开源仿真框架将 WiFi-CSI 运动感知接入 Gazebo 多机器人系统
研究团队发布开源仿真框架，把 WiFi Sensor for Robotics（WSR）的 WiFi-CSI 感知流程集成进机器人仿真器 Gazebo，用于多机器人系统的运动诱导感知。
NEWS / 动态
#感知与规划
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.ROAI 评分5555 arXiv · cs.RO精选AI 评分6262 I Won't Know Until I Try：面向长程操作的交互式信息获取规划框架
Linfei Yuan 与 Rachel Holladay 提出一个任务与运动规划（TAMP）框架，将任务导向的交互式信息获取与规划执行交错结合。该框架基于 PDDLStream 乐观地规划交互动作，在执行中验证结果，并保留仍适用的动作、只重规划继续执行所需的连接。
推荐理由：论文把交互式信息获取动作纳入TAMP规划，并在执行中验证结果、保留可用动作重规划，为长程操作的不确定性提供可迁移方法。
arXiv · cs.ROAI 评分5858 TrajMamba：基于RGB-D与双向Mamba的移动机器人实时人体轨迹预测
作者提出TrajMamba，一个基于RGB-D相机、用堆叠双向Mamba块编码髋中心速度并用GRU头解码未来速度的轻量人体短期轨迹预测模型，参数量262K。该模型对训练与部署采用单一共享处理路径，以对齐人体姿态提取、深度反投影和平滑过程，缩小训练与部署的输入分布差距。
arXiv · cs.ROAI 评分5858 多无人机室内受限空间探索的Sybil攻击防御研究
研究提出面向多无人机室内与受限空间协同探索的Sybil攻击防御方案，仅依赖无人机自身传感器与地图，无需额外安全基础设施。作者设置五类攻击者（含封堵楼层开口者）和五级防御，在仿真中覆盖七类共70张地图；无防御时一台被攻陷无人机平均使最多25%的地图未被探索（办公室场景达45%），封堵楼层攻击者使三层建筑探索率降至82.3%、最差地图降至34.6%。
arXiv · cs.RO精选AI 评分8080 Scan2Instruction与PRPT-KS：一次扫描实现语言引导导航的无示范适配
研究提出Scan2Instruction与PRPT-KS，用一次简短的iPhone扫描替代人工示范，完成语言引导导航策略在新场景的适配。Scan2Instruction把扫描结果编译成完整训练环境并自动合成带指令的可执行导航片段，PRPT-KS则直接从重建场景读取闭式Pareto效用更新策略，无需学习型critic和人工标注。
推荐理由：论文用一次手机扫描替代现场遥操作采集示范，为语言引导导航策略的场景适配提供了可比较的实机成功率数据。
arXiv · cs.ROAI 评分2222 基于OWL函数的相机运动下运动物体分割框架
研究提出一种基于OWL感知函数的解析框架，用于在单相机运动过程中分割多个独立运动的刚体。OWL将感知looming L与感知旋转ω编码为相对3D结构的闭式表示，据此可从L和ω逐像素解析恢复相对平移单位方向t̂，同一非旋转刚体上的点共享相同t̂，聚类逐点t̂估计即可分割场景。该方法用四元数在3D中推导，具备并行性与相机旋转不变性，无需训练数据、深度信息或语义先验。
arXiv · cs.ROAI 评分5555 RoboReason 提出面向机器人 VLM 推理的可扩展数据生成方法
RoboReason 提出用真实机器人立体相机与腕部相机图像构造三类排序任务来评估 VLM 的视觉推理能力，包括按任务描述排序打乱帧、按距相机远近排序物体和按像素坐标从左到右排序物体，任务复杂度可通过调整待排序集合大小调节。
arXiv · cs.ROAI 评分3838 C-DFF：面向自动驾驶感知仿真验证的机制一致性概念级诊断方法
研究者提出概念级机制一致性诊断方法C-DFF，用于成对真实-合成图像评估，在KITTI与Virtual KITTI 2的2126对匹配样本上对三个冻结被测系统（转向回归、YOLOP可行驶区域、YOLOP车道线）进行测试。该方法从被测系统提取决定性证据并投影到共享语义概念空间，输出机制一致性得分及概念偏移诊断，可区分不同被测系统。结果表明任务输出一致本身并不能证明机制一致。
