MEKAWIRE
研究

论文

机器人与具身智能领域的最新论文，以及每篇对产业的意义。

249 篇论文
主题全部Manipulation 41VLA 28Navigation 16Perception 16Learning 13Robotics 13Humanoid 12Safety 7Simulation 7Locomotion 5World Action Models 4Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 2World models 2World-action model 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 1Aerial 1Aerial Manipulation 1Aerial navigation 1Agricultural Robotics 1Articulation Estimation 1Autonomous Driving 1Autonomous Exploration 1Battery-aware RL 1Belief-space planning 1Bimanual Manipulation 1Byzantine localization 1Canal inspection 1Co-speech Humanoid 1Compositional Manipulation 1Construction navigation 1Contact-Rich Manipulation 1Contact-rich Manipulation 1Continuum sensing 1Curriculum RL 1Dexterous Manipulation 1Distributed Manipulation 1Distribution Shift 1Driving Simulation 1Efficient VIO 1Egocentric data 1Egocentric video 1Embodied Agents 1Embodied policy 1Empowerment MPC 1Endoscopic navigation 1Endovascular robotics 1Event-camera VO 1Exoskeletons 1Failure recovery 1Federated 3D Perception 1Fisheye detection 1Floorplan SLAM 1Geometry-aware manipulation 1Grasping 1Grounding 1Humanoid Control 1Humanoid RL 1Humanoid Tool Use 1Humanoid control 1Humanoid loco-manipulation 1Humanoid safety 1Imitation Learning 1JEPA World Models 1Lab automation 1Laboratory Manipulation 1Latent World Models 1Legged Manipulation 1LiDAR Security 1Lifelong RL 1MAPF 1MAV guidance 1Manipulation LfD 1Manipulation Safety 1Marine simulation 1Memory-centric VLA 1Miniature Locomotion 1Mining Perception 1Mobile manipulation 1Model-based RL 1Monocular SSC 1Motion Planning 1Multi-Agent RL 1Multi-Robot Exploration 1Multi-Robot Manipulation 1Multi-UAV Exploration 1Multi-UAV State Estimation 1Multi-agent RL 1Multi-agent motion planning 1Multi-camera odometry 1Multi-fidelity RL 1Multi-robot manipulation 1Multi-skill Manipulation 1Multi-view perception 1Multimodal simulation 1Navigation & Mapping 1Object Pose Estimation 1Object Search 1Panoramic 3D Detection 1Panoramic segmentation 1Pedestrian tracking 1PersonNav 1Planning 1Policy 1Policy Optimization 1Preference Learning 1Quadruped locomotion 1Real-time VLA 1Real-to-sim 1Representation alignment 1Robot-Use Agents 1Runtime Verification 1Safe Generative Planning 1Safe RL-MPC 1Safe VLA 1Safety monitoring 1Safety-critical control 1Sim-to-real Navigation 1Sim-to-real manipulation 1Simulation geometry 1Skill Discovery 1Social navigation 1Soft Pneumatic Actuators 1Soft manipulation 1Sonar SLAM 1Streaming 3D reconstruction 1Submovement decomposition 1Surgical robotics 1Tactile 1Tactile Exploration 1Tactile VLA 1Temporal manipulation 1Terrain traversability 1Text-to-3D Policy 1Tool Co-Design 1Trajectory Correction 1Traversability 1UAV Navigation 1UAV Swarms 1UAV traffic monitoring 1Underwater Robotics 1Underwater active mapping 1Underwater perception 1Unified world-action model 1VLA Conditioning 1VLA Defense 1VLA Robustness 1VLA evaluation 1VLA manipulation 1VLA robustness 1Video world models 1Visual Generalization 1Visual Grounding 1Visual Reward Models 1Visuomotor Fusion 1Visuotactile manipulation 1World Models 1World-Action Models 1
难度不限入门进阶专业
暂无中文版，显示英文原文。
arXiv
Submovement decomposition专业

