四足机器人负载感知导航与在线接触几何估计研究
该论文提出两阶段负载感知导航学习框架：Phase 1 通过强化学习训练 LOADNav 策略，使机器人根据负载几何尺寸调整轨迹与间隙行为；Phase 2 通过模仿学习训练在线几何预测器 CoGE，从偶发接触事件估计未知负载几何。在不同尺寸形状负载的杂乱环境中评估显示，策略表现出明显的负载感知行为，无需负载先验知识即可缩小与几何感知策略的差距。
推荐理由：论文指出固定足迹膨胀导致四足导航过于保守，并给出用接触事件在线估计负载几何的思路，可迁移性强。
技术方向
具身智能 最新动态
AI 走进物理世界的整体进展：整机和基础模型、真实环境部署、量产节点与产业格局的追踪。
684 条精选近 30 天 626 条共收录 1,390 条
更新
精选归档 · 第 17 页
arXiv cs.RO 机器人学精选AI 评分5454 arXiv cs.RO 机器人学精选AI 评分5555 ADS 通过流支持加权提案缓解 VLA 策略的测试时采样收缩
论文提出 Action Dynamic Sampling（ADS），在训练时为当前策略采样 K 条额外轨迹并按流支持打分，通过有限集 KL 项修正策略的局部动作分布，以缓解 VLA 策略的提案收缩问题。
推荐理由：论文量化了ADS在仿真与真机任务上的成功率提升，可评估其对测试时扩展的收益。
arXiv cs.RO 机器人学精选AI 评分4747 PC7 模型：基于 SIM(3) 相似变换群的软体机器人胀缩动力学建模
论文提出名为 piece-wise constant 7D deformation（PC7）的软体机器人模型，可表示人工肌肉执行器等的胀缩变形。
推荐理由：论文把 PCS 模型的 6D 变形向量扩展到基于 SIM(3) 的 7D，读者可了解软体机器人胀缩建模的数学路径。
arXiv cs.RO 机器人学精选AI 评分5757 ReCAP：面向长时程机器人视频世界模型的免训练上下文调度方法
论文提出 ReCAP（Receding Context with Anchor Preservation），一种面向长时程机器人视频世界模型的免训练上下文调度方法，冻结预训练 tokenizer、世界模型和视觉解码器，保留初始场景锚点与近期连续的视觉-动作块、逐出更早的生成历史。
推荐理由：论文指出保留全部生成历史未必提升预测质量，并给出免训练的上下文调度方案与量化收益。
arXiv cs.RO 机器人学精选AI 评分5757 Chunk-wise Model-based Policy Optimization 入选 CoRL 2026 Spotlight
论文提出 Chunk-wise Model-based Policy Optimization，用 chunk world model 作为可微的训练时评估器优化 chunk actor，无需递归调用模型；通过世界模型与策略的协同分块预测，可在单次前向传播中生成 H 步假设 rollout 并直接优化价值扩展，避开代价高且不稳定的 BPTT。
推荐理由：论文指出基于模型强化学习在复合误差、推理延迟和 BPTT 不稳定上的共性问题，可据此对照现有方案取舍。
arXiv cs.RO 机器人学精选AI 评分5757 MOVER：从人类视频学习人形机器人通用搬运的多阶段 RL 框架
论文提出 MOVER，一个多阶段 Teacher-Assistant-Student 强化学习训练框架，用于人形机器人物体搬运。
推荐理由：论文拆解了从依赖动捕参考轨迹到摆脱动捕的三阶段训练路径，关注泛化的读者可对照其消融设计。
arXiv cs.RO 机器人学精选AI 评分5252 CARE：面向去中心化多机器人操作的动作条件团队响应信念学习框架
