NEWS / 动态
按时间浏览，使用右上角筛选切换领域。
该预印本提出将基于流匹配的路径规划与模型预测路径跟随控制相结合的框架，用数据驱动方式生成多模态路径，并由预测控制器在线调整运动以满足状态与输入约束、利用更新的局部传感器信息避障。作者还设计了事件触发重规划机制，把预测控制的解反馈到后续路径生成中，以在存在此前未见障碍物的环境中实现无碰撞导航。移动机器人导航的仿真结果显示，该框架在杂乱环境中表现稳健。
AOV-GS 是一个主动 3D 高斯建图系统，用冻结的 SAM 与 CLIP 引导探索，并离线拟合场景语言场，从而支持开放词汇文本查询分割。
一项 arXiv 预印本研究评测了七个可本地部署的视觉语言模型（含面向物理 AI 与机器人开发的模型）在两个以人为中心的热成像数据集上理解人类活动的表现。诊断任务覆盖细粒度动作识别、活动时间线重建和拒答能力，并以配对 RGB 录像作为性能参照。
RoPT 是一个面向视频的鲁棒 6DoF 物体位姿跟踪框架，作者称其把视觉感知、时序运动学与全局重定位耦合成闭环，以应对快速运动下的跟踪发散。视觉部分通过跟踪物体掩码处理部分和严重遮挡，运动学因子图则约束帧间更新、预测前向位姿并驱动多假设并行验证以避开局部极小。作者在多个挑战性基准和真实机器人演示中报告，快速运动下的跟踪存活率显著更高。
推荐理由：论文把视觉感知、时序运动学与全局重定位耦合成闭环，用于应对快速运动下的位姿跟踪发散，可供机器人交互感知研究参考。
SLoSa 是一个神经符号压缩与微调框架，用于训练小尺寸、低功耗且具备安全意识的机器人任务规划基础模型。该框架先用经典规划器、教师大模型和形式化验证器构建安全数据集，再经监督微调与由验证奖励机引导的强化学习微调。
推荐理由：论文给出小尺寸规划模型在 PDDL 任务、家用仿真与桌面机械臂上的成功率与功耗数据，可对照大模型本地部署的资源约束。
作者提出 Context-Aware Navigation Explanation 框架，用大语言模型为辅助机器人解释导盲犬式的避障与导航动作，并将感知上下文与规划的未来轨迹结合生成自然语言解释。系统部署在 Unitree Go2 平台的室内导航场景中，评估不同解释上下文配置对用户信任和解释满意度的影响。结果显示解释满意度与信任呈强正相关，且将障碍物信息与未来轨迹结合的解释效果最好。
MIT 等机构作者提出 Flexible Feature Editing Pipeline（FLEX），用语言模型根据自然语言纠正迭代编辑机器人内部任务特征表征，包含添加缺失特征、泛化已有具体特征、屏蔽无关特征三种操作。
推荐理由：论文提出用语言模型迭代增删与泛化任务特征的表征编辑流程，并在导航、Franka 操作与真人语言纠正实验中比较不同编辑方式。
VeriCalib将外参标定建模为可验证估计问题并输出标定状态，指出拟合残差在同一批观测上计算，无法判断结果是否可接受。它用结构化协方差联合传播相机与LiDAR标靶特征不确定性，并按残差估计方差分量，解耦旋转与平移以定位各方向精度、引导补采最弱方向数据。方法还引入视内与跨视检查及外参最小可检测偏差，在未知噪声水平下保持显著性水平。
作者提出 Planning Under Noise（PUN），一种学习噪声感知价值场的神经算子，用于在未见几何环境中进行规划。该方法在障碍物上施加反射 Neumann 边界条件、在目标处施加 Dirichlet 条件，并扩展 Monte Carlo 求解器 Walk on Stars 到更高维，从部分收敛的噪声标签中学习几何到价值场的映射。
研究提出耦合视觉-运动重映射方法，将全景方位扭曲与上肢偏航逆变换配对，用于第一人称人形机器人遥操作，并实现Global Zoom（GZ）与Focus+Context（F+C）原型。在N=8的被试内研究中完成72次试验，GZ完成数最高（23/24；Fixed为20/24，F+C为21/24），但6/8参与者更偏好F+C，该样本中完成率与偏好指向不同映射。
