基于扩散模型组合的航天器交会轨迹生成与模块化约束
研究提出一种基于能量扩散模型组合的航天器交会与近距离操作（RPO）轨迹生成方法，可灵活配置任务约束。针对接近锥、传感器视线等约束分别训练扩散模型，推理时将学习到的能量模型与解析能量场组合以施加约束组合。实验中接近锥与传感器视线模型、接近锥与合成避障模型的组合，约束满足率与单约束模型相差在 1 个百分点以内或更高，无需重训即可适配新约束组合。
全部嵌入式与具身智能动态
arXiv cs.RO 机器人学AI 评分3838 arXiv cs.RO 机器人学AI 评分5050 FOCUS：面向不确定性感知半静态场景的细粒度开放词汇变化检测
FOCUS 提出一种不确定性感知的物体级变化检测与地图维护框架，将半静态记忆维护建模为融合几何似然与 3D Gaussian 地图渲染外观似然的概率推断，用递归三态估计器判定物体为 PERSISTED、REPLACED 或 REMOVED。在含歧义原位替换的 Isaac Sim 仓库基准与真实 TorWIC 数据集上，物体级替换 F1 从 0.20 提升到 0.84，且迁移到真实数据无需手动调参。
arXiv cs.RO 机器人学AI 评分4747 差速移动机器人的紧急避障机动研究
研究通过 540 次瓷砖地面随机试验（保留 539 次），在 45、55、65 cm/s 指令接近速度下评估差速移动机器人的 5 种制动与转向机动。结果显示，反向旋转机动的编码器航向误差随速度从最低升至最高增加 4.7-5.1 度，而弧线与制动辅助枢转变化小于 0.4 度，陀螺仪误差在反向旋转中约 3 度。编码器误差越大，避障成功率越低，研究据此给出 90% 成功率的估计反应距离。
arXiv cs.RO 机器人学AI 评分4545 构建自动驾驶研究用多传感器平台：挑战与经验教训
一篇自动驾驶研究论文总结了开发和部署灵活多传感器数据采集平台时遇到的挑战与经验，涵盖机械设计、传感器标定、电源管理和时间同步等共性问题。团队采用 GNSS 授时与 NTP 协议实现系统级时间同步，并针对不同传感器配置编写自定义标定流程，以提升外场部署的可靠性与数据完整性。论文旨在为新建多传感器系统的研究团队提供参考，增强自动驾驶测试的可复现性与鲁棒性。
arXiv cs.RO 机器人学AI 评分4949 TacGELLO：为 3D 打印遥操作主手提供触觉接触反馈
TacGELLO 利用 3D 打印主手已有的舵机，在夹爪扳机处提供触觉接触反馈，并在臂关节处提供基于电流的负载提示。AnySkin 接触检测触发扳机位置保持，跟随臂关节电流变化调整主手舵机输出限值以在抬升时产生阻力。在一名操作者完成的 6 次 UR3 会话中，发送指令跟踪误差为 0.15–0.36° RMSE，轨迹滞后 82–98 ms，62 个抓取区间中有 60 个记录到触觉触发。
arXiv cs.RO 机器人学AI 评分4747 GR-LIO：基于机身-地面高度的局部地面感知 LiDAR-惯性里程计系统
GR-LIO 提出一种滤波式局部地面感知 LiDAR-惯性里程计框架，将局部地面平面以机器人姿态和机身-地面（B-G）高度参数化并随状态估计持续传播，用于高效地面分割与点到面约束更新。系统引入平面运动更新抑制垂直漂移，并提供 B-G 高度初始化与在线标定流程。在公开基准与自采真实数据集上，GR-LIO 在定位精度和计算效率上均优于代表性 LIO 方法。
arXiv cs.RO 机器人学AI 评分4747 Neural Barriers：面向安全关键控制的在线可认证学习增强自适应高阶控制屏障函数方法
提出一种可认证的在线学习增强鲁棒自适应控制屏障函数，用 Neural ODE 适应未知时变模型扰动，并以 conformal prediction 量化自适应不确定性。在适定 Lipschitz 光滑性假设下，该方法在概率界内提供可证明的安全保证，不确定性高时采取保守策略，随数据增多降低控制器保守性，适用于载荷或风扰等模型扰动下的机器人系统。
