论文arXiv · cs.RO
面向半静态环境安全导航的物体与任务感知主动感知框架
研究提出一种主动感知框架，让高自由度移动操作臂在导航过程中用机械臂手部相机检查不确定或安全关键区域。该方法用概率化的物体与任务感知下一最佳视角（NBV）公式优先观察期望路径附近及可能变化的物体，并集成到分层任务模型预测控制（HTMPC）中，利用运动学冗余调整视角同时保持基座轨迹跟踪的更高优先级。实机测试显示，相比被动或非任务感知基线，该方法提升了地图一致性、降低了任务相关地图熵和导航风险。
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 632 篇 · 按发表时间
- 论文arXiv · cs.RO
HuMiT：基于紧凑参考跟踪的低延迟人形机器人全身遥操作
HuMiT 提出一种人形机器人全身遥操作方案，其统一跟踪策略只需当前帧的根高度、根速度与四个稀疏关键点的 SE(3) 位姿作为紧凑参考，无需完整关节位置、密集身体变换或未来帧。作者报告头显流式传输到策略输出的通信至推理时延约 20 ms，基于视频的光流时延中位数为 65 ms。系统在 Unitree G1 人形机器人上验证，展示了接住抛来球体等快速反应和协调的移动操作能力。
站内阅读 ↗ - 论文arXiv · cs.RO
RangeNav：面向机器人导航的LiDAR距离图像任务对齐预训练
RangeNav 提出一个仅 183k 参数的 LiDAR 距离图像编码器，完全在合成数据上预训练，用于移动机器人导航。该方法采用各向异性卷积和循环填充处理距离图像的极端长宽比与方位接缝，并以距离重建、语义分割和 BEV 预测组成的导航对齐目标预训练后冻结用于策略学习。
站内阅读 ↗ - 论文arXiv · cs.RO
面向自适应机器人运动的时空样条方法
研究提出一种基于样条的时空表示方法，将空间几何与时间进程纳入同一组连续变量，联合估计共享贝塞尔曲线，并可独立调整空间与时间模型复杂度。仿真实验显示该方法能准确联合恢复路径区间，并通过调整模型复杂度与连续性实现细化，对演示集方差更鲁棒。在机器人辅助患者翻身任务中，用实体假人验证了在线重定时与同步能力。
站内阅读 ↗ - 论文arXiv · cs.RO
机器人泛化不止靠数据量：零样本能力驱动的多样性路径
研究将物理AI的零样本泛化表述为对部署分布的覆盖，指出同一批采集者增加样本只能缓慢缩小未见区域，而每个新贡献者都能扩展该区域。为此提出一种机器人动作共享潜空间，结合多模态对齐、生成式增强与噪声标签学习，并以在标准易用机器人Origami上构建应用的开发者社区作为多样化数据来源，最后给出将实机零样本成功率与贡献数据多样性关联的可检验假设和评估协议。
站内阅读 ↗ - 论文arXiv · cs.RO
OMAR：面向场景货架整理的开放世界多属性推理方法
OMAR 提出一套开放世界多属性推理流程，让机器人在没有预设物体词表和物体-容器对应关系的情况下，推断货架的隐含组织方式并摆放新物体。方法先用视觉语言模型给出标签及内容、包装类型等属性，经分割、深度和多视角关联完成跨视角实例定位，构建实例级3D场景图，再由LLM推理摆放排序，最后做几何与运动学可行性检查。作者称实验在实例映射和摆放一致性上优于单视角语言定位与纯几何基线，可自主摆放此前未见过的物体。
站内阅读 ↗ - 论文arXiv · cs.RO
Post-hoc Epistemic Uncertainty for Vision-Language-Action Policies：单策略核方差头估计VLA认知不确定性
作者提出 post-hoc kernel-variance heads，从单一 VLA 策略的嵌入中估计认知不确定性，每个头计算以训练演示嵌入为条件的高斯过程条件方差，拟合不需要回归目标或梯度更新，也不改动策略本身。
站内阅读 ↗ - 论文arXiv · cs.RO
面向自主系统分析的充分与必要因果解释
研究区分故障分析的两类目标：复现（找出足以重现故障的条件）与规避（找出阻止故障所需的改变），指出现有基于充分解释的因果方法只支持复现。作者在实际因果框架下形式化必要解释，提出基于因果责任的近似算法，并在多个环境中评估效率，通过反事实生成展示其在故障规避上优于现有方法。
站内阅读 ↗ - 论文arXiv · cs.RO
SpatialDex：从纯RGB人类视频重建增强视觉运动预训练，学习3D双臂灵巧操作
SpatialDex提出一种从纯RGB人类视频学习3D双臂灵巧操作的框架，通过重建场景几何并结合手部运动估计进行视觉运动预训练。该方法将重建几何同时作为策略输入和预测目标，用门控残差融合把预训练视觉语言模型的token网格锚定到该几何上，并预测未来场景几何与手腕、手指动作。
