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。

378 篇论文
主题全部Manipulation 70VLA 57Navigation 30Robotics 29Learning 24Perception 22Humanoid 16Simulation 14Locomotion 11Safety 9World Action Models 4World-action model 3Aerial 2Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 2World models 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 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 1Continual reinforcement learning on top of robot foundation models 1Continuum sensing 1Cross-embodiment transfer of humanoid whole-body controllers 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 1Evaluating robot world models against real executions 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 1Humanoid whole-body control 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 1Reinforcement learning for industrial assembly 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 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
3DGS dataset专业

3DROID：一个带逐场景可靠性度量的可渲染3D高斯数据集

Wonguen Cho, Junhoo Lee, Nojun Kwak

这是一篇预印本论文。作者基于DROID构建了3DROID数据集，用位姿条件的前馈3DGS重建114个机器人场景，并通过机器人深度一致性门控筛选标定可靠场景。结果显示，位姿条件在相同外参下带来每场景中位PSNR提升0.73至2.73 dB，但几何收益取决于外参可靠性；该数据集为机器人操作研究提供带可靠性元数据的可渲染场景。

阅读论文全文（PDF）
arXiv
Marine simulation专业

H-SPAR：耦合粒子输运与 USV 水动力效应的自主采样仿真框架

Navid Zarrabi, Nariman Yousefi, Sajad Saeedi

H-SPAR 是预印本提出的开源水动力感知仿真框架，在同一环境流场下联合模拟 USV 闭环执行、拉格朗日粒子输运和概率采样。路径规划实验显示，SVF-RRT* 在规划阶段的上游成本比 RRT* 低 69.4%，但在时变流场执行时该优势降至 41.7%；覆盖实验中清扫方向使粒子采样率最大相差 22.2%。这一结果表明，评估海洋采样任务必须同时考虑规划、执行、粒子输运与采样。

ROS 2
阅读论文全文（PDF）
arXiv
Unified world-action model专业

UniWAM统一世界-动作模型：融合物理推理、视觉生成与动作预测，LIBERO与RoboTwin刷新SOTA

Jiayi Chen, Wenxuan Song, Jingbo Wang, Shuai Zhou, Xicheng Gong, Zehua Fan, Ziyang Zhou, Junwu E, Haodong Yan, Fuhao Li, Qize Yu, Xu Huang, Pengwei Wang, Wen Chen, Shunbo Zhou, Haoang Li

UniWAM是一个统一世界-动作模型，将物理推理、视觉生成和动作预测集成在单一混合Transformer架构中，并在约1万小时人类与机器人数据及829万VQA样本上预训练。该预印本在LIBERO、RoboTwin等基准上取得SOTA，真机实验指令跟随与长程任务也优于π0.5和Motus。其重要之处在于展示了人类-机器人联合预训练的对数线性扩展规律，为通用机器人模型提供数据与架构路径。

VLA
阅读论文全文（PDF）
arXiv
Manipulation专业

PEWAM把演示编译成可编辑效应程序，跨机器人执行的世界行动模型

Junyi Hu, Zhewen He, Zhenhua Li, Yi Fang

本文是预印本，提出PEWAM，一个71.5M参数的世界行动模型。它把单条演示编译成不含机器人本体的效应程序，包括物体关键点轨迹、两个接触点和终态，并在闭环中从现场重求解执行。在LIBERO-Goal留出任务上，单条演示程序完成40/90回合，而同日标的基线最多完成19；该程序可在四个仿真臂和真实Franka上跨本体运行，并能吸收5厘米推动。

阅读论文全文（PDF）
arXiv
Geometry-aware manipulation专业

离散黎曼框架让机器人直接在CAD网格上学习：DMP、GP与RFM的网格原生扩展

Matteo Dalle Vedove, Fares J. Abu-Dakka, Luigi Palopoli, Daniele Fontanelli, Matteo Saveriano

该预印本提出一个统一离散黎曼框架，使机器人学习算法能够直接在多面体表面网格上运行，而不把表面当作外部约束。作者用离散微分几何定义了指数映射、对数映射、平行移动和环境投影，并扩展了动态运动基元、高斯过程和黎曼流匹配三种方法。仿真和真机实验显示方法在跨表面泛化、粗网格回归和生成模型效率上优于现有基线，其中流匹配训练时间约为谱基线的一半。

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

ViGAR：用视觉子目标重构世界动作模型，组合操作平均成功率提升12.86个百分点

Shukai Gong, Xuanran Zhai, Yintianrun Zhang, Ruopeng Cui, Ye Huang, Yiyang Fu, Dexuan Lyu, Chaojie Li, Xinyi Song, Peiwen Lin, Chuang Wang, Mingyuan Jia, Yufan Deng, Jiaxin Fang, Bo Liang, Jiaxin Li, Yuxiang Gao, Hao Liu, Daquan Zhou