arXiv cs.RO 机器人学AI 评分5353 面向建筑工地 AMR 的鲁棒 2D 可通行性建图：LiDAR 几何与单目语义的失效模式感知融合
研究者在 NVIDIA Jetson AGX Orin 上提出一套实时、失效模式感知的多模态可通行性建图流程，以 LiDAR 几何为主、单目语义为按类别与置信度门控的修正信号，纠正湿泥、积水混凝土与减速带等互补失效模式。
arXiv cs.RO 机器人学AI 评分4747 基于序列多线索融合与 Sim-to-Real 自训练的鲁棒手术机器人器械跟踪
提出 tracker-guided 自训练框架，将合成图像预训练模型适配到无标注真实视频，用于手术机器人器械跟踪。不确定性感知 EKF 结合关键点、轴边界与 mask 线索递归修正器械位姿，RTS 平滑器细化轨迹并生成伪标签微调特征检测器。真实视频实验显示自训练在所有关键点指标上一致提升，精度与运行时均优于既有方法，代码与数据将在发表后发布。
arXiv cs.RO 机器人学AI 评分5656 FLEX-WAM 提出块因果世界-动作模型，支持长时程想象与规划
FLEX-WAM 提出一种灵活高效的块因果世界-动作模型（World-Action Model），支持可变长度上下文、非因果预测时域以及逐帧或逐块的无限自回归生成。
arXiv cs.RO 机器人学AI 评分3838 导览机器人的社会导航力模型
研究者提出一种基于社会力的导览机器人导航模型，将障碍物、用户位置与朝向等因素纳入力的计算，使机器人对用户更"社会化"。实验中用户跟随自主机器人在已知地图中前往目的地，中途执行简单子任务作为干扰，并与 A* 最短路径基线对比。研究通过可跟随性、感知安全与感知智能等主观指标评估各力项的效果。
arXiv cs.RO 机器人学AI 评分5555 EvoMem-VLA 提出状态演化记忆以提升长时程机器人操作性能
EvoMem-VLA 通过显式编码并保留历史状态间的变化来构建状态演化记忆，使策略能跟踪超出孤立快照的任务进展。
arXiv cs.RO 机器人学AI 评分5353 RMMBench：面向机器人移动操作的综合评测基准
RMMBench 提出一个统一框架，将高低层级具身任务整合为"导航-操作"任务套件，覆盖 70 个典型任务场景，从局部操作延伸到长时程复合导航，用于评估 VLM 在连续空间中理解语言指令并执行长时程任务的能力。评测结果显示，领先 VLM 在移动操作任务的空间定位上仍面临重大挑战，凸显长时程交互中增强机器人空间感知能力的必要性。该基准已被 CoRL 2026 接收。
arXiv cs.RO 机器人学AI 评分5252 TUCO：面向 sim-to-real 机器人策略协同训练的仿真演示数据筛选
论文提出 TUCO（Trajectory-level Utility and set-level Coverage Optimization），用影响函数追踪每条源演示对目标域评分 rollout 的影响，将其分解为目标回报总体贡献与 rollout 间差异，作为衡量轨迹效用与集合覆盖的统一闭环标准。
arXiv cs.RO 机器人学AI 评分5252 在未建模状态依赖下使用学习型 Critic 的最优控制
该框架用残差动力学网络补全名义解析模型缺失的状态依赖效应，并以学习型动作价值 Critic 将长时域 MDP 结构注入局部 iLQR 优化。配套的 GPU 加速批量 iLQR 求解器可在最优控制回路内评估学习网络，并行求解数千条轨迹优化问题。在有偏且未完整建模的控制任务上，闭环控制性能得到提升，同时保留了约束轨迹优化所需的模型结构。
arXiv cs.RO 机器人学AI 评分5555 VAMPS：基于采样规划的视觉与运动策略学习框架
