跳到正文

技术方向

具身智能 最新动态

机器人模型、硬件、学习方法和真实部署;区分仿真、遥操作演示与自主运行。

1,139 条精选近 30 天 643 条共收录 4,549 条

更新

精选归档 · 第 48 页

10月6日周二第 941–960 条
  1. arXiv · 机器人与计算机视觉82

    自适应均值流:面向高响应闭环控制的机器人策略新方法

    针对扩散与流基机器人策略因迭代去噪导致预测延迟、阻碍高频闭环控制的问题,本文提出自适应均值流(AMF)方法。该方法利用加速的流匹配技术最小化延迟,并通过结合上一时刻轨迹的噪声版本来确保预测平滑性与一致性,在模拟及真实机器人任务中显著优于基线。代码已开源。

    推荐理由:提出自适应均值流方法解决扩散策略延迟问题,实现高响应闭环控制。

  2. arXiv · 机器人与计算机视觉78

    VLAs 是否理解并适应所操作的物体?还是仅仅重放已学行为?

    本文探讨了视觉语言动作模型(VLA)的泛化能力是源于对物体物理属性的全局理解以适配未见场景,还是仅靠偶然鲁棒性重放已学行为。研究通过线性探测和表征相似性分析发现,在七种主流 VLA 中,质量、易碎性等物理属性比语义类别等属性更难解码;机器人预训练反而削弱了语言流中对物理属性的线性编码。

    推荐理由:该研究通过线性探测与表征相似性分析,发现主流视觉语言动作模型对物体质量等物理属性的编码较弱,且在任务中难以据此调整运动策略。

  3. arXiv · 机器人与计算机视觉78

    MagServo:基于学习隐式特征的不确定性强韧分层磁致动

    论文 MagServo 提出了一种分层学习框架,利用掩码重建学习不确定性强韧的磁特征表示,并在无需解析模型或显式雅可比监督的情况下捕捉机器人运动与磁状态间的交互动力学。

    推荐理由:该工作提出基于学习隐式特征的磁致动框架,在无需解析模型的情况下实现了亚毫米级精度与强鲁棒性。

  4. arXiv · 机器人与计算机视觉82

    欠驱动双足机器人无碰撞运动的分层强化学习研究

    针对欠驱动双足平台难以在不破坏平衡的情况下避障的问题,论文提出一种分层强化学习框架:高层策略输出全身速度指令,低层策略通过 PD 控制跟踪关节目标,两者联合训练。

    推荐理由:论文提出分层强化学习框架解决欠驱动双足机器人的避障运动,在 PyBullet 仿真中实现高成功率并验证了各观测通道与奖励项的贡献。

  5. arXiv · 机器人与计算机视觉78

    面向超声机器人的双速率力 - 图像控制与基于模型的方位角限制

    针对超声机器人在高频率接触力环路与延迟图像反馈耦合下易扰动力的问题,研究推导了考虑扰动的闭式方位角速率上限公式,并在凝胶体模型上验证。相比无约束引导,该控制器将首秒均方根估计力误差降低 0.40 N,收敛时间增加 0.94 s;固定速率上限在接近理论天花板时未显著改变力误差但收敛快 0.32 s,表明模型主要价值在于提供速率设计规则而非在线预测。

    推荐理由:提出基于模型的方向速率限制控制器,在超声机器人操作中降低力误差并加速收敛。

  6. arXiv · 机器人与计算机视觉78

    基于多目标强化学习的四足机器人无传感器堆叠货物运输方法研究

    针对四足机器人在不平坦地形上运输无固定堆叠货物的难题,本文提出 Payload-Adaptive Multi-Objective Reinforcement learning for Transportation (PAMORT) 框架。

    推荐理由:提出 PAMORT 多目标强化学习框架,在仿真与宇树 Go2 真机零样本迁移中实现无传感器堆叠货物稳定运输。

  7. arXiv · 机器人与计算机视觉82

    Bilinear Flow Policy:面向未见目标的视觉运动模仿学习新框架

    针对条件模仿学习中面对未见目标时多模态行为坍缩的问题,本文提出 Bilinear Flow Policy(BFP)。该方法利用预训练视觉特征和新型锚点选择算法,将未见观测 - 目标对分解为熟悉锚点与残差项,并通过双线性流建模其联合决定的动作分布。

