基于在线约束优化的间接自适应鲁棒控制:面向未知摩擦的自动驾驶车辆
该论文针对自动驾驶车辆在未知摩擦条件下的控制难题,提出了一种结合优化规划与间接自适应鲁棒控制(IARC)的双层框架。上层通过求解带约束的最优控制问题生成满足所有约束的时间最优可行轨迹;下层利用 IARC 在线估计与摩擦相关的未知参数,并结合模型补偿与鲁棒反馈确保瞬态和稳态跟踪性能。
推荐理由:提出结合优化规划与间接自适应鲁棒控制的双层框架,解决未知摩擦下的车辆轨迹跟踪问题。
内容形态
四领域论文、技术报告与研究解释,明确预印本、投稿、接收和出版状态。
1,994 条精选近 30 天 1,302 条共收录 10,555 条
该论文针对自动驾驶车辆在未知摩擦条件下的控制难题,提出了一种结合优化规划与间接自适应鲁棒控制(IARC)的双层框架。上层通过求解带约束的最优控制问题生成满足所有约束的时间最优可行轨迹;下层利用 IARC 在线估计与摩擦相关的未知参数,并结合模型补偿与鲁棒反馈确保瞬态和稳态跟踪性能。
推荐理由:提出结合优化规划与间接自适应鲁棒控制的双层框架,解决未知摩擦下的车辆轨迹跟踪问题。
该研究质疑预训练视觉模型中“线性表征假设”的有效性,指出仅凭线性探针的高准确率无法区分真正的线性世界模型与核机器(curved manifold)。作者提出反向预测性、谱浓度和分布外泛化三种不对称诊断方法,在 SVG-World 等基准上验证了预训练产生的结构介于随机核与线性世界模型之间。
推荐理由:文章指出线性探针高准确率不代表存在线性世界模型,提出反向预测性等三种诊断方法区分几何结构。
FlexPart 是一个统一的文本控制 3D 网格分割框架,旨在解决多粒度训练数据缺失和整体控制机制缺位的问题。该方法引入包含位置与形状从句的语义提示词,利用自动化 VLM 流水线构建大规模多粒度分区数据集,并在原生 3D 空间生成视图无关的部件身份场。
推荐理由:该工作提出统一框架,利用自动化 VLM 流水线构建多粒度数据集,实现文本控制的语义感知 3D 分割。
论文介绍 CoreDNA,这是一种无需代理模型训练或大量标注的无监督核心集估计方法。该方法通过池化视觉基础模型的神经元激活值,将每张图片的分布与数据集整体分布进行比较,从而同时捕捉低层视觉结构和高层语义信息。
推荐理由:提出 CoreDNA 无监督任务无关核心集选择方法,在感知与动作多任务上匹配或超越现有水平。
针对复杂环境中四旋翼同时应对密集静态障碍物和移动障碍物的挑战,本文提出 TransNav 方法。该方法采用基于 patch 的点云编码方案融合局部特征与全局上下文,将感知与导航集成于单一架构并直接预测有限时域的动作序列。
推荐理由:提出基于 Transformer 的端到端导航方法,结合点云编码与无监督学习策略,在静态及动态环境中实现四旋翼避障。
论文提出 Hindsight Inverse JEPA Planning (HIJP) 框架,旨在解决基于世界模型的视觉规划需进行昂贵在线搜索的问题。该方法通过引入目标条件逆模型直接预测动作,并在训练阶段利用回顾性重标记策略塑造视觉表征与动作转换的一致性。
推荐理由:提出 HIJP 框架,通过隐式逆动力学替代在线搜索实现无搜索规划,在四项视觉控制任务中成功率达 86.8% 且速度提升显著。
该研究指出视觉语言模型评估中常将‘提及’等同于‘声称存在’,导致对非断言性描述(如‘供人坐的长椅’)产生误判。作者提出 NAME-Bench 基准,包含五款 VLM 生成的两万五千余条标注数据,区分了具体、幻觉与非断言提及四类标签。实验显示现有检测器将 14% 至 80% 的非断言提及错误标记为幻觉,且在较新模型上通过负样本训练进行修正的难度显著增加。
推荐理由:NAME-Bench 基准揭示当前幻觉检测器将非断言性提及误判为幻觉,且在新模型上修正代价高昂。
针对作物管理中水亏缺胁迫检测缺乏合适公共数据集的问题,作者发布了 ADA 2025 数据集。该数据集包含超过 500 GB 的幼龄糖甜菜数据,涵盖健康与缺水胁迫状态,整合了热成像、高光谱、RGB 及深度图像,并附带环境元数据和相对含水量、叶片厚度等真值。材料展示了数据集在区分胁迫与健康植株方面的有效性,相关代码与数据已公开。
推荐理由:公开了包含热成像、高光谱等多模态数据的甜菜缺水胁迫数据集,填补该领域公开数据稀缺的空白。
该论文研究如何利用异构双臂系统(配备吸盘和平行夹爪)协同完成单一末端执行器难以胜任的复杂操作任务。作者提出了一种感知驱动的规划框架,将执行过程建模为有限时域优化问题,在每一阶段动态决策单臂操作或双臂协作交接,并联合推理抓握可行性、运动约束及跨抓爪兼容性。实验基于双 Franka FR3 平台进行,结果表明该方法显著提升了原本无法通过单抓爪执行的任务的可行性和可靠性。
推荐理由:原文提出了一种针对异构双臂操作的感知驱动规划方法,通过联合优化臂轨迹分配与抓握切换策略,在双 Franka 平台上验证了其在复杂任务中的可行性提升。
