2026 年 10 月
本期文章 343
SkelGG-CNN：骨架引导的机器人抓取自动标注与4-DoF到6-DoF执行
作者提出基于直线骨架的自动标注算法，无需人工干预即可生成双指抓取关键点，并训练出4-DoF的SkelGG-CNN。该模型在Jacquard V1、Jacquard V2和Cornell上分别达到95.42%、96.55%和97.1%的准确率；6-DoF自动标注在GraspNet novel split上平均精度为18.33。
约束感知强化学习实现力驱动的钩型连接拆卸
Nadeen Elhadad 等提出约束感知强化学习框架，从接触力在线推断可行的拆卸方向，在机器人无关的物体中心仿真中训练后零样本部署到实机。该方法结合粒子滤波信念提供时序积分的方向信息，在四类真实任务上成功率分别为 100%、100%、90% 和 75%，且每项任务路径效率最高；在空调前盖上相比未使用该信念的策略把成功率从 45% 提升到 75%。
SpaceAct：用闭环动作与主动感知评测3D时空推理的基准
SpaceAct 是一个交互式基准，通过闭环物理动作与主动感知评测多模态大模型的3D时空推理，并配套提出 SAPA 时空主动探测智能体框架。基准基于积木与机械谜题构建，覆盖6类36个任务族共108个已验证实例，不提供特权坐标，并设有 +plan、+state、no-camera、blind、L7 levers 等诊断模式。
SKiD-SLAM：面向行星任务的资源感知分布式多机器人LiDAR SLAM及野外部署
SKiD-SLAM 是一套面向行星探测的分布式多机器人 LiDAR SLAM 系统，作者在韩国完成两次野外部署验证。轮式漫游车在济州岛 Majang 熔岩管洞穴探索，四足机器人在涟川 KICT 的行星模拟地形执行陨石坑与岩石科学场景，系统在 250 kbps 机器人间通信预算内完成分布式多机器人 LiDAR SLAM。
Embodied at Sea：面向水下多任务操作的模仿学习研究
纽约大学等团队发布预印本 Embodied at Sea，研究模仿学习在水下多任务操作中的表现。团队在平静与湍流水域采集1616条水下操作数据，训练14个不同本体感知配置的 DynamicVLA 模型，在泳池1260次可评分实机回放中10个模型超过基线，最佳模型总体成功率93.3%（含部分成功）。
研究提出几何预测头，让0.5-2B VLM直接回归机器人可供性与轨迹
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。
EvoLife：融合混合动作空间与持久记忆的终身具身导航框架
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。
从生物曲线到模块化软体机器人：带不确定性引导修正的学习型逆向设计
该预印本提出一个 real-to-sim-to-real 框架，通过代理辅助逆向设计与不确定性引导修正，把生物曲线转成线驱动模块化软体机器人的构型。学习得到的前向代理模型把形变预测时间从 1.53×10^5 ms 降到 0.0008 ms，约 1.9×10^8 倍加速；逆向设计时间从 1.99×10^6 ms 降到 4.18 ms。
MoF：面向双臂移动操作的多框架动作去噪扩散策略
作者提出 Mixture of Frames Policy（MoF），一种在多个坐标框架间同步进行动作去噪的扩散策略，通过单一规范扩散状态、框架专用去噪器和噪声预测融合实现。
ELEVATE：从任务失败中为四足操作机器人自动获取控制器
ELEVATE 框架利用任务程序优化中的持续失败识别缺失的全身控制能力，由编码智能体构建并迭代强化学习问题，验证后的控制器加入能力库并与已有控制器组合重试任务。
HumiMimic：从野外视频迁移人-人形机器人交互动作
作者提出 HumiTransfer 框架，将野外人人交互视频转换为物理合理的人-人形机器人交互动作，并据此构建 HumiMimic 数据集。该数据集覆盖 26 自由度 Unitree R1 Edu 与 23 自由度 HighTorque Mini-hi 两款机器人，由 1200 段视频生成约 50 万帧交互数据。
SimRetract：开放手术牵开器接管的零样本仿真到现实迁移
SimRetract 展示开放手术中牵开器接管的零样本仿真到现实迁移，机械臂从外科医生手中接过牵开器并在交接时保持牵开，策略仅用仿真演示训练，无需人类演示或真实世界微调。
CusADi2 开源库：在 GPU 上低延迟批量计算机器人运动学、雅可比与海森矩阵
CusADi2 是一个开源软件库，通过在单个批次实例内部额外并行化计算，降低机器人运动学、雅可比与海森矩阵的批量求值延迟。
MOVER：从人类视频学习可泛化人形机器人搬运策略
研究提出 MOVER，一个多阶段 Teacher-Assistant-Student 强化学习框架，用于人形机器人物体搬运。该方法先用 GENMO 和 GMR 重定向视频数据并做数据增强，再分三阶段训练，最后用 Dagger-PPO 蒸馏去掉本体位置观测和参考关节位置，使部署策略依靠机载 RGB-D 相机感知物体位姿。
HERON：面向移动操作臂的实时障碍感知可达图
HERON 提出用 3D U-Net 从实时深度相机预测障碍感知可达图，在 Jetson AGX Orin 上以 TensorRT 和 INT8 量化部署，平均 115 ms 预测机械臂周围 2.56 m 立方体区域，系统速率 8.57 Hz，接近障碍地图 10 Hz 的更新率。
SimTO-Robust：面向抓取位姿与物体几何鲁棒的软体夹爪自动设计
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。
ORM：面向机器人经皮肝穿刺的压缩姿态可达图与亚秒级入口点规划
论文提出基于姿态的可达图ORM，预先计算6自由度串联机械臂在188,873个工作空间位置上的运动学可行性，并编码为83 MB的紧凑索引图。配合JIT编译的运行时管线，单目标规划延迟从13.5-26.9秒降至0.289-0.349秒，相对基线可达点云的平均凸包体积重叠比为0.933、平均alpha-shape体积比为0.976。该框架面向经皮肝消融的机器人针刺入口点规划，支持亚秒级计算。
OmniDex发布260万杂乱场景数据集与灵巧抓取模型
OmniDex提出可扩展的seed-and-filter策略，构建了包含超260万场景和0.4B场景特定抓取真值的杂乱场景灵巧抓取基准。研究同时提出OmniDex模型，通过Soft Winner-Takes-All学习、类人物理约束训练和物理驱动排序，避免后优化延迟。实验称该模型在多样场景、视角和未见物体上取得state-of-the-art性能与较强泛化。
SALT：面向可靠视觉规划的状态仿射潜空间转移模型
作者提出 SALT（State-Affine Latent Transition），一种动作条件的状态仿射潜空间动力学模型，动作同时调制状态变换与加性更新，并以递归多步 rollout 监督训练。
TERRA：面向行星漫游车的高效定向探索自适应框架
作者提出 TERRA 在线自适应框架，用奖励加权预测损失修正仿真训练的世界模型，并训练损失预测器估计未来与性能相关的误差位置，以此在 MPC 中引导探索。仿真中，在严重分布外预训练条件下，TERRA 约在五次试验内达到约 90% 爬坡成功率，在奖励、完成时间和首次成功能耗上优于探索基线。