论文arXiv · cs.RO
Reeds–Shepp 追捕者锥形视野下更快逃逸者的最小时间逃逸
针对全向逃逸者从 Reeds–Shepp 追捕者前向锥形视野中最小时间逃逸的问题，研究求解了速度比 ν>1、半角 0<α<π/2 的全部情形，给出逃逸时间的显式特征刻画与标量方程选根方法，并证明其为每个状态下非预期策略博弈的值。逃逸者在正面轴扩散线端点 E 之上沿通用线追击倒车的追捕者，追捕者最优策略沿用较慢情形的接力策略；水平集与半拉格朗日计算结果与博弈值进行了比较。
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
Same Label, Different Interface：机器人学习中动作空间标签之外的执行通路
arXiv 预印本论文 Same Label, Different Interface 研究机器人学习中位置与速度动作标签无法决定机器人实际执行内容的问题。作者在 PegInsert、GearMesh、NutThread 三个接触密集 Factory 任务上，用同一学习器和训练预算比较五种关节空间接口，每种条件独立训练十个策略。
站内阅读 ↗ - 论文arXiv · cs.RO
单目深度估计在月球环境中的有效性研究
研究评估多种先进单目深度估计方法在分布外月球环境中的重建效果，使用NASA Ames POLAR立体数据集与Apollo 17月面影像，建立从模拟到实地的验证流程，分别对物理模拟真值做定量评估、对历史实地数据做定性评估。结果显示部分先进方法可泛化生成非结构化月表的高保真相对三维重建。
站内阅读 ↗ - 论文arXiv · cs.RO
EARS-Info：面向多机器人探索的信息感知事件驱动重分配方法
作者提出EARS-Info，这是事件驱动蚁群重分配搜索EARS的信息感知扩展，用于OpenStreetMap派生网格上的多机器人探索，融合边际感知增益、可行重定位、返回感知路由、感知预留与缓存最短路径。
站内阅读 ↗ - 论文arXiv · cs.RO
相对动作信用学习：扩展 PPO 以逃离局部最优
论文提出用动作条件价值评论器扩展 PPO，通过在同一状态比较已执行动作与采样替代动作来改善信用分配，并结合广义优势估计与探索噪声约束。作者称该方法能在相同探索设置下逃离平台期，在 PPO 停滞的训练预算内完成精密轴孔插入任务。研究将 PPO 在长程接触丰富任务上的失败归因于状态价值评论器只按回合结果判断进展，导致策略收敛到部分解后无法区分动作优劣。
站内阅读 ↗ - 论文arXiv · cs.RO
Metatron：面向人形机器人的可提示全身执行层
论文提出 Metatron，一种可提示的全身执行层，由生成式基础策略与可编程技能层组成。基础策略接收由定时身体部位目标、速度指令和风格线索组合成的提示，训练数据包括动捕、合成恢复轨迹和重定向场景交互动作，训练后策略被冻结。
站内阅读 ↗ - 论文arXiv · cs.RO
SPT：无需额外偏好标注的可操控机器人操作偏好迁移
论文提出自标注偏好迁移方法SPT，让带偏好标注训练的VLA策略把偏好控制迁移到缺少偏好标注的新任务。SPT在带标注源演示上联合训练共享视觉语言骨干做偏好条件动作预测与偏好识别，再冻结识别器为目标演示自标注并微调策略。
站内阅读 ↗ - 论文arXiv · cs.RO
手持微操作机器人主动约束框架实现引导与安全同步
Roger Ho 等人提出一种面向手持微操作的基于优化的主动约束框架，可同时提供任务引导与安全约束。该框架在手持机器人上实现，并在医学相关人工任务中演示，结果显示安全违规率相对基线降低两个数量级以上，同时弥补了仅施加安全约束带来的三倍精度损失。
站内阅读 ↗ - 论文arXiv · cs.RO
FORGE：面向敏捷人形运动的在线降阶参考生成与全身执行框架
论文提出 FORGE 两阶段学习框架，将在线降阶模型（ROM）参考生成与全身跟踪控制结合，用于人形机器人敏捷运动。第一阶段用单刚体动力学结合完整人形运动学训练命令条件化的全身参考生成器，第二阶段在线滚动冻结的 ROM 策略，为全阶动力学模型上的全身跟踪策略生成参考。
站内阅读 ↗ - 论文arXiv · cs.RO
TextRadar：用毫米波雷达构建三维占据-语言场