当前视频世界模型的内存测试常将场景设置、动作执行与结果展示混为一谈,导致低分被误读为遗忘。本文提出 MIST 评测,分离变化指令与应留下的记忆痕迹,定位到模型能设景却无法执行指令的瓶颈。
推荐理由:提出 MIST 评测与 M3-Agent 方法,从执行侧诊断视频世界模型的记忆失效瓶颈并提升基准。
该研究针对现有方法在多任务联合训练中易受数据混合影响且存在跨任务干扰的问题,提出 ReVision 框架。该方法基于冻结的多模态理解模型和冻结的图像生成器,利用指令条件参数生成机制,将图像与自由形式指令编码为多模态表示,并映射为生成器的瞬态低秩更新。
推荐理由:提出基于冻结生成器的指令条件参数生成框架,通过实例级低秩更新解决多任务感知中的梯度冲突与干扰问题。
针对动态环境下单目同时定位与建图(SLAM)的挑战,本文提出 FLoTS-SLAM 系统。该方法通过计算光流与相机运动诱导的光流之间的残差来直接估计动态区域的不确定性,结合帧对齐精度减少误检。
推荐理由:提出基于光流残差直接估计动态区域的方法,在 DAVIS 数据集上动态掩码 IoU 提升 35%,显著降低姿态与深度重建误差。
Ayush Deshmukh 等人提出了一种结合传感器对齐、触觉校准及新型域随机化的框架,在 Shadow Dexterous Hand Lite 上实现了无需视觉的连续拨珠旋转。物理实验完成单次连续 225 次(112.5 圈)180°旋转,速度约 0.36 转/秒,刷新了该任务的硬件基准并明确了触觉感知的关键区域贡献。
推荐理由:该研究在 Shadow Dexterous Hand Lite 上实现了无需视觉的连续拨珠旋转,验证了触觉校准与仿真域随机化对跨越 Sim-to-Real 鸿沟的有效性。
该论文提出 Momentum 方法,通过参考相机阵列构建同步视频作为场景动态共享记忆,利用图结构在相邻设备间传播生成以协调时空一致性。WorldUpdate 阶段生成全局动态记忆,WorldInteract 阶段将目标相机控制锚定于此记忆,确保移出视野的动态内容(如车辆、行人)能保持状态并在重入时一致呈现。
推荐理由:原文提出了利用多机位视频记忆与图传播机制解决动态场景一致性的方法,并提供了 CARLA 数据捕获流程与评估框架。
arXiv 发布了一篇关于 LithoWorld 的研究论文,该工作提出了一种基于扫描电子显微镜(SEM)图像的终点世界模型,旨在解决光刻工艺漂移导致的图案不合格问题。
推荐理由:该预印本提出利用 SEM 图像进行光刻工艺窗口恢复的世界模型,在测试集上取得优于基线的方法性能。
针对开源图文生成模型在处理密集文本和复杂版式上的不足,该研究提出了 MOSS-Image 系统。该系统通过从头预训练的 5B 参数单流扩散 Transformer(DiT)实现了双语长文本渲染与精确的版式控制,并开发了意图感知代理提示增强模块以将用户请求转化为详细的内容与布局规范。
推荐理由:开源图文生成系统 MOSS-Image 在长文本渲染与复杂布局控制上达到开源模型最优,并同步开放训练配方与评测基准。
针对机器人记忆系统仅凭成功率无法验证任务相关事实有效性的问题,本文提出了干预式记忆评估协议(IMEP)。研究在检索接口对比了目标事实替换与事实保留替换的效果,并引入 ChainBench 基准测试历史信息的必要性。实验显示,跨集学习库中特定干预改变了 11.9% 的结果,而完整记忆配置将任务成功率从 39.1% 提升至 74.3%,证实了正确历史信息对决策的支持作用。
推荐理由:提出 IMEP 协议与 ChainBench,证明记忆系统需通过事实特异性干预评估而非仅看成功率。
论文提出了 LAW 框架,通过语义子任务进度将语言推理、动作生成和世界建模统一起来。其混合专家视觉语言模型负责规划剩余子任务并融合世界动作模型的提议,同时异步评估执行状态;世界动作模型利用 Transformer 专家混合架构进行视频与动作联合建模。
推荐理由:该工作提出 LAW 框架,在 RoboTwin 基准上达到 95.56% 成功率并开源 OpenWAM-alpha,展示了语言推理、动作生成与世界建模的统一路径。
该材料介绍了 Xiaomi-Lens-0,这是一个基于 Qwen3.5 构建的 4B 参数多模态大语言模型(MLLM)。针对现有文本监督无法指定支持答案区域的痛点,该模型通过轻量级解码器结合视觉编码器补丁特征与视觉潜变量,直接从自身视觉表示中预测掩码。
推荐理由:该报告介绍了一个基于 Qwen3.5 的 4B 参数多模态大语言模型,通过轻量级解码器实现掩码预测,在指代理解与分割任务上优于基线。
该技术报告介绍了 LY-GWM-RoboCasa-Human300 策略,该策略结合了经 Human300 微调的 GR00T-N1.5 动作生成器、动作条件化的图动力学模型以及学习到的二元状态奖励评分器。
推荐理由:该报告提出结合人类动作微调与图动力学模型的预测引导策略,在 RoboCasa 基准上实现了优于历史基线的成功率提升。