HorizonNav：几何引导视频扩散实现机器人前瞻 3D 导航
HorizonNav 提出一种基于视频扩散的机器人前瞻导航框架，将单张 RGB 图像与文本提示转换为几何对齐的周边 3D 空间表示，核心贡献是结合相机位姿与三角化视觉地标的几何引导深度对齐阶段。
推荐理由：论文公开了重建失败案例与误差数据，读者可据此评估该方法在无激光雷达条件下的真实边界。
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 31 页
arXiv cs.RO 机器人学精选AI 评分5555 arXiv cs.RO 机器人学精选AI 评分5656 无地图的履带机器人翻板稳定与防卡控制方法 SAS
论文提出名为 SAS 的无地图翻板控制器，将车体横滚俯仰稳定项与脱困项结合，输入仅用 IMU、翻板关节角和短窗口内计算且不累积的运动提示，从而不继承里程计积分漂移。在四翻板履带机器人的仿真与真实障碍对比中，SAS 通过质量与基于地图的先进控制器相当；在 LiDAR 看不到的高草丛倒木上，最好的基于地图控制器卡住，而 SAS 顺利通过。
推荐理由：论文对比了基于地图与无地图两类翻板控制方案，并给出 LiDAR 遮挡场景下的失效案例，便于评估方案取舍。
arXiv cs.RO 机器人学精选AI 评分5555 MC-EvoBench：审计 Minecraft 智能体经验驱动自我改进的受控基准
MC-EvoBench 是一个受控 Minecraft 基准，包含 19 条注册演化链（12 条主评测链、7 条校准或探针链）和三组图对齐配对探针族，用于评估智能体能否把交互历史转化为可迁移、可持久的能力。
推荐理由：论文用受控实验设计区分能力提升与资源继承，其评估方法可迁移到其他具身智能基准。
arXiv cs.RO 机器人学精选AI 评分5757 Dream to Remember：用世界模型持续引导通用机器人策略避免灾难性遗忘
论文提出 Dream to Remember（D2R），在冻结的通用机器人策略上持续引入新任务，同时保留已学技能：冻结的预训练世界模型通过想象 rollout 复习旧任务，无需回放缓冲或新数据。
推荐理由：论文用同一序列任务对比了 D2R 与 LoRA 微调的成功率差异，直观呈现持续学习中遗忘问题的严重程度。
arXiv cs.RO 机器人学精选AI 评分5555 论文提出 LiDAR 退化时自适应切换雷达惯性里程计的定位框架
论文提出一种单类时序学习框架，在烟尘等气溶胶遮蔽导致 LiDAR 退化时检测其可靠性并把定位权切换到雷达惯性里程计（RIO）。该框架用仅在正常工况下训练的 LSTM 自编码器对空间、跨模态、几何/运动、强度和测量新近度等特征的时序演化建模，无需标注退化数据即可检测异常。
推荐理由：论文用真实隧道浓烟数据验证了 LiDAR 退化时切换到雷达惯性里程计的方案，对地下机器人定位选型有参考。
arXiv cs.RO 机器人学精选AI 评分5858 SmolWAM：面向边缘设备的机器人操作隐空间世界-动作模型
SmolWAM 是一个面向边缘设备的隐空间世界-动作模型（WAM），从 2B 参数的 Cosmos Policy 蒸馏而来，保留其预训练主干并重建推理接口，包括单帧视觉隐变量、缓存文本特征、28 个 transformer 块中的 12 个，以及 1,008 个 token，通过一步 rectified-flow 读出动作与未来视觉隐变量。
推荐理由：论文给出了从2B参数教师模型蒸馏出轻量WAM的具体做法与量化指标，关注端侧部署的读者可参考其裁剪思路。
arXiv cs.RO 机器人学精选AI 评分4343 arXiv 论文提出农业采摘技术统一分类法：以物理交互与自动化水平为双轴
论文提出以植物与机器交互的物理原理和采摘过程的自动化水平两条主轴，构建农业采摘技术的统一分类法，并把选择性视为感知与决策影响物理执行的功能属性。分析覆盖切割、拉拔、振动、冲击、刷扫、气动及组合等传统机械化方式与半自动、机器人采摘方案，指出自动化程度提高并不必然带来更高选择性，只有当感知与决策直接作用于单果级执行时才发生质变。
