ScheNav：示意地图引导的目标物体导航框架
ScheNav 是一个示意地图引导的闭环具身导航框架，通过 SchemaField 空间模块把粗略示意引导与累积观测融合，预测空间价值场并据此做探索和停止决策。
推荐理由：论文给出从2D平面图生成导航训练环境的数据管线与闭环框架，可用于比较示意地图引导的导航方法。
NEWS / 动态
#具身智能
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.RO精选AI 评分6767 arXiv · cs.ROAI 评分5858 DSGN：面向多机器人监视与围堵的双流门控网络
DSGN 是面向多机器人同时监视与围堵（SSC）问题的双流门控网络架构，将监视与围堵拆分为专门的表示流，并通过上下文感知门控机制协调两者。作者称概率先验进一步正则化门控过程，减少模糊的中间决策，在恒定密度跨规模设置下保持任务效果与可扩展性；消融和分阶段评估显示动态门控与概率先验在纯监视和任务切换场景中支持模式切换。源代码已发布于 https://github.com/zuozysama/DSGN。
arXiv · cs.ROAI 评分5858 面向动态环境自适应群体感知的轻量变化检测方法
该论文研究动态环境下的群体机器人集体感知，提出将轻量变化检测机制集成到贝叶斯集体决策框架中，在检测到分布偏移时重置机器人信念。该检测器只需常数内存和常数单样本计算量，而两篇近期对比方法需存储完整样本流，因此更适合内存受限的机器人。
arXiv · cs.ROAI 评分5858 BEHAVIOR-Spatial基准发布：评估机器人空间理解与VLA行为
研究团队提出BEHAVIOR-Spatial基准，基于BEHAVIOR-1K测量空间问答、点目标定位与机器人动作，考察VLM空间理解与VLA行为的关系。基准包含49项活动的3256个空间问题、14项操作任务的1240个定位查询，以及覆盖这14项操作任务和10项导航任务的动作评估。
arXiv · cs.ROAI 评分5353 研究在仿真肌肉骨骼系统中比较双臂机器人控制的功能特化学习
研究在双通信循环控制器的仿真肌肉骨骼系统中，用 2x2 设计比较差异化与共享控制器目标、固定与平衡手部任务分配对双臂控制的影响。差异化目标配合与对侧控制路由一致的固定分配时特化最强，双臂成功率达 81.33%，控制效率也最高；该优势随运动噪声增大而扩大，但在更强能量惩罚下收窄。
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.ROAI 评分1818 PARS：面向关键任务信息物理智能体的抗量子IoT区块链边缘安全机制
研究提出旋转保密架构目标与参考机制PARS，在授权物理AI智能体间协调策略触发的密钥建立、轮换与对账，限制密钥的时间暴露。可选PARS-ESL许可链由授权验证者或边缘网关维护，只记录密钥纪元、组成员、撤销、算法套件策略等认证状态，不存高频业务交易。结果表明，在给定信任、失陷、连通性与资源假设下，账本辅助的抗量子密钥纪元管理对部分边缘AI与CPS安全控制负载可行。
arXiv · cs.RO精选AI 评分7272 AdaDexTrack：面向自适应灵巧操作的动态调制跟踪框架
AdaDexTrack 提出一种调制器在环的框架，用于语言条件下的灵巧手物交互跟踪。该框架以大规模专家到通才蒸馏得到的跟踪器承载技能，调制器经强化学习训练，对参考轨迹、物体隐表示和位置目标做三类反馈修正。作者称其在未见轨迹和未见物体集合上的平均跟踪误差与成功率均优于此前 SOTA，并在真实硬件上展示了零样本 sim-to-real 迁移，加入调制器相比仅用跟踪器有显著提升。
推荐理由：论文把语言条件下的灵巧操作重构为闭环调制跟踪，并给出未见轨迹与实机零样本迁移的对比结果。
arXiv · cs.RO精选AI 评分6060 RoboWorM：评估具身视频世界模型的运动真实性、一致性与加速影响
RoboWorM 是一个面向部署的视频世界模型基准，利用机器人运动学树和固定相机配置等硬件先验，系统考察结构与时空保真度。该基准汇集单臂、双臂和人形形态的 1,605 条 episode，覆盖单视角与多视角下的马尔可夫及长时程非马尔可夫任务。
推荐理由：该预印本提出面向机器人视频世界模型的部署感知基准，并给出不依赖VLM的运动学与多视角几何一致性指标。
