毫米波雷达多普勒辅助跟踪被遮挡目标的位置与速度
该研究提出多普勒辅助的毫米波雷达非视距跟踪方法，将隐藏目标跟踪建模为连续位置-速度估计，在留出轨迹上取得8.95厘米位置误差和1.75厘米/秒速度误差。作者同时发布首个室内非视距雷达数据集，包含576段序列、共720,856帧，覆盖移动机器人12条不同速度、起点和材质配置的轨迹，并称方法可泛化到未见场景中的移动人体目标。
推荐理由：论文公开了室内非视距雷达数据集与位置-速度联合跟踪方法，可用于比较穿墙感知方案。
技术方向
数据集 最新动态
与机器人感知、决策和物理交互直接相关的数据集进展
48 条精选近 30 天 47 条共收录 69 条
更新
精选归档 · 第 2 页
arXiv · cs.RO精选AI 评分6060
arXiv · cs.RO精选AI 评分6767 GEMS：结合持久 3DGS 地图与智能体推理的长期时空记忆框架
GEMS 提出一种面向半静态环境的长期时空记忆框架，将持久 3D 高斯泼溅（3DGS）地图与智能体推理流程结合，地图只重建一次，之后仅在场景变化区域更新并保存这些修改。
推荐理由：论文把持久 3DGS 地图与智能体推理结合，并配套 GEMS-Bench，可用于比较机器人长期时空记忆方案。
arXiv · cs.RO精选AI 评分7272 SceneBloom：面向具身学习的智能体室内场景生成框架
SceneBloom 是一个结合视觉布局采样与契约引导 3D 编译的智能体框架，用于生成逼真、多样且可直接仿真的室内环境。其分层采样器利用扩散先验在功能区内生成家具布局，编译器再依据提案中提取的关系进行几何拟合与局部位姿修正。
推荐理由：论文提出用智能体框架生成仿真就绪的室内场景，并给出与真实房间分布及导航策略迁移的对比结果。
arXiv · cs.RO精选AI 评分7171 DexPort：面向高自由度灵巧手的手持技能数据采集接口
DexPort 是一个面向高自由度机器人灵巧手的手持数据采集接口，采集与部署使用同一套手部硬件，并记录指令关节目标与实测关节状态。操作者移动手持接口指定机器人腕部运动，再选择或调整技能来协调手指动作，无需逐关节控制。作者在4类真实任务上采集超过2500条演示，用行为克隆直接训练视觉运动策略；使用记录的机器人指令替代关节状态时成功率从11%提升到64%，使用野外数据时任务成功率从36%提升到78%。
推荐理由：论文提出用手持接口采集高自由度灵巧手数据，并给出4类任务的成功率对比，可供比较遥操作与人体演示两条数据路线。
arXiv · cs.RO精选AI 评分7272 NimCritic：动作感知量化的长程任务进度建模
作者提出动作感知量化方法，用视觉语言模型把长程轨迹拆成物体级子任务并分配加权动作信用，并据此构建 800 小时以上训练视频数据集和含 19,618 个人工校准评估帧的长程进度基准 LOOM。
推荐理由：论文提出动作感知量化与 NimCritic 进度评论器，并公开 800 小时视频数据集与 LOOM 基准，可供长程操作进度建模参考。
北京通用人工智能研究院精选AI 评分6767 北京通用人工智能研究院提出 TaF-VLA：在 VLA 模型中实现触觉-力对齐的力感知操作
北京通用人工智能研究院团队提出 TaF-VLA，将经物理力与压力监督的触觉表征接入 VLA 主干，用于接触密集的力感知操作。团队搭建自动化触觉-力采集装置并构建 TaF-Dataset，包含超过 1000 万条同步触觉观测、六轴力/力矩测量与力分布图。
推荐理由：论文提出以力觉而非视觉对齐触觉表征的 VLA 框架，并公开千万级同步触觉与六维力数据集，可供接触密集操作研究参考。
arXiv · cs.RO精选AI 评分6363 WorldMirror：从野外机器人演示生成可交互仿真世界的智能体框架
WorldMirror 是一个智能体式 real-to-sim 框架，可从野外机器人演示构建可交互数字孪生。它把 real-to-sim 构建表述为可执行世界程序的迭代精炼：编码智能体分解场景、规划重建步骤并调度图像与 3D 生成工具，再通过验证反馈修正程序。在 DROID 上的实验显示，该框架能重建视觉忠实、几何一致的可交互世界，并保持所记录机器人轨迹的物理有效性。
推荐理由：论文把野外机器人演示转成可交互仿真世界，其世界程序迭代修正思路可供仿真数据构建参考。
arXiv · cs.RO精选AI 评分6666 KiRoSe 用运动学数据高效分割机器人演示
KiRoSe 提出用机器人运动学数据而非原始多路视频来分割机器人演示，以降低多模态大模型的处理成本。该方法借鉴 Huffman 编码思路构建稀疏运动 token（SMT），用带时间分段监督的运动轨迹编码并量化得到离散运动词汇，再以演示子任务标注监督开放语言模型解读 token 序列。
推荐理由：论文用机器人运动学数据替代多路视频做演示分段，并给出跨本体零样本迁移的评测结果，可供数据清洗与检索参考。
arXiv · cs.RO精选AI 评分7878 OpenTac 发布可定制三维触觉皮肤及配套设计生态
OpenTac 提出一种可定制、可扩展的电阻式触觉皮肤及全栈生态，通过结构化可变形覆盖层把切向载荷转为空间变化的压力分布，相邻 taxel 的差分响应可解码局部剪切向量，共模响应编码法向力。
推荐理由：论文给出可定制电阻式触觉皮肤的设计工具与配套生态，并在四种真实机器人本体上验证三维触觉反馈控制与策略学习。
智元机器人精选AI 评分7171 