推荐理由：论文指出自动化程度提高并不必然带来选择性提升，为评估采摘机器人方案提供了区分物理机制与自动化水平的分析框架。
arXiv cs.RO 机器人学精选AI 评分4949 双四旋翼经滑动吊钩协同吊运负载的参考生成框架
论文提出一种双四旋翼经单根不可伸长缆绳与负载上无摩擦滑钩连接的协同空中搬运系统，缆绳可在两段之间滑动，引入了耦合四旋翼运动、缆绳几何与负载动力学的缆长分配变量。作者构建了以期望负载位姿、缆长分配和系统形状为输入的参考轨迹生成框架，满足缆长约束与椭圆工作空间，四旋翼在保持正缆绳张力和执行器限制下跟踪轨迹，负载位姿由系统几何估计，实测位置仅用于校验期望轨迹，方法通过实验演示进行了评估。
推荐理由：论文给出了双四旋翼经滑动吊钩协同吊运负载的参考轨迹生成框架，并通过实验验证，可为多机吊运控制研究提供方法参考。
arXiv cs.RO 机器人学精选AI 评分5555 AutoBio+：面向真实生物实验室动态现象的灵巧操作仿真基准
AutoBio+ 是一个面向真实生物实验室环境的灵巧操作仿真基准与框架，包含 14 项任务、覆盖 4 种机器人本体，涵盖功能工具使用、精密操作、语言条件视觉定位和仪器操作。
推荐理由：论文给出任务集、渲染管线和并行框架的具体构成，评测灵巧操作策略的人可据此判断方法是否可复用。
arXiv cs.RO 机器人学精选AI 评分5757 JitterVLA：面向 VLA 人机操作运动质量的回放基准
JitterVLA 通过回放相同指令与到达时序来隔离控制器效果，评估 VLA 策略稀疏目标延迟到达导致的运动突变问题。
推荐理由：论文用统一回放隔离控制器影响，给出插值对 p99 jerk 的量化改善与跟踪代价，便于评估同类方案。
arXiv cs.RO 机器人学精选AI 评分5757 RARA：通过检索锚定表征对齐提升机器人操作策略微调的鲁棒性
论文提出两阶段微调方法 RARA，先从预训练中检索任务意图与运动相似的表征并对齐目标演示的表征，再在微调时限制对检索演示表征的改动，以减少表征漂移。在 Diffusion Policy 和 GR00T 上对 RoboTwin、RoboCasa 的 13 项任务及真实机器人实验显示，RARA 使微调平均成功率在分布内提升 9.5 个百分点、分布外提升 13.6 个百分点，优于全部对比基线。
推荐理由：论文给出了分布内与分布外成功率的具体提升幅度，关注少样本微调的读者可据此判断方法收益。
arXiv cs.RO 机器人学精选AI 评分6262 ATHLETE：通过轨迹引导动作匹配学习人形机器人网球
ATHLETE 框架从通用运动数据和普通网球视频学习人形机器人的反应式网球技能，结合 LAFAN1 运动数据与视频提取的击打动作，用 Trajectory-Guided Motion Matching 构造全身参考，再经物理仿真师生学习、在线 DAgger 蒸馏和 PPO 微调得到策略。在真机上正手和反手命中率分别为 90.00% 和 86.67%，可与人类球员进行多拍对打。
推荐理由：论文给出正反手命中率与真机多拍对打结果，可评估该方法从通用运动数据学网球技能的可行性。
arXiv cs.RO 机器人学精选AI 评分5555 HF-WM：结合人类交互与失败感知后训练的动作条件世界模型
论文提出 HF-WM，一个结合人类交互学习与失败感知后训练的动作条件世界模型，用于改善机器人世界模型的泛化能力。
推荐理由：论文指出机器人数据集失败样本不足且人手与机械臂存在具身差异，给出的双分支运动表征与后训练思路可作相关研究参考。
arXiv cs.RO 机器人学精选AI 评分5757 RESCUE：用反事实方法评估 VLA 运行时监控告警是否值得干预
