跳到正文
11月11日周三
  1. arXiv · 机器人与计算机视觉63

    基于物理信息的可变形线性物体自监督动态操控方法 SPiD

    论文提出了 SPiD 框架,通过耦合精确的可变形物体质量弹簧模型与增强的自监督训练策略,实现了对绳类等可变形线性物体的快速平滑稳定控制。该方法在仿真和真实世界中均验证了其在不同初始状态、绳长及外部干扰下的泛化能力,并展示了从遥操作到自主执行的鲁棒性。

  2. arXiv · 机器人与计算机视觉73

    3A-VLA:面向 3D 游戏世界的视觉语言代理抽象对齐动作学习

    针对动态 3D 开放世界与竞技 PvP 场景下 VLA 模型难以从密集视觉输入中提取稀疏可行动作的局限,本文提出 3A-VLA 框架。该框架通过意图抽象(IA)与环境语义抽象(ESA)将指令压缩为语义原语并将视觉流结构化,利用抽象对齐重加权(AAR)模块自适应调整动作模仿损失权重。

  3. arXiv · 机器人与计算机视觉75

    基于控制李雅普诺夫函数引导的强化学习实现类人机器人跑步

    该研究提出 CLF-RL 方法,将非线性控制理论中的控制李雅普诺夫函数与优化的参考轨迹嵌入强化学习奖励,替代传统启发式奖励的手动调优。通过处理系统混合结构的全阶动力学进行轨迹优化,位置跟踪性能提升最多 1.7 倍。策略在宇树 G1 类人机器人上实现完整飞行阶段的可靠跑步,具备抗干扰能力和仅靠机载传感器实现的准确全局参考跟踪能力。

  4. arXiv · 机器人与计算机视觉62

    超越刚性操作的混合软硬机器人学习研究

    本文介绍了一种由刚性手臂和软体操纵器串联而成的混合机器人系统,旨在结合刚性机器人的精度与重复性与软体结构的顺应性和适应性。作者提出了一种定制的模仿学习算法,该算法适用于此类混合系统,能够利用刚性的精确操作和软体的身体特性来习得操作技能,并一次性泛化到任务变化中。实验表明,该系统在堆叠等经典任务中的性能达到或超过刚性机器人,同时实现了通过狭窄开口抓取物体等全新的行为模式。

  5. arXiv · 机器人与计算机视觉42

    CLIFER 模型通过持续学习实现人机谈判中的个性化情感感知

    CLIFER 模型结合想象与持续学习技术,在 66 名参与者与人形机器人进行的平衡内被试实验中,显著提升了个体效用并诱发了更高的让步率。该异步架构能在实时交互背景中更新模型,相比 FaceChannel 基线实现了更广泛的唤醒度估计范围。研究证实将持续情感个性化与差异反馈耦合于实时谈判具有实际价值。

  6. arXiv · 机器人与计算机视觉58

    振荡处理单元:一种用于生物仿生智能的计算基底

    Alexander A. Wolf 在 arXiv 发布预印本论文,引入振荡处理单元(OPUs)概念,即共享节律的合成神经元组。该架构通过定向交互将输入活动与先验状态转化为振荡占用空间(OOS),支持逻辑数值运算、联想回忆及固定权重下的闭环决策。研究建立了测量关系图谱以支持响应类预测,旨在为生物仿生智能提供经验保留于状态中的计算基底。

  7. arXiv · 机器人与计算机视觉70

    GenEA:一种理解具身计划的可计算框架

    论文提出了 GenEA,这是一种新型智能体表示法,旨在基于动作推理人们的计划和目标。该框架的核心是一个多层状态空间,将关节身体的粗粒度生物力学与其与附近物体的相互作用耦合起来,通过扩展机器人领域的任务 - 运动规划框架并引入基于仿真的直觉物理来实现。

  8. arXiv · 机器人与计算机视觉66

    One Trajectory, Two Requirements: Accuracy and Local Stability in Euler Sampling for Flow Matching Policies

    该论文研究流匹配机器人策略在欧拉采样中精度与局部稳定性的不同要求。作者使用冻结权重的模型在 LIBERO 任务上验证,发现尽管未违反非扩张条件,但部分输入仍需较多步长才能达到高精度,表明终端精度不足以保证局部稳定性。

