论文arXiv · cs.RO
研究用根轨迹扩展调和函数方法生成多机器人协调路径
该预印本提出用广义根轨迹扩展调和函数方法，为平面多边形障碍环境中的N个可互换机器人生成协调路径。经共形映射到圆域后，起点与终点成为有理函数R的极点与零点，路径即其广义根轨迹分支；在临界相位与边界相位之外的相位下，梯度运动使各机器人沿互不相交且不触及障碍的路径到达不同目标，机器人-目标分配由构造直接给出，并以增益作为时钟使所有机器人在指定时间同时到达。
站内阅读 ↗PAPERS / 研究文献
从论文，读到原始证据。
具身智能历史论文精选与持续收录的最新研究。
按发表时间浏览论文与研究；新论文沿用日常评分、中文摘要及符合条件的全文翻译规则。历史收藏继续保留原文。
当前结果 623 篇 · 按发表时间清除筛选
- 论文arXiv · cs.RO
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。
站内阅读 ↗ - 论文arXiv · cs.RO
Progress Probes P²：面向VLA模型的轻量运行时监测方法
作者提出Progress Probes P²，在演示数据上对VLA策略激活训练线性探针来估计任务进度，并标记偏离预期进度的执行。在开源VLA π0.5及仿真和真实世界操作任务实验中，该方法在任务失败检测上不逊于或优于基于VLM的监测器和需要失败数据训练的方法。研究据此认为，对VLA内部做简单探针即可构建运行时监测器，无需外部基础模型。
站内阅读 ↗ - 论文arXiv · cs.RO
基于注意力接触规划的人形机器人移动学习框架
研究提出一种人形机器人移动学习框架，将运动数据仅作为训练先验，用自监督注意力接触规划器预测未来身体与环境接触，再由接触条件跟踪器生成全身协调动作。该框架让单一策略在部署时仅依赖机载观测、无需参考输入，并通过后续微调探索原始运动数据未覆盖的环境变化。作者称这一设计使策略内化接触感知的运动结构，而非直接复刻运动学轨迹。
站内阅读 ↗ - 论文arXiv · cs.RO
Echo：为VLA模型联合去噪动作与任务状态信号
Echo提出一种框架，将停止与失败两类任务状态信号作为每个动作块的两个维度，与机器人动作一起去噪，从而区分执行中、成功完成和失败三种状态。该方法无需帧级进度标注，通过构建成功、失败和恢复轨迹进行监督，并让状态信号比动作更快去噪，使后续动作去噪步骤能基于更干净的状态估计。真实世界操作实验显示，Echo能较准确预测任务状态并持续提升策略性能。
站内阅读 ↗ - 论文arXiv · cs.RO
WarpWeaver：面向多机器人协调的去中心化实时规划协议
论文提出去中心化实时规划器 WarpWeaver，通过分散式列生成让多机器人协商共享空间租金，在静止时给出近最优协议认证。在 Dynobench 仿真中，其总行程时间较集中式离线规划器最多降低 22%，较去中心化实时基线最多降低 37%，在图连通性任务上成功率接近任务专用规划器的两倍。六台机器人机载规划的硬件实验表明该协议具备实际可实施性。
站内阅读 ↗ - 论文arXiv · cs.RO
SCOPE：用规划错误修正优化场景图，生成机器人长期规划数据集
SCOPE 是一个自动生成多样化且可执行的任务与运动规划（TAMP）数据集的框架，通过规划执行失败作为反馈信号回溯修正场景图中的逻辑不一致。该框架引入多级多样性指标以提升场景信息熵，实验显示其对错误场景图更稳健、生成数据质量更高。用 SCOPE 数据微调的下游 TAMP 模型成功率比用 DELTA 生成数据微调的模型绝对提升 12.33%。
站内阅读 ↗ - 论文arXiv · cs.RO
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%。
站内阅读 ↗ - 论文arXiv · cs.RO
SkeLAM：以骨架监督分解潜动作的机器人世界模型
作者提出 SkeLAM，一种骨架引导的潜动作模型，用于可控机器人世界建模，将潜动作分解为由机器人骨架监督约束的运动学分量和保留其余视觉动态的残差分量。在 DROID 上，SkeLAM 相比 DreamDojo 将末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%。