TextRadar 提出从全景雷达观测构建场景级三维占据-语言场，使重建场景可用新描述进行查询。该方法用单帧雷达蒸馏模型预测对齐的距离与语言特征，并借助雷达估计位姿配准重建，在新场景中仅靠雷达完成建场。作者在七栋建筑约 2 万条同步观测上演示了场景级自然语言查询与免提示语义可视化，并发现相机到雷达的概念迁移在结构、材质和人体姿态上比颜色和印刷文字更一致。
站内阅读 ↗ - 论文arXiv · cs.RO
研究对 π0.5 在 BEHAVIOR-1K 上的推理设置做配对评估
研究对 π0.5 在 BEHAVIOR-1K 全部 100 个任务上系统配对评估此前提出的推理与数据采集策略，所用模型基于 2025 BEHAVIOR Challenge 冠军方案微调，公开测试集 Q-score 为 0.39。结果显示这些策略并不能一致地迁移到新环境和新任务。项目页面、视频与详细分析见 https://rubenhammele.github.io/behavior2026。
站内阅读 ↗ - 论文arXiv · cs.RO
论文发现更多规划反而有害：面向世界模型的学习型规划器对比
Josef Chen 的预印本在 PushT 上比较面向世界模型的学习型规划器，其固定动作更新器（1,505 参数）在预留的 16 个场景中解出 8 个，总规划与编码耗时 59.079s。
站内阅读 ↗ - 论文arXiv · cs.RO
Echo：用离策略经验扩展视觉强化学习
Gagan Khandate 提出单阶段离策略强化学习框架 Echo，通过逆蒸馏让基于状态的辅助策略模仿不断演化的视觉策略，并收集无需渲染的低成本经验，再借助共享特权评论家直接改进视觉策略。
站内阅读 ↗ - 论文arXiv · cs.RO
GOFish：直接在鱼眼图像上训练的高斯泼溅与网格提取方法
GOFish 提出一种直接在鱼眼图像上训练的三维高斯泼溅表面重建方法，可渲染超过 180° 的视场并从同一场景提取对齐网格。在 200° FIORD 和 205° FullCircle 基准上，其 PSNR 分别比此前最佳方法提升 2.28 和 1.97 dB，并在 FIORD 与 ScanNet++ 主集上取得最高网格 F-score。
站内阅读 ↗ - 论文arXiv · cs.RO
TACOS：面向视觉足步规划的地形感知接触监督方法
TACOS 提出一种基于腿式状态估计因子图残差的足步不稳定性评分，并将其投影到前序图像上，用于监督稠密视觉预测器。作者给出利用事后信息的硬评分和可即时获得的因果软评分两个变体，在 1716 个人工标注接触上与现有方法比较，两个变体的不稳定性检测与严重程度排序均优于所有对比方法，合并严重程度排序比最强基线提升 28%。
站内阅读 ↗ - 论文arXiv · cs.RO
ThinkWorld：用世界想象强化动力学链推理的VLA学习框架
ThinkWorld 是一个 VLA 学习框架，把动作推理建立在世界动力学上，并通过世界想象的强化学习加以强化。它将每个动作思考表示为 Chain-of-Dynamics（CoD），即一串离散运动 token，刻画从当前世界到未来状态的中间动力学，并作为跨本体的通用动作表示。
站内阅读 ↗ - 论文arXiv · cs.RO
LEAP手手内物体位姿到达策略：仿真训练零样本迁移实机并加入残差安全过滤
研究提出一套在仿真中为LEAP手训练手内物体位姿到达策略的方案，无需人类数据，经系统辨识后零样本迁移到真实手，可用动捕或单个腕部深度相机。在4个物体、4800个未见目标、13.3小时实机评测中，基于状态的策略在2厘米和0.4弧度内到达95.2%的目标，叠加可调保守度的学习残差安全过滤器后掉落减少75%，仍到达91.5%的目标。策略还能旋转任意姿态的灯泡、到达分布外目标并承受快速手臂运动与扰动。
站内阅读 ↗ - 论文arXiv · cs.RO
研究团队构建第一视角网球数据集并评测视觉模型的时空预测能力
研究团队采集了带标注的第一视角网球数据集，包含与五路第三人称视频同步的第一视角视频、估计的全局位置、标注的击球时刻和击球类型，并在其上训练和评测视觉模型。
站内阅读 ↗ - 论文arXiv · cs.RO
RESPLE2：惯性先验递归非均匀样条多传感器里程计与全局优化
RESPLE2 提出一种基于非均匀 B 样条的递归多传感器状态估计框架，用于 6-DoF 运动表示。该方法利用样条节点夹持边界性质，由惯性运动学直接预测控制点，并在迭代扩展卡尔曼滤波中用部分惯性测量完成预测，更新步骤按原始时间戳融合 LiDAR、相机、IMU 与腿部运动学。