Sub-ID：可辨识性准则让子运动分解不再“盲目”

Adrian Prados, James Hermus, Ramon Barber, Sylvain Calinon

这是一篇arXiv预印本。作者提出Sub-ID方法，用时空核相关性作为子运动分解的可辨识性判据，在合成数据上恢复地面真值参数分布，并扩展到真实三维长时程运动。该方法首次提供可计算的失效诊断，有望用于运动控制研究和机器人模仿学习。

模仿学习
阅读论文全文（PDF）
arXiv
Egocentric data专业

Ego4WAM：系统拆解自我中心人类数据规模化，对齐、多样性与纯视频预训练谁是关键

Zhihao Sun, Liu Liu, Xinjiang Wang, Haoyi Jiang, Wei Feng, Huiqiang Zhang, Xiaosong Jia, Zhizhong Su, Zuxuan Wu

Ego4WAM 是一篇预印本，在统一的 World-Action Model 框架下系统研究自我中心人类数据对机器人学习的作用。论文发现，机器对齐的人类演示可显著提升分布外泛化并减少机器人数据需求；数据时长和任务多样性是不同扩展轴；无动作标签的纯视频预训练能提供强动力学先验。在 RoboDojo 闭环评估中，仅用约 0.1K 小时机器人数据和 15K 小时人类数据，联合注意力机制达到平均得分 20.29、成功率 14.35%。

阅读论文全文（PDF）
arXiv
Continuum sensing专业

IMU融合主动磁场实现模块化软体连续体机器人原位3D位姿估计

Zheng Cao, Guo Ning Sue, Xiangyun Bu, David Quinn, Junzhe Hu, Carmel Majidi

卡内基梅隆大学团队在预印本中提出一种完全嵌入式的磁惯融合感知框架，用于模块化软体连续体机器人姿态估计。该系统以16.7 Hz实时重建三维骨干，在四个场景共20次试验中平均骨干RMSE为10.0 mm，末端RMSE为14.9 mm，相当于臂长5.5%。该方法还在遮挡和500 g负载扰动下支持闭环节高度控制，展示了无外部视觉的柔性操作潜力。

阅读论文全文（PDF）
arXiv
Manipulation专业

Dream4ACT 用共享视觉动作界面统一多机器人视频与动作建模

Xiangyu Zhu, Jin Xu, Yue Guo, Xin Wu, Yifan Sun, Xiancong Ren, Jianxin Sun, Yong Dai, Xiaozhu Ju

Dream4ACT 提出 action views，把目标关节构型渲染为四路固定虚拟相机图像，让不同关节空间机器人共享同一视频生成接口，并通过无训练的 URDF 约束匹配还原可执行关节目标。模型在 RoboTwin2.0 仿真平均成功率为 88.98%，TriWorldBench 总分 65.66，真机四平台两项常见任务成功率分别为 87.5%、85.0%、87.5%、90.0%。本文为预印本，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Soft Pneumatic Actuators专业

拓扑优化多向软气动执行器 TO-mdiSPAs：仿真实现三臂夹持器多方向弯曲

Swagatam Islam Sarkar, Prabhat Kumar

该预印本提出一种基于拓扑优化的多向软气动执行器（mdiSPA）系统设计方法，采用三场鲁棒公式和达西定律建模压力载荷，并用MMA求解。优化得到的非传统气腔在Abaqus仿真中表现出多方向弯曲，由三臂构成的夹持器可沿不同方向自适应抓取。研究基于数值模拟，尚未进行实物制造或实验验证。

阅读论文全文（PDF）
arXiv
World-action model专业

Magic-W0 提出结构化世界-动作基础模型，RoboDojo-Sim 与真机任务均领先

Xuhua Chen, Zhenhan Yin, Yuan Zhang, Lingfeng Zhang, He Zheng, Tong Mu, Shun Zuo, Dian Zhou, Di Wu, Xuan Zhou, Shaojie Wan, Rongtian Shen, Qiulong Xu, Yiduo Li, Yinglong Wang, Yanqian Wang, Kun Wang, Tao Zhang

