论文arXiv · cs.RO
论文系统评测 GPT-6 Astra 直接控制机器人操作的能力
论文系统评测了 GPT-6 Astra 在轻量智能体执行框架下的闭环机器人操作能力，在 RoboDojo 上成功率为 26.92%，在 RoboTwin 2.0 上为 76.0%。
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
Safe Wrapper：用信任值统一排除受损链路的多机器人协作方法
论文提出 Safe Wrapper 算法，在机器人用入站链路数据更新状态时，基于各机器人异常检测器输出的信任值流，用 Safe Anytime-Valid Inference 筛选出可信链路子集。
站内阅读 ↗ - 论文arXiv · cs.RO
研究揭示驾驶 VLA 的感知-动作绑定缺口，并提出冻结采样器引导修复
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。
站内阅读 ↗ - 论文arXiv · cs.RO
GPL：为视觉-语言-动作模型引入生成式计划隐变量
作者提出生成式计划隐变量（GPL），把VLA的推理状态表示为对计划（如选哪个物体、抓取或路线）的低维条件分布，使计划可采样、可按请求选择、可按部署结果重加权，且无需重新训练VLA。
站内阅读 ↗ - 论文arXiv · cs.RO
CPR：从预测几何到动作，学习互补预测表征用于具身操作
作者提出两阶段框架 CPR，从多视角视频片段学习互补的预测几何表征用于具身操作。预训练阶段用冻结的 3D 基础模型提供稠密几何特征，压缩为预测几何表征并保留场景结构及其时序演化，再对几何转移施加动作监督提取运动表征；下游后训练通过几何查询迁移预测几何，运动表征引导动作生成路径上的中间特征。
站内阅读 ↗ - 论文arXiv · cs.RO
HAKUTO 微型月球探测车飞行模型热控策略设计与实现
针对 HAKUTO 月球探测车飞行模型（FM），研究将其划分为六个辐射面建立分析热模型，依据朝向太阳辐射通量及月球辐射、太阳反照率、月壤传导等因素确定表面温度，并据此选定航电设备安装位置与太阳翼角度，在整备质量低于 4 kg 的前提下兼顾热性能与发电。初步分析后开展数值仿真，并在真空环境中通过热平衡试验验证设计。
站内阅读 ↗ - 论文arXiv · cs.RO
DirectWAM：将世界-动作模型蒸馏为单步预测的机器人控制方法
DirectWAM 通过动作充分蒸馏把预训练视频与动作专家转为单步预测器，在 LIBERO 四个套件平均成功率 97.1%、RoboTwin 2.0 上 85.4%，推理延迟较完整迭代教师降低 28.0 倍。
站内阅读 ↗ - 论文arXiv · cs.RO
中断感知循环强化学习提升UAS导航在临时接管后的安全性
论文研究UAS在远程飞行员或机载避撞系统临时接管后交还控制权时，循环强化学习策略的性能退化问题。基准测试显示中断会使任务变量更难从循环隐藏状态中解码，并提高中断后碰撞风险。作者提出三种中断感知架构，在仿真中均比标准循环策略保留更多可解码任务信息，其中最强架构相对循环基线将中断后碰撞减少74%、中断导致的任务失败减少69%，且未降低无中断时的性能。
站内阅读 ↗ - 论文arXiv · cs.RO
FIT-MAC：面向鲁棒 VLA 模型的闭环多智能体框架
FIT-MAC 是一个失败感知的闭环多智能体控制框架，在推理阶段为 VLA 策略增加控制层以提升鲁棒性。该框架由 Planner、Grounder、Verifier 和 Correction 四个智能体组成，分别负责任务解析、视觉目标绑定、执行进度跟踪与失败类型区分，以及将干预路由到目标重绑定或有界抓取与放置恢复；无需干预时仍由预训练 VLA 生成动作。
站内阅读 ↗ - 论文arXiv · cs.RO
PVF：用时序差分学习概率可达-规避值函数
作者提出概率可达-规避值函数（PVF），一种适用于黑盒系统的自监督方法，在随机且可能无界的扰动下把可达-规避集定义为满足一定可达-规避概率的状态。该方法在复杂度递增的系统上、直至Hopper运动任务，与基于HJR的基线对比，结果显示在扰动非对抗时，概率集比对抗式HJR集更不保守、更准确。论文为arXiv预印本。
站内阅读 ↗ - 论文arXiv · cs.RO
面向球形移动3D建图的LiDAR-惯性里程计实时地面法向量估计
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。
站内阅读 ↗ - 论文arXiv · cs.RO
PACT-VLA：用提交前观测验证候选动作块，缓解VLA异步推理延迟
PACT-VLA 提出一种免训练框架，用推理起始观测生成候选动作块，再用提交前观测从中选出完整动作块，以缓解异步推理延迟导致的成功率下降。其 FlowRes 评分衡量候选隐含流方向与冻结策略在提交前观测下预测速度的残差，无需单独验证器；流水线实现使选择不增加控制步延迟。
站内阅读 ↗ - 论文arXiv · cs.RO
研究拆解期望自由能作为潜世界模型规划的测试时算力控制器
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。