站内阅读 ↗ - 论文arXiv · cs.RO
CausGround：面向自适应具身规划的因果交互接地框架
CausGround 是一个非参数化的因果交互接地框架，把交互经验提炼为以动作为中心的因果知识，用于具身规划。它识别动作前置条件与效果，并以分解式世界状态表示组织物体属性和物体间关系，规划时把任务相关因果依赖接地到当前观测，支持前置条件的反向推理与效果的正向推理。
站内阅读 ↗ - 论文arXiv · cs.RO
FlowVLA：面向定量机器人倒水的流感知物理完成学习
FlowVLA 将动作生成与物理完成度估计分离，由共享的 π_{0.5} 动作专家在边界感知监督下学习接近、倾倒和返回，并用融合视觉、关节、腕部力与循环力信念历史的目标无关估计器维持转移质量估计，当估计值加预测残余流出量达到目标质量时触发返回。
站内阅读 ↗ - 论文arXiv · cs.RO
综述探讨物理AI中的递归自我改进
arXiv 预印本综述《Toward Recursive Self-Improvement in Physical AI》将递归自我改进（RSI）置于机器人学习语境，梳理从提升机器人能力到提升生成能力的过程这两类路径。
站内阅读 ↗ - 论文arXiv · cs.RO
DriveMLP：训练策略比模型复杂度更影响自动驾驶规划性能
DriveMLP 提出以专家引导强化学习（EGRL）训练轻量 MLP 策略，在 nuPlan Val14 Reactive 基准上取得 86.51 分，比此前最佳模仿学习规划器 Flow Planner 高 3.2 分，推理速度提升超过 15 倍。研究通过受控实验发现，训练流程而非模型规模与复杂度贡献了相当一部分性能提升。代码已在 GitHub 开源。
站内阅读 ↗ - 论文arXiv · cs.RO
Reading the Room：将稀疏VSLAM地图配准到部分建成环境的楼层平面图
作者提出Reading the Room（RR），一种全局到局部的方法，用于把尺度不确定的稀疏语义VSLAM地图配准到部分建成的楼层平面图。其核心是定义一个可微、类别平衡的语义几何能量函数来统领整个流程，并提供两种全局初始化方案：利用单个不准确的用户对应点，或用跨模态匹配网络全局估计。
站内阅读 ↗ - 论文arXiv · cs.RO
Watch Your Step：用落脚点预测裁剪感知输入的人形机器人运动策略
arXiv 论文 Watch Your Step 提出预期感知方法，用轻量落脚点预测模型（FPM）仅凭本体感知和速度指令预测未来落脚点，再只在这些落脚点周围采样高程图小块，替代完整机器人中心高程图输入。
站内阅读 ↗ - 论文arXiv · cs.RO
研究提出月球重力下四足机器人跳跃的端到端强化学习策略
Levin Müller 等人在 arXiv 预印本中提出一种多阶段强化学习方法，为月球重力下的四足机器人点对点跳跃生成单一端到端控制策略，仅依赖任务可用的机载传感。
站内阅读 ↗ - 论文arXiv · cs.RO
串联机器人雅可比性能指标的关节角不变性
研究串联机器人雅可比类性能指标（可操作度、刚度等）的关节角不变性，识别出这些指标与首末关节角无关的运动学条件，从而系统降低有效构型空间维度、简化性能评估。在性能地图构建与任务布局优化两个场景中验证，该策略降低计算量与存储需求且不损失有效性。
站内阅读 ↗ - 论文arXiv · cs.RO
ContactFlowFilter 用流匹配与粒子滤波实现基于本体感知的在线接触估计
作者提出 ContactFlowFilter，将流匹配生成模型嵌入粒子滤波框架，用于估计机械臂的接触数量、位置与力向量。该方法仅依赖关节力矩传感器和基座力/力矩传感器，以粒子滤波的递归结构处理时序依赖，用流匹配模型作为辅助提议分布跟踪多模态信念并检测接触事件。仿真与实机实验显示，实机单接触和双接触场景误差分别为 0.36 cm 和 0.88 cm，运行耗时为 0.69 ms 和 2.69 ms。
站内阅读 ↗ - 论文arXiv · cs.RO
面向耦合传动机械臂遥操作：保持操作者意图的执行器约束感知方法
针对耦合传动机械臂遥操作中独立电机饱和破坏差动腕俯仰-滚转协调、固定映射难以应对重力负载与执行约束引起的跟踪突变，作者提出一种执行器约束感知的主从遥操作方法，联合建模主端重力补偿、主从关节映射与从端差动腕控制。
站内阅读 ↗ - 论文arXiv · cs.RO
