Sim4RAD：面向串联机械臂设计阶段选型与 URDF 校验的 MATLAB 工具包
论文提出 MATLAB 工具包 Sim4RAD，用于机械臂设计阶段的执行器选型与后续校验，通过少量参数构建刚体模型，并提供静态分析、动力学轨迹整形、随机运动统计和工作空间灵巧度四类分析。
推荐理由：论文给出肩轴排序与腕关节同轴布局对扭矩和灵巧度的量化对比，可为机械臂设计选型提供参考。
内容形态
论文研究 最新动态
值得读的嵌入式与机器人论文：操作泛化、运动控制、端侧推理效率与新基准的精选。
872 条精选近 30 天 844 条共收录 1,780 条
更新
精选归档 · 第 18 页
arXiv cs.RO 机器人学精选AI 评分5858 arXiv cs.RO 机器人学精选AI 评分5555 BoxWAM：用物体框轨迹替代视频预测的世界动作模型
论文提出 BoxWAM，用任务相关物体的有向包围框轨迹替代稠密未来帧预测，作为世界动作模型的紧凑状态表示。实验显示框轨迹预测显著降低计算成本，同时提升动作预测性能，表明物体中心的紧凑状态可作为视频式世界动作建模的高效替代方案。
推荐理由：论文指出全帧视频预测训练推理开销大，改用物体框轨迹作为紧凑状态，为世界动作模型的轻量化提供了可迁移思路。
arXiv cs.RO 机器人学精选AI 评分5555 YUBI-Real2Sim：基于3DGS场景验证的VLA策略可靠评估框架
YUBI-Real2Sim 提出一套基于 3DGS 的场景重建与 real-to-sim 策略评估统一框架，用于在双鱼眼腕部视角下评估 VLA 策略。该流水线结合 200 度鱼眼相机采集、3DGS 训练、3D 基础模型物体建模与 MuJoCo 物理仿真，在九组场景-任务对比中有八组复现了真实世界的策略排序。
推荐理由：论文量化了3DGS重建质量对VLA策略评估可靠性的影响，为做Real2Sim评测的团队提供了可参考的实验设计。
arXiv cs.RO 机器人学精选AI 评分4545 分层强化学习实现从轨道匹配到对接的多阶段交会轨迹设计
该论文提出一个面向自主三自由度交会与近距操作的分层强化学习框架，覆盖从轨道匹配到对接的完整轨迹。研究训练了轨道匹配、远距离接近、中距离接近、近距离接近和对接五个阶段专用策略，并由一个学习得到的高层管理策略根据航天器状态在各阶段控制器间选择。该分层方法在端到端交会序列上与固定顺序调用的启发式方法进行了对比，评估轨迹性能与阶段切换行为，并分析了各阶段策略及完整分层系统的训练与推理指标。
推荐理由：论文梳理了交会对接各阶段的动力学差异与现有方法局限，便于了解分层强化学习的切入位置。
arXiv cs.RO 机器人学精选AI 评分5454 Act4R：基于动作条件 4D 重建实现免运动学机器人控制
Act4R 是一个基于 3D 基础模型的框架，能根据任意给定动作预测机器人的 3D 场景流。其 Spatial-Action Encoder 将当前 2D 机器人状态与动作信号编码为表示未来 3D 状态的嵌入，再解码为点图以估计动作条件下的场景流，并通过空间-动作融合与空间对齐损失引导编码器做未来流预测。
推荐理由：论文提出用 2D 观测提升的 4D 特征按动作信号映射机器人空间运动，为免运动学控制提供了绕开专用传感器与手动标注的思路。
arXiv cs.RO 机器人学精选AI 评分5858 轨迹平滑度筛选指标在时长对照下的审计研究
论文在 robomimic 真实数据上审计了已发表的轨迹平滑度筛选指标，发现 SAL 的区分能力很大程度来自时长混淆：can/mh 上 SAL 的 AUROC 为 0.952，但仅用时长即可达 0.957，在时长匹配区间内 SAL 降至 0.628，而被 rinse 反对的原始平均加加速度 jerk 反升至 0.896。
推荐理由：论文用时长对照实验拆解了轨迹平滑度指标的混淆效应，可迁移的方法是先做时长匹配再评估筛选信号。