站内阅读 ↗ - 论文arXiv · cs.RO
LocoPilot：单操作员双边遥操作采集四足移动操作策略数据
LocoPilot 是一个单操作员双边遥操作与数据采集框架，部署在 12 自由度 Unitree Go2 四足机器人上，该机器人搭载 6 自由度 AgileX Piper L 机械臂、Intel RealSense D435 腕部相机和 D405 头部相机。
站内阅读 ↗ - 论文arXiv · cs.RO
HuTact：从人类手物交互数据学习触觉感知手部表征
Yu 等人提出 HuTact 框架，从大规模人类手物交互数据预训练触觉感知手部表征，预训练阶段不需要真实触觉信号。该方法把从人手运动中学到的交互结构迁移到机器人触觉观测，并可用少量无标注机器人交互数据进一步适配。
站内阅读 ↗ - 论文arXiv · cs.RO
EventSync：面向历史依赖操作的事件驱动记忆更新框架
EventSync 是一个分层框架，通过事件驱动的记忆更新协调任务推理与动作执行：视觉语言模型依据任务计划和交互历史生成子目标，视觉-语言-动作模型负责执行，轻量 Event Monitor 结合视觉观测与末端执行器轨迹判断当前子目标是否完成，只有取得完成证据后才写入已完成子目标历史并触发下一步推理。
站内阅读 ↗ - 论文arXiv · cs.RO
PointHand研究：遥操作手部关键点渲染如何影响新手演示与策略学习
研究提出遥操作界面PointHand，将多指机器人手渲染为指尖与关节的稀疏关键点，并在仿真杯子入盒任务中比较三种渲染方式。18名新手与4名专家共采集2200次试验，看到拇指与食指被强调的新手在600次试验中获得441次成功演示，而看到真实手形的新手为320次。
站内阅读 ↗ - 论文arXiv · cs.RO
分层QP控制与权限引导恢复规划实现眼科机器人高精度RCM运动
研究提出一种带奇异恢复的高精度RCM伺服架构，用于通用机械臂在软件远心运动下执行眼科器械定位。作者将RCM与末端跟踪目标冲突导致的伺服振荡形式化为约束诱导任务奇异，即RCM投影后的末端雅可比降秩而未投影雅可比仍良态。
站内阅读 ↗ - 论文arXiv · cs.RO
枚举引导训练神经 Hamilton-Jacobi 安全证书
作者提出一种验证引导的训练框架，用安全约束的概率枚举检测前向不变性违规，生成比标准对抗攻击方法更精确刻画失败边界的反例集。用该表示微调预训练的 HJ 值函数，在所有测试基准上得到更大的认证区域并缩短认证时间。作者还基于精炼后的证书设计部署期屏蔽机制，在基于物理的 Isaac Sim 环境和真实自主竞速实验中，相比标称控制器和基于线性二次调节（LQR）的备份策略实现零安全约束违规。
站内阅读 ↗ - 论文arXiv · cs.RO
前沿大模型进入机器人领域：RoboColiseum 上的跨模型评测
研究者在 RoboColiseum 上对 GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5 和 Gemini 4 Argon 四款模型做跨模型具身能力评测，覆盖指令跟随、空间推理、通用操作与鲁棒性四个赛道。
站内阅读 ↗ - 论文arXiv · cs.RO
RoboCasa-Shift：面向长程家务操作 VLA 策略的分阶段鲁棒性评测基准
作者提出 RoboCasa-Shift，一个基于 RoboCasa365 的诊断性鲁棒性基准，结合受控单因素扰动、共享相同设置仅目标扰动不同的配对干净-扰动 rollout，以及仿真中的分阶段诊断。
站内阅读 ↗ - 论文arXiv · cs.RO
多视角潜动作预训练提升跨本体机器人学习
作者提出一种多视角潜动作模型（LAM），用交叉注意力融合同步多相机视角以消解深度与遮挡，再压缩为潜动作，并接入由潜专家与动作专家经顺序流匹配耦合、冻结VLM骨干的策略。
站内阅读 ↗ - 论文arXiv · cs.RO
RoboJudge：用多模态语言模型评判具身视频生成
研究团队提出 RoboJudge-Bench，用于评测多模态大模型对具身视频生成的判断能力，覆盖物理遵循与指令对齐两个维度，包含来自 8 个源语料、10 个视频生成器的 800 段人工标注视频，涉及夹爪、人手和灵巧手。
站内阅读 ↗ - 论文arXiv · cs.RO
AWLS：面向单步生成式机器人操作策略的优势加权潜空间引导
作者提出 AWLS，一种针对冻结的单步生成式机器人操作策略的离线后训练方法，在不更新解码器的情况下学习观测条件化的潜噪声残差修正。该方法以优势加权动作重建目标训练该残差噪声整形器，优势值经分离和尺度归一化后仅作为示教动作的监督权重，避免使用 critic 梯度更新策略并保留单步推理。
站内阅读 ↗ - 论文arXiv · cs.RO
RLTrajGen-PPMPC-CBF：面向自动驾驶车辆环岛导航的预设性能引导安全强化学习框架
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。
站内阅读 ↗ - 论文arXiv · cs.RO
经验记忆何时帮助闭环 LLM 驾驶智能体：受控评测揭示热启动池与 token 对照的影响