  9. arXiv · 机器人与计算机视觉68

    机器人记忆是否只是时钟?揭示记忆增强 VLA 策略中的时间捷径与修复方案

    论文指出当前许多记忆增强的视觉语言动作(VLA)策略错误地依赖时间戳填充记忆,导致在任务无实质进展时误判为‘幽灵进度’而提前停止。研究通过在 RoboMME 计数任务中引入停顿或抖动验证了这一漏洞:均匀采样使成功率从 47% 降至 16%,而从事件索引记忆的修复方案在不重新训练的情况下恢复了半数以上损失,证明机器人记忆应统计事件而非时钟滴答。

  10. arXiv · 机器人与计算机视觉72

    TanCRAFT:面向组装任务的语境推理与前瞻性反馈

    论文提出了 TanCRAFT 框架,这是一个四阶段的实时预测性辅助系统,旨在通过跟踪场景状态、推理当前部分组装情况、预测被操作部件的近期运动并在预测放置不兼容目标时进行干预,来防止物理组装中的人类错误。研究在受控的七巧板(Tangram)组装任务上进行了离线基准测试和受试者内用户实验,结果显示该系统的预测反馈相比无引导和反应式会话显著减少了错误,同时带来了最低的感知工作负荷和最短的完成时间。

  11. arXiv · 机器人与计算机视觉66

    OnlyAct:从基础模型提取动作表示以构建世界模型

    针对视频世界模型训练中动作监督稀缺且难以扩展的问题,本文提出 OnlyAct 方法。该方法不从头学习动作空间,而是利用预训练基础模型(V-JEPA)帧对嵌入中已包含的动作信息,通过无标签对比适应框架在保留场景不变性的同时提取动作表示。研究在机器人操作、相机导航、游戏和驾驶等基准上进行了统一评估,结果显示其生成的世界模型能将演示动作更忠实地迁移到新场景中。

  12. arXiv · 机器人与计算机视觉58

    基于高斯过程增强的六自由度 AUV 模型预测轮廓控制研究

    针对小型全向水下机器人(AUV)在水下难以获取精确动力学模型的难题,本文提出一种非线性六自由度模型预测轮廓控制(MPCC)方法,通过高斯过程回归学习残差动力学并嵌入零阶鲁棒优化方案中,使控制器在 25 Hz 保持实时性。仿真消融实验表明残差选择至关重要,基于 MOLA AUV 的水下实验验证了该方法相比名义 MPCC 和工业界常用的 PID 控制器具有更优的轨迹跟踪性能。

  13. arXiv · 机器人与计算机视觉78

    Elastic-WAM:自适应时空想象用于高效机器人控制

    该论文针对世界动作模型(World-Action Models)迭代视频去噪带来的高推理开销问题,提出 Elastic-WAM 方法。该方法通过自适应分配时空细化计算资源,统一调控何时停止世界细化、每步推进多远以及刷新哪些区域。研究在多样化仿真基准和真实长程操作任务中评估,结果显示其兼具最先进的控制性能与更低的推理延迟。材料为预印本论文,未提及具体开源代码或模型权重下载链接。

    推荐理由:提出弹性计算分配机制,在仿真与真实长程操作中实现控制性能领先且降低推理延迟。

  14. arXiv · 机器人与计算机视觉78

    无模型运行时任务相关信息测量方法

    针对现有系统缺乏对信息收集过程有效性的监测问题,本文提出了 Acquisition-State Telemetry (AST),一种无需训练即可评估信息获取状态的架构。

    推荐理由:提出无模型架构 AST,通过实时监测信息获取摩擦与进展信号,帮助自主系统在任务完成前识别无效停滞并优化策略。

  15. arXiv · 机器人与计算机视觉74

    DexSeed:将人类手物交互扩展为机器人演示以学习灵巧策略

    论文提出了 DexSeed 框架,旨在低成本生成多样化的、可物理执行的机器人演示数据用于灵巧视觉语言动作(VLA)学习。该方法基于 InteractionMesh 重定向和手臂轨迹增强技术,在保持抓取关系的同时适应不同物体几何与放置位置,并通过强化学习手指控制策略实现仿真中的可执行 rollout。