arXiv · cs.ROAI 评分5858 基于机器人轮胎-地面交互的地面摩擦评估
研究让一台滑移转向机器人在五种摩擦特性不同的地面上按设计的速度曲线行驶，通过反复加速和反向诱发轮滑，比较惯性传感估计的车体速度与轮式里程计速度。响应延迟测量呈现与地面相关的稳定趋势，肥皂上延迟最长、地毯上最短；频谱特征在记录级交叉验证下取得97.1%的平衡分类准确率。作者认为轮体速度失配的幅值和频域特征都包含轮胎-地面交互信息，可用于地面识别和滑移感知的轮式里程计加权。
arXiv · cs.RO精选AI 评分7878 Open-World Law-to-Action：用视觉语言先验与触觉推断隐藏物理
Mohamed A. Mabrok 提出 Open-World Law-to-Action（L2A），由视觉语言模型为每个可动部件提出运动方式、运动定律项和可能的锁定因素，再以带下限的先验形式交给触觉在线修正。
推荐理由：论文把视觉语言先验与触觉在线辨识结合，给出仿真中未见场景的任务完成率对比，可用于了解开放世界操作中的物理推断思路。
arXiv · cs.ROAI 评分4545 SHAPE：基于能量的平直端口哈密顿机械系统故障检测与隔离框架
研究提出基于能量的SHAPE框架，利用端口哈密顿变量与微分平坦性从规划运动生成标称功率参考，无需专用动态观测器即可构造机械端口功率残差。在模型预测控制下的仿真六自由度Kinova机械臂上，SHAPE-CWT对执行器失效、异常摩擦和振动等单一故障的平均分类准确率为84.69%，扭矩残差为81.67%，广义动量观测器为97.17%。
arXiv · cs.ROAI 评分5858 HARP：面向多无人机交接中主动目标获取的交接感知恢复规划
HARP 是一种交接感知恢复规划器，用于多无人机连续空中跟踪交接时让接收方主动获取可用视角。它把发送方的有界预测注册到接收方局部地图，区分视场失败与物理遮挡，并生成针对失败类型的偏航、平移和视差视角，候选动作需通过接收方间隙、发送方基准可观测性、发送方与目标可见性保护、时间有效性和截止时间检查。
arXiv · cs.RO精选AI 评分6767 面向内存受限机器人的稠密地图记忆感知关键帧管理
Huichang Yun 等人提出一种面向内存受限机器人的稠密地图关键帧管理方法，直接约束常驻地图占用的内存，并按建筑中的房间与走廊等语义空间单元准入和释放关键帧。
推荐理由：论文把稠密地图的内存占用改为直接按字节约束，并以房间走廊为单元准入关键帧，为内存受限机器人上模型与地图共存提供可迁移方法。
arXiv · cs.RO精选AI 评分7171 MOON：为视觉语言导航策略学习何时遗忘与如何恢复
MOON提出一种框架，为冻结的视觉语言导航策略加装两个轻量模块，参数量增加不到1%，用于在偏离路线时判断何时清空历史并学习如何恢复。作者称在R2R-CE和RxR-CE上，MOON取得对比方法中最高的R2R-CE成功率，并把冻结基线的成功率分别提升5.2和6.0个百分点；随机触发消融显示增益取决于清空历史的时机。
推荐理由：论文用冻结策略加两个轻量模块处理导航偏离后的历史清理时机，并给出R2R-CE与RxR-CE上的对比结果。
arXiv · cs.RO精选AI 评分7171 ReSight：面向具身智能体的任务驱动自改进记忆系统
ReSight 是一个面向具身智能体的任务驱动自改进记忆系统，保留关键帧及其时空关联，并把观测证据与可扩展派生字段分离，以便按新需求重新处理历史观测。系统由执行智能体和编码智能体通过不同接口共享记忆，前者在有限在线预算内调用已注册工具，后者在可编程工作区中以更大探索预算检查证据、编写程序并按需获取模型。
推荐理由：论文提出面向具身智能体的任务驱动自改进记忆系统，并给出在三个公开基准上的量化对比，可供关注机器人长时记忆与工具调用的人参考。
arXiv · cs.ROAI 评分5858 SCET-CBF：面向单步动态导航的速度校准软引导方法