站内阅读 ↗ - 论文arXiv · cs.RO
VecTile：低成本柔性触觉阵列实现三轴力感知
Jian Hou、Xin Zhou 与 Adam J. Spiers 提出 VecTile，一种 6 mm 厚、可自制的柔性触觉阵列，通过压阻层与被动硅胶凸点把法向和剪切力转换为可区分的压力图案，4x4 阵列整套成本低于 35 美元。
站内阅读 ↗ - 论文arXiv · cs.RO
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。
站内阅读 ↗ - 论文arXiv · cs.RO
PhysTrace：面向视频生成模型物理一致性的可解释时序评估框架
PhysTrace 是一个免训练框架，将多模态大模型生成的历史条件物理期望与观测视频窗口对齐，从而在时间上定位物理违规并给出可解释描述，无需任务专用探针或分类器。
站内阅读 ↗ - 论文arXiv · cs.RO
FastHarness：为视觉-语言-动作策略提供经验驱动的审查调度
FastHarness 是一种经验驱动的执行框架，可自适应调度 GPT-6 Astra 对 π0.5 策略的监督，策略保持冻结、不额外训练。它用阶段记忆和已审查结果降低审查频率，并在恢复路径中集中纠错。
站内阅读 ↗ - 论文arXiv · cs.RO
FocusVLA：用未来意图引导动态视角路由的 VLA 框架
FocusVLA 提出一种阶段感知的多视角路由框架，从历史动作预测未来交互意图，并据此在动作生成过程中动态调整全局与局部视角的依赖。作者称现有 VLA 模型在多视角输入下持续依赖腕部视角、缺乏跨操作阶段的视角切换能力。
站内阅读 ↗ - 论文arXiv · cs.RO
CoHelix：基于事件相机与共享投影几何的多螺旋桨转速跟踪
CoHelix 提出一种递归滤波器，为四个刚性安装的共面螺旋桨估计一个共享单应性和各自独立的旋转状态，每个被接受的事件更新所属旋转状态，其几何测量再修正共享单应性。
站内阅读 ↗ - 论文arXiv · cs.RO
概率能量建模统一多样化集群控制
作者提出用概率能量建模统一多样化集群控制，把基本集群行为编码为可复用的能量项，再由轻量策略门控组合成单一控制器而无需重训练。该方法在 aerial swarms 上零样本泛化到六类任务、10-100 个智能体、两个硬件平台以及室内杂乱和 GPS 拒止林地环境。大规模仿真任务成功率为 0.96-1.00，单智能体推理时延 1-10 ms，实机部署确认了向真实平台和非结构化环境的零样本迁移。
站内阅读 ↗ - 论文arXiv · cs.RO
GelSlim 5.0：用单指尖相机统一视觉与触觉感知
GelSlim 5.0 是一种指尖传感器，用单个固定相机和连续 UV 响应接触层，通过切换照明在同一视角依次采集透膜视觉图像与接触敏感触觉图像，从而避免多相机外参标定。
站内阅读 ↗ - 论文arXiv · cs.RO
双环策略用全身运动生成外骨骼参考轨迹并实现不确定性感知柔顺辅助
研究提出一种双环辅助策略，将多模态外骨骼轨迹生成与可变导纳控制耦合，以轨迹方差连接外环生成器与内环控制器。生成器主要依据全身人体运动和外骨骼本体感知、以任务描述为辅助语义线索，通过去噪合成未来外骨骼轨迹，并采用三阶段训练流程逐步优化人体运动编码器、外骨骼本体感知编码器和轨迹生成器。
站内阅读 ↗ - 论文arXiv · cs.RO
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。
站内阅读 ↗ - 论文arXiv · cs.RO
Joint-CI：面向点与物体特征的多机器人分布式不变EKF SLAM融合方法
论文提出Joint-CI，一种用于点特征、物体特征及混合点-物体地图的分布式右不变EKF SLAM统一融合方法。该方法在接收机器人的误差坐标中构造其位姿与公共特征的联合估计，保留机器人-特征和特征-特征相关性，再用部分状态协方差交集与本地后验融合。
站内阅读 ↗ - 论文arXiv · cs.RO
Inside-JEPA：用逆动力学监督为潜世界模型建立关系定位
Inside-JEPA 在 JEPA 潜状态中为有序实体对加入关系通道，并表明当逆动力学损失的头读取这些通道时，无需关系标签即可将其定位。
