NEWS / 动态
按时间浏览，使用右上角筛选切换领域。
论文提出 Surrogate Uncertainty 方法，用外部代理贝叶斯模型估计黑盒视觉语言模型在视觉定位中的逐查询不确定性，并分解为偶然与认知两部分。该方法通过跨输入模态的分层检索构建紧凑联合空间邻域，可结合保形预测或基于模型的规划实现主动视觉定位。作者称在多个定位基准和先进VLM上校准与任务表现均有提升，并在真实 Fetch 机器人上按开放世界指令在自信行动与信息收集间做取舍。
推荐理由：论文把黑盒VLM的视觉定位不确定性交给外部代理贝叶斯模型估计，并在真实Fetch机器人上验证主动定位的取舍。
研究在三个仿真二维稳态场景、不同采样密度下定量对比四种气流估计方法：高斯过程回归、基于图的高斯马尔可夫随机场，以及两种基于Navier-Stokes的方法（含一种新的强形式残差最小化变体）。结果显示，物理先验在低采样密度下收益最大，可补偿缺失的空间信息；随传感器覆盖增加，数据驱动的高斯过程回归竞争力上升，但模型类估计器在所评估场景中仍保持精度优势。
论文提出将LLM监督者在线蒸馏为决策树，并用反事实回放为每次训练回合后的恢复动作打上必要、不必要或有害的标签，以淘汰无用规则。在仿真中20个仅靠MPC会卡住的未见布局上，该决策树在所有随机种子下至少正确处理18个，或到达目标，或在无可行路径时求助。其表现与始终查询LLM的监督者和专家设计规则相当，且测试时不发起任何LLM查询。
推荐理由：论文把LLM监督者在线蒸馏成决策树，用反事实回放标注恢复动作，为移动机器人卡死问题提供可迁移的监督设计思路。
一篇批判性综述考察轨道实验室与行星原位科学中的AI4S，覆盖生物学、材料、流体与热物理及自适应探索，并区分从空间数据学习、选择科学行动、执行行动与保持实验有效性。文章结合地面自驱动实验室在优化、专用自动化与机器人操作上的证据，提出连接样本历史、科学决策、物理执行与主张特定有效性的框架，并用轨道设计与行星扩展及匹配评估方案区分感知、决策策略与物理行动的贡献。
SimTO-Robust 提出一种仿真驱动拓扑优化方法，通过模拟多物体、多位姿抓取并聚合接触力来指导软体夹爪形态优化。研究生成 6,646 个设计，并实机评测其中 24 个，与 10 个专用 SimTO 设计、两个刚性基线夹爪及一个常规拓扑优化通用软体夹爪对比。
推荐理由：论文把多物体、多抓取位姿纳入拓扑优化，并给出37个夹爪的实机抓取对比，可作为软体夹爪形态设计的方法参考。
针对自动驾驶汽车、无人机等学习型信息物理系统引入基础模型后缺乏系统级保障的问题，作者提出“基础模型保障栈”，将神经符号架构、基于符合性的语义测试与组合式验证及运行时保障三条路径连接起来。符号抽象在学习与形式推理之间划定保障边界，基础模型仅作为受约束的辅助工具，其输出在可形式化规定正确性的地方被独立检查。文章还列出规范工程、抽象保真度、证据组合与全生命周期认证等研究挑战，并给出分阶段议程。
作者提出CoRAct，一个后果锚定的推理到动作对齐框架，通过动作噪声空间中的奖励引导优化，显式对齐具身思维链推理与动作生成。
推荐理由：论文提出用动作噪声空间中的奖励优化显式对齐推理与动作，并在仿真基准和实机任务上对比ECoT基线。
PRIME W0 是一个分层条件流匹配框架，旨在让VLA模型不再只依赖当前观测，而是利用长时序上下文与VLM的分层表示。其设计包括从预训练VLM向自适应MoE动作专家逐层注入KV、通过异步世界模型子目标图像预测和DINOv2历史帧语义桥接实现动力学感知条件，以及采用协方差结构化噪声的Action Dynamic Manifold流匹配。
推荐理由：论文提出分层条件流匹配框架，用世界模型子目标预测与历史帧语义桥接补足VLA的时序上下文，并给出消融验证。
Kairos 提出按任务语义从五个规划引擎中选择并统一调度，覆盖从 STRIPS 到 PDDL+ 的多种 PDDL 片段。在九个对比套件的 1,756 个任务上，它在完整时限内解出的任务数多于各套件中最强的被评估规划器，在数值、时序、PDDL3 和 PDDL+ 上差距最大，在 100 ms 和 1 s 时限下解出任务也最多。
推荐理由：论文给出跨经典、数值、时序与混合 PDDL 的多引擎调度方案，并公开规划器与基准，便于比较不同规划器的覆盖与延迟。
