉72

    基于视觉的差分驱动机器人编队控制教程

    本教程介绍利用顶置摄像头和 ArUco 标记实现差分驱动机器人多机编队控制的步骤。系统通过比较测量位置与期望位移向量计算运动指令,并集成基础避障功能。作者强调将数学概念转化为物理机器人协调行为的方法,提供开源 GitHub 仓库支持硬件软件搭建、位姿估计及编队误差评估等实践环节。

  3. arXiv · 机器人与计算机视觉75

    从节日视频到舞台:商用类人形机器人长周期全身舞蹈的仿真到现实阶梯

    论文提出将日本传统阿瓦舞从单目视频迁移至宇树 G1 EDU 商用类人形机器人的管线,结合人体网格恢复、运动学重定向及仿真强化学习。作者在单卡 RTX 5070 上训练,通过十一版本部署阶梯在硬件上验证了修复静默损坏、模型状态漂移及编辑参考动作等干预措施。

  4. arXiv · 机器人与计算机视觉45

    SGAC:一种用于低比特手部网络在设备端学习的灵敏度门控累加器缓存方法

    针对部署后需适应用户摄像头的 4-8 比特手部追踪网络,该方法引入灵敏度门控累加器缓存(SGAC),将每权重状态降至 8.1 比特。在 38.3 万参数网络上,其适配后的 4/8 比特网络在两路模拟相机上取得九种低比特部署方案最高平均准确率,且在十二类 ImageNet-C 腐蚀下表现优于 PEQA、ECO 等基线。

  5. arXiv · 机器人与计算机视觉83

    BAT-WAM:连接动作与触觉的世界 - 动作模型用于灵巧手

    BAT-WAM 是一种针对世界 - 动作模型(WAMs)的框架,旨在解决灵巧操作任务中关节状态和全手掌触觉观测缺失的问题。该框架通过 RGB 条件化的连续潜在桥梁连接触觉流与动作流,实现双向学习,并利用视觉信息作为连续上下文。

    推荐理由:BAT-WAM 框架通过视觉与触觉表征的双向桥梁,在掩码条件下显著降低触觉重建误差,并在真实机器人实验中优于基线。

  6. arXiv · 机器人与计算机视觉42

    基于采样的模型预测控制作为序贯蒙特卡洛推理方法研究

    该研究提出单一序贯蒙特卡洛(SMC)推理算法统一实现多种基于采样的模型预测控制策略,通过提案、更新规则及重采样阈值三个独立轴进行指定。在 MuJoCo 非线性控制、Franka FR3 硬件等仿真与真实部署中,28-knot 航程下碰撞率较非重采样基线降低 30%,推 T 任务成功率从 1% 提升至 100%(仿真)及 90%(硬件)。

  7. arXiv · 机器人与计算机视觉68

    MoE-DAgger:面向分阶段操作的感知型路由器熵门控选择机制

    论文提出 MoE-DAgger 方法,解决机器人分阶段操作中基于路由器熵的相位监督不足问题。该方法利用因果路由历史区分正常相邻相位切换与异常状态,无需在策略执行中提供相位标签或硬命令。实验显示,在匹配的人工控制预算下,Green 任务成功率达 84.0%,Red 任务为 78.0%,均显著优于无相位感知的过滤熵方法,且在 50 次 rollout 中未观测到碰撞。

  8. arXiv · 机器人与计算机视觉36

    被动性保证的变阻抗与顺应控制:基于在线参数优化的机器人操作新框架

    针对时变阻抗参数可能破坏系统被动性的问题,研究提出了一种基于二次规划的参数优化框架。该方法通过调节期望惯性补偿刚度变化注入的能量,在 Kinova Gen3 七自由度机械臂上验证了其在人机交互扰动下的有效性。实验表明,相比能量储罐和非被动性方法,该框架实现了更不保守的刚度跟踪且无需额外阻尼开销。

  9. arXiv · 机器人与计算机视觉56

    肌肉感知重定向与零空间探索用于全身骨骼肌控制

    该论文提出一种将单目视频转化为训练好的全身模仿策略的流程,旨在开发类人机器人、辅助设备和康复系统。针对运动学可行但难以通过肌肉动力学复现的参考轨迹及高冗余动作空间的挑战,方法包含两个互补阶段:首先进行受语义、解剖和接触约束限制的肌肉感知重定向;其次估计从肌肉兴奋到广义力的映射,并在零空间注入有界扰动。

  10. arXiv · 机器人与计算机视觉48

    Task-Critical Part Alignment 提升 DINOBot 框架物体交互模仿精度

    该研究通过集成 RANSAC 异常值剔除与聚焦任务相关区域,优化了 DINOBot 框架在物体交互模仿中的对齐阶段。实验涵盖抓取、插入、摇晃和倾倒等真实世界操作任务,相比基线整体成功率提升 13.8% 且收敛更快。论文已接受发表于 ICAR 2025,当前为预印本版本。

