ARPG：通过动作表征预训练扩展灵巧操作能力
ARPG 提出将动作表征学习与动作生成分离，先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器、用 130M 参数的生成骨干在表征空间中学习任务条件动作分布。
推荐理由：论文把动作表征预训练与动作生成拆开，为灵巧操作提供了一条独立于数据规模之外的扩展路径。
NEWS / 动态
资讯 · 全部
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.RO精选AI 评分7272 arXiv · cs.RO精选AI 评分7171 AuRA：通过自主机器人交互从原子到比特重建数字孪生
AuRA 是一套自动化机器人交互与数据准备系统，用于数字孪生重建，结合执行感知抓取选择、由机器人状态推导的夹爪运动测量以及配准的交互前几何与外观先验。在 13 个可变形物体上，AuRA 将每个成功重建资产的主动人工投入和实际采集时间分别减少 88.5% 和 55.4%。
推荐理由：论文给出自主采集机器人交互数据重建数字孪生的流程，并对比人工采集的耗时与重建指标。
智元机器人精选AI 评分7272 
智元机器人发布 Genie Studio 2.0，打通模型开发、任务编排与车队运营
智元机器人发布 Genie Studio 2.0，这是一个用于开发、部署和运营具身智能应用的一体化平台，由 Flywheel、Agent、Monitor 三个模块组成，覆盖数据采集、模型训练、评估、推理、任务编排与车队管理。
推荐理由：官方披露平台三个模块与常州、PIA、龙旗、广州地铁等落地项目，可了解具身应用从数据到车队运营的工程链路。
北京人形机器人创新中心AI 评分5858 
北京人形 RoboMIND 开源数据集下载量突破 5000 万次
北京人形机器人创新中心宣布，其 2025 年 12 月开源的 RoboMIND 数据集全球累计下载量突破 5000 万次，最近 1000 万次用时 18 天。该数据集开源释放 40 万条以上双臂操作轨迹、覆盖 700 项以上实操任务，官方称其支持双臂协调、移动操作、灵巧手与高保真触觉感知。北京人形数据基地占地近 6000 平方米，年数据产能可达 18 万小时，已对外交付近 3 万小时高质量数据。
arXiv · cs.ROAI 评分3838 面向海上数据中心监测的窄带声源分布式感知与对抗定位
针对海上数据中心面临的窄带对抗声源威胁，研究提出一种结合移动接收器与固定接收器组成锚点对的两阶段声学监视框架，先以锚点约束估计声源初始位置，再用粒子滤波联合跟踪位置与速度。蒙特卡洛仿真中定位成功率达91%，开阔水域10次实地试验中9次跟踪误差低于2米。
arXiv · cs.RO精选AI 评分7272 ThinkLocoManip：面向腿式移动操作的全身体控制智能体框架
ThinkLocoManip 提出一种面向腿式移动操作的全身体控制智能体框架，采用推理与行动交错的范式，让智能体持续推理当前状态、执行动作、观察结果并调整策略。
推荐理由：论文把移动操作拆成感知、导航、操作与运动四类工具，并给出实机长程任务成功率对比，可供参考其交错推理与工具编排思路。
arXiv · cs.RO精选AI 评分6363 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。
arXiv · cs.RO精选AI 评分7878 RynnVLA-Latent：用3D接地潜在动作扩展机器人操作基础模型
RynnVLA-Latent提出用异构交互视频做机器人策略预训练，其RynnLAM模块无需原生机器人控制即可从视觉变化中学习连续、3D接地的潜在动作。研究在30.1K小时人类、机器人和仿真视频上生成745.52M个潜在动作描述符，再通过流匹配预测潜在动作块并适配到具体本体动作。
推荐理由：论文用30.1K小时异构视频学习3D接地的潜在动作，为VLA预训练绕开动作标注稀缺提供了一条可比较的路径。
arXiv · cs.RO精选AI 评分6767 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。
arXiv · cs.RO精选AI 评分6060 AdaPolicy：用下一动作块预测构建动作驱动的前瞻机器人策略
AdaPolicy 提出一种动作驱动的前瞻策略框架，通过级联的下一动作块预测让在线策略获得隐式前瞻，训练时无需未来观测编码，推理阶段零额外开销。方法由在线动作头同时输出当前动作块与演化隐状态，再由级联展开动作头预测下一动作块，并将损失回传至该隐状态。
