跳到正文

内容形态

论文与研究 最新动态

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

更新

精选归档 · 第 87 页

10月7日周三第 1721–1740 条
  1. arXiv · 机器人与计算机视觉78

    基于视觉语言推理的事件驱动型机器人主动协助

    针对协作操作中依赖用户指令的局限,本文提出一种事件驱动的主动协助框架。该框架通过监测工作区状态变化提取前后快照,利用预训练视觉语言模型推断任务上下文并生成可执行的辅助动作序列。实验在三个真实桌面协作任务中验证,无需特定训练或微调即可达到与用户指令版本相当的性能。

    推荐理由:提出事件驱动框架,利用冻结 VLM 在无需微调下实现主动协作辅助。

  2. arXiv · 机器人与计算机视觉78

    Crazyflow:面向空中机器人的大规模退化反馈仿真平台

    该工作介绍了基于 JAX 的可微仿真器 Crazyflow,利用 XLA JIT 编译将物理与控制统一为单一可微计算图,实现加速硬件上的大规模并行化且保持建模精度。系统集成了高保真超宽带(UWB)和惯性测量单元(IMU)模拟管道及全状态扩展卡尔曼滤波(EKF),支持在真实退化状态下对控制器进行大规模并行评估,显著提升了训练速度并服务于下一代空中机器人研究。

    推荐理由:该工作提出基于 JAX 的可微仿真器 Crazyflow,支持大规模并行训练强化学习智能体,并集成了高保真 UWB 与 IMU 模拟及扩展卡尔曼滤波,为空中机器人研究提供基础工具。

  3. arXiv · 机器人与计算机视觉78

    iGPC:面向物体感知的类人机器人交互生成式运动先验框架

    针对非结构化环境下类人机器人需结合全身控制与物体交互的挑战,该研究提出 iGPC 框架,将生成式预训练控制器(GPC)从通用人体动作扩展至具身环境交互。通过引入基于场景线索和特权状态信息的交互专家,学习特定接触行为如抓取支撑物稳定或推移动物体;随后利用车载感知输入驱动学生网络蒸馏这些交互技能。实验表明,大规模生成式人体运动先验为在接触丰富的真实环境中学习可部署的类人机器人交互策略提供了有效基础。

    推荐理由:该工作将生成式人体运动先验扩展至具身交互,通过感知驱动的学生网络蒸馏专家策略,在接触丰富的真实环境中学习可部署的交互策略。

  4. arXiv · 机器人与计算机视觉78

    AutodidactWAM:从生成视频到机器人动作的跨模态自蒸馏研究

    论文发现世界动作模型(如 Cosmos 3)在真实人形机器人上存在视频渲染合理但动作预测失准的问题,原生动作在预抓取、抓取和搬运任务的成功率仅为 17%、10% 和 7%。

    推荐理由:针对世界动作模型在真实机器人上的视频 - 动作不对称问题,提出无需遥操作的自蒸馏方法,显著提升了预抓取与抓取成功率。

  5. arXiv · 机器人与计算机视觉78

    能量感知路径跟踪:电动汽车上强化学习与 NMPC 的比较分析

    该研究针对电动汽车通过再生制动回收能量的特性,对比分析了四种控制器(NMPC、PPO、PID-SF 和 Stanley)在统一运动学模型下的表现。作者使用 JIT 编译的 CasADi 实现 NMPC 以满足实时性要求,并训练 PPO 策略使其能直接迁移到未见的赛道(如 ISO 3888-1 变道、发卡弯及随机参数样条曲线)以及动态单轨车辆模型。