  11. arXiv · 机器人与计算机视觉58

    Which Taxels, Not How Many:触觉传感器放置对灵巧策略的影响研究

    该论文针对灵巧操作策略设计中触觉传感器配置被忽视的问题,提出并执行了一项受控协议,固定教师模型、训练流程及候选传感器,仅改变传感器配置与表征方式。实验在三种机器人手上进行手掌旋转和抓取任务,发现少量基于接触统计选择的传感器即可匹配大量均匀分布的传感器,而极少接触位置的传感器等同于无输入;所有候选传感器的输入张量布局对性能均无影响,即使使用卷积编码器也是如此。

  12. arXiv · 机器人与计算机视觉81

    ReSkill:面向机器人操作的 selective self-improvement 框架

    本文提出 ReSkill 框架,用于解决组合式操作任务中的自我改进问题。该框架利用代码智能体构建以对象为中心的任务图,定位执行失败节点,并在任务层级优化阶段组织与恢复路线,在技能层级增强感知、运动等能力。

    推荐理由:提出 ReSkill 框架,通过定位局部缺陷与验证候选变更实现机器人操作能力的选择性自我改进。

  13. arXiv · 机器人与计算机视觉48

    触觉传感器在富接触或遮挡操作任务中可替代腕部相机

    研究证明,在富接触或遮挡操作场景下,手指挂载的低成本触觉阵列可作为腕部相机的有效替代品。实验显示,相比仅依赖视觉的策略,引入触觉感知使三项接触丰富任务的成功率提升 31.7-60.0 个百分点,且优于所有配备腕部相机的视觉策略。该成果支持将触觉传感作为此类操作任务中可靠的替代方案。

  14. arXiv · 机器人与计算机视觉83

    Grip, Trace, Write:面向高自由度机器人书写的力感知模仿与强化学习框架

    论文提出 Grip, Trace, Write 框架,构建力感知仿真环境以解决传统刚性安装笔的局限。该方法采用双分支 Actor 解耦握笔稳定性与手臂腕部书写动作,保留闭环耦合关系;训练流程先通过行为克隆初始化逆运动学演示,再利用墨水、接触力、时间和握持奖励进行强化学习优化。实验表明该策略在多种任务中提升了完成度、精度和效率,且无需微调即可泛化到未见过中英文内容,为灵巧工具使用提供了测试基准。

    推荐理由:该工作提出力感知仿真环境,通过双分支策略解耦握笔与书写并强化学习优化,在未见中英文内容上实现泛化。

  15. arXiv · 机器人与计算机视觉83

    SPARK-VLA:一种无需外部 3D 输入的视觉语言动作模型空间表征蒸馏与知识路由方法

    针对视觉语言动作模型(VLA)理解三维物理结构的需求,本文提出 SPARK-VLA 框架,在无需推理时引入外部 3D 输入或专家的前提下实现空间适配。

    推荐理由:提出无需外部 3D 输入的 SPARK-VLA 框架,通过注意力对齐蒸馏与轻量路由实现参数高效的 3D 感知 VLA 学习。

  16. arXiv · 机器人与计算机视觉85

    GUARD:一种基于异常感知的 Q 导向框架用于生成式机器人灵巧操作策略

    论文介绍 GUARD 框架,该框架利用扩散和流匹配生成的机器人策略的训练分布构建异常信号,将其与稀疏任务奖励结合并通过学习到的 Q 函数传播以引导去噪过程。在 Adroit 平台的四个灵巧操作任务中,该方法在标称和扰动动力学下平均成功率分别达到 96.0% 和 80.0%,优于最强基线 21.0 和 20.0 个百分点且保持最低异常分数。

    推荐理由:提出利用训练分布中的异常信号引导去噪过程,在不修改预训练策略的情况下提升灵巧操作成功率与仿真到现实迁移效果。

  17. arXiv · 机器人与计算机视觉58

    Agibot:一款用于农业机器人研究的开源模块化转向驱动平台

    Agibot 是一款开源、模块化且低成本的农业机器人平台,旨在解决农业自动化研究中缺乏灵活平台的难题。该平台集成了四轮独立转向驱动、可更换计算单元、分布式嵌入式控制及多模态传感,支持感知 - 规划 - 执行 - 验证的完整闭环框架。

  18. arXiv · 机器人与计算机视觉58

    杂乱环境中感知可捕获性的步态规划:轴对齐安全走廊上的递归可行序列 MPC

    该论文提出了一种针对线性倒立摆(LIP)人形机器人的步态规划框架,旨在同时保证避障和运动稳定性。方法通过构建由相交矩形组成的安全走廊,将避障与可捕获性约束相结合,实现了具有递归可行性保证的序列模型预测控制(MPC)。规划器能自主适应受限场景,例如在门意外关闭时切换为原地行走。性能对预测视界依赖较小,在高保真仿真中利用 Digit 机器人验证了其在杂乱环境中的实用性。