北京人形机器人创新中心AI 评分1212 
北京人形举办2027届校招沙龙，面向六所高校硕博招募具身智能人才
北京人形10月22日在清华科技园举办2027届秋季校招首届沙龙，邀约清华、北大、北航、北理工、中科院、北邮六所院校硕博学子，开放运动控制、本体硬件、具身智能、数据工程等方向岗位。CTO唐剑介绍公司技术布局与落地路线，称优先攻坚工业、泛工业和商业服务中的“3D”场景，家庭场景为长期方向。
arXiv · cs.RO精选AI 评分6363 POD-RoPE：面向具身智能的物理观测分布旋转位置编码
POD-RoPE 将 token 的观测足迹表示为相机中心、视线方向和采样时间上的分布，用期望旋转编码分布间相对关系，分布退化为单点时即还原逐点 RoPE。该方法在 Fast-WAM 上把 RoboTwin 2.0 全部 50 个任务的平均成功率从 91.83% 提升到 92.88%，在 Sharpa North 的两个实机任务上从 32.5% 提升到 52.5%。
推荐理由：论文提出以物理观测分布编码位置的方法，并在仿真与实机操作任务上给出成功率对比和推理速度数据。
arXiv · cs.RO精选AI 评分7575 RoboJev-27B 开源机器人操作成功检测视觉语言裁判模型
RoboJev-27B 是一个开放权重的视觉语言模型，输入任务指令与 10 帧操作画面，预测机器人是否完成任务。它在同型号 SO-101 的 268 个留出回合上取得 95.2% 平衡准确率和 0.993 AUROC，在未见实验室/机器人采集的 459 个回合上 AUROC 为 0.890。
推荐理由：RoboJev-27B 给出机器人操作成功检测的开放权重模型与完整评测记录，可用于比较不同成功判定方案。
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7878 MimicAll：面向跨人形本体全身运动跟踪的结构化本体条件框架
MimicAll 是一个强化学习框架，用于在异构人形机器人之间共享全身运动跟踪策略，将结构化本体描述符编码为全局与关节对齐条件，并结合观测历史与匹配本体的运动参考预测关节目标偏移。
推荐理由：论文给出跨人形本体的结构化条件编码与464个本体的评测基准，可用于比较共享策略与单本体专家的差异。
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 综述梳理113项灵巧操作学习方法的手、仿真器、训练与评测
一篇综述梳理了113项基于学习的灵巧操作方法，覆盖所用灵巧手、训练仿真器与结果报告方式。作者指出该领域已大体收敛到一套流程：在GPU仿真器中用特权状态做强化学习，再蒸馏为仅视觉的学生策略迁移到硬件，近半数工作采用这一路线且几乎集中在同一个仿真器。
arXiv · cs.RO精选AI 评分7171 MOTIO：面向真实场景人形全身操作技能的智能体化技能工程系统
MOTIO 是一个智能体化技能工程系统，可将人类动作视频、真实感3D资产、运动参考和可复用机器人技能转化为可执行的人形全身操作程序，无需任务专用遥操作或机器人演示采集。
推荐理由：论文给出从人类视频与3D资产构建人形全身操作技能的程序化流程，并报告实机执行与蒸馏结果，可供比较技能生成与策略蒸馏路线。
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7272 SceneBloom：面向具身学习的智能体室内场景生成框架
SceneBloom 是一个结合视觉布局采样与契约引导 3D 编译的智能体框架，用于生成逼真、多样且可直接仿真的室内环境。其分层采样器利用扩散先验在功能区内生成家具布局，编译器再依据提案中提取的关系进行几何拟合与局部位姿修正。
推荐理由：论文提出用智能体框架生成仿真就绪的室内场景，并给出与真实房间分布及导航策略迁移的对比结果。
arXiv · cs.RO精选AI 评分7575 RynnUnify：16B统一具身模型发布，兼顾理解、视觉规划与机器人控制
研究团队提出16B统一具身模型RynnUnify，通过交错的视频-语言推理把具身理解与长程视觉规划结合起来。实验显示其在所评估统一多模态模型中取得最高具身理解平均分，Rynn-VP总分比Cosmos 3 Nano高9.75分；经强化学习的智能体扩展使Rynn-GEU平均分比直接推理高6.0分。