    推荐理由:本文对比了 NMPC 与 PPO 等控制器在电动汽车路径跟踪中的表现,验证了基于强化学习的策略在无微调情况下对动态车辆模型及复杂路况的零样本迁移能力。

  6. arXiv · 机器人与计算机视觉78

    PhysTacGen:一种结合材料感知与几何条件的视觉到光触觉图像生成框架

    针对具身智能中成对视觉 - 触觉数据收集成本高的问题,本文提出 PhysTacGen 框架以合成光触觉图像。

    推荐理由:提出 PhysTacGen 框架,利用强化学习生成材料描述并结合几何先验合成光触觉图像,在 SSVTP 数据集上优于基线且能提升下游力系数预测性能。

  7. arXiv · 机器人与计算机视觉78

    OpenWAM:一种用于组合式世界 - 动作模型的开源框架

    论文介绍 OpenWAM 框架,基于 Wan2.2-5B 在超 10,000 小时视频上进行因果机器人 - 视频预训练,并集成动作专家支持多种生成模式。实验显示该框架在 LIBERO 套件和真实双手任务上取得高成功率;反事实监督将逆动力学模型在测试集上的平均成功率从 47.0% 提升至 84.0%,并将前向动力学的结果识别率从 21.1% 提升至 71.3%。

    推荐理由:该工作提出开源框架 OPENWAM,通过因果预训练与可配置架构统一对比不同交互设计,并验证了反事实数据对动力学模型的提升。

  8. arXiv · 机器人与计算机视觉78

    StairVLA:面向视觉语言动作模型的分层阶段感知动作生成框架

    针对扩散或流匹配动作头在处理去噪轨迹时缺乏阶段感知的不足,该研究提出 StairVLA 框架,利用部分去噪动作作为高层长视界规划与局部精细化的接口。系统采用高层 VLA 进行早期去噪以生成可复用的长时序轨迹,同时由轻量级精炼器高频更新局部动作块。

    推荐理由:该方法通过分层架构复用高层 VLA 计算并保留高频闭环修正,在 LIBERO 基准上提升成功率并降低推理延迟。

  9. arXiv · 机器人与计算机视觉78

    CoRE:通过单一策略学习协作角色专家以实现去中心化协作操作

    论文 CoRE 研究单策略去中心化协作,即所有机器人运行同一策略且无身份标签或互通信。该方法从多任务演示中学习协作角色专家,利用外观与几何信息提供局部交互证据,并通过查询条件交叉注意力实现可适应预测路径。训练阶段使用动作 - 专家对齐损失监督专家选择。在仿真基准中表现最佳,物理实验显示其对伙伴延迟和减速具有鲁棒性。

    推荐理由:该工作提出单策略去中心化协作框架,在仿真与物理实验中均验证了多机器人互补行为的有效性。

  10. arXiv · 机器人与计算机视觉78

    透过位移帧:用于视觉 - 力控精密装配的特权噪声蒸馏

    该论文针对精密装配中位姿误差导致观测与动作坐标系偏移且无法仅凭本体感知识别的问题,提出在训练阶段引入特权教师或重标演示数据以补偿缺失信息的方法。实验显示,该方法在 FORGE 基准测试中,面对 0 至 5 毫米的位姿噪声时成功率维持在 92% 至 99%,显著优于其他基线方法;在 Franka 机器人零样本部署下,面对 5 毫米噪声时的成功率为 83.3%,而最强状态基线仅为 34.4%。

    推荐理由:针对精密装配中的位姿误差问题,提出利用特权噪声蒸馏提升视觉 - 力控策略鲁棒性的方法。

  11. arXiv · 机器人与计算机视觉78

    ESP:一种用于单步多模态动作生成的能量分数策略

    arXiv 预印本论文 ESP 提出了一种无需教师模型的能量分数策略,通过直接映射上下文和噪声到动作块来消除迭代采样带来的推理延迟。该方法使用能量分数而非均方误差训练动作头,在仿真与真实操作任务中展现了具有竞争力的成功率且显著降低了生成延迟。

    推荐理由:提出无需教师的能量分数策略,在仿真与真实操作中实现低延迟的多模态动作生成。

  12. arXiv · 机器人与计算机视觉82

    SMART:基于大规模合成预训练的零样本仿真实物关节物体操作

    针对收集大规模实物关节物体交互演示困难的问题,作者提出 SMART 系统及其核心仿真平台 SMART-Sim。该系统利用代理任务生成与分布式合成技术,构建了包含超过 100 万次演示、覆盖 44 种原子任务类型、5 种机器人配置及 2507 个关节物体的数据集 SMART-Data。