  19. arXiv · 机器人与计算机视觉76

    面向人与类人机器人运动的统一惯性编码器

    该研究提出一种统一惯性编码器,通过运动学 IMU 合成在共享输入空间下联合训练人类与类人机器人数据,结合连续时间编码及传感器随机化。模型无需物理仿真、真实机器人训练轨迹或微调,即可零样本迁移至宇树 G1 实体机器人,在五个数据集上实现最低速度误差(G1 实机为 0.099m/s),并支持仅基于人类数据训练的类人机器人运动描述检索与泛化。

    推荐理由:提出统一惯性编码器,实现从人类运动到宇树 G1 机器人的零样本迁移与速度估计。

  20. arXiv · 机器人与计算机视觉75

    超越语义类别:通过嵌入条件高斯混合模型进行在线物理参数估计

    该论文提出一种实时物理参数估计器,用交互驱动的高斯混合后验替代固定语义类索引,直接基于连续视觉嵌入检索和加权历史交互。方法包含支持感知的融合机制以应对稀疏数据,并通过学习到的嵌入优化提升检索相关性。实验显示该方法能恢复多模态物理信念、拒绝无关历史且不依赖空间地图离散化;在高保真自动驾驶赛车仿真中,控制器随圈数增加积累证据而自适应调整,提升了性能并保持摩擦感知行为。

  21. arXiv · 机器人与计算机视觉75

    UniLatent:通过潜观测对齐实现跨具身迁移

    论文介绍 UniLatent 框架,旨在解决机器人数据集因几何、外观和运动学差异难以复用的问题。该方法在仿真中渲染成对的源目标机器人观测,将源视觉编码器对齐到冻结的目标编码器,使基于编码源演示训练的策路能直接在目标观测上运行,无需像素级图像翻译。

  22. arXiv · 机器人与计算机视觉49

    四视角智能手机视频数据集与 LaGSplat 基线模型发布

    该研究发布了由机械臂驱动柔性条带、含四台 iPhone 拍摄及相机位姿的四视角视频数据集,并基于此构建了首个 3D LaGSplat 基线。LaGSplat 以抓具加速度为强制项拟合解码器,在未见视图上渲染出 26 至 33 dB PSNR 的画质,且支持浏览器实时交互演示。相关数据集、检查点及训练代码均已公开。

  23. 盖世汽车 · 汽车资讯38

    灵猴机器人液态单目相机首发订单突破1000台

    灵猴机器人宣布面向具身机器人的液态单目相机首发订单于11月10日突破1000台,该产品在工博会发布后不足一个月即达成。其核心采用柔性变焦技术,通过调节液态镜片屈光度实现毫秒级连续对焦,解决定焦相机在动态场景中的虚焦问题。该技术路径将工业成熟光学能力迁移至机器人领域,旨在提升移动导航、柔性抓取及人机交互等场景的视觉稳定性。

  24. Berkeley BAIR Blog74

    UC Berkeley BAIR 团队亮相 CoRL 2026:发布多篇论文与开源工具

    UC Berkeley BAIR 团队在 CoRL 2026 会议上展示多项机器人学习成果,包括早期职业主题演讲、33 篇主会论文及 4 个 Late-breaking results 海报。

    推荐理由:UC Berkeley BAIR 团队在 CoRL 2026 会议展示多项机器人学习成果,涵盖从具身记忆、灵巧操作到世界模型及仿真工具的最新进展。

11月9日周一
  1. Boston Dynamics · Blog68

    波士顿动力 Atlas 轮式改装测试床发布:强化学习与仿真到现实迁移验证

    波士顿动力 Atlas 团队工程师 Xiaoyu Wu 分享了将 Atlas 机器人改装为轮式的研究项目,通过替换脚踝执行器并调整模型,利用强化学习实现了侧滑漂移和空中转体等高难度动作。该项目旨在验证在硬件极限下全身体控制器与真实执行器的协同效果,成功缩小了仿真与现实差距,相关技术洞察已反馈至标准配置中。

    推荐理由:作者分享了将 Atlas 机器人改装为轮式并成功通过强化学习实现高难度动作的测试床项目,验证了精准电机模型与全身体策略在硬件极限下的协同作用。

  2. arXiv · 机器人与计算机视觉65

    CompVLA:一种面向接触丰富操作的变柔顺视觉语言动作模型

    论文介绍 CompVLA 框架,旨在解决现有 VLA 模型仅输出运动学指令而在接触丰富任务中表现不佳的问题。该方法在常规架构基础上增加专用柔顺专家模块,基于 RGB 和语言输入联合预测运动及随时间变化的刚度矩阵与虚拟位移轮廓,并通过几何阻抗控制执行。