Shota Nomura 等提出 Smooth Action Chunking，将轨迹段表示为平滑基函数的线性组合，在不改变策略架构、训练目标和推理流程的情况下生成平滑轨迹。
推荐理由：论文把运动基元表示嵌入动作分块，在不改策略架构与训练目标的前提下同时缓解块内与块间抖动，并给出免重训的推理期修正。
作者提出统一导航框架 EvoLife，让多模态具身智能体自行选择移动方式、何时提问以及保留哪些经验。其混合动作空间支持航点导航、局部离散调整、像素级导航和物体导向导航，主动交互允许智能体在遇到歧义或困难时寻求澄清或帮助，持久空间记忆把观察和对话绑定到地点。
推荐理由：论文提出统一导航框架 EvoLife，把混合动作空间、主动求助与持久空间记忆放在同一系统中，并给出多基准评测结果。
该预印本提出一种轻量几何预测头，接在冻结的0.5-2B VLM骨干上，从中间隐藏层读取特征，经任务指令条件化查询和视觉token交叉注意力，直接回归可供性框与轨迹路点。
推荐理由：论文指出自回归解码是轨迹预测的主要瓶颈，并给出冻结骨干加几何预测头的替代方案，可供比较VLM空间输出方式。
Joshua Yuriv Pilipovsky 的论文研究无人机与地面车异构编队在含未知数量潜在危险目标的区域中协同通行。无人机用机载光学相机做空中感知，以遍历控制按空间信息密度分配感知，并结合动态相机视场与位姿相关检测模型，通过贝叶斯推断和边缘化得到目标后验的 PMB 近似。
针对多鸟穿越泊松圆盘森林的群体运输问题，研究构建显式有向走廊网络并在航点施加统一时间间隔，证明最大流等于最小顶点割容量，由沿顶点不相交路径重复飞行实现。该调度在任意有限时域内最大化完成穿越次数，保持恒定前向速度且无内部等待；森林带深度固定时得到几乎必然的确定性流密度极限，深度与宽度同比发散时该流量与正宽深比无关。
Utility-WAM 针对世界动作模型（WAM）中预测未来引发的动作偏移提出修正方法。
推荐理由：论文拆解世界动作模型中预测未来带来的动作偏移，指出精度任务上的负迁移并给出残差适配器修正方案。
SONIC-K1 是作者称为首个面向 Booster K1 人形机器人的开放权重全身运动跟踪器，通过将 SONIC 框架适配到这一更小的机器人得到。策略在单张共享 GPU 上从零训练，算力只占 SONIC 报告算力的一小部分；在 MuJoCo 仿真中按 SONIC 的成功判据跟踪了几乎所有留出动作片段，并在外部基准上表现良好。
推荐理由：论文给出在单张共享 GPU 上从零训练小型人形全身运动跟踪策略的流程，并区分仿真与实机表现。
ProLoop 是一个进度感知闭环框架，从期望状态与执行状态之间的结构化关系显式推导子目标进度，再由学习到的 State-Relation Monitor 判断关系并聚合为进行中、偏离或完成。在 AgentBoard ALFWorld 和真实机器人平台上的实验显示，整体成功率提升 12.94%，Hard 任务提升 15.46%，环境交互次数减少 32.3%。
推荐理由：论文提出用状态关系显式估计子目标进度，并在仿真基准与实机平台报告成功率与交互次数变化，可供长程任务规划研究比较。
作者提出用仿真抓放交互生成的监督，将双侧六轴力/力矩历史与冻结语言空间对齐，预训练为语义结构化的物理表征。在仿真未见物体上，该表征支持以文本原型读出机器人动作、物体重量和抓取交互；在实机放置任务中，无需更新编码器、仅靠无标签校准即可识别接触与支撑状态，表现优于垂直力符号反转规则基线。对于预训练中未出现的连接器插入事件，低秩适配相比从头训练提升了数据效率。
推荐理由：论文把双侧六轴力/力矩历史对齐到冻结语言空间，为外接触感知提供可复用表征，并给出仿真与实机放置、连接器插入的验证路径。
OpenFlyV2 是一个统一的机载视觉-语言-动作架构，用共享视觉-语言表征在单一模型中支持语义理解、语言定位感知、空间推理与连续空中控制。紧凑动作专家将多模态上下文转为短时域航点，运动感知时序记忆与动作先验降低闭环执行计算开销；作者构建约 7 万条导航轨迹和 6 万对视觉-语言指令-响应的仿真数据集。
推荐理由：论文给出机载 VLA 在 Jetson Orin NX 上以 10 Hz 闭环飞行、零样本迁移到真实四旋翼的结果，可供比较机载与离板方案。