Magic-W0 是一个结构化世界-动作基础模型，联合建模物理状态演化和连续动作生成。该预印本论文显示，模型在 RoboDojo-Sim 上平均 Score 达到 27.10，位居所有对比 WAM 之首，并在五个真机任务上平均成功率 94.6%，超过 π0.5 的 91.8%。其通过 Current 3D Geometry、3D Motion 和 Future Semantics 显式编码当前状态、动作引起的三维转移和未来语义，为机器人策略提供更强的预测与泛化能力。

Physical Intelligence
阅读论文全文（PDF）
arXiv
Grounding专业

GroundingPI：以视觉基元构建4B接地基础模型，34项基准平均73.68%超越GPT-6 Astra

Qize Yu, Lianrui Fan, Boyu Chen, Jiaqi Liang, Xini Ding, Yue Chen, Zetian Song, Yuran Wang, Yi Zou, Kaixuan Wang, Tianxing Chen, Wenxuan Song, Bohan Zhou, Mingleyang Li, Siqiao Huang, Yuqi Ye, Caigao Jiang, Wei Wei, Ruihai Wu, Hang Zhang

这是一篇预印本论文。作者提出 GroundingPI，一个基于点和边界框等视觉基元的 4B 参数接地基础模型，在 34 个接地基准上达到 73.68% 平均得分，超过更大的 GPT-6 Astra（71.54%）。该模型作为视觉骨干用于机器人操作和自动驾驶时，在 RoboTwin 2.0 全部四个分布外设置中优于所有主流骨干，相对最强基线最高提升 24.8%，并在 RoboCasa-GR1 上以 50% 演示数据超过其他基线用 75% 数据的表现。这项工作表明专门的接地预训练可成为物理智能的感知基础，尤其适合系统1的快速执行。

VLARL
Physical Intelligence
阅读论文全文（PDF）
arXiv
Aerial Manipulation专业

合成监督与场景图组合实现跨站点空中操作，MPAR对齐执行进度

Weixiang Guo, Rui Jin, Haotian Jin, Xinhang Xu, Ruiyang Liu, Haoran Zhao, Yi Wang, Weiqi Gai, Kun Cao, Lihua Xie

该预印本提出统一框架，将局部全身VLA行为组合为场景级空中操作。在仿真中完成21/50个跨站点任务（42.0%），物理平台验证了2/5次取水浇花任务。关键贡献包括无需真实平台演示的合成训练、MPAR对齐异步动作块，以及场景图引导的可行交接与拓扑转移。

VLA
阅读论文全文（PDF）
arXiv
Preference Learning专业

PrefPI：偏好引导策略迭代，让预训练机器人策略闯入分布外行为

Seungeun Rho, Wontaek Kim, Danfei Xu, Sehoon Ha

这篇arXiv预印本提出了PrefPI，一种仅用相对偏好反馈、迭代式引导预训练生成式机器人策略移出其初始有效支持范围的框架。它通过偏好条件生成建模与分类器无关引导（CFG）放大偏好信号，在真机上仅用150条偏好标注轨迹就将物体搬运高度从10.7厘米提升到19.8厘米。该方法为机器人行为对齐用户偏好提供了轻量级路径。

VLA
阅读论文全文（PDF）
arXiv
Floorplan SLAM专业

MVP-SLAM：多相机视觉惯性SLAM用楼层平面图在线纠正施工场景漂移

Asier Bikandi-Noya, Miguel Fernandez-Cortizas, Muhammad Shaheer, Holger Voos, Jose Luis Sanchez-Lopez

MVP-SLAM是一篇预印本，提出一种多相机视觉惯性SLAM系统，利用建筑楼层平面图在线校正漂移。在Hilti–Trimble SLAM Challenge 2026中，它在Localization任务以0.29米平均RMSE排名第2，SLAM任务以0.24米排名第5，是所有在线运行、整合平面图并定位到楼层平面图中的方法中成绩最好的。这项工作表明，仅靠相机和IMU也能在施工场景利用平面图先验在线持续抑制累积误差。