智元开源 AGIBOT WORLD 2026 第四版“Physical Reasoning”数据集
智元开源 AGIBOT WORLD 2026 的第四版“Physical Reasoning”数据集，任务设计重点从操作难度转向决策复杂度。该数据集覆盖 10 类以上逻辑推理场景，按 Easy、Medium、Hard 三级组织，并提供高层问答与低层动作轨迹，用于高层决策模型与低层动作策略的协同训练。
推荐理由：智元开源 AGIBOT WORLD 2026 第四版数据集，任务设计从操作难度转向决策复杂度，可用于比较具身决策与动作联合训练的数据组织方式。
arXiv · cs.RO精选AI 评分6060 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。
推荐理由：提出以任务场景图评估机器人视频生成，把物体、关系变化与三维轨迹纳入统一表示，并配套1000个场景数据集。
arXiv · cs.RO精选AI 评分6060 EBV-CAN：面向接触辅助内窥镜导航的视觉语言策略
研究提出EBV-CAN，一种结合初始全局鸟瞰图、内窥镜观测与电机状态的视觉语言策略，用于柔性内窥镜的接触辅助导航。团队构建VLCA数据集，包含517条演示、75k动作样本、958k空间条目和93k剩余路径记录；在50个留出回合中，尖端坐标与路点定位分别达到97.5%和94.8%。
推荐理由：论文给出内窥镜接触辅助导航的视觉语言策略与VLCA数据集，并对比动作模仿与任务完成两类指标。
arXiv · cs.RO精选AI 评分6363 Co^2Gen：为去中心化多机器人与人类协作自动生成任务规划
Co^2Gen 提出一个框架，用去中心化协作规划方法生成可执行函数形式的多机器人协作计划，再据此产出协作演示数据，以去中心化方式微调 VLA 模型，无需人工遥操作。作者称，用这些数据微调后的 VLA 模型在去中心化协作任务上的表现，与用人工遥操作协作数据微调的模型相当。该工作针对 VLA 模型与其他机器人及人类协作能力尚未被充分探索的问题。
推荐理由：论文提出用去中心化协作规划自动生成多机器人演示数据，免去人工遥操作，并与人工遥操作数据微调效果对比。
arXiv · cs.RO精选AI 评分7171 AirPlayground：跨多种重建环境的空中导航基准
AirPlayground 是一个用于训练和评估空中导航策略的统一基准，构建了覆盖室内、城市户外和植被场景的94个3D高斯泼溅（3DGS）环境，并配有对齐的碰撞几何。
推荐理由：该预印本公开了94个3DGS场景与94K飞行演示，并给出ACT随训练场景扩展的成功率变化，可供比较空中导航策略的闭环评测。
arXiv · cs.RO精选AI 评分7272 Real2Sem2Real：用单段人类RGB演示生成机器人学习数据
Real2Sem2Real（R2Sem2R）提出从真实到语义再到真实的流程，把一段单目人类演示RGB视频转成同一类别多个语义物体实例上的数千条机器人演示。
推荐理由：论文用单段人类RGB视频生成跨语义实例的机器人演示，并在两台实机四类任务上与遥操作数据训练的VLA策略对比。
arXiv · cs.RO精选AI 评分6060 Industrial ReMEmbR 将时空记忆扩展到机器人车队
IndustrialRemembr 提出面向机器人车队的共享时空记忆系统，扩展 NVIDIA ReMEmbR，仅在需要时生成场景描述以降低服务端计算。每台机器人用 NVIDIA Jetson 将视频片段编码为检索嵌入、视觉 token 和重建潜变量，不上传原始相机画面。
推荐理由：论文给出机器人车队共享时空记忆的端侧编码与按需解码方案，并报告缓存 token 解码与未拆分模型输出一致。
arXiv · cs.RO精选AI 评分7171 SceneRig：从单张图像重建可仿真3D场景的智能体系统
SceneRig 是一个智能体系统，可将单张图像重建为可编辑、可直接用于仿真的3D场景。它结合几何、视觉与物理工具，并在物理仿真器内执行编辑与验证循环以获得物理稳定性。作者称，相比基线方法，SceneRig 在实例分割、物体外观和3D摆放上有所改善，其场景能更准确地预测真实机器人策略结果，并更可靠地支持已录制操作在无需轨迹适配的情况下回放。
推荐理由：论文提出从单张图像重建可仿真场景的智能体系统，并给出下游机器人策略预测与操作回放的对比结果。
arXiv · cs.RO精选AI 评分6060 MARE：带阴影真值的开源月面巡视器仿真器
论文提出 MARE（Modular Autonomy and Rendering Environment），一个基于 Unreal Engine 5 和 ROS 2 的开源月面巡视器感知与自主仿真套件。
推荐理由：论文给出月面巡视器仿真器的三组件构成与阴影真值验证指标，可供做低光照感知与自主导航的研究者参考。
arXiv · cs.RO精选AI 评分6767 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。
推荐理由：该预印本系统评测了多模态大模型作为具身视频生成评判者的表现，并给出可复用的训练数据与微调方案。
arXiv · cs.RO精选AI 评分6262 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。
推荐理由：论文把全景分割与分层3D场景图统一到高斯表示中，并给出与Replica、NaviGS的对比结果，可供场景图构建方法参考。