研究提出一种跨控制器迁移框架，让单一策略在上下文内适应不同控制器。该方法用指令动作与机器人实际运动的示例编码控制器下的行为交互，再由 transformer 上下文编码器汇总，使策略无需为每种控制器单独学习。实验覆盖六种控制器类型及控制器增益与柔顺性变化，实机结果显示平均成功率比朴素数据合并高 33 个百分点，在未见控制器模式上达到 50% 成功率，在未见控制器增益上达到 52%，并能迁移到控制器专属数据有限的任务。在 USB 插入、表面擦拭等接触丰富任务中，行为交互上下文使策略不仅调整动作，也调整策略。
推荐理由：论文给出跨控制器与跨本体的行为交互上下文编码方法，并报告实机成功率提升与未见控制器模式下的表现。
论文提出 CuBot-STT，将模块运输、接口锁紧与释放集成在一台外部机器人中，立方模块提供结构支撑与 24 V 配电。每个面上的齿轮传动把单路外部输入转换为四个螺旋锁紧点的运动，以保留内部空间。
推荐理由：论文给出模块化机器人外部运输与锁紧一体化设计及规划方法，可用于比较模块重构系统的接口与规划方案。
WorldFlow 提出一种生成式世界模型，通过将3D运动参数化为与视频网格对齐的连续位移 token，用统一的 Mixture-of-Transformers 骨干在 rectified-flow 目标下同时去噪视频与基于查询的3D轨迹。
推荐理由：论文把视频与3D轨迹放进同一生成骨干联合预测，并给出跨仿真与真实域的训练规模和基准误差对比。
GenSight 是一个统一的具身世界模型，把未来视频生成与稠密感知放进同一个预训练视频扩散 Transformer。它用统一的时空表示覆盖视频、深度、具身分割和相对首帧的 2D 光流，在共享 DiT 主干上通过轻量任务调制预测各模态，并在统一速度预测空间中联合优化。推理时支持多步未来视频生成并给出对齐的稠密预测，以及从观测视频做单步稠密感知；训练数据涵盖多种机器人本体与人类手部交互。
EmbodiExp 是一个为具身智能体构建可迁移经验并在任务执行中在线组合的框架。它提出以结果锚定的子目标经验，包含子目标、适用条件、可适配策略和可验证结果，执行时由适用经验引导动作生成，已验证结果可为后续经验建立条件。作者称子目标级结果归因还能利用失败轨迹中的局部成功与需规避动作，并在多个具身基准上以冻结经验库的 fold-based 协议开展实验。
EgoContact 是一个大规模第一视角数据集，用于通过未来接触点预测评估学习到的操作先验的泛化性与精度，包含 22.5K 条人工核验的交互事件，每条含接触前观测、语义意图和像素级接触位置。
推荐理由：论文给出2.25万条人工核验的第一视角接触点数据，并展示将其用作现有可供性迁移策略记忆库后抓取成功率的提升。
论文提出执行器感知（AA）观测器输入，用于四旋翼采样级联线性自抗扰控制（LADRC）：高度与姿态观测器使用经假定旋翼模型滤波、并与测量延迟对齐的受限虚拟输入，水平观测器使用由实测姿态重建的加速度。
作者开源ReSTEP数据集，包含两个操作任务的3156条轨迹，带语义阶段标签和帧级错误标注，覆盖成功执行、失误与恢复过程。基于该数据集，作者提出在线进度估计器REMORA，结合循环视觉记忆、分布预测和因果峰值选择来跟踪任务进度。在两个ReSTEP任务上的实验显示，REMORA在进度准确率和时间一致性上优于SARM基线。
推荐理由：论文开源了带帧级错误标注的长程操作数据集，并提出在线进度估计模型，可供比较任务进度监控方法。
作者提出 CAPTURER 灵巧空中机械臂，用于在多种环境下实现厘米级抓取。系统包含机载感知与目标检测、漂移校正与全局位姿变换、协调飞行平台与机械臂的协同运动规划，以及补偿动态耦合、模型不确定性和外部扰动的抗扰控制器。室内外静态与移动目标实验显示，其在超过 1.5 m/s 的飞行速度下对直径仅 1.5 cm 的记号笔实现厘米级抓取精度。
论文提出 Tactus，一款织物集成传感手套，同时提供指尖触觉力感知与抗遮挡手部位姿追踪，用于采集自然状态下的人手操作演示数据。其指尖堆叠厚度为 1.5 mm，在 95% 置信度下最小可检测力为 0.59 N，比两款商用触觉手套基线低 1.6 至 2.7 倍，跨参与者一致性为 0.87；操作过程中遮挡最严重时指尖关键点相对误差为 11.0 mm。
推荐理由：论文给出触觉手套的传感配置与跨平台量化对比，可用于评估灵巧操作数据采集方案。