SceneRig 是一个智能体系统，可将单张图像重建为可编辑、可直接用于仿真的3D场景。它结合几何、视觉与物理工具，并在物理仿真器内执行编辑与验证循环以获得物理稳定性。作者称，相比基线方法，SceneRig 在实例分割、物体外观和3D摆放上有所改善，其场景能更准确地预测真实机器人策略结果，并更可靠地支持已录制操作在无需轨迹适配的情况下回放。
推荐理由：论文提出从单张图像重建可仿真场景的智能体系统，并给出下游机器人策略预测与操作回放的对比结果。
Kelvin Aladum 与 Nisar Ahmed 提出 MAPLE，一种无需训练的预测式室内探索方法，将蒙德里安过程改造为以当前部分地图中已观测几何线索为条件的在线生成先验。
CoGaussian 提出一种基于高斯的开放词汇协同语义占据预测框架，把场景表示为与基础模型对齐的稀疏3D高斯，用于多智能体间几何与语义信息的通信和融合。作者指出，现有协同语义占据方法依赖稠密3D体素标注且只能识别预定义语义类别。在 Semantic-OPV2V 基准上，该方法优于现有的开放词汇单智能体方法。
CLOSER提出证据感知的主动验证框架，把物体目标导航中的停止决策当作闭环证据采集，将视觉语言模型验证与主动感知结合。该框架微调开源VLM，把候选目标在各帧的视图标注为目标、非目标或不确定，用基于嵌入的多样性门控挑选互补视图，再由轻量网络融合各视图概率；若融合判断仍不确定，扩散策略仅依据跟踪掩码和深度驱动智能体靠近候选目标，直到判断明确。
推荐理由：论文把停止决策改写为闭环证据采集，用VLM多视角验证加扩散策略主动靠近，为ObjectNav误检问题提供可迁移方法。
论文提出 MARE（Modular Autonomy and Rendering Environment），一个基于 Unreal Engine 5 和 ROS 2 的开源月面巡视器感知与自主仿真套件。
推荐理由：论文给出月面巡视器仿真器的三组件构成与阴影真值验证指标，可供做低光照感知与自主导航的研究者参考。
作者提出 SPAR（Search-trained Push Action Ranker），从仿真搜索结果中学习为推挤基元排序，用于可移动障碍物导航（NAMO）。
推荐理由：论文用仿真搜索结果为推挤动作排序，在仿真与实机上对比随机搜索，可看学习排序如何降低规划开销。
研究指出，推理增强的驾驶 VLA 能感知并推理安全关键危险，却未能把危险信息转化为安全动作，作者将这一现象称为感知-动作绑定缺口。基于匹配的仿真反事实和驾驶日志回放，研究发现路径内危险确实被编码进视觉表征，但纵向规划主要由自车速度历史主导，对危险距离和模型自身推理轨迹响应很弱。
推荐理由：论文用匹配仿真反事实与实车日志回放，把驾驶 VLA 的危险感知与制动控制分开诊断，并给出不改权重的生成时引导方案。
针对球形移动建图系统（SMMS）快速旋转与地面覆盖有限的问题，提出两种基于RANSAC的地面法向量估计方法：单帧扫描估计（法向量打分加多步验证）和基于LiDAR-惯性里程计（LIO）全局3D地图的估计。在多个真实数据集上以地面激光扫描仪为真值评估，LIO方法在精度和鲁棒性上显著优于单帧方法。将地面法向量估计融入运动模型可改善位姿估计，支持挑战性与危险环境中的自主导航。
一项 arXiv 预印本研究拆解期望自由能（EFE）能否决定潜世界模型规划该花多少算力，并分别测试候选打分、停止规则与在线预测器更新。当精英代价停滞时停止细化，在成功率随深度饱和的任务上平均成功率接近固定深度参照；在测试的较大权重下，奖励预测分歧会降低冻结模型的成功率，惩罚分歧则在部分任务和权重设置下有益、在另一些设置下有害。
研究提出分层框架RLTrajGen-PPMPC-CBF，用预设性能约束（PPC）调节强化学习规划与MPC控制之间的耦合，并以控制屏障函数（CBF）层提供实时安全修正并反馈至RL过程。在MetaDrive仿真环境中，该方法相比最优基线平均成功率提升6.25%，运动病剂量值（MSDV）降低65.87%，同时加快训练收敛。