    推荐理由:提出 SMART 系统,通过大规模合成演示实现零样本仿真到现实迁移,提升 VLA 模型在复杂接触任务中的表现。

  13. arXiv · 机器人与计算机视觉78

    OntoPlan:一种基于本体论的场景表示与代理框架用于可扩展机器人任务规划

    针对大语言模型在长程任务中空间上下文捕捉不足及 Token 成本高的问题,该研究提出 OntoPlan 框架。通过构建对齐对象、空间、关系和状态的共享符号词汇表进行本体论 grounded 场景表示,结合选择性信息检索与目标形式化能力,实现指令解释与可执行计划生成。

    推荐理由:该工作提出基于本体论的场景表示与代理框架,在长程任务中显著降低 Token 消耗并提升成功率。

  14. arXiv · 机器人与计算机视觉78

    超越任务奖励:一种用于评估具身依赖能力的控制器限制协议

    针对现有共设计方法仅凭单一任务奖励数值难以区分机器人本体对控制器依赖程度的问题,本文提出通过限制控制器复杂度来测量本体的固有表现力。研究在三个 EvoGym 运动任务上验证了该指标的可信度与解释性,发现几何描述符无法预测其方差,且该能力仅在声明的特定控制器家族下可被解读。

    推荐理由:提出用控制器限制协议评估机器人本体能力,发现任务奖励无法区分依赖控制器的不同形态。

  15. arXiv · 机器人与计算机视觉78

    PhysLDM:面向高保真可变形仿真的潜空间扩散方法

    PhysLDM 是首个针对体形可变形动力学的潜空间自编码器与扩散范式。该方法通过整体时空 VAE 避免标准压缩的阶梯伪影,在米级场景中实现约 2.48 毫米的重建精度和高达 78 倍的 Token 压缩率。

    推荐理由:PhysLDM 提出首个基于潜空间扩散的高保真体形变形仿真范式,在米级场景中实现约 2.48 毫米重建精度,并证明扩散模型比确定性回归更适合处理混沌动力学。

  16. arXiv · 机器人与计算机视觉85

    GaugeBench:揭示机器人描述变更对策略表示鲁棒性的影响

    论文提出 GaugeBench 基准,验证了固定机制下仅改变物理等价的描述(如关节轴方向)会导致 MetaMorph 等策略性能从 4030.6 骤降至 51.6。研究发现轴反转是主要破坏因素,而跨形态评估需同时测试机制与表示鲁棒性;通过跨等价约定训练可将轴反转下的保留回报率从 3.6% 提升至 80.6%。

    推荐理由:该研究通过 GaugeBench 揭示了机器人描述变更对策略鲁棒性的毁灭性影响,并提出了跨形态评估与训练方案。

  17. arXiv · 机器人与计算机视觉78

    AIMS:一种可扩展的新视角渲染框架

    针对 Transformer 方法在处理大量输入视图时计算量激增的问题,本文提出了 Anchor-Integrated Multi-View Synthesis (AIMS) 框架。

    推荐理由:提出锚点集成多视角合成框架,在保持全局预算固定的同时融合大量观测数据,显著提升了渲染质量与效率。

  18. arXiv · 机器人与计算机视觉78

    Seeing the Invisible:面向温度与辐射感知的物理引导视觉提示 VLA 导航方法

    针对安全关键设施中 RGB 相机无法检测的辐射或高温风险,作者提出无需重新训练即可复用的 Physics-Guided Visual Prompting(PG-VP)模块。

    推荐理由:提出无需重训的视觉提示模块,利用虚拟障碍物引导 VLA 模型规避辐射与高温风险。

  19. arXiv · 机器人与计算机视觉82

    ReDex:通过手指级顺应性交互修复仿真到现实的灵巧操作策略

    针对仿真训练的灵巧操作策略在真实世界因接触时序和力调节误差而失效的问题,本文提出 ReDex 框架。该框架允许人类操作员在真实部署中,对选定手指进行物理修正以纠正接触失败,同时保留基座策略控制其余手指。

    推荐理由:提出 ReDex 框架,通过人机协作修正接触失败并引入触觉反馈,将物体翻转成功率从 14% 提升至 86%,为仿真策略迁移提供新路径。