论文提出 CARE（Cooperative Action-Response Belief Estimation）框架，从局部历史中学习团队响应信念，用于去中心化多机器人操作的动作选择。
推荐理由：论文对比了显式响应监督与分支效用两种学习方式，可了解去中心化协作中动作选择的建模思路。
arXiv cs.RO 机器人学精选AI 评分5555 GG-Nav：面向目标的接地思维链提升导航基础模型推理能力
论文提出导航框架 GG-Nav，通过监督微调学习结构化思维链，显式定位目标相关实例并累积接地证据以支撑决策。该思维链分两阶段：Observation-to-Evidence 在相邻决策步之间的所有中间帧上推理以保留目标相关证据，Evidence-to-Decision 将当前观测与累积证据结合以生成导航动作或澄清问题。
推荐理由：消融实验给出了证据累积与显式定位各自减少的失败类型和幅度，便于评估该方法的贡献来源。
arXiv cs.RO 机器人学精选AI 评分5252 NeST-Bayes：多机器人系统中联合推断机器人与物体假设信任的神经符号框架
论文提出 NeST-Bayes，一个神经符号框架，仅依靠跨机器人观测一致性联合推断机器人与物体假设的信任，无需预设信任、声誉信息或侧信道身份信号。它在自中心关系图上推理得到瞬时信任证据分数，并通过 Beta 分布信任信念的贝叶斯更新随时间累积。
推荐理由：论文给出攻击与遮挡场景下的具体精度召回数字，可评估该信任推断方法在对抗环境中的可用性。
arXiv cs.RO 机器人学精选AI 评分4747 多模态表征融合用于显微外科吻合术长期轨迹预测
论文提出一个跨模态特征融合框架，用于显微外科吻合术的长期 2D 与 3D 轨迹预测，由多模态表征提取器和跨模态特征融合网络组成。
推荐理由：论文指出仅靠视频与历史轨迹的局限，并给出多模态融合与渐进融合策略，可为手术机器人轨迹预测研究提供方法参考。
arXiv cs.RO 机器人学精选AI 评分5454 F2P 框架学习时序极坐标梯度场用于动态环境 AAV 轨迹规划
论文提出两阶段 Field-to-Planning（F2P）学习框架，为动态环境下基于视觉的自主飞行器（AAV）轨迹规划提供实时准确的安全梯度。
推荐理由：论文指出依赖静态地图与动态障碍跟踪的方法计算负担重且轨迹保守，可作为评估同类方案的参照。
arXiv cs.RO 机器人学精选AI 评分4747 全向空中机器人共享控制遥操作实现阀门连续旋转
论文提出一种共享控制方法，当人前臂角度超过阈值时切换控制权，使全向空中机器人能够连续旋转阀门。此前作者提出的空中遥操作系统因人前臂活动范围有限，机器人无法连续旋转阀门，限制了工业应用。该工作被 IROS 2025 Workshop on Advancements in Aerial Physical Interaction 接收，并入选 Best Paper Award Candidate。
推荐理由：论文指出前作因人前臂活动范围受限无法连续旋转阀门，新方法在角度超阈值时切换控制权，说明了共享控制的触发条件。
arXiv cs.RO 机器人学精选AI 评分5555 Q-DEG：用质量多样性环境生成对 VLA 做红队测试
论文提出 Q-DEG 方法，用 Quality Diversity 优化生成高失败率且多样的对抗环境，并让 VLA 在自身成功轨迹上做自模仿微调以提升鲁棒性。在三个代表性 VLA 模型上的仿真结果显示，Q-DEG 在分布外对抗环境中相比原始 VLA 和两种红队基线微调的 VLA 更鲁棒，并有助于 sim-to-real 迁移。
推荐理由：论文指出 VLA 在物体位置、光照等微小分布偏移下易失效，并给出用对抗环境自模仿微调的改进路径。
