AGV 车队无需全线停机：基于死区的局部异常隔离方案
论文提出"死区"（dead zones）机制，让 AGV 车队在局部异常时只隔离受影响区域，而非全线紧急停机，受影响机器人进入死区停止，远离死区的机器人可绕行。针对逆时针轨迹的绕行策略，论文在保持机器人间最小间距的前提下证明了无碰撞性与有界到达时延。实验评估验证了理论保证，并对比了全线紧急停机、基础死区处理与带绕行死区处理三种方式的吞吐量权衡。
全部嵌入式与具身智能动态
arXiv cs.RO 机器人学AI 评分4747 arXiv cs.RO 机器人学AI 评分3737 稀疏透视下的导管导航信念状态世界模型：平面概念验证
一项研究提出基于 Cosserat 杆模拟器与粒子滤波的信念状态世界模型，在合成平面血管模型上以连续采集十五分之一的频率跟踪导管尖端，均方根误差为 1.30 mm（每帧采集时 0.97 mm，三十分之一时 1.51 mm）。
arXiv cs.RO 机器人学AI 评分5555 自动驾驶汽车行为安全评估（第二部分）：评估结果
第三方评估框架在密歇根大学 Mcity 测试设施的仿真与实车测试中验证了开源 L4 自动驾驶系统（ADS），结果显示其仅具备 14 项行为能力中的 6 项，碰撞率为 3.01x10^-3 次/英里，约为人类驾驶员平均水平的 1,000 倍。测试还发现了该系统此前未知的不安全场景，凸显了在大规模部署前开展行为安全评估的必要性。
arXiv cs.RO 机器人学AI 评分4444 面向自动驾驶汽车大规模部署的行为安全评估，Part I：方法论
论文提出从功能安全转向行为安全的评估范式，并给出一个第三方自动驾驶汽车安全评估框架，包含 Behavior Competency Test 与 Driving Intelligence Test 两部分。
arXiv cs.RO 机器人学AI 评分5555 ActTune：面向视觉-语言-动作推理的动作感知精度与 GPU 工作点自适应节能框架
ActTune 提出动作感知框架，将逐层精度分配与 GPU 频率-功耗上限工作点选择结合，在 LIBERO 基准上将平均任务成功率较现有最优方法提升至多 2.3%。相比原始 BF16 实现，其推理速度最高提升 2.02 倍，配合 GPU 工作点自适应，每成功任务能耗最多降低 76.8%，同时将推理时延增幅控制在 10% 以内。
arXiv cs.RO 机器人学AI 评分4747 基于密度函数的多四足机器人安全协同搬运（arXiv:2610.08441）
一篇 arXiv 论文提出基于密度函数的分层模型预测控制（MPC）框架，让多台四足机器人仅凭初始与目标位姿协同推动共享物体，无需预计算参考轨迹。集中式 box-level MPC 优化接触力并施加控制密度约束以实现目标收敛与避障，各机器人再解算分布式 robot-level 全身 MPC 跟踪移动接触点。
arXiv cs.RO 机器人学AI 评分5555 MIM-VLA：从夹爪电机反馈学习物理交互表征
MIM-VLA 用夹爪电流、位置、速度和信号有效性编码为 128 维交互 token，预训练后仅调节 SmolVLA 的夹爪动作通路，手臂动作与位置控制接口保持不变。在三个真实场景、13 对物体的测试中，MIM-VLA 选择高阻力物体的比例为 75.0%，SmolVLA 基线为 48.8%；该方法仅使用夹爪已有电机反馈，无需额外触觉阵列、力矩传感器、标定力估计或直接电流控制。
arXiv cs.RO 机器人学AI 评分4747 通过夹爪内物体重定向实现机器人插入的抓取后运动学修复
一种抓取后运动学修复方法通过重定向夹爪内物体来恢复机器人插入的运动学可行性，在 UR5e 仿真中，不带学习排序的规划器相比基于网格的顺序 IK 将成功试验的平均重定向量降低 51.5%，加入学习排序后规划时间再降低 51.1%。该方法用分支感知 IK 图评估候选重定向，并通过基于触觉的外在操作执行选定的重定向，真实机器人实验验证了完整流程。