论文提出反事实评估框架 RESCUE，用于判断机器人策略运行时监控的告警是否能促成有效干预，通过在执行检查点恢复仿真器与策略状态比较替代动作，找出满足恢复条件的最晚检查点并评估按告警行动是否降低预期任务完成成本。
推荐理由：论文用128,340条反事实分支量化了告警干预成本，给出了2.0-3.3%的误报率上限，可迁移性强。
arXiv cs.RO 机器人学精选AI 评分5555 Reflect-VLA：用双路在策略自蒸馏将反思引导内化到自动驾驶 VLA
论文提出 Reflect-VLA，把反思引导作为训练期特权信息，通过双路在策略自蒸馏（Dual-OPSD）内化其规划收益：驾驶分数仅用于路由学生生成的轨迹，对风险轨迹从教师蒸馏稠密的 token 级纠正分布，对可靠轨迹做自我模仿。
推荐理由：论文解释了反射式引导为何无法直接用于单次推理，并给出训练期蒸馏的解决路径，关注 VLA 训练效率的读者可参考。
arXiv cs.RO 机器人学精选AI 评分5555 ManeuverFlow：面向端到端自动驾驶的轨迹评估与优化方法
ManeuverFlow 通过机动假设生成与未来证据评估来优化端到端自动驾驶轨迹：模型选择相关机动模式，从高斯混合先验采样噪声，经机动路由的 mixture-of-experts MeanFlow 场映射为特定意图轨迹，再用世界模型预测的未来特征聚合为证据进行 PDM 因子预测与 Frenet 残差优化。
推荐理由：论文给出了 NAVSIM 与 WorldEngine 闭环基准上的具体分数，可据此评估该方法相对现有规划器的水平。
arXiv cs.RO 机器人学精选AI 评分5454 Robot-WATCHDOG：基于物体中心图表示的机器人操作失败检测
Robot-WATCHDOG 是一个自监督失败检测框架，将操作场景建模为以物体为中心的时空图，提出两种互补的失败分数：TPC（衡量几何偏差与关系一致性的非参数度量）和 GnnT（结合 Graph Attention Network 与 Transformer 预测未来物体状态）。
推荐理由：论文对比了两种失败分数与图像基线方法，评估了面向语义和交互级错误的检测效果，关注机器人策略部署的读者可参考其评测结论。
arXiv cs.RO 机器人学精选AI 评分5858 EndoRSI：用物理实验证据递归改进内窥镜机器人策略
EndoRSI 是一个由人监管的自改进机器人研究系统，内嵌的 EndoForge 编码智能体基于物理实验的证据迭代开发和优化内窥镜机器人策略，物理执行被隔离在受安全约束的运行时中并需人工授权。
推荐理由：论文给出了插入成功率从2/21提升到17/21的迭代数据，可了解物理实验反馈如何驱动策略改进。
arXiv cs.RO 机器人学精选AI 评分5757 PartiGen：面向语言条件人形机器人动作生成的部件感知表征
论文提出 PartiGen，一个部件感知的隐扩散框架，将解剖结构融入全身动作表征，按文本与动作历史自回归生成动作原语。在 HumanML3D 重定向到 Unitree G1 上，其段级 FID 为 3.165，较 TextOp 降低 16.8%，R@1 提升 1.4 个百分点；16 帧原语的端点预测把平均时长误差从 12.471 帧降至 3.080 帧。
推荐理由：论文给出了 FID、时长误差和真机成功率三组数字，可据此评估该方法相对 TextOp 的改进幅度。
arXiv cs.RO 机器人学精选AI 评分5757 Evo-RL：结合人工干预与优势引导经验选择的机器人迭代强化学习方法
Evo-RL 提出一种迭代强化学习方法，将人工纠正与基于优势估计的经验选择相结合，用人工纠正和成功轨迹中正优势经验迭代优化策略。作者同时发布 RW-RL-Dataset，覆盖 4 种机器人本体、超过 1,000 小时数据；在真实高精度操作任务上，Evo-RL 的尝试成功率相比 RECAP 提升 30.46%，代码、模型检查点与数据集均已公开。
推荐理由：论文给出与 RECAP 的对比数据和公开数据集规模，可据此评估该方法在真实操作任务上的收益。