arXiv cs.RO 机器人学精选AI 评分5656 MIRROR：从离线机器人交互数据中学习观测与动作的对称变换
MIRROR 是一个从离线交互数据中学习已知对称群如何共同作用于观测与动作的框架，通过一步转移元组上的对抗匹配耦合变换，并用群一致性正则约束群运算公理。
推荐理由：论文给出与 LaLiGAN 基线的量化对比和零样本实机部署结果，可评估该对称学习方法的实际收益。
arXiv cs.RO 机器人学精选AI 评分5555 ClearNav：用感知对齐奖励提升四旋翼密集环境飞行安全
ClearNav 提出一种四旋翼导航策略，把碰撞主要归因于朝向与运动方向不一致、避障时的横向偏移等超出机载相机视野的运动，并用两个奖励项约束运动方向（前视朝向目标与横向速度惩罚），再加一项在障碍物附近惩罚速度，使进入视野的障碍仍可避让。
推荐理由：论文把四旋翼碰撞归因于运动方向超出机载相机视野，并给出对应的奖励项设计与仿真对照数据。
arXiv cs.RO 机器人学精选AI 评分6767 研究测试冻结的 GPT-6-Astra 直接作为机器人策略在 RoboMME 上的表现
研究将冻结的前沿视觉语言模型 GPT-6-Astra 直接用作机器人策略，在含 16 项记忆依赖操作任务的 RoboMME 基准上测试，模型无需针对该基准训练，把整个 episode 保持在上下文中并输出每个末端执行器路径点与夹爪指令。
推荐理由：论文给出成功率与失败模式分布，可据此评估前沿 VLM 直接作机器人策略的现状与短板。
arXiv cs.RO 机器人学精选AI 评分5252 论文评测不确定性下的长时域机器人规划，ReAct 成功率 45.3%
论文在 Habitat 中构建了 7 项长时域家庭任务基准，改变机器人初始记忆与环境配置，在共享执行框架下评测 ReAct、VLM-TAMP、Tru-POMDP 三种规划器的适配版本，共覆盖 90 组任务-环境-记忆组合、1,350 局 episode。
推荐理由：论文给出三种规划器在 1,350 局上的成功率与执行轨迹错误类型，可为长时域规划选型提供对照数据。
arXiv cs.RO 机器人学精选AI 评分5252 IROS 2026 论文提出 LfDI：从延迟的专家干预中改进策略学习
论文研究模仿学习中专家干预存在延迟时的策略学习问题，发现从延迟专家干预学习整体上不如无延迟干预有效，因为延迟干预更难展示避错行为。为此作者提出 Learning from Delayed Intervention（LfDI），基于专家在何时何地介入学习代价函数，并结合专家提供的有限延迟信息，为缺少专家数据的状态推断额外监督，引导策略避开易触发干预的状态。
推荐理由：论文指出延迟干预会削弱示范的避错效果，并给出用干预时机推断额外监督的思路。
arXiv cs.RO 机器人学精选AI 评分5656 CoRL 2026 论文提出相位条件化可供性场 PAF 改进 SE(3) 等变视觉运动策略
论文提出相位条件化可供性场（PAF），在观测点云上学习逐点分数，用其分数加权质心作为随相位变化的锚点来规范化观测与动作，并将分数作为逐点特征，从而在保持策略全局 SE(3) 等变性的同时引入局部几何归纳偏置。
推荐理由：论文指出全局等变假设在多物体操作中的失效场景，并给出保持全局等变性的局部归纳偏置做法，可迁移。
arXiv cs.RO 机器人学精选AI 评分5858 ReForesight：面向动态语义建图的遮挡鲁棒重识别与未来占据预测
ReForesight 是一个开源 ROS 2 工具包，在粒子滤波语义建图管线中加入实例级未来占据预测与遮挡后重识别。36.6k 参数的 MLP 可预测被跟踪行人或车辆未来 3 s 的位置，配合 Kalman 兜底与静止门限，将目标自身点云移至预测位姿形成 ghost 点云；可选跟踪器利用管线已有的关键点描述子和 3D 度量门限在遮挡后重新关联目标。
推荐理由：论文给出 MLP 相对 Kalman 与 GRU 的位移误差对比和单核耗时，可评估该方法在资源受限机器人上的可用性。
