内容类型
按内容形态浏览
327 条精选近 30 天 327 条共收录 632 条
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。
ViT-H 提出一种生成加跟踪的视频到人形机器人控制框架，用扩散模型直接从视频生成人形参考动作，绕过人体动作重建与重定向，并用运动跟踪结果以直接偏好优化后训练生成器。
推荐理由：论文提出绕过人体动作重建与重定向的视频到人形控制框架，并用下游跟踪反馈后训练生成器，可供比较现有流水线。
研究团队提出16B统一具身模型RynnUnify，通过交错的视频-语言推理把具身理解与长程视觉规划结合起来。实验显示其在所评估统一多模态模型中取得最高具身理解平均分，Rynn-VP总分比Cosmos 3 Nano高9.75分；经强化学习的智能体扩展使Rynn-GEU平均分比直接推理高6.0分。
推荐理由：论文给出16B统一具身模型在理解、视觉规划与真机控制上的分项结果，可用于比较统一模型与专用方案。
研究提出一种由OCT引导、从用户示范学习并用闭环OCT反馈执行的软组织形状控制框架，比较全容积、组织掩膜稀疏容积和体素化点云三种表征，以及确定性Explicit策略与生成式Diffusion策略。
推荐理由：论文比较三种OCT三维表征与两类策略在软组织形状控制中的表现，并给出体模与离体组织的误差数据。
作者提出正则化强化学习算法 Soft MellowMax Actor-Critic（SMM-AC），基于 soft mellowmax 值函数，并研究常用 RL 算法在仿真到现实迁移中的表现。
推荐理由：论文提出基于 soft mellowmax 值函数的正则化 RL 算法 SMM-AC，并在实机上与 PPO、SAC 等基线对比迁移鲁棒性。
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。
首尔大学团队提出从大规模演示数据学习速度先验，为机器人演示重定时。给定任务指令、运动路径及沿途图像，该先验预测路径上的执行速度分布，取选定分位数作为统一时钟；单个训练好的先验可覆盖语料库中所有任务，无需为每个新任务重新拟合或标注。
推荐理由：论文提出从大规模演示数据学习速度先验，为每条演示统一重定时，并给出仿真与实机对比结果。
论文提出面向 ROS 2 Nav2 的自然语言策略接口，由本地大语言模型把操作员指令转成 JSON 策略，指定目的地、空间约束和时间或事件条件，再经确定性检查与三个代价地图适配器接入现有导航栈，不改动规划器与控制器。
推荐理由：论文给出自然语言到 Nav2 策略的接口与验证数据，可供比较语言指令如何接入现有导航栈。
作者提出 OWLS（开放世界语言条件速度场），直接在一张单目图像的视觉语言模型稠密特征图上规划，无需任务训练、地形标注或持久地图。方法用可通行地形描述提示视觉语言模型为每个像素打分，将分数投影到地面并经两次形态学操作适配平台，作为最小时间规划器的速度场，使地形外观与障碍间距共同塑造轨迹。作者在室内与越野的实体漫游车、200 个程序生成地形上的仿真火星与月球漫游车以及真实行星影像上进行了评估。
推荐理由：论文把开放词汇视觉语言模型的逐像素地形评分接入最小时间规划器，为无地图、仅靠单目相机的越野导航提供了一条可迁移思路。
I-Tak Ieong与Hao Tang提出HGWM，一种分层图引导世界模型，通过类别条件房间-锚点先验与持久空间语义记忆完成零样本目标导航。粗阶段用视觉语言模型给候选朝向打分，细阶段将观测到的物体与关系同目标先验显式比对，再按阶段融合语言模型建议引导局部导航。
推荐理由：论文给出分层图引导世界模型在HM3D与MP3D上的零样本目标导航结果，并列出各组件消融幅度，便于比较导航方法。
Ning Zhou 与 Edmund R. Hunt 在 arXiv 预印本中提出兼性集群（facultative swarming）统一控制框架，主张把集群能力视为一种动态能力而非固定的系统类别。该框架让系统在条件宽松时按集中式规划运行以追求最优性，在环境压力下平滑退化为去中心化集群以保持鲁棒性。作者认为这为兼顾集中式最优性与自组织灵活性的集体机器人系统提供了一条路径。
推荐理由：论文提出集中式规划与去中心化集群之间的可切换控制框架，为多机器人系统在环境压力下保持鲁棒性提供一种架构思路。