    推荐理由:提出结合归纳检索与双线性流的生成策略,在仿真中实现比基线高 2.63 倍的未见目标成功率。

  8. arXiv · 机器人与计算机视觉78

    未过期计划:一种用于加速扩散策略的免费监控器

    该研究提出了一种无需训练即可加速扩散策略的监控方法,核心在于利用‘未过期’的策略片段作为内部相似性信号,仅在检测到显著偏差时触发重计算。实验在超过 114 种加速器配置和四个策略家族上验证,该方法平均将每次调用的计算量降低 1.55 至 3.09 倍,且在接触丰富的第五类任务中成功维持了预定的性能余量。

    推荐理由:原文提出一种无需训练的扩散策略加速监控器,通过统计偏差而非特征距离来维持闭环成功率。

  9. arXiv · 机器人与计算机视觉78

    FreeSpeed:一种用于生成式机器人策略的免训练速度控制方法

    针对模仿学习策略继承演示速度且测试时修改易导致分布外观测的问题,本文提出 FreeSpeed 模块,无需重新训练即可对预训练策略的动作块进行后处理以调节执行速率。

    推荐理由:提出无需训练的模块,通过动作块的方向不一致性信号自适应调节执行速度,在仿真与真实任务中均保持高成功率。

  10. arXiv · 机器人与计算机视觉83

    RACE:基于可靠动作块扩展的视觉语言动作模型框架

    针对 VLA 模型因频繁调用策略导致的停顿问题,本文分析发现长动作块内的错误集中在操作子技能转换处。为此提出 RACE 框架,利用辅助一步去噪预测切换时机并以此调节动作生成。在仿真基准中,RACE 在更长动作块下成功率优于微调及近期 SOTA;在真实机器人上,使用 4 倍长动作块将空闲时间减少约 5 倍且成功率更高。代码与演示已公开。

    推荐理由:原文分析了长动作块中的错误集中点,提出通过辅助去噪预测切换时机来降低误差。

  11. arXiv · 机器人与计算机视觉78

    无数据集的人形机器人顺应式行走 - 操作:动态在线姿态调整

    OCLO 是一种无需人类运动数据即可训练的人形机器人全身行走与操作系统,仅通过两个末端执行器目标进行指令输入。该系统利用解析可达性先验在线生成骨盆高度和躯干朝向,并通过策略闭环采样优化任务无关成本;同时学习全身顺应性以应对外部负载。

    推荐理由:OCLO 系统无需人类运动数据,通过解析可达性先验与策略闭环采样实现人形机器人全身协调与顺应控制。

  12. arXiv · 机器人与计算机视觉78

    Learning Coordinated Visuomotor Box-Pushing from Solo Demonstrations

    该研究针对无通信、车载去中心化的多机器人模仿学习范式,探索能否利用单人遥操作单机器人的数据来训练大规模协同推箱子任务。实验表明,仅通过被动观察其他运行中的机器人难以获得有效的协调策略,揭示了多机器人研究中数据采集的瓶颈。论文系统调查了数据集创建策略和轻量级架构设计,相关成果已接受在 2026 CoRL 会议展示。

    推荐理由:研究揭示仅靠被动观察单机器人演示难以实现多机协同,为大规模协作任务的数据采集策略提供实证瓶颈。

  13. arXiv · 机器人与计算机视觉78

    FOCUS:面向不确定性感知的半静态场景细粒度开放词汇变化检测

    自主机器人需在长周期运行中更新环境记忆以应对世界变化。本文提出 FOCUS 框架,将半静态记忆维护建模为概率推断,融合几何似然与从 3D 高斯地图渲染的外观似然。

    推荐理由:提出 FOCUS 框架,利用不确定性感知解决半静态场景中的细粒度变化检测问题。

  14. arXiv · 机器人与计算机视觉82

    FLEX-WAM:用于长视界想象与规划的灵活块因果世界动作模型

    arXiv 论文介绍了一种名为 FLEX-WAM 的灵活高效块因果世界动作模型,旨在统一模拟与策略推理。该模型支持可变长度上下文与非因果预测视界,采用轴向注意力与分块扩散机制实现实时生成。