arXiv cs.RO 机器人学AI 评分5151 From Legs to Wheels: 面向轮式移动底盘人形机器人的具身感知人体动作重定向
针对轮式移动底盘人形机器人（含移动底盘、升降柱与双臂）难以直接套用腿部人形重定向方法的问题，研究提出一种任务条件化框架，将重建的人体动作分配给底盘、升降与手臂职责后再做机器人侧实现。部署适配器以 50 Hz 输出指令，采用静止底盘检测、死区与斜率滤波、时间一致回放缩放以及线性与角速度独立增益。评测涵盖人体导出的任务空间对比、无策略仿真回放与真机定性执行。
arXiv cs.RO 机器人学AI 评分4747 SufficientPlan：世界模型规划中如何确定足够的搜索预算
SufficientPlan 提出 Paired Sequential Budget Certification（PSBC）与 Static-Context Reuse（SCR）两个组件，在不修改预训练世界模型和规划器的前提下，为每个模型—任务对搜索并认证一个更小的规划预算，同时跨搜索迭代缓存观测与目标表征。
arXiv cs.RO 机器人学AI 评分4747 事件驱动的视觉-语言推理实现机器人主动协作辅助
一项机器人研究提出事件驱动的主动辅助框架，通过事件监视器捕捉人-物交互的状态转移，用冻结的预训练 Vision-Language Model（VLM）推断任务上下文并生成辅助动作序列。该框架在三个真实桌面协作任务上无需任务特定训练或微调，性能与提供用户指令的变体相当。
arXiv cs.RO 机器人学AI 评分4949 SC3BF：面向动态避障的平移碰撞锥控制障碍函数
论文提出 SC3BF（平移碰撞锥控制障碍函数），在速度空间 CBF 的碰撞锥条件中加入随距离和自身速度增长的状态相关容许量，允许机器人以受控速率接近障碍物。SC3BF 通过普通二次规划实现，其安全集在有界输入下前向不变，无需最小前进速度或安全间距裕度；作者证明非零容许量恒存在并给出闭式解。
arXiv cs.RO 机器人学AI 评分3838 无通信协同搬运中基于聚合力矩测量的障碍物定位方法
一篇 arXiv 论文提出在无显式机器人间通信的 leader-follower 协同搬运场景中，leader 通过测量 follower 对刚性负载施加的聚合力矩（力与力矩）来定位障碍物。
arXiv cs.RO 机器人学AI 评分5151 Humanoid Horizon：通过并行训练、动态起始与奖励门控延长人形机器人全身 loco-manipulation 的任务时域
Humanoid Horizon 提出统一策略框架，用 Parallel Training、Dynamic Starting 与 Reward Gating 三项机制解决长时域全身 loco-manipulation 中的 easy-reward bias 与 catastrophic forgetting 问题。
arXiv cs.RO 机器人学AI 评分5555 通过几何观测规范化实现传感器布局无关的导航（arXiv:2610.08306）
一项机器人导航研究提出几何观测规范化方法，将任意深度传感器的测量反投影到统一的机器人中心坐标系，拼接为球形距离图像与二值有效性掩码，使导航策略零样本泛化到未见过的传感器布局，最高支持 7 个相机，成功率随空间感知覆盖提升从 78% 升至 95%。该策略经强化学习与激进相机随机化训练，在四旋翼真机的障碍走廊与户外森林飞行试验中验证了跨相机配置的零样本迁移能力，以及对在线传感器突然失效的抗性。
arXiv cs.RO 机器人学AI 评分3636 用历史数据缓解自动驾驶车辆远程操作 QoS 预测中的概念漂移
一篇 arXiv 论文提出基于实测数据的预测框架，用于预测远程操作的上行数据速率与往返时延两项网络 KPI，并通过将历史数据纳入预测流程来缓解概念漂移导致的机器学习模型性能下降。
arXiv cs.RO 机器人学AI 评分5151 HexaGripper：一种单执行器绞车部署的自主空中包裹抓取机构