研究在单一经审计的 HighwayEnv 测试台（1Hz，决定性对比使用 gpt-4o-mini）上受控评测经验记忆对闭环 LLM 驾驶智能体的作用，将热启动池视为重采样随机因子（十个不相交池）并加入 token 匹配的无关填充对照。
站内阅读 ↗ - 论文arXiv · cs.RO
PanoGraphGS：用高斯泼溅统一全景分割与分层3D场景图
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。
站内阅读 ↗ - 论文arXiv · cs.RO
面向双足人形机器人姿态感知导航的自适应通行管道
论文提出以自适应通行管道（ATT）、区间速度-航向（IVH）控制和侧步增强AMP运动先验为核心的双足人形机器人姿态感知导航框架，将几何间隙与社会舒适度统一为沿参考路径的连续宽度信号，并映射为正面到侧步的姿态调度与全向速度指令。
站内阅读 ↗ - 论文arXiv · cs.RO
CovNav：用共形预测引导自适应推理的目标导航框架
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。
站内阅读 ↗ - 论文arXiv · cs.RO
PLaCA：学习 patch 级未来潜变量变化以生成机器人动作
PLaCA 提出一种以未来潜变量变化为核心的世界到动作框架，直接从当前多模态输入预测空间结构化的 patch 级未来潜变量变化，并引入 patch 级变化感知监督和未来到动作接口。在 LIBERO-Long 上成功率为 79.0%，比仅动作基线提升 5.0 个百分点；在 CALVIN 上平均序列长度从 2.784 提升到 3.564。第二阶段训练仅更新 2.95% 的模型参数。
站内阅读 ↗ - 论文arXiv · cs.RO
Reeds-Shepp追捕者锥形视野下慢速或等速逃逸者的最短时间逃逸：分类与博弈值
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。
站内阅读 ↗ - 论文arXiv · cs.RO
UMI 手套新方案：单个头戴相机完成无电子手套的标注与观测
Yosub Shin 等人提出用单个头戴相机（122 美元）替代腕部相机和位姿追踪器，通过读取无电子手套（22 美元）上的印刷标记与工作区纸片，从同一帧中解出 6-DoF 夹爪位姿和夹爪开度。
站内阅读 ↗ - 论文arXiv · cs.RO
EchoNav：利用历史观测做证据式BEV补全的视觉导航框架
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。
站内阅读 ↗ - 论文arXiv · cs.RO
Tactile-ETA：具身任务智能体通过触觉上下文学习完成精细操作
Yubang Wang 等提出 Tactile-ETA，将触觉经验以上下文学习方式注入具身任务智能体，在不更新模型参数的情况下完成精细操作。系统把专家演示中的机器人运动与相机视图、双侧触觉观测配对，保留运动起止触觉图像并在触觉变化明显时加入两个相邻时间点。
站内阅读 ↗ - 论文arXiv · cs.RO
ThERMO 用热成像闭环优化速度，提升自主肿瘤切除精度
研究团队在 arXiv 发布 ThERMO，一种基于实时热成像的闭环速度优化算法，用于 UR10e 机械臂 ASTR 系统上的自主电外科手术。在离体猪组织实验中，ThERMO 相比两种固定速度方法将热损伤降低最多 52%、切割精度提升最多 59%，并保持任务完成速度，且无需数据驱动训练或迭代调参。组织学分析用于检测细胞层面的热损伤范围，3D 摄影测量用于验证切缘精度。
站内阅读 ↗ - 论文arXiv · cs.RO
SynCalib 提出外参可控合成框架，缓解 LiDAR-相机标定的数据集捷径问题
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。
站内阅读 ↗ - 论文arXiv · cs.RO
OmniVLoc：面向全景相机的拓扑度量视觉定位系统
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。
站内阅读 ↗ - 论文arXiv · cs.RO
异构多机器人任务分配中的机器人-任务适配性评估方法比较
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。
站内阅读 ↗ - 论文arXiv · cs.RO
研究评估具身视觉语言模型的社交推理能力
研究在真实人机社交交互基准SHREC上评估Gemini Robotics-ER，并与已发表的通用VLM基线比较。Robotics-ER在错误与能力检测上优于GPT-4o-mini，但在详细社交属性判断上表现更差；增加一帧视觉信息对其中一项任务有帮助，对另一项则有损害。
站内阅读 ↗ - 论文arXiv · cs.RO
基于Boston Dynamics Spot的自主砌砖概念验证系统
论文提出一套用加装机械臂的Boston Dynamics Spot四足机器人自主堆叠砖块的概念验证系统，在供料区与装配区之间依靠AprilTag定位和autowalk任务导航。
站内阅读 ↗
Google Scholar 提醒：待接入邮箱，尚未运行。