推荐理由：论文给出16B统一具身模型在理解、视觉规划与真机控制上的分项结果，可用于比较统一模型与专用方案。
北京人形机器人创新中心AI 评分3838 
北京人形天工机器人亮相 iRTE2026，联合声网落地远程操控方案
北京人形机器人创新中心的天工机器人在 iRTE2026 实时智能大会声网展台亮相，并接入声网实时互动能力推进远程操控方案落地。声网 RTM 控制信令延迟低至 100ms，70% 丢包下仍近乎 100% 到达；RTC 端到端延迟稳定低于 200ms。该能力面向家庭巡航与商用巡检等场景的跨区域远程接管。
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.ROAI 评分5858 UAV-SwarmAgent：用代码生成与视觉语言推理实现多无人机侦察与任务分配
UAV-SwarmAgent 提出一种层级多智能体系统，操作员用一句自然语言下达任务，地面站智能体生成并执行代码，将其转化为每架无人机的航线。该系统用视觉语言模型在空中地图上定位巡检目标，按路线长度均衡分配给 N 架无人机，再由机上紧凑决策模型核验事件。
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.RO精选AI 评分6060 论文提出兼性集群框架：多机器人系统可在集中规划与去中心化集群间切换
Ning Zhou 与 Edmund R. Hunt 在 arXiv 预印本中提出兼性集群（facultative swarming）统一控制框架，主张把集群能力视为一种动态能力而非固定的系统类别。该框架让系统在条件宽松时按集中式规划运行以追求最优性，在环境压力下平滑退化为去中心化集群以保持鲁棒性。作者认为这为兼顾集中式最优性与自组织灵活性的集体机器人系统提供了一条路径。
推荐理由：论文提出集中式规划与去中心化集群之间的可切换控制框架，为多机器人系统在环境压力下保持鲁棒性提供一种架构思路。
arXiv · cs.RO精选AI 评分8282 从徒手演示到自主机器人超声：解剖锚定学习框架
研究提出解剖锚定的模仿学习框架，将解剖引导的探头放置与学习式超声导航结合，用于自主机器人超声扫描。该框架先由外部视觉确定任务相关的解剖起点并建立初始探头位姿参考系，再由基于流的策略根据锚点相对位姿、超声图像、探头相机视图和接触力生成扫描动作，终止头预测任务完成。
推荐理由：论文给出解剖锚定的模仿学习框架与手持采集平台，并在16名未见参与者上报告成功率与跨机器人迁移结果。
arXiv · cs.RO精选AI 评分6464 LogLook：面向前沿模型机器人规划器的执行日志式记忆
LogLook提出一种执行日志式记忆，让前沿视觉语言模型规划器保留执行记录与先前笔记，并自行决定查看哪些帧。在基准自带运动规划器下，它的成功率与仅用笔记的记忆相当，但token减少43%、图像用量不到一半，因记忆或观察失误导致的失败回合也明显更少；直接控制时在RoboMME测试集上解决93.5%。
推荐理由：论文提出面向前沿模型机器人规划器的执行日志式记忆，在RoboMME上以更少token和图像达到相近成功率，可供比较记忆设计。
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5858 神经细胞自动机驱动的分布式群体形态生成框架
研究提出一个将神经细胞自动机（NCA）与现有站点分配和避碰控制结合的模块化框架，用于机器人通过局部交互组装目标形状。框架引入分散式附着点发现机制，已在编队中的机器人更新并共享局部NCA状态以识别新附着点，部署时无需预定义站点列表。
arXiv · cs.RO精选AI 评分7474 RepresentNav：在自构建表征空间上构建的导航基础模型
RepresentNav 是一个建立在自构建表征空间上的导航基础模型，该空间由策略自身目标从视觉基础模型中构建。它用三层 transformer 的 Representation Residuals 聚合多个视觉基础模型全深度特征，并在每次动作前通过潜在思维链预测下一时刻场景表征，以 JEPA 方式与策略端到端训练。
推荐理由：论文提出用策略自身目标构建视觉表征空间的导航基础模型，并给出与拼接编码器输出的对照结果。