Xiaoyu Han与Dongkun Han提出SCET-CBF，一种用于单步动态导航的速度校准软引导律，通过短横向逃逸机动给出允许接近速度，并让二次规划在选加速度与转向时权衡制动的两种效应。
arXiv · cs.ROAI 评分2222 基于契约的智能体系统工程：以商运算实现可保障的系统设计
研究提出将SysML v2需求视为假设/保证契约，把系统需求在固定邻域上分解后，开放组件的需求即契约商，且仍为SysML v2需求。作者以SysML v2模型构建需求及其推导、分配、满足与验证，并据此计算商。案例将仿真仓库机器人局部控制器在契约商需求、仅任务需求和自然语言任务三种条件下交给同一语言模型，按真实系统需求在实时回合中评分交付表现。
arXiv · cs.ROAI 评分4848 TinyFlow：面向边缘光流的无warp迭代细化网络
TinyFlow是一个1.26M参数的无warp光流网络，用固定窗口相关替代依赖当前光流的特征重采样，使整个网络可编译为单一静态INT8图。在MPI-Sintel上，量化感知微调、warp教师蒸馏与模型汤把Float32到INT8的精度损失压到0.2 EPE以内，INT8模型在Sintel Clean/Final上取得6.29/7.13 EPE。
arXiv · cs.ROAI 评分5858 NDD：面向拥挤环境的无死锁安全导航神经形态决策动力学
作者提出神经形态决策动力学（NDD），一种分散式、基于事件的控制器，用于拥挤环境中的安全导航，无需通信、预设优先级或邻居目标模型。论文推导了传感范围、反馈增益、响应时间尺度和执行限制上的显式条件，保证有限异构智能体群体在有限时间内避碰并形成通行顺序，无死锁或活锁。大规模仿真、与现有方法的比较及硬件实验展示了该方法在复杂拥挤场景中的表现。
arXiv · cs.ROAI 评分3434 基于因果的方法解释并从自我扩展中学习：综述
综述聚焦自主机器人缺乏对感知与行动原因的内部理解，指出仅靠深度学习无法弥合这一差距，需要基于深层推理的底层架构。该架构应让机器人生成解释，说明自身动作、计划失败或感知异常的原因，并在与人共享验证后纳入知识库以改进未来行为。文章考察具备自我意识、自我进化能力的机器人如何向人类提供解释以提升功能能力并获取信任。
arXiv · cs.RO精选AI 评分6060 模块化感知-预测-规划流水线实现可解释避撞与可行性保证
研究提出一种模块化感知-预测-规划流水线，将不确定性以结构化、可解释的量在模块间传递，在上游消解碰撞概率并构造凸安全集，使规划器每个周期都能给出有保证的可行解。
推荐理由：论文把碰撞概率与求解可行性解耦，并给出蒙特卡洛对比和 Jackal 实机部署，可供规划器设计参考。
arXiv · cs.RO精选AI 评分6363 B-Adapt与BVSLAM：用自适应多曝光包围提升视觉SLAM鲁棒性
作者提出B-Adapt与BVSLAM两种方法，用于缓解快速光照变化导致视觉SLAM图像饱和、跟踪丢失的问题。B-Adapt采集自适应曝光包围以覆盖场景动态范围并保持光度重叠，BVSLAM直接把多曝光序列作为因子图状态估计的约束，不依赖HDR合成。
推荐理由：论文把自适应曝光包围与多曝光因子图估计结合，在隧道出口光照突变场景给出误差对比，可供视觉SLAM鲁棒性研究参考。
arXiv · cs.RO精选AI 评分6767 GEMS：结合持久 3DGS 地图与智能体推理的长期时空记忆框架
GEMS 提出一种面向半静态环境的长期时空记忆框架，将持久 3D 高斯泼溅（3DGS）地图与智能体推理流程结合，地图只重建一次，之后仅在场景变化区域更新并保存这些修改。
推荐理由：论文把持久 3DGS 地图与智能体推理结合，并配套 GEMS-Bench，可用于比较机器人长期时空记忆方案。
arXiv · cs.RO精选AI 评分6363 OCT引导的软组织几何建模：面向数据驱动闭环形状控制的三维表征
研究提出一种由OCT引导、从用户示范学习并用闭环OCT反馈执行的软组织形状控制框架，比较全容积、组织掩膜稀疏容积和体素化点云三种表征，以及确定性Explicit策略与生成式Diffusion策略。