Jiahe Wang等提出一种嵌入式形状感知框架，用IMU与执行器反馈经神经网络重建连续体机器人形状，以400 Hz提供形状反馈用于物理闭环控制。在一段与三段连续体机器人上训练超过5000个模型后，所选框架的全局形状误差分别为0.9%L和1.7%L；闭环控制中一段末端跟踪误差为6.1%L，三段形状控制全局误差为2.3%L，而使用相同未补偿测量的IMU-PCC重建则失败。
推荐理由：论文用IMU与执行器反馈重建连续体机器人形状，并给出闭环控制误差，可供受限空间机器人感知方案参考。
论文提出 RFWalk，一个仅依赖射频传感的自监督里程计框架，将距离-方位帧间的稠密对应建模为时空图上的随机游走，并通过时间循环一致性从无标注序列中学习。为排除循环一致但物理上不合理的对应，作者引入多普勒一致性损失，用射频传感器自身测得的径向速度约束对应关系诱导的运动，再通过鲁棒的 SE(2) 配准恢复自运动。
研究团队提出基于 CUDA 的事件相机仿真器，将其接入可微仿真管线，使梯度可直接通过可微物理模型回传，从而端到端训练把事件帧直接映射为控制指令的策略，无需中间深度估计。作者在四旋翼上完成零样本实机部署，在有里程计辅助和无里程计两种设置下均实现避障，并覆盖传统相机通常失效的低光条件。该工作为 arXiv 预印本。
推荐理由：论文把事件相机仿真接入可微物理管线，省去深度估计中间环节，并给出四旋翼零样本实机避障结果。
Anoop Kiran 等人提出一种在级联控制架构中决定鲁棒控制应放在哪些回路的方法，全部控制均在飞行器上运行。他们通过反演运动方程从 PID 悬停飞行中恢复扰动信号，识别并量化被激励的轴，再在关键轴部署鲁棒控制。
研究提出一种带被动拖车的铰接履带车动力学模型，并在冰面上实验评估，其预测表现优于运动学基线。作者还提出混合动力学-运动学模型以适应不同路面和情境，并在无常规转向机构的单履带车上演示惯性转向：内部质量受控移动可在冰面产生转向，该行为可用所提动力学模型将内部质量视为无摩擦拖车来预测。
Haotian Zhai 等人提出 AtomTree，一个用 LLM 做状态感知任务规划的分层框架，逐步构建子目标与动作树，由 LLM 依据当前符号状态决定继续分解还是输出接地的低层动作。框架包含轻量记忆模块复用过往结果，并在低层动作停滞时触发分层回溯重规划，从最新状态重新生成子树计划。在 ALFRED 基准的零样本评测中，AtomTree 表现优于此前的 LLM 规划器。
作者提出一种分层规划与控制框架，让低层控制器反向引导高层轨迹选择：顶层MPPI规划器不依赖显式代价地图，而是用预训练低层强化学习控制器的价值函数作为隐式代价，MPPI负责轨迹探索、价值函数引导搜索。
QbD-VLA 提出一种任务引导的混合精度量化方法，用短闭环评估中的任务成功率分配权重与激活位宽，并考虑模型组件间的相互影响。实验覆盖四个 VLA 模型和 LIBERO 全部四个套件，权重平均约 4 位、激活少于 6 位时仍保持较强任务表现；在 SIMPLER 上相对均匀量化的增益较小。
推荐理由：论文用闭环任务成功率指导 VLA 混合精度量化，并给出仿真与 Franka 实机上的差异结果，可供关注 VLA 部署成本的研究者参考。
一项系统映射从4195篇文献中筛选出235项测量或缓解自动驾驶系统测试现实差距的研究，按六类测试组件区分仿真与实机执行。其中76%聚焦缓解，主要针对场景与参与者真实感及感知；仅61项报告覆盖多类指标的度量，且不足以建立差距与测试结论间的因果联系。研究据此呼吁按主张分别评估并做组件级报告。
研究提出TRIM，一种不修改、不重训检测器的轻量时序监控器，用于发现3D目标检测的漏检失败。TRIM用通道级统计概括中间激活，再以时序卷积网络处理短序列；在NuScenes上，相比单帧监控，AUROC从0.686提升到0.704，95%召回下的误报率从0.818降至0.759。早期与中间骨干特征提供的监控信号最强，时序推理头在CPU上仅需0.159 ms。
研究提出面向智能轮椅的多层导航系统MLNS，可在未知环境中解读并安全处理有限或错误的用户指令。该系统由ViSPF障碍检测、MPC轨迹生成、开放词汇视觉目标识别和优先队列目标选择组成，并在真实智能轮椅上由10名无残障参与者完成含故障输入接口场景的实验。