站内阅读 ↗ - 论文arXiv · cs.RO
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。
站内阅读 ↗ - 论文arXiv · cs.RO
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°。
站内阅读 ↗ - 论文arXiv · cs.RO
私人住宅与养老院人机交互挑战：面向老年照护的机器人与环境智能系统综述
该章节将养老院与私人住宅同框为布局杂乱、需求多样且缺乏现场技术支持的极端人机交互环境，综述了辅助日常生活、安全监测与社交互动的具身及非具身系统，并关注机器人与固定及可穿戴传感器互补的混合部署。
站内阅读 ↗ - 论文arXiv · cs.RO
RGraph-Eval：用任务场景图评估机器人视频生成
作者提出 RGraph-Eval，一个基于参考演示的机器人视频生成评估框架，用任务场景图显式暴露物体错移、抓取消失、放置偏离等交互错误。该框架将任务实体、交互与运动组织在统一可解释的场景图表示中，由基础模型流水线识别操作角色、定位物体掩码、推断并核验状态转移与动作区间，并重建被操作物体的三维运动。
站内阅读 ↗ - 论文arXiv · cs.RO
多专家扩散规划器在未见区域该路由还是自适应
研究比较多专家扩散轨迹规划器在未见区域是选择已有专家还是让规划器自身适应。在三个真实留出地图上，八种测试时路由方案均未改善车队平均横向偏移，优于静态默认；即使按场景选最优专家的 oracle 也只降低 0.9 m。
站内阅读 ↗ - 论文arXiv · cs.RO
倾转旋翼四旋翼结合学习残差控制与模式相关状态估计
论文提出一套面向2.00千克倾转旋翼四旋翼的仿真飞行栈，用级联PD控制器指令前后与侧向倾转角，并以14状态EKF在悬停、过渡初期和过渡模式间融合传感器数据。由于比例位置环在恒定风下存在稳态偏差，作者在未改动的PD控制器上叠加小型有界神经残差，通过行为克隆从可访问真实风速的教师网络训练，部署网络不观测风速。
站内阅读 ↗ - 论文arXiv · cs.RO
MPRF：融合指令、电磁跟踪与内窥镜视频预测柔性内窥镜导航回退
研究提出多模态进度残差融合模型MPRF，用操作指令、电磁跟踪和内窥镜视频预测柔性机器人内窥镜操作者何时回退。在150个回合的结肠体模数据上，MPRF三次随机种子平均AUPRC为0.580±0.007，最强降模态对照为0.511。作者称完整多模态历史是排序优势的主要来源，残差项带来的增量较小且不确定。
站内阅读 ↗ - 论文arXiv · cs.RO
基于示教的动态运动基元机器人喂食
一项基于示教的机器人喂食框架将人类示教、动态运动基元运动规划、视觉场景感知与机器人控制集成，由操作者用动作捕捉系统记录勺子的位置与欧拉角姿态，轨迹被分割为舀取和喂食两段并分别编码。
站内阅读 ↗ - 论文arXiv · cs.RO
机器人系统多工具选择：语义检索与LLM对比
研究对比了三种基于ChromaDB的语义检索路由策略与云端1200亿参数大模型在机器人工具选择任务上的表现，评测集为164条人工标注提示，覆盖单工具到需至少三个工具的复合请求。CDB-v3在纯检索方法中宏平均得分最高，为0.7822，大模型基线为0.8869。大模型路由质量更高，但CDB-v3延迟显著更低且可本地部署、无需云连接。
站内阅读 ↗ - 论文arXiv · cs.RO
研究重新审视腹腔镜机器人操作中的状态到视觉策略蒸馏
该研究提出一个面向腹腔镜机器人操作的状态到视觉策略蒸馏框架，以带特权状态观测的状态策略作为教师，让视觉策略从RGB观测和机器人本体感知信息中学习。作者在仿真环境的多项手术操作任务上实验，结果显示通用强化学习方法训练视觉策略较为困难，而所提蒸馏方法在各任务上表现更一致、更稳定。该方法所需专家演示少于模仿学习，性能优于强化学习方法。
站内阅读 ↗ - 论文arXiv · cs.RO
TRACE：基于VLM自适应约束估计的可通行性感知反应式导航
论文提出TRACE，一个面向地面机器人在非结构化森林环境中自主运行的可通行性感知反应式导航框架。它用正负自然语言提示集生成VLM置信图，经证据融合得到稠密可通行性地图，再提取可通行点并通过百分位分箱与样条或正则化多项式拟合得到左右边界，作为软约束加入NMPC。作者称在真实森林环境中的实验显示，TRACE能在杂乱、可变形和视觉歧义地形中平滑导航。