阅读论文全文（PDF）
arXiv
Distributed Manipulation专业

膜耦合Delta阵列突破执行器间距限制：8×8机器人阵列操控15至90毫米物体

Bailey Dacre, Andrés Faíña, Oliver Kroemer, Zeynep Temel

这篇预印本提出一种由8×8个3自由度Delta机器人和弹性膜组成的分布式操控系统，通过将64个离散接触点变成连续表面，消除了执行器间距对物体尺寸的下限。在硬件上，该系统可操控15至90毫米的物体，跨度是执行器间距43.3毫米的六倍范围；强化学习策略在仿真中命令19个Delta邻域达到95.1%成功率，并在未调整的情况下以76%成功率迁移到真机。

阅读论文全文（PDF）
arXiv
Aerial manipulation专业

Cable-Suspended Aerial Manipulation 的被动刚度塑形：Movable Compliant Anchors 框架

Antonio Franchi, Amr Afifi

这篇 arXiv 预印本将空中机器人视为可移动柔性锚点，开发了重力感知的准静态理论，用于预测和塑形缆索悬挂负载的被动笛卡尔刚度。在锚点刚度各向同性时，每条缆索锚点支路等效于一条虚拟单向弹性缆索。论文仅定义了动态验证框架，未报告数值结果，但为空中机械手的被动柔顺控制提供了新思路。

阅读论文全文（PDF）
arXiv
Multi-UAV State Estimation专业

融合倾斜测量的线性推力约束卡尔曼滤波提升多无人机敏捷飞行状态估计

Michal Pliska, Matouš Vrba, Ondřej Víta, Martin Jiroušek, Viktor Walter, Martin Saska

这是一篇预印本。作者针对视觉多无人机飞行中仅用位置测量导致高阶状态估计延迟的问题，提出融合视觉检测器提供的倾斜信息，并设计了一种线性推力约束卡尔曼滤波器。在三个数据集上，姿态感知估计将速度和加速度误差平均降低40%和57%，闭环仿真中支持超过2g的横向机动跟踪。

阅读论文全文（PDF）
arXiv
Autonomous Exploration专业

GPU加速路径依赖边际信息增益方法，无人机探索效率提升30%

João Félix Mendes, Rodrigo Ventura, Meysam Basiri

本文为预印本。作者提出一种GPU加速的路径依赖边际信息增益计算方法，用深度缓冲区表示祖先观测，在GPU上按深度顺序评估规划树，避免重复计算重叠区域。相比精确体素哈希映射方法，该法误差在5%至10%以内，桌面GPU最高加速118倍，在仿真和真机测试中分别使95%覆盖率时间缩短最多3.8分钟和30%。

阅读论文全文（PDF）
arXiv
Model-based RL专业

PL-MPC 在模型预测控制中同时改进 critic 监督、终端估计与策略蒸馏，真机 unseen 尺寸成功率超 TD-M(PC)2

Kowndinya Boyalakuntla, Yuhan Liu, Abdeslam Boularias

PL-MPC 是 arXiv 预印本，未注明经同行评审。该方法在 TD-M(PC)2 上同步修改 critic 监督、MPC 终端值估计和 planner 到策略的转移，不改世界模型与 MPPI。在 HumanoidBench 的 balance-hard 上 TAR 从 98±18 升至 387±255，hurdle 从 199±13 升至 466±200；在 KUKA IIWA14 真机 wrench–nut 对齐中，训练尺寸和两个未见尺寸的观测成功率均高于 TD-M(PC)2。

世界模型
阅读论文全文（PDF）
arXiv
Terrain traversability专业

经验驱动的持续学习预测四足机器人地形可通过性，验证门控降低遗忘23.1%

Luca Bricarello, João Carlos Virgolino Soares, Alberto Sanchez-Delgado, Fulvio Mastrogiovanni, Claudio Semini