推荐理由：论文比较三种OCT三维表征与两类策略在软组织形状控制中的表现，并给出体模与离体组织的误差数据。
arXiv · cs.ROAI 评分5858 LRIO：面向地下环境的去中心化雷达-激光-惯性里程计
作者提出去中心化 LiDAR-Radar-Inertial Odometry（LRIO）框架，融合激光、FMCW 雷达与惯性传感，用于 GPS 拒止且受烟雾、粉尘影响的地下环境位姿估计。
arXiv · cs.ROAI 评分5858 AWARE：仅靠外部摄像头预测机器人动力学并识别异常的框架
AWARE 是一个世界模型框架，仅通过外部摄像头监测、估计系统动力学并预测状态来实现异常检测，无需电机编码器等机载传感器。研究在240条真实机器人起重机轨迹上评估，涵盖负载碰撞与电机退化，在噪声条件下仅用摄像头做状态估计时，异常分类比最强基线提升26%。推断出的动力学参数还可解码用于定位故障来源，识别退化电机的准确率为88%。
arXiv · cs.ROAI 评分3838 面向纯视觉自动驾驶车辆的鲁棒无偏移车道保持控制框架
研究提出面向纯视觉自动驾驶车辆的鲁棒无偏移模型预测控制（OF-MPC）框架，用于高速大曲率弯道下的车道保持。数值仿真显示，基于插值管约束迭代线性二次调节器（itube-CILQR）的求解器平均计算时间低于5 ms，优于IPOPT和OSQP求解器。该算法随后在仿真环境的视觉车道保持实验中控制车辆，并用OF-MPC框架量化多任务UNet在训练未见交通场景中的感知不确定性。
arXiv · cs.ROAI 评分5656 AF-MCL：仅用四个机载测距传感器的室内无人机定位
作者提出增强滤波蒙特卡洛定位（AF-MCL），仅用四个单点测距传感器和实测航向实现室内无人机二维定位。方法会剔除与已知静态地图不一致的测距值，并自适应注入粒子以从定位发散和绑架问题中恢复，束分类只在上一位置估计处进行，使射线投射开销与粒子数无关。
arXiv · cs.RO精选AI 评分6363 Natural-Language to Nav2：面向代价地图导航的自然语言策略接口
论文提出面向 ROS 2 Nav2 的自然语言策略接口，由本地大语言模型把操作员指令转成 JSON 策略，指定目的地、空间约束和时间或事件条件，再经确定性检查与三个代价地图适配器接入现有导航栈，不改动规划器与控制器。
推荐理由：论文给出自然语言到 Nav2 策略的接口与验证数据，可供比较语言指令如何接入现有导航栈。
arXiv · cs.RO精选AI 评分6060 OWLS：面向零样本漫游车导航的开放世界语言条件速度场
作者提出 OWLS（开放世界语言条件速度场），直接在一张单目图像的视觉语言模型稠密特征图上规划，无需任务训练、地形标注或持久地图。方法用可通行地形描述提示视觉语言模型为每个像素打分，将分数投影到地面并经两次形态学操作适配平台，作为最小时间规划器的速度场，使地形外观与障碍间距共同塑造轨迹。作者在室内与越野的实体漫游车、200 个程序生成地形上的仿真火星与月球漫游车以及真实行星影像上进行了评估。
推荐理由：论文把开放词汇视觉语言模型的逐像素地形评分接入最小时间规划器，为无地图、仅靠单目相机的越野导航提供了一条可迁移思路。
arXiv · cs.RO精选AI 评分6060 HGWM：用图匹配实现零样本目标导航的分层图引导世界模型
I-Tak Ieong与Hao Tang提出HGWM，一种分层图引导世界模型，通过类别条件房间-锚点先验与持久空间语义记忆完成零样本目标导航。粗阶段用视觉语言模型给候选朝向打分，细阶段将观测到的物体与关系同目标先验显式比对，再按阶段融合语言模型建议引导局部导航。
推荐理由：论文给出分层图引导世界模型在HM3D与MP3D上的零样本目标导航结果，并列出各组件消融幅度，便于比较导航方法。
arXiv · cs.ROAI 评分5656 GTB：面向非线性与黑箱动力学的轨迹束图运动规划方法
作者提出轨迹束图（GTB）方法，用于非线性、黑箱动力学系统的运动规划，将采样运动规划、轨迹优化与图搜索结合。GTB 基于工作空间的凸集图分解，迭代构建轨迹束图以刻画各顶点处的局部动力学，并在图上求解最短路，得到在极限下满足系统动力学及碰撞规避等约束的迭代解。作者称该方法可处理高度非线性、不稳定甚至黑箱动力学以及复杂碰撞与规格约束。