推荐理由：论文提出仅用动作信号做下一动作块预测来获得前瞻表征，训练无推理开销，并在仿真与实机任务上报告增益。
arXiv · cs.ROAI 评分3838 TLP：基于截断Lp函数的单参数鲁棒点云配准方法
研究者提出单参数点云配准方法TLP，用不同p值的截断Lp函数为对应关系分配优先级分数、选择假设并精化最终模型，以应对真实3D特征匹配中的高外点率。该方法借助GPU并行化评估假设，平均可在1秒内完成数千个对应关系的配准。在公开基准数据集上，TLP精度高于现有单参数方法，并在四个评估数据集中的三个上优于两种常用多参数方法，运行时间保持竞争力。
arXiv · cs.RO精选AI 评分7272 HuGe：用第一视角人类经验扩展人形通用VLA模型
HuGe 是一组人形通用视觉-语言-动作模型，在超过 2000 小时的第一视角人类与机器人数据上预训练。它沿用三种现有代表性 VLA 架构，预测预训练全身控制器的潜在运动 token 与手部控制信号，并采用第一视角预训练、人形适配和下游微调的三阶段流程。
推荐理由：论文给出用第一视角人类数据预训练人形VLA的三阶段流程，并说明视觉与本体感知差异的处理方式。
arXiv · cs.ROAI 评分5858 研究发现执行日志文本会左右 VLM 对机器人进度的评判
研究显示，在机器人进度受挫的视频片段旁加入一行声称机器人正在推进的日志文本，会让 Gemini、Qwen 和 GPT 三类评判模型把正确判定翻转为“有进展”的比例比中性文本高出 10 到 35 个百分点。加入一句日志可能有误的提醒可消除大部分影响；伪造的“任务完成”声明能让 Qwen 一半的正确判定翻转，而对无关日志仅为十分之一，对 Gemini 则无可检测影响。
arXiv · cs.RO精选AI 评分6262 PS-DLO：融合属性与空间感知的可变形线性物体操作策略
PS-DLO 提出一种属性与空间感知的可变形线性物体操作策略，通过对比图文学习把初始观测映射为物体属性的类别描述，并用 SAM3 从未来观测提取掩码引导特征、蒸馏进策略的动作专家。作者在单臂和双臂平台的九个真实任务上为每种本体训练共享多任务策略，平均成功率达 68.9%，比最强基线高 20.0 个百分点；在蝴蝶结解结的七种视觉偏移条件下，有六种成功率高于基线。
推荐理由：论文在单臂与双臂平台共九项真实任务上训练共享多任务策略，并给出与最强基线的成功率对比，可供比较可变形线性物体操作方案。
arXiv · cs.ROAI 评分5858 Semantic-Coupled Perception Framework：面向自主腹腔镜控制的语义耦合感知框架
论文提出一种闭环自主腹腔镜控制框架，将实时手术阶段识别与相机运动补偿的视觉感知相耦合，利用手术实体间的阶段依赖关系改善遮挡、实体重叠和相机运动下的目标状态估计。在基准数据集上评估了手术阶段识别与目标跟踪，并通过体模实验展示自主视野控制在目标可见性和任务执行上优于固定视野控制。
arXiv · cs.RO精选AI 评分7272 HumanoidNDM：用神经动力学模型在线微调人形运动跟踪策略
HumanoidNDM 是一个面向人形机器人运动跟踪的在线微调框架，用实机训练的神经动力学模型缩小训练与部署之间的动力学差距。数据采集阶段采用带自适应强度机制的低频参考扰动方法，模型训练阶段在欧氏空间训练基于历史本体感知的神经动力学模型并引入可微前向运动学，从而不依赖动捕系统。
推荐理由：论文提出用实机训练的神经动力学模型在线微调人形运动跟踪策略，并在宇树 G1 上验证，可了解训练到部署差距的一种处理思路。
arXiv · cs.ROAI 评分5858 RoboDuo：用代码实现 VLA 的尝试、检查与原子恢复
RoboDuo 提出一种闭环双系统框架，以代码作为编码智能体与两个 VLA 之间的接口：编码智能体编写程序，让全任务 VLA 尝试完成整个任务并检查是否完成，失败时由原子 VLA 完成剩余步骤。
arXiv · cs.RO精选AI 评分7474 X-World：将视频先验迁移到可变视角机器人控制
X-World提出一种把视频扩散模型先验迁移到机器人控制的框架，通过固定长度token序列接入共享动作专家，并用残差跨视角注意力支持一至三路相机输入。在LIBERO上平均成功率为98.5%，其LIBERO训练检查点在LIBERO-Plus上不做额外适配取得76.5%；六项双臂实机任务每项20次试验平均成功率81.7%。
推荐理由：论文给出跨视角视频先验迁移到机器人控制的完整训练流程，并列出LIBERO与双臂实机成功率及扰动下的强弱项。