这篇预印本提出一个持续学习管线，利用冻结的DINOv3视觉特征和证据回归器从接触前图像预测五种足端交互指标，并通过有界重放和验证门控持续更新。在Unitree Go2真机顺序经过三种新地形时，带历史验证门控的方法比仅重放方法将最终锚点负对数似然退化降低23.1%，同时新地形适应相近。该预印本尚未经同行评审。

阅读论文全文（PDF）
arXiv
Real-time VLA专业

两阶段非均匀Flow去噪把VLA推理从61.6毫秒压到22.0毫秒，真机叠衣验证实时执行方法

Di Wu, Rongtian Shen, Ping Liu, Yan Shen, Zhenhan Yin, Shun Zuo, Xuhua Chen, He Zheng, Lingfeng Zhang, Jianglin Zhang, Tao Zhang

这是一篇arXiv预印本，尚未经过同行评审。作者以π0.5为基线，在双臂真机上测量了从相机、本体感知到命令响应的端到端延迟，并提出两阶段非均匀Flow Matching去噪，把推理步数从10步减到2步，模型推理时间从61.557毫秒降到21.956毫秒。在30次叠衣真机试验中，训练型方法Legato和免训练方法Temporal Smoothing表现最好；把两阶段去噪与这两种方法结合，推理成本大幅下降，但任务成功率有小幅回落。

VLA
阅读论文全文（PDF）
arXiv
Safe RL-MPC专业

RL引导PAC-NMPC：固定翼无人机视觉导航实现概率安全与远见

Adam Polevoy, Dillon Capalongo, Katherine Tang, Mark Gonzales, Marin Kobilarov, Joseph Moore

本文提出将强化学习训练的actor-critic和传感器预测模型嵌入PAC-NMPC框架，为未知环境中基于感知的导航提供有限时间概率安全保证和长期性能。在固定翼无人机上，该方法在仿真中取得90%成功率，在硬件试验中取得80%成功率，均优于纯RL和传统规划基线。本文为预印本，未经同行评审。

RL
阅读论文全文（PDF）
arXiv
Embodied policy专业

EWAM统一具身模型实现语义、视觉预测、动作的内部递进分工

Hao Wang, Jiajun Wen, Jingzhi Liu, Shuoshuo Xue, Zhiliang Chen, Min Lin, Yicheng Chang, Xiaoyu Guo, Yukang Zhuo, Zheng Chong, Yunshuang Nie, Jian Zhang, Weijia Liufu, Qingman Wu, Heming Xu, Bingchang Song, Dantong Wu, Zhiyuan Wang, Hang Xu, Jianhua Han

EWAM是一种以动作流为核心的一体化具身模型，通过非对称联合注意力让动作token在每层读取语义、当前视觉、预测未来和动作信息。在RoboTwin clean-to-random测试中达到72.1%，LIBERO平均98.8%，并在多个真实机器人上超过VLA、WAM和混合基线。该预印本显示统一训练可诱导从语义理解、视觉预测到动作生成的内部有序计算，且人类自我中心数据可提升跨具身迁移和真实场景鲁棒性。

VLA
阅读论文全文（PDF）
arXiv
Navigation专业

Comparing Utility of Inertial, Occupancy, Semantic, and Intent Information in Human Motion Prediction During Daily Tasks

Max Burns, Maisha Khanum, Monroe Kennedy, Steven H. Collins

Accurate human motion prediction is crucial for robotic systems operating around people, particularly in complex indoor spaces. In this study, we assess the relative importance of different sources of information in indoor motion prediction with a human motion diffusion model.

阅读论文全文（PDF）

主题页

操作 8VLA 4World Action Models 5Aerial manipulation 3Dexterous manipulation 3Sim-to-Real Manipulation 3Social Navigation 3

论文来自 arXiv 机器人领域。尚未生成摘要的论文，显示摘要开头部分。