arXiv · cs.ROAI 评分5858 DiffDreamer：耦合世界模型与可微仿真的四旋翼敏捷控制框架
DiffDreamer 是一个可微强化学习框架，将学习到的世界模型与可微仿真紧耦合用于 actor 优化：单步优化中世界模型传播捕捉外部动态与历史依赖特征的隐状态，可微仿真器传播机器人显式物理状态。
arXiv · cs.ROAI 评分5858 Point-Level Refinable Semantic Mapping：面向空间理解的可细化点级语义建图
作者提出一种在线可细化语义建图框架，通过概率点级置信度更新持续修正物体表示。每个物体点维护置信度分数，结合多视角时序证据抑制错误与过时点，并配合物体跟踪与重识别在移动和移位时保持实例身份。实验显示建图精度较此前方法在 Replica 上提升 3.46%、在 ScanNet 上提升 2.55%，用于物体导航和具身问答的成功率分别为 82.4% 和 76.7%。
智元机器人精选AI 评分7171 
智元开源 AGIBOT WORLD 2026 第四版“Physical Reasoning”数据集
智元开源 AGIBOT WORLD 2026 的第四版“Physical Reasoning”数据集，任务设计重点从操作难度转向决策复杂度。该数据集覆盖 10 类以上逻辑推理场景，按 Easy、Medium、Hard 三级组织，并提供高层问答与低层动作轨迹，用于高层决策模型与低层动作策略的协同训练。
推荐理由：智元开源 AGIBOT WORLD 2026 第四版数据集，任务设计从操作难度转向决策复杂度，可用于比较具身决策与动作联合训练的数据组织方式。
北京人形机器人创新中心AI 评分4040 
财新时间对话熊友军：没有泡沫的产业，只有泡沫的公司
北京人形机器人创新中心CEO熊友军在《财新时间》访谈中表示，人形机器人行业不存在泡沫，只有泡沫的公司，真正竞争在于自身技术突破。他透露天工训练数据约80%来自虚拟仿真、20%来自真实场景，统一表征具身世界模型Pelican-Unify能提升执行准确率但算力要求高，下一轮融资已在规划中。
arXiv · cs.RO精选AI 评分6262 稀疏拓扑度量图实现可扩展跨会话室内导航
研究提出一种稀疏拓扑度量图，作为室内导航的结构化表示，节点编码局部3D几何，距离加权边表示可通行连通性，并用学习到的图匹配网络跨会话寻找一致子图。在跨会话点目标导航实验中，该方法在Gibson上成功率为77.1%，在3D-FRONT场景变化下为40.0%，内存相比点级表示降低两个数量级以上。作者称该表示对局部场景变化、不同传感器模态和有限空间重叠具有鲁棒性，并支持跨会话对齐与目标导向导航。
推荐理由：论文提出稀疏拓扑度量图用于跨会话室内导航，在场景变化下报告成功率并大幅降低内存占用，可供比较建图与定位方案。
arXiv · cs.ROAI 评分5858 从非机器人合成数据学习机器人行为先验
arXiv 论文《Learning Robot Behavior Priors from Non-Robotic Synthetic Data》研究仅用无具身系统的数据能否让模型获得机器人学习所需结构。
arXiv · cs.RO精选AI 评分7575 WholeBodyMem：为人形机器人全身移动操作保留动作前物体记忆
论文提出WholeBodyMem，一种物体引导的感知记忆，用于解决全身VLA策略在动态场景中只能看到当前帧、物体线索易消失的问题。该方法用SAM3跟踪任务物体，由物体事件在自适应预算内因果选取关键帧，动作专家通过交叉注意力读取这些帧及编码外观、几何和时间的物体token。
推荐理由：论文提出面向人形机器人全身VLA的物体引导感知记忆，并给出仿真与实机基准，可用于比较记忆机制对长时序操作的作用。
arXiv · cs.ROAI 评分5555 无需标定的IMU相对姿态估计方法在动态人体运动下取得2.61°误差
研究提出一种扩展卡尔曼滤波方法，可同时估计IMU相对姿态与传感器位置，无需离线传感器位置标定，也不依赖全局朝向锚点。在OpenSense数据集四名受试者、三类下肢关节、步行及多种复杂任务的真实IMU测量中，该方法整体相对姿态误差为2.61°，使用离线估计传感器位置的基线为10.40°，使用标记点推导传感器位置的基线为7.43°。