VAMPS 提出用 MPPI 控制训练可复用机器人策略，无需人类示教，支持仿真迭代训练与真实机器人数据直接训练两种模式。仿真模式下策略热启动 MPPI 并用 IQL critic 更新，学到的运动策略迁移到 Unitree Go2；真实模式在 Flexiv Rizon 10S 上用 Action Chunking with Transformers 离线训练，完成抓取放置与力感知白板擦拭。
arXiv cs.RO 机器人学AI 评分5555 CoDance：从视频学习人形机器人反应式柔顺双人舞蹈交互
CoDance 提出一个从视频学习反应式、柔顺人机人形交互的框架，以双人舞蹈为场景，让机器人与移动伙伴协调步伐并保持双手持续接触。给定一段双人舞视频，CoDance 将动作重定向为机器人参考与移动伙伴，并引入多连杆柔顺增强方法，在双手施加结构化力把运动学演示转化为力感知训练数据。
arXiv cs.RO 机器人学AI 评分4747 Safe Ergodic Control for Multi-Robot Systems via Quadratic Programming：基于二次规划的多机器人安全遍历控制
论文提出一种基于二次规划（QP）的多机器人安全遍历（ergodic）控制器，将遍历性与安全性联合求解，取代依赖离线轨迹优化或分层架构的现有方法。该方法引入时间可微的高斯核遍历度量，将其指数衰减作为时变控制屏障函数（CBF）约束，并与区域包含、机器人间避碰的硬 CBF 约束并列，同时证明 QP 从任意安全初始配置均可行。仿真性能优于基线方法，并在三架飞行器上完成真机验证。
arXiv cs.RO 机器人学精选AI 评分5858 VICON：面向操作数据集的视觉-惯性-接触手物跟踪框架
VICON 提出视觉-惯性-接触手物跟踪框架，通过改造视觉惯性手套并按人类抓握频率布置 FSR 力敏电阻，同步记录接触状态与标定法向力，配合 RGB-D 相机与单目视频重建网格、基于因子图的物体轨迹估计，在严重遮挡下联合捕捉手物运动与接触信息。
arXiv cs.RO 机器人学AI 评分5454 通过局部恢复监督递归自改进视觉运动策略
该框架通过局部恢复监督实现视觉运动策略的递归自改进：离线审计器定位未解决失败并给出修复目标，固定多模体智能体作为工具型教师生成恢复动作，冻结的学生策略验证续接可行性，仅部署学生。
arXiv cs.RO 机器人学AI 评分3333 PB-STDG：面向无人机道路系统的预测式短期去中心化贪心引导算法
PB-STDG 算法在结构化无人机道路系统（DRS）中引入预测机制，通过信标包共享的额外信息让无人机预判邻机决策，以解决原 STDG 算法过于保守的行为。仿真场景对比显示，PB-STDG 在保持与 STDG 相当安全水平的同时提升了交通效率。
arXiv cs.RO 机器人学AI 评分4545 基于数字孪生的 AR 遥操作接口用于灵巧操作：Now You Feel It, Now You See Me
提出一种基于数字孪生的 AR 遥操作接口，融合裸手追踪、双手机器手与机器人/任务物体的虚拟表示，用于灵巧操作演示采集。接口将触觉测量渲染到机器人手网格上形成视-力反馈，并提供用户可控虚拟视角面板或遮挡感知透明渲染以缓解遮挡。通过 Task 1 与 Task 2 用户研究评估力可视化与视觉辅助在精细力控和遮挡操作任务中的作用。
arXiv cs.RO 机器人学AI 评分5454 FreeLoc：基于扩散辅助位姿精化的在线楼层平面定位框架
FreeLoc 提出一种基于 RGB 的在线楼层平面定位框架，把楼层平面当作可直接查询的几何地图，通过在线射线查询检索位姿锚点并用扩散辅助精化为连续位姿估计。
arXiv cs.RO 机器人学AI 评分5252 NVIDIA Isaac Sim 中六自由度管道跟踪 ROV 的强化学习与经典控制统一动力学框架