站内阅读 ↗ - 论文arXiv · cs.RO
EgoThumb：视觉驱动的额外机器人拇指，实现自主抓取与持握辅助
EgoThumb 是一款全开源的视觉驱动额外机器人拇指，用于辅助单手完成抓取与持握。其紧凑的双肌腱驱动手指把驱动单元移至前臂，以降低远端重量并实现精确的主动关节控制。
站内阅读 ↗ - 论文arXiv · cs.RO
可微仿真训练四旋翼穿越动态窄缝的视觉运动策略
研究提出一种可微分的移动窄缝建模方法，按到随时间变化的缝隙平面的有符号距离对居中、对齐和平滑碰撞项进行门控，把稀疏的穿越事件转化为稠密的路径目标。该方法被整合进一个从随机初始化单阶段训练的视觉特征到指令策略，无需教师、规划器或蒸馏。
站内阅读 ↗ - 论文arXiv · cs.RO
CRS：面向铰接物体操作的关节运动学约束参照评估方法
论文提出 Constraint-Referenced Strategy（CRS），将指令末端执行器旋量投影到物体关节轴上，把沿关节方向的进展与偏离约束的无效动作分开，无需录制演示或学习评判器。
站内阅读 ↗ - 论文arXiv · cs.RO
ARC：用稀疏人工纠正引导机器人策略残差后训练
研究提出自适应残差纠正模块 ARC，在冻结的模仿策略之上用强化学习学习残差纠正，并以稀疏人工纠正决定残差控制何时激活、在残差动作空间的何处探索。在真实机器人的三个精密操作任务上，ARC 将平均任务成功率从 33.3% 提升到 75.0%。作者称人工纠正定义了七关节残差空间中依赖任务的 2-3 维子空间，保留 96.0-97.7% 的纠正幅度平方。
站内阅读 ↗ - 论文arXiv · cs.RO
无渲染事件帧仿真加速自主机器人导航强化学习
研究提出一种解析事件仿真器，直接从场景几何与自运动合成事件流，无需视觉渲染，单 GPU 生成 64x64 事件观测耗时 17 微秒，比先进渲染管线快 400 倍以上。
站内阅读 ↗ - 论文arXiv · cs.RO
StabBot 用学习立体视觉与残差强化学习实现机器人管道对扣
StabBot 机器人管道对扣系统结合摆锤卡尔曼滤波、ResNet-18 关键点网络与残差强化学习策略，在 200 组随机作业中全部完成对扣，传统固定导向器为 74%。
站内阅读 ↗ - 论文arXiv · cs.RO
哪只手迟了？双臂工具使用中机器人故障恢复的诊断研究
论文研究双臂工具使用中的机器人故障诊断，在仿真任务上按记录轨迹标注故障原因，测量各传感通道能让诊断器分辨出什么。工具滑脱可在工具手上读出，哪只手迟了需要双臂信息，单手传感器只能读出本手延迟和另一手至多部分延迟；当工具手迟到时，迟到的尝试是否同时推力不足无法从被动传感中辨识。
站内阅读 ↗ - 论文arXiv · cs.RO
利用分布式感知与超维计算实现非视距被动目标感知
论文提出一种仅依赖通信基础设施分布式信道测量的框架，用于感知机器人视野外的被动实体并进行风险感知分类。测量数据经超维计算嵌入高维表示，无需显式信道重建即可学习。基于商用光线追踪的数值仿真和ROS验证显示，在严重遮挡下准确率最高达89%，并改善了路径规划与安全性。
站内阅读 ↗ - 论文arXiv · cs.RO
World Dreamer v5-lite：单 Dreamer 多机器人世界动作模型
World Dreamer v5-lite 是一个面向多机器人的世界动作模型，围绕共享世界状态为各机器人分别预测动作序列。该状态由预训练视频编码器的校准特征在工作空间坐标中填充，空间尺寸不随视角增加而改变；视觉语言模型提供场景上下文，并为每个机器人提供一个查询，查询读取共享状态并交换位姿感知信息，动作流保持独立。
站内阅读 ↗ - 论文arXiv · cs.RO
Ego-CEVR：从人类第一视角视频学习跨本体视觉表征
Ego-CEVR 提出一种数据原生的分层视觉表征学习框架，将全局表征与交互表征分配不同的学习目标。全局模块通过在第一视角视频上做未来预测，学习物体关系、任务状态和时间进度；交互模块结合全局上下文解读腕部观测，并借助机器人动作监督学习局部对齐与接触线索。两条残差路径把两种表征同时接入动作策略，全局视频模块可在大规模人类第一视角视频和多种机器人本体视频上独立预训练，无需机器人动作标签或配对的腕部观测。
站内阅读 ↗ - 论文arXiv · cs.RO
研究用强化学习实现固定翼无人机自主拦截