HexaGripper 是一种单执行器、绞车部署的六板式抓取机构，用于无人机自主收集长方体包裹，无需着陆或地面基础设施。静态抓取实验在三种包裹几何形状上达到 100% 成功率（15/15 次），工作空间实验在径向偏移最高 150 mm 的全部 28 个测试位置均成功抓取。户外端到端空中收集成功率为 80%（4/5 次）。
arXiv cs.RO 机器人学AI 评分5252 Crazyflow：基于 JAX 的可微分空中机器人仿真器，支持 UWB 与 IMU 退化反馈大规模仿真
Crazyflow 是基于 JAX 构建的可微分空中机器人仿真器，通过 XLA 的 jit 编译将物理与控制统一进单一可微分计算图，在加速硬件上实现大规模并行，较现有基线取得数量级加速，可在数秒内训练出可部署的强化学习智能体。
arXiv cs.RO 机器人学AI 评分5555 VOMMI：用便携 RGB 演示支撑移动操作 VLA 后训练
VOMMI 是一个便携演示采集与学习框架，通过离线轨迹重建和在线视觉运动条件化，把 RGB 演示接入视觉语言动作（VLA）后训练，无需人机运动学对应标定。实验每个任务采集 500 条便携轨迹，其中 75 条留作 RGB-VO 评估，另用 200 条机器人演示作参照；仅用便携演示后训练的策略基座速度误差比用机器人演示训练的低 18.2%，末端执行器平移精度相当。
arXiv cs.RO 机器人学精选AI 评分5858 论文提出紧凑操作策略 CoRP，论证细粒度视觉表征的关键作用
论文提出紧凑操作策略 CoRP（48.9M 参数，不含视觉语言模型和视频生成先验），在 LIBERO 达到 97.0%，在 RoboTwin 2.0 Clean/Randomized 分别达到 75.78%/73.36%，匹配大 40.9-163.6 倍的系统。
推荐理由：论文用逐项消融拆解了视觉表征各因素对操作策略性能的贡献，便于评估模型规模与预训练先验的实际作用。
arXiv cs.RO 机器人学AI 评分4747 多旋翼推进功率的嵌套建模：从气动阻力到电气损耗
一项研究提出多旋翼推进功率的嵌套建模方法，在气动功率耗散基础上逐步引入可逆动能变化率、与转矩相关的机电耗散和与速度成正比的集中耗散，并在电机-驱动-螺旋桨单元上完成辨识与验证。结果显示，可逆动能变化率对动态功率预测必要但不充分，与电机转矩平方成正比的耗散带来主要改进，速度比例耗散则避免把不可逆损耗误归为可逆动能交换。该方法为多旋翼动态推进功率模型的开发与选型提供了可复用、可实验验证的基础。
arXiv cs.RO 机器人学AI 评分5555 ViDAL：以视觉动态为锚的 VLA 动作隐空间
ViDAL 提出一种以未来场景视觉动态为锚的连续动作隐空间，通过训练 Action VAE 重建动作块并将隐变量与未来场景动态对齐，可作为即插即用的动作接口兼容多种 VLA 架构。
arXiv cs.RO 机器人学AI 评分5555 VLA-ACL：面向视觉语言动作模型的动作一致视觉 token 剪枝
VLA-ACL 通过动作级监督学习轻量视觉 token 剪枝策略，在完全冻结基座 VLA 模型的前提下，最多剪枝 87.5% 的视觉 token，计算量最多降低 75%，推理加速 1.5x。LIBERO 与真实操作任务实验显示其保持了有竞争力的性能，优于现有冻结 VLA 剪枝方法的性能-效率权衡。代码已开源。
arXiv cs.RO 机器人学AI 评分4545 超越路径点回归：面向端到端驾驶的可达自车未来查询式代价学习
一种查询式代价学习框架为动态可达的自车轨迹查询估计有界代价，用紧凑联合场景 token 捕获多模态 agent 未来，并通过 contingency-aware 代价聚合与 cost-guided intra-cluster MPPI mixing 生成可行自车规划。
arXiv cs.RO 机器人学AI 评分5555 iGPC：面向物体感知的类人机器人全身交互生成式运动先验