本文提出ViGAR，将长程组合操作分解为视觉子目标规划与子目标执行，在RoboTwin Clean2Random基准上Clean和Random成功率分别达82.00%和67.02%，平均成功率超出最强基线12.86个百分点。真机实验覆盖5项组合操作和2项上下文学习任务，证明视觉子目标可引导动作生成并支持新任务组合。论文为预印本，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Policy Optimization专业

FERPO：前向熵正则化策略优化

Sebastian Sanokowski, Alireza Sarmadi, Majid Khadiv

这篇预印本提出 FERPO，一种在线最大熵强化学习算法。它不用评论家对动作的梯度，而是通过前向 KL 拟合熵与 KL 正则化的最优目标分布来更新策略。在 MuJoCo Playground 和 ManiSkill 上表现与 REPPO 相当，并在 DMC 和 ManiSkill 上展现出更高样本效率；在 K=16 时，未缓存 actor 更新比 REPPO 快 6.9%，缓存后总计节省 22.2%。

RL
阅读论文全文（PDF）
arXiv
Humanoid loco-manipulation专业

InterEvolve：测试时演化奖励程序让 Unitree G1 完成未训练任务

Zhuo Lin, Sirui Xu, Liuyu Bian, Yu-Xiong Wang, Liang-Yan Gui

本文是预印本，未经同行评审。InterEvolve 用大语言模型在测试时反复修改分阶段奖励程序，配合物体感知的 forward-backward 行为基础模型，使固定的 Unitree G1 控制器无需重新训练即可完成训练中未见过的新移动操作任务。在八个任务族上，完整系统成功率 86.5%，高于最佳校准固定程序的 34.6%，并能在真实机器人上自主执行踢箱和推箱。

Humanoid
阅读论文全文（PDF）
arXiv
Multi-agent motion planning专业

免训练扩散规划器TFDP：解析局部得分替代学习模型，300智能体5.39秒生成可行路径

Michael Y. Fatemi, Jinhao Liang, Ferdinando Fioretto

TFDP是一个无需训练的扩散式运动规划器，论文以arXiv预印本发布。它用解析局部得分替代学习到的全局轨迹得分，从平滑度、避障、速度与智能体间可行性约束直接构造更新方向。在标准多智能体路径规划基准上，TFDP以0.59秒平均运行时间达到接近100%成功率，并在100个障碍物、300个智能体场景下平均5.39秒生成可行路径，显著快于现有扩散基线和采样方法。

阅读论文全文（PDF）
arXiv
Multi-fidelity RL专业

MFPG-PPO 用低保真仿真数据稳定数据稀缺强化学习，真机仅4条片段提升抓取成功率

Xinjie Liu, Ruihan Zhao, Anirban Chaudhuri, Cyrus Neary, Ufuk Topcu, David Fridovich-Keil

这篇预印本提出 MFPG-PPO 算法，用低成本仿真数据作为控制变量来稳定高保真数据稀缺的强化学习。在仿真和真机实验中，MFPG-PPO 在多数设置下优于仅用高保真数据的 PPO，并且用 4 条真实机器人片段即可将 Franka 抓取成功率从 40% 提升至 91.7%。该论文尚未经过同行评审。

RL
阅读论文全文（PDF）
arXiv
Multimodal simulation专业

TouchTherm 构建用于触觉与热渲染的多模态物体数字孪生

Yitao Zhang, Hong Ying, Haoran Guo, Xiaoying Zhou, Guanyu Chen, Chenxi Xiao

TouchTherm 是一个从真实物体构建仿真就绪的多模态数字孪生框架，该工作为 arXiv 预印本，尚未经同行评审。它把粗碰撞网格、触觉微高度场和动态温度场注册到同一物体坐标系，在 20 个物体上验证了触觉渲染和热预测。30 秒与 45 秒表面温度 MAE 分别为 0.465°C 和 0.592°C，合成到真实的触觉物体识别 Top-1 从 20.0% 提升至 34.0%，为机器人学习、VR 和遥操作提供了包含接触尺度触觉与温度动态的物体资产。

阅读论文全文（PDF）
arXiv
Embodied Agents专业

RPG框架用模拟练习改进机器人技能，仿真成功率95%、真机30次全成功

Yen-Jen Wang, Haozhe Jiang, Shuying Deng, Haoru Xue, Weirui Ye, Rocky Duan, Nika Haghtalab, S. Shankar Sastry, Pieter Abbeel, Haozhi Qi

这是一篇预印本。论文提出Reconstruct, Practice, Go Real (RPG)框架，从离线数据集构建仿真练习任务，利用执行反馈、特权状态和视频分析自动改进可复用技能库与系统提示，不更新模型权重。在22项操作任务的留出初始化上，RPG经过15轮练习将成功率从28.6%提升至95.0%，超过ASPIRE的75.5%和GPT-6 Astra Pro版CaP-Agent0的60.0%；真机30次试验全部成功。该框架说明共享技能代码和系统提示可以作为机器人持续改进的实用目标。

