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。

199 篇论文
主题全部Manipulation 27VLA 22Perception 12Robotics 11Navigation 10Humanoid 9Learning 8Safety 5World Action Models 4Simulation 3Aerial 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 1Locomotion 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
arXiv
Manipulation专业

DynaHarness动态物理执行框架将LIBERO-Pro成功率从17.5%提升至75.2%

Haoyuan Deng, Jiebin Liu, Tengxiao Zhang, Langning Yan, Hongye Cao, Ziwei Wang

本文为预印本。DynaHarness通过动态物理执行合同连接慢速语义推理和快速物理治理，在LIBERO-Pro新增800个状态上取得75.2%成功率，冻结π0.5策略仅17.5%。同一技能库下，完整动态执行74.0%，对比一次性重规划63.9%，显示对已有能力进行实时监控、替换和恢复的价值。

VLA
阅读论文全文（PDF）
arXiv
Sonar SLAM专业

BatSLAM 2.0 声呐SLAM：序列验证回环与位姿图结合，拒绝错误闭环

Jan Steckel

这篇 arXiv 预印本介绍了 BatSLAM 2.0，一个仅用声呐的 SLAM 系统。它用仿生双耳声呐前端提取能量图和频谱形状图，通过序列验证器确认回环，再注入由 iSAM2 求解的位姿图。在 12 次仿真运行和 30 次真实录音运行中，标定或近似标定里程计条件下未出现错误回环，真实场景轨迹误差从 3.62 米降至 0.67 米，为黑暗、烟雾、粉尘环境中的机器人导航提供了不依赖光学的备选方案。

阅读论文全文（PDF）
arXiv
Safe VLA专业

FailBank：将运行时反馈变为 VLA 策略的持久自我进化

Mingyue Cui, Zheyuan Liu, Yihan Zhu, Zheyuan Zhang, Meng Jiang

FailBank 是一个四阶段自进化框架，将运行时 CBF 屏蔽的修正建议转化为学习记录，用于持续更新视觉-语言-动作模型，而无需在部署时使用屏蔽。在 VLA-Arena 静态障碍套件上，FailBank 在两个骨干模型上分别将任务成功率提高 8.5 和 6.9 个百分点，同时将策略诱导累积成本降低 35.6% 和 23.8%。与运行时屏蔽 AEGIS 相比，成功率分别提高 25.4 和 9.5 个百分点。本文为预印本，尚未经过同行评审。

VLA
阅读论文全文（PDF）
arXiv
Skill Discovery专业

Game-Guided Skill Discovery 用自博弈发现可玩机器人技能，人类无需额外训练即可操控

Seungeun Rho, Jeonghwan Kim, Xue Bin Peng, Sehoon Ha

GGSD 是一套预印本框架，利用 1v1 竞技游戏中的自博弈发现少量离散、可解释的电机技能；训练后人类可替换高层策略直接操控机器人。在 Ant、Franka 和 Unitree G1 环境中，技能语义多样性超过 DIAYN、DADS、METRA 基线，人类可组合技能完成未见过的 Maze 和 CubePush 任务，成功率 84% 至 100%。这为高自由度机器人的直观人机交互提供了一条轻量路径，但全部实验在仿真中完成，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Safety专业

NEUPRO用神经符号规则让机器人安全推理可解释

Zihan Ye, Jiayi Liu, Puze Liu, Jiayun Li, Georgia Chalvatzaki, Jan Peters, Kristian Kersting

预印本论文提出NEUPRO，一个神经符号框架，将安全规范表示为一阶逻辑规则，并通过可微分推理器从图像中学习安全谓词。在真实机器人数据集REASON上，NEUPRO在七个任务的安全分类准确率达到0.92±0.02，显著优于VLM基线，并能解释安全违规原因。该工作为机器人安全提供了可解释且可迁移的表示，但尚未经同行评审。

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

触觉好奇心驱动机器人交互：TacEx框架用触觉不确定性引导探索

Klemens Iten, Alexander Proshkin, Bhavya Sukhija, Stelian Coros, Andreas Krause, Pieter Abbeel, Carmelo Sferrazza