  3. arXiv · 机器人与计算机视觉58

    通过几何先验预训练提升模仿学习效率

    针对新操纵任务需重新收集演示和训练的样本效率问题,该研究构建了一个仅包含平面、物体和手的几何视觉预训练数据集,轨迹自动生成且不含纹理背景,并将手表示为立方体以适配不同机器人形态。在 ACT 框架下,该方法在三个仿真机器人五个任务及三个真实世界任务中评估显示,相比从头训练,使用少量任务演示微调时能实现更高的早期成功率,表明简化几何场景可作为跨机器人与真实任务的有用初始化。

  4. arXiv · 机器人与计算机视觉58

    基于优化主动技巧的多反弹鼓点软体机器人研究

    该论文提出一种软体机器人鼓手设计,旨在通过高频率鼓点中的“多反弹技术”提升演奏效率。针对软体非线性复杂性,设计了两种主动控制技巧:i) Tap-Pull (TP) 技巧在撞击后增加拉拽动作以增加反弹次数;ii) Micro-Pulse (MP) 技巧在击打过程中注入微小振荡以保持音量。

  5. arXiv · 机器人与计算机视觉75

    MATE:异步多速率扩散策略组合方法

    该论文针对机器人模仿学习中多模态信息内容、感知率与推理延迟不一致的问题,提出 LAG-Fusion 框架以支持异步多模态扩散策略组合。该方法允许各模态策略在其原生推理率下运行并贡献去噪引导,通过推导相对动作表示下的参考帧重基准规则实现延迟引导对齐。实验在接触丰富操作任务中组合低频视觉策略与高频力控策略,结果显示 LAG-Fusion 相比同步融合及专门设计的力感知基线提升了策略响应性与任务性能。

  6. arXiv · 机器人与计算机视觉62

    NoContactNoWorries:基于视觉和本体感知的手部灵巧操作接触估计

    论文 NoContactNoWorries 提出一种基于 Transformer 的多模态框架,融合 RGB-D 视觉与机器人本体感知来推断手部交互中的二元接触状态,以此作为伪触觉信号。研究在多个物体上训练单一预测模型,并在仿真及真实机器人实验中验证了该推断出的接触信号对下游强化学习智能体进行手内物体重定向的支持能力,且能泛化至新物体。材料已接受 IEEE/RSJ IROS 2026 会议。

  7. arXiv · 机器人与计算机视觉62

    DexTeleop-0:面向共享自主的双手灵巧遥操作触觉驱动自适应策略

    针对细粒度双手灵巧操作中的运动学映射误差与视觉跟踪无法调节接触力的问题,提出触觉驱动的自适应策略并实例化为 DexTeleop-0 框架。该系统引入实时优化循环,利用指尖反馈在机器人侧添加接触修正,结合接触刚度近似与运动学雅可比矩阵计算局部化修正,实现每接触点向量力跟踪、软预测接触矩正则化及有界手关节残差。

  8. arXiv · 机器人与计算机视觉5

    GELS 系统实现内窥镜医疗工具的闭式 6-DoF 位姿估计

    GELS 系统利用紧凑磁强计阵列,无需预校准场图即可通过欧拉齐次关系实现内窥镜医疗工具的内窥导航与亚级偶极子定位。基准实验验证了该闭式 6-DoF 定位流程,求解器中位运行时间为 172.00 微秒。扰动分析指出传感器不一致性与偶极模型失配是主要精度限制因素。

  9. arXiv · 机器人与计算机视觉65

    非抓握式机器人操作的闭环物体感知控制方法

    针对非抓握式机器人操作中接触不连续及长视界规划难的问题,论文提出一种将问题拆分为物体级规划与机器人级规划的闭环物体感知(CLOI)方法。该方法利用模型预测路径积分(MPPI)求解子问题,并通过交替方向乘子法耦合两者解。在带障碍物的平面推物任务中,使用 xArm6 机械臂的实验显示,相比标准 MPPI,该方法在仿真和硬件上的成功率分别提升 35% 和 43%。

  10. arXiv · 机器人与计算机视觉76

    学习增强的机器人自动化用于现实世界制造

    这篇论文提出了一种混合系统,将学习任务控制器和神经 3D 安全监控器集成到传统工业工作流中。研究团队在电机生产线上部署该系统,自动执行变形电缆插入和焊接任务。系统在少于 20 分钟的真实数据下连续运行了 5 小时 10 分钟,完成了 108 个电机的组装,无需物理围栏且产品质检通过率高达 99.4%。

    推荐理由:该预印本展示了学习增强型自动化在真实电机产线的应用,实现了无围栏连续作业与高质量焊接。