  16. arXiv · 机器人与计算机视觉54

    面向建筑机器人的“人在回路”控制范式:从 VR 引导遥操作到半自主双臂作业

    该论文提出一种针对接触丰富型双臂建筑任务的“人在回路”控制范式,支持在 VR 引导遥操作、半自主共享控制和基于规则的自主执行三种模式间进行结构化切换。系统结合了沉浸式 VR 引导、手动定义的复用技能库以及明确的人机角色分配与指令优先级规则。

  17. arXiv · 机器人与计算机视觉72

    RedirectMimic:面向人形全身控制的局部运动内容红化

    论文介绍 RedirectMimic 方法,通过分离演员观察到的参考信号与训练执行的目标,利用规则生成的编辑参考引导近端策略优化奖励,同时保持部署接口不变。在 Unitree G1 仿真环境中,该方法将手臂动作编辑的核心窗口内容发生率降至 2.7%,关节成功率达 94.2%,并在速度定义任务中保持低错误率与高精度跟踪。

  18. arXiv · 机器人与计算机视觉78

    LaST0.5:一种具备交互中心潜在推理的通用世界动作模型

    论文提出了 LaST0.5 这一新型世界动作模型(WAM),旨在解决现有模型全球场景表征忽视局部机器人 - 物体交互的问题。该模型在混合 Transformer 架构中引入交互中心潜在专家,利用视觉交互线索学习紧凑的潜在空间,并通过自适应的世界到动作转移机制调整执行与重采样。

    推荐理由:提出 LaST0.5,通过引入交互中心潜在空间弥合世界演化与操作生成的表征差距。

  19. arXiv · 机器人与计算机视觉42

    基于优化的工业机器人路径规划:增材制造实验验证

    该研究开发了一种结合关节路径正则性与工艺约束的离线优化路径规划器,通过迭代权重调整自动确定成本权重。在碳纤维缠绕和机器人 3D 打印任务中,规划路径满足几何公差及所有关键性能指标目标,并在 UR10e 机器人上完成无挤出执行与关节级轨迹跟踪验证。

  20. arXiv · 机器人与计算机视觉83

    WAM 在 BEHAVIOR-1K 挑战赛中获亚军:2026 BEHAVIOR 挑战赛第二名方案

    该工作提交了 Team IF1001 的 2026 BEHAVIOR Challenge 第二名方案,评估移动操作能力涵盖 100 个家庭任务。方法基于 Cosmos 3,通过丰富视觉历史、任务进度条件化及特定技能 LoRA 适配器进行改进。

    推荐理由:报告了基于 Cosmos 3 改进的 WAM 在 BEHAVIOR Challenge 中获第二名的结果,公开了任务进度条件化与 LoRA 适配等关键工程细节。

  21. arXiv · 机器人与计算机视觉45

    被动行走模型的信息度量:顺应性踝关节如何辅助控制

    针对智能机器人在适应性与灵巧度上与生物体存在的差距,该研究通过引入膝踝顺应性及足部摇杆效应,扩展了 McGeer 单摆步态模型并推导标准跟趾撞击映射。基于状态依赖的蒙特卡洛与再生核希尔伯特空间方法,论文计算了倒立摆与被动动态行走模型的相空间体积 W(γ),揭示了顺应性组件对物理智能建模与控制的新路径。

  22. arXiv · 机器人与计算机视觉48

    FAME-QP:一种用于实时模型预测控制的 GPU 加速二次规划求解器

    FAME-QP 是一款结合约束依赖算子表示与 CUDA Graphs 重放的 GPU 加速求解器,专为线性模型预测控制中的稠密二次规划设计。该工具通过设备校准自动选择执行配置并缓存算子库以应对矩阵变化,在仿真的人形机器人与四旋翼控制实验中,相比竞品 GPU 求解器显著降低了延迟并保持了解决精度与控制性能。