SERA：用自演化 harness 组织 VLM 规划器的机器人智能体
研究提出 SERA（Self-Evolving Robotic Agent），把高层 VLM 规划器组织为可编辑 harness 以维护任务上下文，底层由固定的 VLA 执行器控制。
站内阅读 ↗ - 论文arXiv · cs.RO
Make it Walk：乐高步行机器人的计算设计方法
研究者提出首个能设计乐高步行机器人的计算方法，使机器人既能稳定行走，又支持多种步态。该方法用定制齿轮-连杆机构配合一对3D打印非圆齿轮机械控制足部轨迹，每条腿由独立电机驱动并通过控制算法同步时序，进而协同设计形态与控制。团队据此制作了多种乐高步行机器人，展示不同步态与外观，并实物制造部分样机验证真实环境行走能力。
站内阅读 ↗ - 论文arXiv · cs.RO
S-Rolling：面向可扭转蛇形机器人的可转向滚动步态
论文提出 S-Rolling，一种面向可扭转蛇形机器人的可转向滚动步态，兼顾低扫掠高度与平面转向能力。该方法基于 S 形平面骨架曲线，头尾两段以独立控制的角速度滚动，由中央扭转关节实现两段相对旋转，并推导了关节空间步态方程和关联段滚动速度与机器人线速度、角速度的准静态运动学模型。
站内阅读 ↗ - 论文arXiv · cs.RO
面向可穿戴机器人的可供性分割扩展至多物体图像
针对上肢假肢设备视觉抓取管线在多物体场景下难以区分目标的问题，研究提出在硬件中加入激光指针实现物体消歧，并配合混合现实策略复用已有高质量分割掩码程序化生成逼真图像，对识别可抓取部位的深度卷积网络重新训练。实验结果显示，该管线相比现有方案将目标消歧准确率最高提升9%，同时保持计算开销不变。
站内阅读 ↗ - 论文arXiv · cs.RO
可扭转蛇形机器人复杂地形运动规划：线性扭转侧行步态
Qingling Fan 与 Zhongqiang Ren 提出一类线性扭转侧行步态，用线性扭转函数把扭转负载分布到全身，而非集中在中间两个扭转关节。在匹配转速和总输出功率的条件下，该步态使单个扭转关节的峰值输出功率降低42%。实机实验显示，新步态能在现有 rolling vector 方法无法通过的多类地形上运动，并比不带扭转的传统侧行步态快最多49%。
站内阅读 ↗ - 论文arXiv · cs.RO
距离场驱动强化学习实现机械臂反应式避障
论文提出一种将欧氏距离场（EDF）直接纳入观测空间的强化学习框架，为智能体提供连续几何线索以支持稳定、反应式的避障行为。该方法在7自由度冗余机械臂上验证，实现了从仿真到真实硬件的零样本迁移；尽管训练仅使用随机静态物体，部署后的策略仍能泛化到此前未见的真实环境，并对动态障碍物表现出在线避障能力。作者认为，EDF表示有助于缓解仿真到现实的差距。
站内阅读 ↗ - 论文arXiv · cs.RO
A2I-Calib++：面向足式机器人全身多IMU系统的运动学驱动抗噪主动标定框架
A2I-Calib++ 提出一种运动学驱动的抗噪主动标定框架，用于足式机器人机体多IMU系统，可在无需人工标定靶标、无需对目标IMU做复杂参数调优的情况下估计时间偏移、外参旋转平移与惯性零偏。
站内阅读 ↗ - 论文arXiv · cs.RO
PRISM：以物理机制解耦深度噪声，提升仿真到现实迁移
PRISM 提出一种基于物理的深度噪声建模框架，将单一噪声解耦为传感失效与测量不准两类模态，并借助 3D 视觉基础模型特征做空间语义先验推理。作者称其在噪声深度合成基准上达到当前最优保真度，下游机器人实验在真实世界取得 92.1% 平均成功率，优于单一噪声建模基线。项目页面见 https://shawnleung-sii.github.io/prism-icml2026/。
站内阅读 ↗ - 论文arXiv · cs.RO
Integrating Flow Matching and Model Predictive Control for Safe Robot Navigation
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。
站内阅读 ↗ - 论文arXiv · cs.RO
AOV-GS：用 3D 高斯泼溅做主动开放词汇语义建图
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。
站内阅读 ↗ - 论文arXiv · cs.RO
研究提出面向刚性与弹性关节机器人轨迹跟踪的前馈控制负载泛化方法