arXiv · cs.RO精选AI 评分6060 毫米波雷达多普勒辅助跟踪被遮挡目标的位置与速度
该研究提出多普勒辅助的毫米波雷达非视距跟踪方法，将隐藏目标跟踪建模为连续位置-速度估计，在留出轨迹上取得8.95厘米位置误差和1.75厘米/秒速度误差。作者同时发布首个室内非视距雷达数据集，包含576段序列、共720,856帧，覆盖移动机器人12条不同速度、起点和材质配置的轨迹，并称方法可泛化到未见场景中的移动人体目标。
推荐理由：论文公开了室内非视距雷达数据集与位置-速度联合跟踪方法，可用于比较穿墙感知方案。
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 基于LiDAR的仿真到现实GNN框架：从无标注轨迹学习交互感知路径修正
Yilong Chen 与 Yong K. Cho 提出一个仅用 LiDAR 的实时框架，从无标注演示中学习交互感知的路径修正，用于在工人附近作业的建筑机器人导航。
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5555 Extended LASMP：面向无人机导航的语言辅助子集采样运动规划器
论文提出 Extended LASMP，将导航指令直接纳入采样分布，把子集采样推广到指令对齐区域，以提升四旋翼三维环境下的采样运动规划效率。方法用基于提示的大语言模型做实体抽取与指令校验，将自然语言指令落地为偏航条件和高度感知的几何约束，并保留概率完备性。复杂环境仿真显示，该方法生成无碰撞且一致的轨迹，相比均匀 RRT 类规划器显著减少采样量。
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5858 T-ConSG：面向动态演化环境的激光雷达实时时序施工场景图
Yilong Chen 与 Yong K. Cho 提出基于激光雷达的实时时序施工场景图 T-ConSG，联合表示空闲区域、静态物体、动态物体和环境事件，并带有空间关系边与事件参与边。该框架从激光雷达几何证据增量构图，把累积空间证据的变化表示为显式的安装与移除事件。作者通过砌砖测试台的动态感知导航、ConSLAM 数据集上的施工进度监测和仿真施工环境中的在线变化检测三项应用研究进行演示。
arXiv · cs.RO精选AI 评分6060 Cut a Wall, See a Wall：建筑机器人遮挡点云感知中的身份替换问题
论文研究建筑机器人点云分割在测试时遇到整区域遮挡时的表现，发现网络不只是漏检被遮挡构件，而是把它们重新标注，且错误集中到单一汇类。固定合成布局下该汇类吸收最多70%的测试点，随机布局下汇类转移到楼梯，预测占比为真实份额的4.5-5.4倍（三个训练种子），基线mIoU降至0.15-0.27（固定）和0.36-0.72（随机），单个测试集最多有269个完整物体消失。
推荐理由：论文揭示遮挡下点云分割会把整块构件错标为同一类，并给出几何特征补丁的对比结果，可供建筑机器人感知参考。
arXiv · cs.ROAI 评分5555 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。
arXiv · cs.ROAI 评分5858 ElevateHead：多模态模仿中动作头何时重要及一次决策后承诺
ElevateHead 提出一种在学到的决策点做一次选择、并在整个回合内保持该选择的动作头，用户可将该选择作为输入设定。在受控任务上，当演示包含多种做法且状态无提示时，采样一种做法的动作头成功率比平均做法高 0.72，但该趋势未在其他任务复现。
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 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7171 RoboLongR：因果一致奖励引导机器人逐步掌握长程操作
RoboLongR 是一个离线到在线的框架，通过学习依赖历史的奖励引导策略适应新任务，核心目标是让奖励进度与执行历史支持的前置条件保持因果一致。方法采用阶段打乱监督、循环记忆和两轮训练，并以稀疏终端反馈触发对重复高分失败的纠正。
推荐理由：论文提出以因果一致性约束长程操作奖励学习，并给出仿真与实机成功率对比，可用于比较长程任务奖励设计。
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。
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。