    推荐理由:该工作提出 FLEX-WAM,通过块因果架构与弹性训练解决长视界规划中的响应性问题,在仿真与真实机器人上实现稳定多步生成。

  15. arXiv · 机器人与计算机视觉82

    EvoMem-VLA:用于长程机器人操作的演化记忆视觉语言动作模型

    针对现有 VLA 模型依赖当前观测而丢失历史证据的局限,论文提出 EvoMem-VLA,通过显式编码状态间的变化来构建演化记忆,使策略能追踪任务进度。该方法引入条件 Delta Tokenization 将有序帧对编码为方向性标记,并利用共享 VLM 骨干网络实现任务自适应路由:长程任务走直接动作路线,多阶段任务则生成可执行子任务作为额外输入。

    推荐理由:提出 EvoMem-VLA,通过显式编码状态变化证据解决长程任务记忆缺失问题,在仿真与真实机器人上均优于现有最先进方法。

  16. arXiv · 机器人与计算机视觉83

    TUCO:为 Sim-to-Real 机器人策略共训练 curated 仿真演示

    针对 Sim-to-Real 策略共训练中仿真演示价值挖掘不足及缺乏统一效用度量标准的问题,本文提出 TUCO 方法。该方法利用影响函数追踪源演示对目标域评分回滚的影响,将效应分解为整体贡献与变异性,以此构建闭环基础来衡量轨迹效用和集合覆盖率。

    推荐理由:提出 TUCO 方法,利用影响函数分解轨迹效用并优化仿真演示集,在 RoboMimic 和 OmniReset 上实现 SOTA。

  17. arXiv · 机器人与计算机视觉82

    SAPrune:面向高效 VLA 推理的阶段感知视觉 Token 剪枝框架

    针对视觉语言动作模型(VLA)推理中需处理大量视觉 Token 的问题,本文提出 SAPrune,一种无需训练的视觉 Token 剪枝框架。不同于固定层数剪枝策略,SAPrune 利用小校准集观察跨层的动作到视觉注意力变化,仅在注意力模式可靠时选择剪枝层,并采用双路径规则保护强关注 Token 及有用上下文。

    推荐理由:提出无需训练的 SAPrune 框架,通过观察注意力模式动态选择剪枝层,在 LIBERO 等基准上实现 87.5% 视觉 Token 剪枝与 1.718 倍推理加速。

  18. arXiv · 机器人与计算机视觉78

    ArticuTable:基于单张图像生成实例级交互式刚柔混合 3D 桌面场景

    论文提出 ArticuTable 框架,能够从单张输入图像恢复包含可执行部件级关节运动的刚柔混合 3D 桌面场景布局。该方法通过结合多模态大语言模型引导的关节拟合与语义状态推理(GRAM)从单体代理网格中提取可靠参数,并利用渐进式语义 - 几何场景配准(PSGSR)在度量、平面及输入视图约束下解决姿态尺度歧义。

    推荐理由:提出 ArticuTable 框架,从单图生成可交互的刚柔混合桌面场景并开放百例仿真数据。

  19. arXiv · 机器人与计算机视觉78

    VICON:基于视觉 - 惯性 - 接触的灵巧操作手物追踪框架与数据集发布

    针对灵巧操作中手物交互的遮挡与力觉缺失问题,该研究提出 VICON 框架,通过集成带接触传感的视觉惯性手套与 RGB-D 相机,在无 CAD 模型下融合可见性、力敏电阻测量与手部运动先验来估计物体位姿。

    推荐理由:该工作提出融合视觉、惯性与接触感知的追踪框架,在严重遮挡下显著降低失败帧率并构建同步数据集。

  20. arXiv · 机器人与计算机视觉78

    基于本地恢复监督的视觉运动策略递归自改进框架

    针对视觉运动策略在犯错后缺乏纠正行为的问题,本文提出了一个通过本地恢复监督实现递归自改进的框架。该框架利用离线审计器定位未解决的失败状态并指定可观察的修复目标,由固定的多模态教师代理生成恢复动作以更新策略。

    推荐理由:提出通过本地恢复监督实现视觉运动策略递归自改进的框架,离线审计器与固定多模态教师代理协同生成修正演示。