PanoGraphGS 提出一个统一框架，将全景3D高斯表示学习与分层3D场景图构建结合，在共享高斯几何上学习语义与实例特征。其语义感知场景图模块可恢复楼层-房间-物品-物体的层级及包含与空间关系，并支持新视角全景分割与高斯级全景解码。
推荐理由：论文把全景分割与分层3D场景图统一到高斯表示中，并给出与Replica、NaviGS的对比结果，可供场景图构建方法参考。
CovNav 是一个免训练框架，用共形预测把双过程推理变成不确定性感知决策：本地 LLM 快速判断目标是否在观测物体附近，仅将模糊查询升级到慢速思维链推理。在 Gibson 和 HM3D 上，CovNav 在 HM3D v1 和 v2 的成功率分别比最强零样本基线高 0.8 和 1.7 个百分点，仅对 12.4% 的查询调用慢推理，并保留大部分始终开启思考的收益。
针对最小转弯半径r的Reeds-Shepp追捕者，研究全向逃逸者从其前向锥形视野中逃逸的最短时间问题。在速度比ν与锥半角满足sinα<ν≤1的慢速或等速情形下，用Isaacs特征线构造解并以反馈形式验证，逃逸时间为一个标量方程的首个根。采样保持反控制表明该逃逸时间在除角点外的各状态均为非预期策略下的博弈值，角点处追捕者策略值为无穷。
EchoNav提出一种从短RGB序列预测证据式鸟瞰图（BEV）表示的视觉导航框架，结合时序聚合与占据补全，在最新自车坐标系下生成局部地图，无需深度或相机位姿输入，也不做显式几何变换。
推荐理由：论文给出基于历史观测的证据式BEV补全方法，并在仿真与轮式机器人上对比基线成功率。
SynCalib 提出一种面向 LiDAR-相机标定网络训练的数据生成框架，通过外参可控的合成数据缓解训练数据外参多样性不足带来的数据集捷径问题。该框架利用带深度真值的全向图像数据集，在严格外参约束下合成多模态标定数据。
OmniVLoc 是面向全景相机的环绕视觉定位系统，基于拓扑度量框架，结合全局场景识别与单目深度估计，通过求解尺度感知位姿图并进行球面光束法平差恢复查询帧的度量级位姿。系统还设计了分层校验机制，在不同阶段过滤错误输出以提升鲁棒性。作者称在公开数据集和自建数据集上的实验验证了其精度与可靠性，源码和数据集将在论文发表后公开。
研究比较了10种确定性方法和2种基于LLM的变体，涵盖规则、相似度、需求导向、模糊与语义方法，评估异构多机器人任务分配中机器人-任务适配性的打分、排序、可行性与最优机器人选择。在相同场景下各方法常给出不一致结果，通用相似度指标可能违背单侧需求满足解释下的预期性质，LLM打分还引入随机性与语言敏感性。结果表明适配性应作为显式建模选择，在分配前考量其假设、鲁棒性与决策后果。
一项人体志愿者研究使用6自由度Stewart平台机器人表征头颈系统的生物运动学工作空间，为精准头部稳定中的人机交互建立基础数据。该研究面向集成实时光学运动跟踪的6自由度机器人头部固定器，旨在无需物理约束即可动态补偿头部运动，替代刚性立体定向框架和热塑面罩等侵入性方法。
RadGeoLoc 提出用学习观测模型将旋转雷达测量对齐到卫星影像，实现不依赖 GNSS 的定位。方法用雷达里程计传播粒子滤波生成候选位姿，再由观测模型给出似然；雷达表征经掩码重建预训练。作者在覆盖城市与越野的 8 个数据集、31 条路线上评估，并利用同一路线 13 个月的重复穿越考察天气变化下的鲁棒性。
推荐理由：论文给出旋转雷达对卫星影像定位的粒子滤波方案，并在31条路线和13个月重复穿越中检验天气鲁棒性。
论文研究视觉语言动作（VLA）模型的失败归因问题，即判断去除某个视觉损坏是否会让当前回合受益，而非仅检测损坏是否存在。作者提出因子化风险模型，分别学习场景与损坏的表示，从当前图像和任务指令出发通过潜在干预估计去除收益，无需配对干净图像或额外反事实 rollout。