研究提出解剖锚定的模仿学习框架，将解剖引导的探头放置与学习式超声导航结合，用于自主机器人超声扫描。该框架先由外部视觉确定任务相关的解剖起点并建立初始探头位姿参考系，再由基于流的策略根据锚点相对位姿、超声图像、探头相机视图和接触力生成扫描动作，终止头预测任务完成。
推荐理由：论文给出解剖锚定的模仿学习框架与手持采集平台，并在16名未见参与者上报告成功率与跨机器人迁移结果。
LogLook提出一种执行日志式记忆，让前沿视觉语言模型规划器保留执行记录与先前笔记，并自行决定查看哪些帧。在基准自带运动规划器下，它的成功率与仅用笔记的记忆相当，但token减少43%、图像用量不到一半，因记忆或观察失误导致的失败回合也明显更少；直接控制时在RoboMME测试集上解决93.5%。
推荐理由：论文提出面向前沿模型机器人规划器的执行日志式记忆，在RoboMME上以更少token和图像达到相近成功率，可供比较记忆设计。
DynaSlots 是一个无需动作标签的 3D 动态预训练框架，将每帧点云分解为少量时序一致的 slot，并在 slot 级别而非场景级别建模动态。它通过时序 slot 传播模块保持跨帧分配一致，用逆动力学模型从特征差异中提取每个 slot 的隐动作，再由扩散式前向动力学模型配合自监督交互头预测各 slot 未来状态。
推荐理由：论文把场景级动态预训练拆成逐 slot 建模，并在仿真与 RealMan RM65-B 实机上对比场景级基线。
研究在24关节人形机器人上训练运动跟踪策略，并在独立CPU MuJoCo测试环境中评估指令延迟的影响。训练随机化下每个策略在30次试验中至少26次完成动作，但加入40毫秒恒定延迟后平均存活率降至15%（0%–45%），延迟裕度仅20–30毫秒。
推荐理由：论文用独立仿真测试量化了训练时随机化指令延迟对人形机器人运动跟踪策略延迟裕度的影响，并给出延迟范围应按实测延迟设定的建议。
RoboCode 提出一种共享软门控动作基元接口，把动作块表示为多个学习基元的软组合，而非单一离散编码。该接口在多个任务的动作块上学习后冻结，再训练任务特定的状态编码器映射到共享潜空间。在五个 ManiSkill 操作任务上，动作块平均重建 MSE 为 0.0187，闭环平均成功率为 75.6%，高于 ACT 的 68.8% 和 Diffusion Policy 的 41.6%。
推荐理由：论文提出跨任务共享的软门控动作基元接口，并在五个 ManiSkill 任务上给出重建误差与闭环成功率对比。
研究显示 OpenVLA 激活的稀疏自编码器（SAE）表征含有结果预测信息，可在机器人进入不可恢复状态前预测任务失败。作者还找出与成功或失败特定阶段相关的单个 SAE 特征，通过定位这些特征激活显著变化的时间区间来归纳重复出现的行为模式，并构建基于 VLM 的解释流程生成行为描述，在留出区间上验证其与特征激活的对应关系。
推荐理由：研究用稀疏自编码器解读 OpenVLA 激活，把失败预测与可解释行为模式联系起来，为诊断机器人策略提供一种可迁移的分析路径。
研究将机器人辅助穿衣表述为几何感知插入问题，用身体部位与衣物开口的空间关系替代完整可变形物体状态，并提出结合分阶段课程与逐指插入软门控的强化学习框架。训练后可变形评估中完整方法成功率为84.7±1.2%，消融显示插入门控贡献最大，叠加课程后得分最高。在假人手模型上，同一完整策略于实机20次试验中成功15次。
推荐理由：论文把穿衣任务建模为几何感知插入问题，并用消融实验定位插入软门控与课程学习的贡献。
TravSUITE 是一个面向越野高速导航的可通行性系统，由利用视觉基础模型构建几何语义局部地图的体素建图器，以及联合预测 BEV 几何、语义、速度与代价的统一神经网络组成。
推荐理由：论文给出无标注自监督的可通行性系统，消融显示代价学习与辅助修复各自贡献规划质量，并附实机风险适配实验。
DiscoDemo 提出用强化学习生成多样化机器人演示数据，再导出为静态数据集供下游视觉运动模仿学习使用。该方法训练带特权信息的潜在条件强化学习生成器，结合并行逆向课程与成功门控的多样性目标，产出多条成功的闭环行为并做安全过滤。
推荐理由：论文把强化学习当作数据生成器，用多解多样性提升下游模仿学习，并给出仿真与实机成功率对比。