arXiv cs.RO 机器人学精选AI 评分5555 Physical SLAM：物理感知的同步定位与建图方法
论文提出 Physical SLAM，从 RGB-D 图像序列构建可变形物体的 4D Gaussian 场，将场景分为用于相机定位的静态背景 Gaussian 场和由弹簧-质量物理模型驱动的动态物体 Gaussian 场，并引入虚拟观测力与物理参数更新策略使仿真与观测对齐。
推荐理由：论文给出与 PhysTwin、4DGS-SLAM 的量化对比，可据此评估物理感知 SLAM 的当前水平。
arXiv cs.RO 机器人学精选AI 评分5757 论文提出 VAQ-MCTS：以状态可达性保值的动作量化方法
论文提出保值动作量化方法 VAQ 及其与 MCTS 结合的 VAQ-MCTS 框架，用于行为克隆。作者证明动作量化引起的值函数误差由量化后动作的状态可达性重构误差紧密界定，而非动作重构误差。在物体推动任务基准上，VAQ-MCTS 性能匹配或超越现有行为克隆方法，并提升数据效率与对异构演示的鲁棒性，支持对新环境的零样本适应；硬件实验仅用 10 分钟演示数据即完成全部 30 次真实物体推动试验。
推荐理由：论文证明值函数误差受状态可达性重构误差约束，为动作量化提供了可迁移的理论判据。
arXiv cs.RO 机器人学精选AI 评分5555 基于 LiDAR 时空安全走廊的人形机器人动态非凸环境导航研究
论文提出一套人形机器人实时导航框架，从 LiDAR 粒子表示直接构建时空安全走廊，并与基于 LIP 的规划和 WBC 耦合，实现绕行和穿行移动非凸障碍物而无需受限的几何假设。
推荐理由：论文给出 96% 成功率与消融对比，可评估该方法在狭窄走廊场景相对基线的改进幅度。
arXiv cs.RO 机器人学精选AI 评分5757 DexNinja：用 Real-to-Sim-to-Real 数据引擎学习灵巧切割策略
DexNinja 提出一个 real2sim2real 框架，把少量真实演示转化为稠密且真实的训练分布，用于机器人灵巧切割食物任务。该框架先从真实采集重建物体实例，再在类别级约束下随机化物理参数，并用耦合机器人动力学、触觉接触与可变形切割的自研可微仿真器生成增强的操作片段。
推荐理由：论文给出用数十条真实演示加数百条仿真增强数据把成功率提到60%以上的路径，可参考其数据扩充思路。
arXiv cs.RO 机器人学精选AI 评分5656 FOSA：基于符号抽象生成式流的机器人本体能力发现框架
论文提出 Generative Flow on Symbolic Abstractions（FOSA）框架，通过学习有接地的任务生成器来发现机器人本体特有能力。
推荐理由：论文指出训练任务分布依赖语义合理性而非本体可行性，为理解机器人能力发现提供了方法视角。
arXiv cs.RO 机器人学精选AI 评分5858 FOMO-Dex：面向接触密集操作的力调制灵巧操作统一柔顺方法
论文提出 Force-Modulated Dexterity（FOMO-Dex），一种面向接触密集操作的统一柔顺表达，将标称动作表示在由任务几何与接触结构定义的坐标系中，沿选定方向施加力驱动的运动修正，其余指令分量保持不变。
推荐理由：论文把力修正与运动指令统一成一套柔顺表达，做遥操作数据采集的工程师可参考其按接触结构分解指令的思路。
arXiv cs.RO 机器人学精选AI 评分5757 D-World：显式世界-语言-动作模型与双控制下的递归自改进
D-World 提出一种显式世界-语言-动作模型，感知 agent 用生成的视觉与几何代码把场景写成可执行数字孪生，规划 agent 在仿真中搜索动作，并在每个动作块执行后依据机器人实测修订孪生的物体状态与命名物理参数。
推荐理由：论文把不可检视的隐式世界模型改为可执行数字孪生，并给出参数修订的接受准则，便于评估该思路能否迁移。