跳到正文

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。

202 条精选近 30 天 188 条共收录 1,005 条

更新

精选归档 · 第 8 页

10月8日周四第 141–160 条
  1. IEEE Spectrum · Robotics57

    HiPHI：面向人形机器人大规模高精度人体动作与物体交互数据集白皮书

    IEEE Spectrum 与 Wiley 联合发布由 Noitom Robotics 赞助的白皮书，介绍 HiPHI 数据集：617.5 小时光学动作捕捉的全身人体动作数据，亚毫米级精度，其中 245.7 小时为人与物体交互数据，含同步物体轨迹与网格，并用 FrameNet 语言框架组织动作覆盖范围。

    推荐理由：白皮书给出了数据集规模与人机交互数据的组织方式，关注人形机器人数据来源的读者可据此评估其补充价值。

10月7日周三
  2. arXiv cs.RO 机器人学58

    研究解析行为提示在机器人操作任务中的生效条件

    该论文对行为提示（behavior prompting）何时、如何生效进行了实证研究，引入 DrawAnything 和 LIBERO-Gen 基准（最多 2000 个程序生成任务）、上下文视觉运动架构 Behavior Prompting Policy（BPP）以及手持演示接口 iPhUMI。

    推荐理由：论文用消融实验指出任务多样性比单任务演示数更关键，做数据采集取舍的团队可参考这一结论。

  3. arXiv cs.RO 机器人学58

    FingerEye：基于连续视觉触觉感知的灵巧操作学习框架

    FingerEye 是一个传感与学习框架，通过贯穿交互全程的视觉触觉反馈提升机器人灵巧操作能力。传感侧将双目 RGB 相机与柔性接触界面结合，接触前用指尖相机提供近距视觉线索与隐式立体信息，接触后用标记点追踪柔性环形件形变作为接触力旋量感知的代理；学习侧构建了真机与仿真数据基础设施，并提出 FingerEye Policy，采用分组结构的模态融合以减少模态捷径。

    推荐理由：论文给出视觉触觉融合的具体设计与七项任务上的量化提升，可作为多模态灵巧操作方案的参考。

  6. arXiv cs.RO 机器人学58

    QF3：用过滤 Q 梯度加速流策略强化学习的人形运动控制算法

    论文提出 QF3（Fast Flow RL with Filtered Q-Gradients），一种在线离策略 RL 算法，通过 flow matching 加上 critic 的动作梯度、经一步预测反向传播来训练流策略，且只将 critic 梯度施加于接近回放动作的那些动作维度。

    推荐理由：论文给出相对 FPO++ 的 10x 训练加速和零样本上机结果，可评估该算法是否值得在人形运动控制任务中试用。

  7. arXiv cs.RO 机器人学58

    DepthWorld：面向机器人操作的3D世界模型

    DepthWorld 提出一种结合学习式立体深度与联合因子图的标定流程，将 DROID 数据集标定为提供稠密度量深度和多视角外参的 DROID-3D，外部相机在 90% 的 episode 上重投影误差 <0.7 px。

    推荐理由：论文解释了RGB-only世界模型几何不一致的成因，并给出可迁移的标定与深度监督思路。

  8. arXiv cs.RO 机器人学58

    Micro Neural Policies 实现 MCU 上安全实时机器人控制

    论文提出 Micro Neural Policies（MNP）合成方法，结合 Evolution Strategy（ES）搜索与 Statistical Model Checking（SMC）验证，在不牺牲安全与鲁棒性的前提下大幅压缩神经网络规模。

    推荐理由：论文给出策略内存占用与抖动等量化指标，便于评估微型神经策略在 MCU 上的部署可行性。

  9. arXiv cs.RO 机器人学58

    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。

  10. arXiv cs.RO 机器人学58

    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。

  11. arXiv cs.RO 机器人学59

    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。

  12. arXiv cs.RO 机器人学58

    SMART：大规模合成预训练实现关节物体操作的零样本 sim-to-real 迁移

    SMART 提出面向关节物体操作的大规模合成演示预训练系统，其 SMART-Sim 仿真平台具备关节感知设计，可生成任务并高效采集演示，最终合成的 SMART-Data 覆盖 44 类原子任务、5 种机器人配置和 2,507 个关节物体，共超过 1M 条演示。基于该数据预训练的 VLA 模型在仿真基准上表现具备竞争力，并在真实世界的关节物体操作任务中实现零样本 sim-to-real 迁移。

    推荐理由：论文给出合成演示数据的规模与零样本迁移结果，可评估合成预训练在关节物体操作上的可行性。

  13. arXiv cs.RO 机器人学58

    GaugeBench 揭示形态感知策略对机器人描述的表示脆弱性

    论文提出 GaugeBench，把固定机器人改写为物理等价的描述并评测同一策略权重，发现三个 MetaMorph 策略在 80 个熟悉机器人上得分 4030.6，等价重描述后仅 51.6，而 98 个真正未见机器人仍有 1489.6。

    推荐理由：论文用等价改写描述的对照实验，量化了跨本体评测中被忽略的表示脆弱性，可迁移方法在于其隔离思路。

  14. arXiv cs.RO 机器人学62

    NTNU 提出可在单核 MCU 上运行的雷达惯性里程计

    NTNU 团队提出面向低算力平台的嵌入式雷达惯性估计器，所有传感器驱动、数据处理与辅助惯性导航均在单核 MCU 上运行。飞行实验显示相对动捕的平移 APE 为 0.51-0.82 m、RPE 低于 3%，并完成基于未修改 PX4 栈的闭环飞行；固件与 PCB 设计已在 GitHub 的 ntnu-arl/embedded_rio 和 ntnu-arl/embedded_rio-pcb 开源。

    推荐理由：论文给出单核 MCU 上的完整实现与实测误差区间，可评估其在算力受限平台替代视觉方案的可行性。

  15. arXiv cs.RO 机器人学60

    Flash-WAM 提出模态感知步蒸馏，将世界动作模型推理压缩到单步

    Flash-WAM 提出模态感知的步蒸馏框架，针对动作流低噪声区间采用线性梯度缩放参数化、视频流高噪声区间采用保方差参数化，把世界动作模型推理压缩到每个模态单步。

    推荐理由：论文给出了动作流与视频流噪声分布不对称的结构性分析，做世界动作模型实时推理的团队可据此选择一致性函数参数化。

  18. arXiv cs.RO 机器人学58

    Real2Sim2Real 协同训练研究拆解世界对齐与行为对齐对灵巧操作策略的影响

    Samuel Liu 等人构建 real2sim2real 流水线，将世界对齐与行为对齐作为两个独立变量，研究二者对协同训练策略性能的影响。在动态灵巧抓取分拣任务上，完全对齐的协同训练把成功率从 52% 提升到 86%；跨配置平均，世界对齐提升 18 个百分点，行为对齐提升 10 个百分点。

    推荐理由：论文把世界对齐与行为对齐拆成两个独立变量，给出各自对成功率的贡献幅度，做仿真协同训练的人可据此分配数据投入。