arXiv cs.RO 机器人学精选AI 评分5757 IMPRINT：面向 VLA 的多流隐式记忆框架，成功率较基座提升至少 26%
论文提出策略无关的隐式记忆框架 IMPRINT，为视觉-语言-动作（VLA）模型引入多流记忆而不显式约束策略该记住什么。IMPRINT 将观测、动作、本体感觉等多流信息压缩为推理时增量更新的隐式记忆以降低延迟，并采用两阶段训练：先监督记忆重建多流历史并估计当前任务进度，再与策略端到端微调动作预测。
推荐理由：论文给出两阶段训练与多流压缩的具体做法，并报告相对基座 VLA 的成功率提升，可作为记忆增强策略的方案参考。
arXiv cs.RO 机器人学精选AI 评分5858 DexFLEX：面向指令引导灵巧操作的接触感知基础控制器
DexFLEX 是一个接触感知的基础控制器，把上游指尖运动草稿转化为接触一致的关节指令，将草稿视为意图证据而非待复制轨迹，通过 Draft-Dream-Select 流程生成候选运动并解码为关节空间目标。
推荐理由：论文给出遥操作成功率从29.2%提升到78.3%等对比数据，可评估该方法对灵巧手控制的实际收益。
arXiv cs.RO 机器人学精选AI 评分5656 CoPlanVLM：用视觉语言模型实现双机器人协同路径规划
CoPlanVLM 通过视觉语言模型将单条自然语言指令和图像转化为两个机器人的协同路径，包含图像叠加标注自由空间与障碍物、任务分类选择底层规划器、以及任务特定的思维链推理三个组件。该方法在 Gazebo 仿真和实体 Turtlebot 4 硬件上验证，平均成功率达 84.4%，对比最接近基线的 50.0%；在双方均成功的试验中，其路径平均缩短 27%。
推荐理由：论文给出与最强基线的成功率对比和路径缩短数据，可评估VLM空间推理改进的实际收益。
arXiv cs.RO 机器人学精选AI 评分5757 PILOT：用视觉子目标与策略先验引导机器人操作的长程世界模型规划
PILOT 用视频模型生成中间视觉子目标，并用学习到的策略初始化 CEM，在滚动时域控制环中借助动作条件世界模型细化候选动作序列。
推荐理由：论文给出真机与仿真两组对照数据，可量化评估视觉子目标加策略初始化对长程规划的实际增益。
arXiv cs.RO 机器人学精选AI 评分5656 Akule：基于稀疏交互扩散的快速可扩展多机器人运动规划
Akule 提出稀疏交互扩散框架，在冻结的单机器人先验上增加三个学习模块：可复用的成对修正模型 R_phi、决定评估哪些修正的上下文选择器 U_psi，以及通过上下文相关符号权重组合效果的合成器 G_omega。
推荐理由：论文给出稀疏交互分解的做法与最高25倍加速、256机器人规模的实测结果，可评估其在多机器人规划中的实用价值。
arXiv cs.RO 机器人学精选AI 评分5555 arXiv 论文提出挖掘机执行绑定授权机制，约束 LLM 规划到机械运动的授权链
论文针对 LLM 指挥挖掘机可能执行机械可行但授权已失效的动作，提出覆盖审批、派发、执行区间的执行绑定授权框架：一次性租约绑定动作、生成运动、任务契约与准入容差，原子派发时重新校验当前权限与实测关节漂移。
推荐理由：论文把操作员授权与机械可行运动解耦的问题量化，给出接口测试与攻击套件的零越权数据，关注 LLM 控机安全的读者可参考其评估方法。
arXiv cs.RO 机器人学精选AI 评分5555 RoboCompiler 扩展支持协作人形机器人的可组合动力学编译
论文为 RoboCompiler 增加成员级动力学组装能力，从刚体、运动的执行器部件和反射转子惯量编译缩减动力学，支持五台手部相连人形机器人的执行器感知跟踪、耦合力分配、负载更新与支撑模式切换。
推荐理由：论文给出与硬约束参考和独立实现的双重误差对比，可评估该动力学编译方法的数值可信度。