iGPC 将 Generative Pretrained Controller（GPC）从通用人体运动扩展到类人机器人与环境的全身交互，通过场景可供性线索与特权状态信息训练交互专家，再由机载传感器观测的学生策略蒸馏接触、抓握与推动技能。实验在多个全身交互任务上验证，大规模生成式人体运动先验可作为类人机器人在接触密集真实环境中学习可部署策略的有效基础。
arXiv cs.RO 机器人学AI 评分5656 AutodidactWAM：从生成视频到机器人动作的跨模态自蒸馏方法
论文提出 AutodidactWAM，用无需遥操作训练的手部姿态估计加逆运动学从模型生成视频中恢复动作估计，与原生动作配对后仅微调动作相关层。
arXiv cs.RO 机器人学AI 评分4747 强化学习与NMPC在电动汽车能量感知路径跟随中的对比分析
一项对比研究在统一的Frenet坐标系运动学模型与含再生制动的VT-CPEM能耗模型下，评测了NMPC、PPO、PID-SF和Stanley四种路径跟随控制器。PPO策略在未修改的情况下成功迁移到ISO 3888-1换道、chicane等未见赛道，并零样本迁移到含线性轮胎的动态单车辆模型。NMPC采用JIT编译的CasADi实现以满足实时性要求。
arXiv cs.RO 机器人学AI 评分4646 基于 Virtual Model Control 的冗余机械臂未知环境反应式探索
针对受限、遮挡环境下的机械臂探索问题，arXiv 论文提出一种基于 Virtual Model Control 的主动探索方法，通过眼在手上相机与评分方法直接从未探索空间选取目标体素，实现全身反应式避障而无需路径重规划。仿真与真机实验显示，该方法在所有测试环境中均实现超过 90% 的建图覆盖率，耗时低于 120 秒且未与障碍物碰撞。
arXiv cs.RO 机器人学AI 评分4545 多径不确定性下的 RF 线索导航：Habitat Sionna RT 基准与不确定性感知多模态导航框架
研究提出基于 Habitat Sionna RT 基准的不确定性感知多模态导航框架，从 RF、视觉与位姿观测历史中联合估计目标方向及其不确定性，在未见场景中相对最强基线将成功率（SR）提升 18.2%、按路径长度加权的成功率（SPL）提升 11.5%。该基准利用场景几何与材质属性生成对齐的视觉和 RF 观测，用于智能工厂巡检中无先验地图、目标被遮挡或光照不佳时的导航研究。
arXiv cs.RO 机器人学AI 评分3838 面向情境化自动驾驶系统的矢量地图质量度量 GOSPAM
论文提出名为 GOSPAM 的新度量，用于衡量矢量地图在位置误差、存在性与完整性方面的偏差。通过对点要素与折线要素地图的仿真，分析其对偏置、误报、漏报和坐标误差等常见地图退化的敏感性。结果表明 GOSPAM 提供统一且可解释的度量，可作为汽车应用中地图质量评估的候选方案。
arXiv cs.RO 机器人学AI 评分5252 GENESIS-Handover：基于生成式假设选择的反应式任务导向机器人-人类递物方法
GENESIS-Handover 利用 VLM 图像生成产生多种任务特定的手-物交互假设，并实时与观测到的人类手部姿态匹配，以推断最合适的递物配置。在 12 名参与者、5 组任务-物体配对的用户研究中，83.3% 的参与者认为该方法比先前的 state of the art 具有更好的任务理解能力。
arXiv cs.RO 机器人学AI 评分5353 IronMan：面向机器人操作的信息约束视频-动作学习框架
IronMan 提出基于信息瓶颈原则的视频-动作学习框架，通过动力学感知瓶颈抑制无关视觉信息、保留动作相关动态线索。在 LIBERO 上达到 99.0% 成功率、RoboTwin clean2clean 上达到 79.4%，均超过所有评测基线。在 OOD 偏移下，LIBERO-Plus 成功率 79.1%，比最强基线高 10.4 个百分点。
arXiv cs.RO 机器人学AI 评分5555 CA³C：基于未来共识的机器人操作自适应动作分块方法