研究者在 NVIDIA Isaac Sim 中为六自由度 BlueROV2-Heavy 管道跟踪 ROV 建立统一动力学框架，用同一 USD 场景向向量化 NumPy 的 Fossen 方程与 PhysX 力施加提供一致的质量、附加质量、阻尼、浮力与推力器参数。
arXiv cs.RO 机器人学AI 评分4747 DiVeR：面向 VLA 测试时扩展的决策关键验证器学习
DiVeR 通过采样动作表示的离散度估计决策关键性，并据此对验证器学习加权，无需步级标注或额外环境交互。在 LIBERO、RoboCasa 及 Franka Research 3 真机实验中，DiVeR 通过更有效的验证器引导动作选择持续提升任务成功率，同时验证器推理开销可忽略。
arXiv cs.RO 机器人学AI 评分5353 RobotUse：分配计算、上下文与决策的机器人智能体框架
机器人智能体框架 RobotUse 在 RoboLab 上取得 45% 任务成功率，较 CaP-X 高出 6.7 个百分点，同时保持紧凑的决策上下文。智能体通过视觉选择目标与位姿，后端负责几何、运动规划与控制，子智能体在各子目标内保留详细交互信息供后续决策使用。该框架通过更新持久化 playbook 从真实执行中学习，并将所学迁移到后续任务。
arXiv cs.RO 机器人学AI 评分5353 TANav：通过触觉试探实现物理感知导航
TANav 用一次短暂轻推测量推压阻力，由 TacPhys 读取力序列（可选 RGB-D 与运动学）估计质量以决定是否授权推压。仿真中将漏推率从 28.7% 降至 5.5%，重复巡逻下恢复 oracle 90% 的路径节省、边界违规从 4.3% 降至 2.9%。
arXiv cs.RO 机器人学AI 评分4545 PreAct-Nav：面向城市导航的行动前智能体推理框架
PreAct-Nav 提出一种智能体导航框架，为冻结策略加入预期推理以实现稳健的城市导航。框架以导航记忆模块维护中程子目标与经验，并用动作条件世界模型 AC-WM 预测候选动作后果，由视觉语言模型 VLM 推理器据此保留或修正动作。评测显示该方法通过记忆更新与视觉预测改善动作选择，在更长、转弯更多的路线上增益更明显。
arXiv cs.RO 机器人学AI 评分5555 R²-WAM：面向世界动作模型的修复与拒绝后训练方法
论文提出 R²-WAM，一个两阶段修复与拒绝的后训练框架，先用运动学对齐分数提升预测未来与输入动作的一致性，再用修复后的视频模型比较采样动作与示范动作的想象结果，对任务进度低于示范参考一定裕度的样本做负向微调，无需额外环境交互或改动推理流程。
arXiv cs.RO 机器人学AI 评分5454 GJK-CBF：面向 SE(3) 凸刚体避碰的控制障碍函数方法
提出 GJK-CBF，用 Gilbert-Johnson-Keerthi (GJK) 算法获取最小距离或穿透深度对应的 witness pair，并直接由其相对刚体运动构造控制障碍函数（CBF）梯度，无需可微优化（diffOpt）。
arXiv cs.RO 机器人学AI 评分5454 通过基于采样的扰动观测器应对 Sim-to-Real 失配：从解析模型到学习型世界模型
研究提出基于采样的扰动观测器 SDOB，将扰动观测器原理从显式被控对象模型扩展到仿真器与学习型世界模型，通过状态回放或代价查询接口估计未测量扰动。SDOB 区分状态效应扰动与代价扰动两类可观测通道。仿真与真机实验表明其可补偿 Sim-to-Real 失配并改善控制性能。
arXiv cs.RO 机器人学AI 评分5252 ExStereo 用显式立体表示将 2D VLA 提升到 3D
研究提出 ExStereo 立体模块，用立体图像对重建场景几何并渲染多视图作为显式立体表示，通过 action-stereo cross-attention 让动作 token 选择性关注立体 token，使策略基于 3D 场景信息生成机器人动作。
arXiv cs.RO 机器人学AI 评分4040 基于软触觉传感器的多机器人系统分布式级联力控制用于物体搬运