北京通用人工智能研究院AI 评分5858 ReSPIRe：面向未知环境机器人概率搜索与跟踪的可复用信念树搜索
北京通用人工智能研究院等作者提出 ReSPIRe，一种用于未知杂乱环境下目标搜索与跟踪（SAT）的信息化轨迹规划方法，论文发表于 IEEE Transactions on Systems Man and Cybernetics-Systems 第 56 卷第 2 期。
arXiv · cs.ROAI 评分4141 面向城市峡谷紧耦合GNSS/IMU的增量平滑ARAIM保护级方法
该研究将ARAIM解分离与保护级计算建立在紧耦合GNSS/IMU因子图优化的后验上，利用当前状态边缘化与Woodbury更新计算无故障、单星、星座级和二阶故障假设下的保护级，无需重复全状态求逆或图重优化。
arXiv · cs.RO精选AI 评分6060 研究用稀疏自编码器解读 OpenVLA 的成功与失败模式
研究显示 OpenVLA 激活的稀疏自编码器（SAE）表征含有结果预测信息，可在机器人进入不可恢复状态前预测任务失败。作者还找出与成功或失败特定阶段相关的单个 SAE 特征，通过定位这些特征激活显著变化的时间区间来归纳重复出现的行为模式，并构建基于 VLM 的解释流程生成行为描述，在留出区间上验证其与特征激活的对应关系。
推荐理由：研究用稀疏自编码器解读 OpenVLA 激活，把失败预测与可解释行为模式联系起来，为诊断机器人策略提供一种可迁移的分析路径。
arXiv · cs.RO精选AI 评分7171 TravSUITE：自监督不确定性感知IRL与地形估计的可通行性系统
TravSUITE 是一个面向越野高速导航的可通行性系统，由利用视觉基础模型构建几何语义局部地图的体素建图器，以及联合预测 BEV 几何、语义、速度与代价的统一神经网络组成。
推荐理由：论文给出无标注自监督的可通行性系统，消融显示代价学习与辅助修复各自贡献规划质量，并附实机风险适配实验。
北京通用人工智能研究院精选AI 评分6363 北京通用人工智能研究院提出TacEP触觉引导定位框架，用于高精度机器人轴孔装配
北京通用人工智能研究院团队提出触觉引导探索与定位框架TacEP，将单目视觉估计与基于视觉触觉传感器的高分辨率实时探索结合，用于机器人轴孔装配中的目标孔位精确定位。
推荐理由：论文给出视觉与触觉融合的孔位定位框架，并在实机上用五类连接件测试，可作为高精度装配的对照参考。
arXiv · cs.ROAI 评分4848 CEMIR 与 FISER 对比研究：基于推理与基于增强的语用意图识别方法
一项对比诊断研究在 HandMeThat v2 基准上评测了结构化社交与具身推理框架 FISER 与多模态增强方法 CEMIR，覆盖从 Qwen2.5-Omni-3B 到 GPT-5 的四款大模型。经多重比较校正的统计分析显示，两者在全部十六组模型与难度组合上均无统计显著差异，针对性消融亦如此，性能主要与骨干模型能力和歧义固有难度相关。
arXiv · cs.ROAI 评分4040 高斯过程回归中的输入偏差校正
提出偏差感知高斯过程（Ba-GP）框架，利用已记录GP后验均值梯度将估计的输入偏差与噪声传播为均值与协方差修正，并借助加性协方差结构实现数值高效的一阶校正算法。仿真研究与室内光照强度建图实验显示，Ba-GP相对噪声输入GP基线提升了预测精度与不确定性校准，计算成本比完整GP重训练低一个数量级。
arXiv · cs.ROAI 评分5858 Move, don't think：低分辨率近距传感器提升人形机器人避碰学习样本效率
论文研究以全身近距传感器作为归纳偏置，学习反射式避碰行为，并在强化学习环境中比较八种候选表征，包括隐空间压缩、未来接触预判、有损退化和特权状态估计。作者在刻意受限的样本与算力预算下端到端训练超过200台人形机器人玩简化版躲避球，发现低分辨率有损传感器比高分辨率全覆盖是更强的偏置，而预判接触发生的时间与部位反而降低了学习样本效率。该工作为预印本，结论基于仿真训练环境。