论文提出 CA³C（Consequence-Aware Adaptive Action Chunking），一种推理时框架，在不修改或重训练基础策略的前提下，用动作条件世界模型在相同采样噪声下想象多个候选动作块的未来后果，将执行时长估计建模为贝叶斯变点推断问题，并通过未来共识选择执行候选。在多个仿真基准与真实机器人操作任务上，CA³C 使各类动作分块策略的失败率相对降低最高达 71.8%。
arXiv cs.RO 机器人学精选AI 评分5858 SALT：让 VLA 模型在执行中适应未知视觉干扰
SALT 用上一动作块未执行的 leftover 轨迹作为自监督信号，在测试时对 VLA 策略做适应，无需干扰标注、专家动作或目标域演示。在 LIBERO-10 上，SALT 将 SmolVLA 在五种持续视觉干扰下的平均成功率从 43.9% 提升到 53.2%，GR00T N1.7 从 58.7% 提升到 66.0%。真机实验中，任务进度从 0.49 提升到 0.61。
arXiv cs.RO 机器人学精选AI 评分5959 OpenWAM：面向可组合世界-动作模型的开放框架
OpenWAM 提出一个开放的世界-动作建模（WAM）框架，以 Wan2.2-5B 为起点在超过 10,000 小时视频上做因果机器人视频预训练，并通过共享 Mixture-of-Transformers 架构接入动作专家，支持联合、先视频后动作、先动作后视频和解耦四种生成方式。
推荐理由：论文给出了各交互设计在同一测试床上的对比数字，便于评估反事实数据对动力学学习的增益。
arXiv cs.RO 机器人学AI 评分4747 PACE：通过进度对齐上下文实现阶段一致的长时程机器人操作
PACE 通过将完整演示压缩为有序多模态 prompt token，并用 episode-local fast-weight memory 因果编码已实现的动作-观察转移，缓解长时程操作中的阶段混淆。
arXiv cs.RO 机器人学AI 评分4444 MetaMorpher 双翼变形 UAV 的设计与电机-襟翼悬停推进控制
MetaMorpher 变形 UAV 采用电机推进与襟翼推进两种相位同步策略实现悬停控制，仿真验证了数学模型与稳定参考跟踪，确认襟翼推进是轻量、解耦的悬停控制替代方案。物理样机的垂直动力学推进模型实验在不同构型下均表现出很好的稳态一致性。论文共 8 页、12 幅图，聚焦悬停模式控制，巡航构型控制已有成熟文献基础。
arXiv cs.RO 机器人学AI 评分5555 Beyond Retargeting：基于原子运动基元学习的低时延、强鲁棒人形机器人全身遥操作
一项人形机器人全身遥操作研究提出免重定向策略，将原始人体动作在单次前向传播中直接映射为机器人关节指令，消除在线运动学适配带来的时延与物理不可行目标。该方法学习全身运动基元码本，将分布外观测投影到合理运动原型，并从部分输入中恢复全身运动。在 Unitree G1 上结合虚拟现实、光学动作捕捉、文本生成动作与单目视频输入的仿真与硬件实验中，其时延与鲁棒性表现优于基线方法。
arXiv cs.RO 机器人学AI 评分5555 CUSP：越野导航感知起点上的 CUSUM 生存风险告警
CUSP 提出一种模型无关的运行时危险告警方法，从人工干预终止的日志中学习"感知起点"——即人类判断安全驾驶开始转为危险的时刻，用离散时间生存目标训练视觉危险头，再由 CUSUM 累积风险触发告警。
arXiv cs.RO 机器人学AI 评分4747 多机器人多目标运动规划中引入随机技能
一篇 arXiv 机器人学论文提出将随机技能纳入基于采样的多机器人规划，把问题建模为多模态复合路网上的马尔可夫决策过程（MDP），求解得到反应式策略，使可控机器人能根据其他机器人执行操作技能的情况动态调整自身运动。该方法在规划阶段直接化解技能不确定性，避免保守基线的悲观性，实现稳健的动态多机器人协调，规划器代码已公开。