提出分布式级联力控制（DCFC），使配备 360 度视觉软触觉传感器的多机器人在无机器人间通信下协同推动刚体朝移动目标方向运动。内环融合接触力与定位，外环协调推力方向，对未知物体质量具有鲁棒性，并用 Lyapunov 稳定性理论验证收敛性。仿真与真实实验验证了多机器人协同推动效果，成果发表于 2024 IEEE/SICE SII。
arXiv cs.RO 机器人学AI 评分5555 从真实示范学习任务与运动规划的混合 Flow Matching 方法
该论文提出一种混合 flow matching 规划器，用 masked discrete flow matching 生成符号任务计划、用 continuous flow matching 生成运动轨迹，可从较小规模的真实示范学习并闭环执行。
arXiv cs.RO 机器人学AI 评分4747 流策略作为技能级世界模型的动作：面向长时程规划的学习与符号抽象
研究者用 flow-matching 策略的输入构造技能级动作，使一次完整技能执行对应一次世界模型转移，并提出压缩种子、两种从演示学习的离散码和符号标签四种动作抽象。在需最多 14 个顺序技能的模拟积木重排任务中，符号标签在最多六个技能的任务上成功率超 90%，无标签的物体中心学习码在单技能任务上与之相当。消融显示标签优势主要来自规划器知晓动作适用性，超过六个技能后限制成功率的是搜索而非世界模型。
arXiv cs.RO 机器人学AI 评分5555 PatternDex：学习交互模式引导双臂灵巧手操作铰接物体的强化学习
PatternDex 提出从人类-物体演示中学习手与物体运动的相关性并表示为 token 序列（交互模式），据此估计适配目标机器人的腕部运动与接触点，作为强化学习策略的引导，从而避免 embodiment gap。
arXiv cs.RO 机器人学AI 评分4747 DNPush：多机器人系统无通信非平行推力控制实现物体搬运
DNPush 提出一种分布式非平行推力控制器，使多机器人在无机器人间通信、无需物体模型与质心估计的条件下协同搬运物体。控制器依据本地力方向偏差按 reciprocal-sine 律调节非平行力幅值，Lyapunov 分析证明系统收敛到唯一旋转平衡点，物体速度收敛至期望搬运方向。
arXiv cs.RO 机器人学AI 评分4747 LLM 机器人团队中的隐蔽内部攻击：少说谎、说大谎
研究提出针对 LLM 机器人团队的隐蔽内部攻击模型：单个被攻陷机器人在多机器人测绘任务中，受限于团队检测器而非能量预算。推导出两个界——攻击报告被验证概率的下界（取决于通信图度数与验证预算），以及线性规划给出的地图误差上界，揭示"少说谎、说大谎"的最优攻击策略。实验中诚实机器人为 LLM agent，两个界在攻击实际花费的预算处均成立，且 LLM 复查记录的选择无偏但复查量不可预测。
arXiv cs.RO 机器人学AI 评分5555 用视觉预测力替代力传感器实现接触密集机器人操作
研究提出通过柔性 Fin Ray 夹爪的形变进行视觉力预测，实现无需力或触觉传感器的力感知操作。方法先在标定数据上训练视觉力估计器为演示标注力，再训练动作-力联合生成策略，测试时选取预测力最接近目标的候选动作。在摘莓、抓空罐、手内重定向和插头插入任务上验证了可行性。
arXiv cs.RO 机器人学AI 评分4545 全驱动多旋翼通过最小化齐次分配代价产生欠驱动行为
研究表明，全驱动多旋翼在仅给定位置轨迹时，最小化正齐次分配代价（含标准最小范数伪逆分配）会选出欠驱动式行为。通过 fiberwise infimization 将执行器输出代价映射到 wrench 空间，得到齐次下确界分配代价，并推导出精确最优性间隙分解。扰动或运动改变力方向时，全驱动平台可立即用横向权限生成新力并转向新最小代价族，而结构欠驱动平台须先转向，因此全驱动价值在于抗扰与瞬态力生成。