TacEx是一个预印本框架，通过将模型认知不确定性按视觉、触觉和潜变量分解并加权触觉项，让机器人在无任务奖励的探索阶段主动寻求接触。在仿真中，纯触觉探索实现了零奖励涌现抓取，采集的接触密集数据支持离线训练抓放策略；在LIBERO-90八个接触丰富任务上，用触觉不确定性引导冻结VLA的扩散后训练，成功率高于DSRL-SAC基线。该工作表明触觉不仅是观测模态，也是高效的探索信号。

RL
阅读论文全文（PDF）
arXiv
Adaptive action horizons专业

SplineWAM用B样条自适应动作时域，WAM推理调用减22%至26%且成功率提升

Jun Guo, Xiaoshen Han, Qiwei Li, Nan Sun, Peiyan Li, Heyun Wang, Hang Lai, Weinan Zhang, Xinghang Li, Huaping Liu

这项预印本尚未经同行评审。SplineWAM把世界动作模型（WAM）的固定长度动作块替换为固定参数量的三次B样条窗口，用自适应节点拟合轨迹，令一次预测覆盖可变时长和动作分辨率。在LIBERO-Plus和RoboCasa上成功率较动作分块WAM提升8.2和4.4个百分点，策略调用次数分别减少22%和26%；三项双臂真机任务中解码执行动作量为基准的1.2到1.6倍。

阅读论文全文（PDF）
arXiv
MAPF专业

MAGIC 用空间信念与绕行代价改进未知地图多智能体路径规划

Viraj Parimi, Shao-Hung Chan, Han Zhang, Jingkai Chen, Brian Williams

这篇预印本提出 MAGIC 框架，将空间相关的未知障碍表示为高斯马尔可夫随机场，通过高斯信念传播在线更新共享信念，并把推断结果转化为考虑绕行成本的边代价供标准 MAPF 规划器使用。在标准 MAPF 基准上，与既有方法相比，MAGIC 在 96.3% 的实例上降低了实际执行的总代价，并扩展到最多 800 个智能体。该工作表明空间推断能以较小计算代价改善多机器人在未知变化环境中的协调。

阅读论文全文（PDF）
arXiv
UAV Navigation专业

DiffWAM：直接从冻结视频模型预测表征解码无人机连续轨迹的世界动作模型

Mo Zhu, Yuze Wu, Xijie Huang, Xiao Cui, Fei Gao, Xin Zhou

DiffWAM 是 arXiv 预印本提出的导航世界动作模型，它从冻结视频模型的中间预测表征中直接生成连续相机轨迹，部署时无需完成未来视频生成和几何重建。在自建 DiffWAM-1000 基准上，DiffWAM 轨迹 RMSE 为 0.3492 米，端点成功率为 74.40%；机载 DiffWAM-Flash 在 NVIDIA Jetson AGX Thor 上模型管道延迟为 1.08 秒。该工作表明预测视频表征可被高效地落地为连续三维运动，为生成再重建的导航管线提供了直接替代方案。

阅读论文全文（PDF）
arXiv
VLA专业

VLA 模型存在指令-动作绑定缺陷，ECT 训练将反事实成功率从 36% 提升至 59%

Hung-Jen Chen, Yu-Hsun Hou, Yan-Hong Chen, Yan-Fu Chen, Binghua Cai, Min Sun, Chun-Yi Lee

这篇预印本论文诊断了视觉-语言-动作（VLA）模型的一种特定失败模式：指令-动作绑定，即模型能对语言和视觉作出反应，却无法将二者结合起来选择当前任务所需动作。作者提出 Equivariant Counterfactual Training（ECT），通过补充同指令、不同场景、不同动作的成对演示并按对训练，在 LIBERO-PRO 上将 π0.5 的平均 Swap 成功率从 36% 提升至 59%，在真实 UR5e 上将未见位置成功率从 3/40 提高到 35/40。该工作解释了现有数据为何允许这种捷径，并为改进机器人指令跟随提供了训练原则。

VLA
阅读论文全文（PDF）
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）

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。