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

AFD-CAMLs：用零空间力分配与导纳滤波平衡多无人机吊运张力

Antreas Kourris, Sihao Sun

荷兰代尔夫特理工大学团队在arXiv发布预印本，提出AFD-CAMLs框架，为四架及以上无人机缆索吊运系统引入全局零空间力分配、力参考感知NMPC和机载导纳滤波，缓解冗余或病态构型下的张力不均。在4至10架无人机仿真和4架真机实验中，该方法在悬停与5 m/s敏捷机动下降低张力跟踪误差，并在存在缆长误差时将三维轨迹误差从0.221 m降至0.199 m，同时保持载荷跟踪精度。

阅读论文全文（PDF）
arXiv
Active vision manipulation专业

ActiveWAM 以证据感知保留-获取控制统一世界-动作模型，主动视觉成功率最高提升 20 个百分点

Renjun Wu, Luzhou Ge, Xuesong Li

这篇预印本提出 ActiveWAM，一种证据感知的主动视觉世界-动作模型。该方法通过训练时任务引导的历史反演和统一的头部与双臂动作生成，解决了主动相机控制中的保留-获取权衡问题。在 TAVIS、RoboTwin-AV 和真实厨房任务上，ActiveWAM 分别将 OOD 成功率最高提高 17.0 个百分点、较 Fast-WAM 提高 20.0 个百分点、真实世界提高 26.7 个百分点。该工作目前为预印本，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Underwater perception专业

SonarVoxNet 实现三维声呐潜水员全姿态 9-DoF 检测，Diver3D 数据集发布

Eugene Park, Jiwon Lee, Seyoung Kan, Trung Dong, Xiaomin Lin, Jane Shin

这是一篇预印本，未经同行评审。作者提出 SonarVoxNet，首个在三维声呐数据上输出完整九自由度朝向的潜水员检测器，并发布 Diver3D 数据集。实验显示，将仅偏航的旋转表示升级为连续 6D 全 SO(3) 表示是精度跃升的最大因素，最终 [email protected] 达到 0.774，表明稀疏三维声呐可以恢复潜水员全身朝向。

激光雷达
阅读论文全文（PDF）
arXiv
Belief-space planning专业

BLT*：面向数字孪生不确定性感知规划的信息化信念定位树

Elliot Preston-Krebs, Abhishek Goudar, Timothy D. Barfoot

本文提出 Informed BLT* 和 BLT*，一种基于采样的信念空间规划算法，将 RRT* 和 Informed RRT* 扩展到 2-Wasserstein 度量，并利用点云观测在数字孪生中高效规划。在 16 个模拟环境和数字孪生上进行的 8000 次规划对比中，该算法在大多数地图上获得更快的初始解，且最终解代价与其他基线相当。论文为预印本，未经同行评审。

阅读论文全文（PDF）
arXiv
5G Simulation专业

Isaac-Net：GPU批处理5G仿真让百万机器人在环训练成为可能

Zifan Zhang, Mingzhe Han, Kannan Athreya, Yuchen Liu

本文提出Isaac-Net，这是一个GPU批处理的5G新空口（NR）模块，可与Isaac Lab物理引擎同步推进数千个环境的网络模拟，用于大规模多机器人强化学习训练。在验证配置下，Isaac-Net在一张GPU上支持约104.8万个机器人以1.24控制步/秒运行，达到无网络时速率的83%，并且其NR引擎无需拟合参数即可复现ns-3 5G-LENA的中位延迟。该研究为预印本，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Visual Grounding专业

GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed

Qize Yu, Lianrui Fan, Bowen Ping, Xini Ding, Zetian Song, Junbo Niu, Kaixuan Wang, Tianxing Chen, Yue Chen, Minghua He, Yuran Wang, Jie Huang, Haojun Zhang, Min Chen, Hao Li, Wenxuan Song, Ruihai Wu, Xianming Liu, Shilong Liu, Shuchang Zhou

Preprint. The authors introduce GroundAnything, a 4B-parameter visual grounding model that uses bidirectional diffusion with blockwise denoising for parallel spatial decoding instead of sequential autoregressive token generation. Its autoregressive variant, GroundAnything-VLM, reports 72.42% across 30 grounding benchmarks, ahead of GPT-6 Astra at 71.35%. This matters for latency-sensitive robotics and interactive vision systems that need fast, precise localization.

阅读论文全文（PDF）
arXiv
Tool Co-Design专业

联合优化工具与策略，机器人粉末称量真机误差降低45%

Nikola Radulov, Xin Yang, Kevin S. Luck, Gabriella Pizzuto

这篇arXiv预印本提出一种工具形态与控制策略联合设计框架，外层用BOHB搜索勺形工具参数，内层为每个形态训练SAC策略，并用几何相似度热启动加速搜索。真机实验中，优化后的工具在7种粉末上的平均称量误差为2.23±3.00毫克，相比标准工具4.09±6.82毫克降低45%。该结果来自未经同行评审的预印本。

阅读论文全文（PDF）

主题页

操作 8VLA 4World Action Models 5World-action model 3Aerial 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。