该论文提出一种针对负载参数泛化前馈控制动作的方法，且不依赖底层控制器。作者先推导负载泛化所需的最少示例物体数量，再给出仅凭新负载参数即可执行同一轨迹的算法，无需已知机器人动力学模型，也适用于存在弹性关节的情形。方法在仿真和实验中验证，实验使用标准 Franka Emika Panda 以及加装弹性腕的 Franka Emika Panda，覆盖不同机器人与控制器的跟踪任务。
站内阅读 ↗ - 论文arXiv · cs.RO
PAL：先规划后执行的分层记忆框架用于机器人长程操作
PAL 是一个面向视觉语言机器人操作的分层记忆框架，用高层 VLM 把流式视觉观测转成可执行 subtask_list，执行时再选出当前子任务交给低层 VLA 策略。
站内阅读 ↗ - 论文arXiv · cs.RO
Alpha：面向 LLM 驱动具身操作的系统性故障注入与鲁棒性评测框架
Jona Joy 提出 Alpha，一个在仿真中面向 LLM 驱动操作的系统性故障注入与鲁棒性评测框架，在感知、执行、运动学和规划四类环节注入校准故障。
站内阅读 ↗ - 论文arXiv · cs.RO
面向空间机器人行为保真度要求的星载语言模型压缩方法QSelect
QSelect将AWQ、GPTQ与AutoRound检查点按线性模块组合成单一静态低比特模型，在DeepSeek-R1-Distill-Qwen-7B、Llama-3.1-8B和Llama-3.2-3B的3比特与4比特共六种设置下，留出困惑度均低于任一单一家族模型。
站内阅读 ↗ - 论文arXiv · cs.RO
RGF：用关系几何对齐改进世界动作模型的机器人操作
论文提出关系几何强制（RGF），通过对齐成对特征关系而非逐点特征，把冻结3D基础模型的几何先验迁移到世界动作模型（WAM）。作者发现逐点几何对齐虽改善视频特征却会损害动作学习，RGF 用帧内、跨视角和动作-时序三类关系目标，且仅在训练阶段使用，不增加几何分支或推理模块。仿真与实机实验显示，该方法在多种操作场景和 WAM 范式下取得一致提升。
站内阅读 ↗ - 论文arXiv · cs.RO
TIDE：面向机器人操作的人在环在线后训练系统
作者提出 TIDE（Training In DEployment），一个面向机器人操作的人在环在线后训练系统，可在部署过程中利用人工干预和策略自身 rollout 在线更新策略，无需学习 critic、奖励模型或动作评分器。
站内阅读 ↗ - 论文arXiv · cs.RO
DepState-JEPA：以深度锚定状态表征的RGB-D联合嵌入预测架构
作者提出 DepState-JEPA，一种双流 RGB-D 联合嵌入预测架构，通过共享隐状态 DepState 把空间理解与动作条件预测连接起来。该框架基于 V-JEPA 2.1，将深度同时作为互补观测流并把两种模态锚定到度量三维空间，动作条件转移后由同一组解码器预测未来 RGB 与深度特征。
站内阅读 ↗ - 论文arXiv · cs.RO
研究评测视觉语言模型在热成像人机交互中理解人类活动的失败模式
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。
站内阅读 ↗ - 论文arXiv · cs.RO
NavBind 提出在路线分叉处诊断导航 VLA 的指令-动作绑定
NavBind 提出一种诊断导航 VLA 指令-动作绑定的方法，在导航上下文固定时检验更换指令是否改变动作的概率分布。研究从 R2R-CE 和 RxR-CE 重组出 3,252 个路线分叉上下文，每个上下文的两条完整指令共享已走过路线的描述、但指向不同分支，并在相同智能体状态和导航历史下评估。
站内阅读 ↗ - 论文arXiv · cs.RO
SMR：从人类语义学习人形机器人流式运动重定向
SMR 提出一种流式神经运动重定向器，从语义条件物理专家学习，将人类运动转为人形机器人可执行的运动参考。方法先把人类运动转换为机器人感知的任务空间目标，由物理专家在仿真中于接触、动力学和执行器约束下跟踪，再用严格因果的 Transformer 学习其执行状态轨迹。
站内阅读 ↗ - 论文arXiv · cs.RO
研究：表征先验如何影响世界动作模型的泛化能力
arXiv 论文研究世界动作模型（WAMs）因生成骨干不同而在泛化性能上出现明显差异的原因，从模型继承自骨干的表征几何及策略训练对其的重组入手分析。作者提出用干扰正交性量化表征先验，即特征在经验分布流形之外的视觉变化下的正交程度，并在多种图像和视频骨干上发现先验正交性越高，WAM 训练后对视觉变化的鲁棒性越强。
站内阅读 ↗
Google Scholar 提醒：待接入邮箱，尚未运行。