跳到正文
切换到脑机前沿 ↗

NEWS

资讯

IN FOCUS

重点报道

近期值得关注

哥大李昀烛团队在 IROS 2026 介绍 FlexiTac 触觉传感器开源进展

哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源压阻式柔性触觉传感器平台 FlexiTac 开源一年半后的进展与生态。该传感器采用 FPC 与力敏薄膜层叠结构,组装约需 3 分钟,可弯曲裁剪并适配手套、指尖或机器人皮肤,团队开源了完整 BOM、组装说明和读取数据的软件,并集成进 LeRobot 与 SO-100 机械臂工作流。

雷峰网 · 机器人精选报道

热点榜 ↗

10.19 — 10.25

  1. 01
  2. 02
  3. 03
  4. 04
  5. 05
  6. 06
  7. 07
  8. 08
  9. 09
  10. 10
查看完整榜单 ↗

LATEST

最新资讯

按时间更新
  1. arXiv · cs.RO62

    综述:接触密集机器人任务的安全学习,从经典方法到安全基础模型

    一篇被npj Robotics接收的94页综述系统梳理了接触密集机器人任务的安全学习方法,将其分为安全探索与安全执行两大类。文章回顾了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术,并重点讨论这些安全原则如何延伸到VLM与VLA基础模型,包括语言级约束指定与安全信号多模态落地带来的新机会和放大风险。作者同时列出当前局限与面向复杂接触环境的未来方向。

    推荐理由:综述把接触密集任务的安全学习拆成安全探索与安全执行两类,并讨论这些原则如何延伸到VLM/VLA基础模型。

  1. arXiv · cs.RO63

    EAST:通过数字孪生系统化故障注入测试具身AI安全性

    EAST 是一个数字孪生框架,把有文献依据的安全证据转化为覆盖感知、指令、环境、动作和时序的故障注入测试,并配有专家评审的安全故障分类和八个可执行算子。

    推荐理由:该预印本提出把安全证据转成可执行故障注入测试的数字孪生框架,并给出在六项操作任务上的覆盖与有效性数据。

  1. arXiv · cs.RO71

    枚举引导训练神经 Hamilton-Jacobi 安全证书

    作者提出一种验证引导的训练框架,用安全约束的概率枚举检测前向不变性违规,生成比标准对抗攻击方法更精确刻画失败边界的反例集。用该表示微调预训练的 HJ 值函数,在所有测试基准上得到更大的认证区域并缩短认证时间。作者还基于精炼后的证书设计部署期屏蔽机制,在基于物理的 Isaac Sim 环境和真实自主竞速实验中,相比标称控制器和基于线性二次调节(LQR)的备份策略实现零安全约束违规。

    推荐理由:论文把安全约束枚举用于微调神经 HJ 证书,并在 Isaac Sim 与实车竞速中对比标称控制器和 LQR 备份策略。

  2. arXiv · cs.RO63

    Refuses When Asked, Complies When Acting:为机器人控制循环增加运行时安全检查

    Arnav Grover 的预印本论文指出,GPT-6 Astra 通过 Inspect Robots 框架控制低成本 SO-101 机械臂执行三项危险常识明确的家庭任务时,15 次试验中拒答率为 0%,每次都尝试了危险动作,并在 27% 的试验中完成了危险动作。

    推荐理由:研究用15次试验对比机器人控制循环中的拒答与执行差异,并给出可选的运行时安全检查方案。

已经到底了