一项预印本研究提出用强化学习训练的神经网络控制固定翼拦截机，将滤波后的单目视觉观测直接映射为执行器指令。策略在自建 Python 环境中用近端策略优化训练，随后部署到固定翼平台并在真实拦截场景中测试；仿真中该策略在多数条件下优于两个经典制导控制器，实机中成功拦截了机动的固定翼目标。
站内阅读 ↗ - 技术北京通用人工智能研究院
北京通用人工智能研究院提出AutoPhyX：文本条件自动生成物理属性
北京通用人工智能研究院团队提出AutoPhyX，一个文本条件框架，用于预测空间变化的物理属性，论文被ECCV 2026收录。该方法先构建部件可控的数据生成流程，将复杂3D资产分解为语义部件并配对物理参数与文本描述，再以跨模态调制让文本特征动态调制视觉特征，在体素场中完成属性预测，兼容网格、点云、Gaussian Splatting和NeRF等表示。
站内阅读 ↗ - 论文arXiv · cs.RO
果蝇自主探索的内在目标：分层探索智能体复现未来意志动作
研究结合果蝇全脑记录与神经力学数字孪生，测试内在动机算法能否复现果蝇探索行为。果蝇全脑记录可提前10秒以上表征自发探索决策；在虚拟拴系球实验中，DIAYN在好奇心、熵与胜任力等20种内在动机算法中取得与果蝇最接近的行为与神经前瞻编码表现。
站内阅读 ↗ - 论文arXiv · cs.RO
研究：世界建模在机器人动作学习中究竟改善了哪些方面
研究在 FastWAM 和 OpenWAM 中做受控的未来视频预测损失消融，模型架构、初始化、机器人训练数据和训练步数在各模型族内保持固定。在已见任务的干净条件下，预测监督分别将成功率提升 24.38 和 72.91 个百分点；但在分布偏移下收益并不稳定，未见任务上的提升因模型和任务而异，两个模型在所受评估的环境随机化下成功率都较低。
站内阅读 ↗ - 论文arXiv · cs.RO
受德军坦克问题启发的气味源搜索终止准则
论文提出一种受二战德军坦克问题启发的估计方法，用机器人化学传感器读数的运行最大值和采样计数估计气味羽流峰值浓度，从而判断气味源位置。作者推导了该无偏估计量及其置信界，将其转化为机器人或无人机决定是否继续搜索的终止准则，并展示了样本效率以及在假设失效时的稳健性。研究最后总结该估计量在嗅觉导航中作为终止判据的作用。
站内阅读 ↗ - 论文arXiv · cs.RO
DGC：面向四旋翼控制瞬态分布外扰动的双梯度一致性自适应学习方法
Mingtian Tan 与 Vasileios Tzoumas 提出 Dual Gradient Consensus（DGC），一种面向四旋翼混合域内/域外扰动的自适应学习方法，在保留随机傅里叶特征模型、离线 BPTT 策略与最小二乘自适应的基础上修改在线更新步长。
站内阅读 ↗ - 论文arXiv · cs.RO
面向虚拟现实人机交互的多模态社交感知框架
一个整合语音、视觉与触觉的多模态框架在虚拟现实中对18名参与者、5个社交互动场景生成机器人语音与动作，并与人工遥操作基线对比。参与者对自主系统的自然度与社交适宜度评分均高于中性中点，但遥操作基线在这两项上显著更高。行为编码与定性反馈显示，对话时机、澄清模糊请求和空间协调是差距的主要来源。
站内阅读 ↗ - 论文arXiv · cs.RO
TRIAGE：VLA 推理加速需同时结合 KV 复用与剪枝
Sooyoung Kwon 等提出 TRIAGE，一种无需训练的 VLA 推理加速方法，按 token 漂移阈值判断缓存是否有效，对固定预算的 token 重算、其余复用或剪枝。
站内阅读 ↗ - 论文arXiv · cs.RO
IntNet：面向协同自动驾驶的通信驱动多智能体强化学习框架
Parada、Yu 与 Angeloudis 提出 IntNet，一个将车辆意图传输与自适应通信调度纳入统一端到端学习范式的多智能体强化学习框架，用于协同自动驾驶。
站内阅读 ↗ - 论文arXiv · cs.RO
四旋翼飞行器轨迹生成与控制
该项目探索四旋翼飞行器的控制器设计与轨迹生成，基于微分平坦性从给定算法生成最小加加速度轨迹，并用简单PD控制器跟踪轨迹。仿真结果给出了四旋翼位置与速度的平滑轨迹。
站内阅读 ↗ - 论文arXiv · cs.RO
空中机械臂的非线性控制
针对搭载二自由度机械臂、可与环境物理交互的四旋翼，研究实现并对比了笛卡尔阻抗控制器与自适应滑模控制器。在存在有界扰动的情况下，两者以相同初始条件和期望位置执行简单悬停任务，并基于完整动力学模型进行验证。
站内阅读 ↗
Google Scholar 提醒：待接入邮箱，尚未运行。