站内阅读 ↗ - 论文arXiv · cs.RO
UniFlowWAM：融合视觉语义与4D几何的统一世界-动作模型
上海交通大学等团队提出 UniFlowWAM，将3D场景流作为与视觉、动作并列的第三模态，构建统一世界-动作模型。该模型采用扩散Transformer，每个模态一个专家，通过联合注意力交换信息，并在十目标角色网格下训练，同一模型可充当策略、前向与逆向动力学以及未来视觉特征或3D流预测器。
站内阅读 ↗ - 论文arXiv · cs.RO
Soft-Object World Model：面向双臂软体衣物操作的上下文学习世界模型
作者提出 Soft-Object World Model，用 transformer 骨干在大规模仿真软体交互数据上训练，通过上下文学习从变长部分点云历史推断潜在形状与材质线索，实现生成式全状态估计和动作条件动力学预测。
站内阅读 ↗ - 论文arXiv · cs.RO
IORA：低自由度耦合手在受限驱动下的不规则物体固定抓取合成
IORA 提出一种支撑面感知的抓取合成框架，面向低自由度耦合手实现不规则物体的固定。该方法把手与物体局部表面区域表示为图并搜索运动学可行的匹配，再细化腕部位姿与电机状态，并通过物理仿真 rollout 验证抓取。实验显示该方法能生成多种抓取构型并取得较高抓取成功率和抗扰动能力，真实实验在烹饪场景中演示了可物理执行的抓取。
站内阅读 ↗ - 论文arXiv · cs.RO
iAssistADL 三自由度上肢助动平台完成设计与实验验证
论文发布 iAssistADL 三自由度上肢助动平台，面向未来日常生活活动中的震颤与共济失调补偿。该平台将所有执行器置于基座以降低运动质量并提高机械透明性，控制上在水平面采用开环力渲染、垂直方向采用闭环力控制。实验显示水平面阻力矩低于 0.1 Nm，工作空间内末端力可达约 10 N，水平力渲染在 4 Hz 内保持准确，垂直轴在高频段仍受摩擦动态限制。
站内阅读 ↗ - 论文arXiv · cs.RO
LocoManiLab：面向人形机器人移动操作的数据、策略、控制器与部署统一测试台
LocoManiLab 提出一个覆盖数据采集与生成、策略训练、评估和物理部署的人形机器人移动操作统一测试台。其任务套件包含五类家庭场景下的 234 个原子与组合任务，配有 51.5 小时仿真遥操作数据；评估覆盖十二个策略在共享控制器下的任务与场景划分及扰动水平、两个策略在五种控制器下的表现，以及示范规模和数据来源混合的研究。
站内阅读 ↗ - 论文arXiv · cs.RO
LeWorldModel 是否保留局部动作几何？——基于 Reacher 与 OGBench Cube 的评测
研究用配对仿真器与 LeWorldModel（LeWM）响应，在三种扰动尺度下以 Gram 矩阵测量动作敏感性。在 Reacher 和 OGBench Cube 近千个状态中，最小尺度下最敏感动作方向的中位夹角分别约 36° 和 42°；扰动放大十倍后，Reacher 与 Cube 的中位归一化 Gram 差异分别降低约 70% 和 47%。
站内阅读 ↗ - 论文arXiv · cs.RO
ProTrav：传播高程不确定性的概率可通行性越野导航方法
ProTrav提出一种概率地形表示，用函数空间采样生成空间相关的地形实现，并将高程不确定性传播到可通行性代价。方法先用稀疏变分高斯过程（SVGP）从观测重建概率高程场，再通过后验函数空间采样保留相邻位置的空间依赖，得到任意位置可通行性代价的均值与标准差，并以基于矩的上置信界（UCB）定义风险项接入MPPI控制器。
站内阅读 ↗ - 论文arXiv · cs.RO
TEAR：面向机器人操作的任务证据控制权路由框架
TEAR 是一个可在机器人端部署的框架，在人类遥操作与本地自主之间分配控制权，依据网络状态证据和任务语义证据决定何时切换。作者称在动态网络条件下的仿真与实机试验中，TEAR 的任务成功率接近纯遥操作，同时把遥操作限制在 19.8%–27.4% 的控制步数内，在其设置下比纯自主执行的成功率提升 30%–40%。
站内阅读 ↗
Google Scholar 提醒：待接入邮箱，尚未运行。