  23. arXiv · 机器人与计算机视觉62

    基于驾驶室视角视觉控制融合的自主挖掘机联合状态推断

    针对现有挖掘机加装专用传感器成本高、维护难的问题,本文提出一种利用车载视觉观测与控制时序信息的闭环自主挖掘框架。该方法编码驾驶室视角图像的结构线索,建模历史摇杆指令的短期运动趋势,并为铲斗关节引入滚动状态缓冲区以在严重遮挡下保持时间连续性;同时将机械关节范围约束纳入学习目标以抑制不可行估计。

  24. arXiv · 机器人与计算机视觉48

    Ego Guidance:利用无动作监督的人眼视角视频增强机器人策略学习

    该研究提出基于预训练视觉语言模型的 SPAR 架构,通过共享预测机制利用无动作监督的人眼视角视频提升机器人策略学习效果。实验表明,源自此类视频的表征能显著改善下游分布外任务性能,且随数据规模扩大效果进一步增益。论文探讨了目标选择与数据策展的影响,为可扩展的机器人学习提供新路径。

  25. arXiv · 机器人与计算机视觉11

    KAILOS 系统扩展架构利用 IoT 设备实现跨平台室内定位服务

    KAIST 提出的 KAILOS 系统扩展架构引入 IoT 设备,旨在消除基于移动应用定位的操作系统限制并提供跨平台服务。研究设计了包含软硬件的专用 IoT 装置,证明该方案能有效拓宽室内定位服务的适用范围。论文为 arXiv 预印本(arXiv:2611.13634),涉及机器人领域(cs.RO)。

  26. arXiv · 机器人与计算机视觉65

    从第一人称人类视频到具身智能时代的机器人操作:一种综述

    该论文提出 Ego2Robot 学习框架,旨在利用第一人称人类视频(EHV)中的手物交互数据训练机器人操作策略。文章定义了四种学习范式:显式本体转移、显式动作与任务监督、第一人称视频表示预训练以及潜在动作与动力学建模,并对比了各范式的信息提取方式与额外数据需求。

  27. arXiv · 机器人与计算机视觉78

    预训练潜在世界模型的少样本残差适应

    针对预训练潜在世界模型在部署时因物理动力学改变而失效的问题,本文提出一种无需修改预训练权重或识别具体参数变化的少样本残差适应方法。该方法通过自监督学习从潜在预测误差中获取修正项,同时应用于潜在预测器内部及其预测的潜在状态,且保持预训练世界模型冻结。

    推荐理由:该文提出一种冻结预训练权重的少样本残差适应方法,在质心与摩擦变化场景下恢复机器人控制成功率。

  28. arXiv · 机器人与计算机视觉65

    多机器人任务分配中的离散基于模型的扩散优化方法

    针对多智能体系统中离散决策变量导致的 NP 难组合优化问题,现有基于模型的方法仅适用于连续空间而基于扩散的组合求解器需离线训练。本文提出 Discrete Model-Based Diffusion(Discrete MBD),一种无需训练的采样式优化方法,通过蒙特卡洛采样近似分类反向转移分布直接优化离散变量。

  29. arXiv · 机器人与计算机视觉78

    PneuGen:面向任务的软体机器人代理协同设计框架

    论文提出 PneuGen 框架,利用大语言模型智能体对软体机器人的几何、形态及驱动参数进行高效搜索与设计。系统包含负责生成设计的代理和负责分析仿真诊断并提出修改建议的评论员代理,结合可复用的物理先验模块响应模型实现自动验证与有限元仿真迭代。

    推荐理由:提出利用大语言模型智能体进行软体机器人参数化设计与仿真迭代的框架,在抓取与形变匹配任务中优于传统优化基线。

  30. arXiv · 机器人与计算机视觉18

    基于机器人的双人触觉训练能否改善慢性中风患者的运动学习?一项预印本试点研究

    该 arXiv 预印本研究调查了慢性中风患者在单人及双人(dyad)条件下学习复杂追踪任务的效果。结果显示,仅单人组在剔除离群值后表现出显著的追踪误差降低(Δ = -5.33, p = 0.027),但两组均未显示清晰的技能保持;双人组虽提升了运动复杂度与努力度,但因任务认知负荷过高未能揭示学习效应。研究指出样本量小及中风异质性是主要局限,建议未来结合临床特征评估该干预的潜在益处。