Abolfazl Babanazari 与 Kaveh Fathian 在 arXiv 预印本中从理论上研究点云配准中最大团与最大一致两种表述的关系，证明最大团在任意固定正容差下可具有任意大的对齐误差，且可比最大一致集任意大。
XoNav 提出一种四执行器髋部外骨骼，在髋关节处直接呈现前进、两级制动和两级转向的触觉提示。基于双侧 LSTM 的步态分类器用两个大腿 IMU 识别步态，对未见用户召回率为 95.2-97.9%，站立时抑制提示。在三条路径的蒙眼 Wizard-of-Oz 导航试验中，参与者行走距离的 98.8% 保持在 0.75 米宽通道内，每次试验平均前进速度提升 4.9%。
作者在 Jetson AGX Orin 上对九类深度估计模型做了基准测试，覆盖单目 Depth Anything V2/V3、Depth Pro、MoGe-2、Metric3D v2、UniDepth V2 与立体方法 libSGM、NVIDIA ESS、Fast-FoundationStereo，按 Middlebury 2014 真值评估度量精度、GPU 时间、能耗和许可。
推荐理由：在 Jetson AGX Orin 上统一比较九类深度估计模型的精度、速度、能耗与许可，为机器人感知选型提供可复现依据。
研究提出一种让配备摄像头的半自主机器人识别Shoebox Tasks任务目标并规划动作的方法，该系统用基于视觉的大语言模型将任务照片转换为PDDL表示并生成动作计划。Nao机器人可自主执行多种Shoebox Tasks，并通过动作演示、语音指令或手势提示下一步或报告检测到的失败。求解器仅以拍摄图像为输入，经适配的机器人接口可集成到多种教育机器人中，教师无需编程。
论文提出一种实时交互感知框架，利用嵌入式电容传感让仿壁虎干黏附界面在黏附全周期内估计接触状态，并划分空闲、接近、接触、啮合、脱离五种离散状态。基于实验采集并增强的传感器数据，六种轻量机器学习模型的对比中随机森林离线分类准确率最高，为95.65%。在线部署时随机森林结合规则状态机把准确率从78.02%提升到93.14%，宏F1为0.9343，推理周期53毫秒。
CoopUQ 提出一种多机器人社交导航框架，通过跨机器人时空特征融合预测未来占用栅格地图，并用预测及其不确定性引导约束多智能体强化学习策略。该策略对预测为占用或高不确定的区域施加代价，使策略在分布偏移下调整风险敏感度。
研究团队提出ACE-Brain-0.6，在Qwen3.5-9B上用约150万条可验证空间定位样本微调，以强化通用具身操作的空间感知基础。数据来自机器人操作录像与多来源视觉数据的统一管线，经自动标注转为定位监督。该模型在7个公开定位基准中的4个上超过GPT-6 Astra，平均分75.41对73.68；在固定微调设置下，随数据批次扩大覆盖更多定位场景，聚合定位性能稳步提升。
推荐理由：论文给出从机器人操作录像构建可验证空间定位监督的数据管线，并报告9B模型在公开基准上的对比结果。
EgoRayFormer 是一种因果姿态估计器，在射线空间中将立体特征采样与几何细化耦合，通过共享3D假设沿视线投影到双视图并做射线相交校正。在官方设备相对测试划分上，UnrealEgo2 三随机种子平均 MPJPE 为 17.64 mm，UnrealEgo-RW 为 49.55 mm，用 UnrealEgo2 预训练后降至 47.57 mm。
CAOS-SLAM 提出一种动态 vSLAM 框架，在 ORB-SLAM3 基础上加入混合感知管线，实时检测、跟踪并过滤语义已知和此前未见的运动物体。方法按需执行全景分割做物体发现，对未分类区域用深度聚类实例化候选未知物体，两次全景更新之间依靠轻量检测或基于世界坐标系卡尔曼预测、深度一致性和外观相似度的时间掩码传播维持物体轨迹，再用估计的物体运动剔除动态特征。
研究提出一种紧耦合的LiDAR-惯性-运动学里程计框架，用于轮腿四足机器人：保留解析滚动预测，并从本体感知历史中学习逐轮、随方向变化的过程协方差，通过运动学修正调节滚动预测的影响。