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。

75 篇论文
主题全部Manipulation 62VLA 43Navigation 24Learning 23Robotics 22Perception 20Humanoid 13Safety 9Locomotion 8Simulation 8World 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
arXiv
Evaluating robot world models against real executions进阶

WorldOracle：用真实执行结果检验动作条件世界模型的基准

Haoyi Duan, Liliang Chen, Nan Wang, Yang Zhang, Yuhang Lu, Xiaotong Chen, Wei-Cheng Tseng, Shenyuan Gao, Zhaoshuo Li, Jingyi Jin, Pooya Jannaty, Dhruv Shah, Yuke Zhu, Ming-Yu Liu, Maoqing Yao, Guanghui RenAgiBot; NVIDIA; Princeton University; University of Texas at Austin; University of Toronto

智元机器人与英伟达研究人员在预印本中发布一项基准：把真实机器人执行过的动作原样输入世界模型，检查预测视频是否与真实结果一致，包括抓空和洒水。受测的七个模型在长时预测中全部退化，即便机械臂轨迹跟得最好的模型也常把物理结果预测错，这对打算在世界模型中评测或训练机器人的企业是一个提醒。

世界模型机器人基础模型VLA
FoundationAgiBotNVIDIAPhysical Intelligence
阅读论文全文（PDF）
arXiv
Reinforcement learning for industrial assembly进阶

英伟达AlphaNIST：仅凭成败信号，单一策略学会NIST装配板全部20项任务

Octi Zhang, Iretiayo Akinola, Rosario Scalise, Mateo Guaman Castro, Patrick Yin, Tobias Widmer, Miles Macklin, Chris Amevor, Dylan Turpin, Dirk Van Gelder, Jan Carius, Ankur Handa, Gavriel State, Yunrong Guo, Yashraj NarangNVIDIA; University of Washington

英伟达研究团队在一篇预印本论文中称，仿真中的单个机械臂在没有人类示范、只获得“装配成功与否”信号的情况下，以98.2%的成功率学会了NIST标准装配板上的全部20项任务。目前所有结果均来自仿真，能否在真实产线上复现仍是关键待解问题。

RL仿真到现实迁移
NVIDIAFranka Robotics
阅读论文全文（PDF）
arXiv
Adaptive intervention进阶

UniIntervene++自适应分配干预，真机强化学习人类介入率降至0.77%

Yudong Lin, Haoyuan Deng, Zhuoxuan Yuan, Zaijia Yang, Yuanjiang Xue, Ziwei Wang

这篇arXiv预印本尚未经过同行评审。作者提出UniIntervene++，一种在真实机器人在线强化学习中动态分配自主执行与多种辅助行为的干预智能体。它在五个真实操作任务上平均成功率达89.67%，比最强基线高6个百分点，人类介入率仅0.77%，比基线中最低的14.29%相对降低94.6%。

RL
阅读论文全文（PDF）
arXiv
Manipulation进阶

桥接前沿推理与机器人执行：从自主演示生成到稠密语言监督

Bosung Kim, Alexander Trevithick, Ruiyi Wang, Prithviraj Ammanabrolu

这是一篇预印本论文，尚未经过同行评审。作者提出两条互补路径：让 GPT-6 Astra 等前沿模型自主生成演示数据并加入纠错片段，训练低延迟本地策略；同时用三层次嵌套语言标注和多方面指令描述训练策略，提升指令跟随能力。在 RoboCasa 365 和 BEHAVIOR-1K 上，层次化与多方面监督组合达到最高分，混合演示与纯人类演示的总体成功率相同，十字填词任务中超时预算内累计动作执行时间提升约 3.4 倍。

阅读论文全文（PDF）
arXiv
Contact-rich Manipulation进阶

RATE风险感知触觉编码显著提升接触丰富操作成功率

Yuyao Jiang, Haichao Liu, Jiarui Zheng, Zihan Ding, Weihao Yuan, Ziwei Wang

RATE是预印本框架，通过学习任务条件下的交互风险来增强触觉表征。在八个仿真任务上获得71.8%的平均成功率，超过4B参数的StarVLA-α 15.6个百分点；在三个真机任务上也取得最高成功率和接触安全成功率。该方法仅更新0.59%的模型参数，为小模型超越大模型提供了新路径。

触觉传感
阅读论文全文（PDF）
arXiv
Manipulation进阶

AdaTempo：学习演示中的共享相对节奏，实现更快机器人操作

Jiale Cao, Yike Niu, Zhengrong Xue, Huazhe Xu

这篇预印本提出 AdaTempo，一种自监督方法，通过提取多个演示中共享的相对节奏模式，对演示轨迹进行离线重采样，训练出更快执行的视觉运动策略。在5个仿真和6个真机任务上，AdaTempo 最高实现3.57倍加速，仿真平均成功率达75.5%、平均加速2.83倍，真机汇总成功率从58.3%提升到77.8%且平均快2.02倍。该方法无需运行时速度选择或在线重定时，简化部署。

模仿学习
阅读论文全文（PDF）
arXiv
VLA evaluation进阶

ManiPhysicsBench 基准揭示 VLA 操作中任务成功与物体保全存在巨大鸿沟

Sangwu Park, Yeonjun In, Wonjoong Kim, Sungwon Kim, Sein Kim, Chanyoung Park

这是一篇预印本。研究者提出 ManiPhysicsZoo 物体库和基于物理求解器的评估方法，据此构建 ManiPhysicsBench，在 LIBERO 和 SimplerEnv 上评估 VLA 模型的物体保全。结果显示公共 VLA 检查点任务成功率高但安全成功率低，安全成功率平均仅为 13.5%（SimplerEnv）和 1.9%（LIBERO）。重训练使用物体特定连续夹爪标签后安全成功率提高，但任务成功率下降。

VLA
阅读论文全文（PDF）
arXiv
Traversability进阶

语言先验驱动的可通行性估计：基于 VLM 偏好学习的域适应方法

Simon Schwaiger, David Seyser, Alessandro Scherl, Zlatan Ajanović, Wilfried Wöber, Gerald Steinbauer-Wagner

这是一篇未经同行评审的 arXiv 预印本。作者提出一种基于偏好学习的可通行性估计方法，使用冻结视觉语言模型特征空间中的 von Mises-Fisher 混合原型，先用 LLM 生成的相对语言规则初始化，再用少量相对图像标注适配目标域。在 WayFAST 上微调后，该方法在 HDR 0.25 和 0.5 指标上超过端到端基线 W-RIZZ，同时训练参数仅约 8.2k，并展示出低样本下的效率优势。

阅读论文全文（PDF）
arXiv
World models进阶

DeltaWorld：动作条件潜变量增量学习让机器人世界模型更物理一致

Boyuan Hou, Xiaoge Cao, Chaofan Zhang, Shuo Wang, Shaowei Cui

论文提出DeltaWorld，一种用于机器人操作的物理一致交互式世界模拟器。其Delta-LTM预测动作引起的潜变量增量并叠加到当前状态，Interaction-aware Latent Alignment强化机器人-物体交互区域的监督。在IWS基准和自我采集的跨机器人数据集上，DeltaWorld相比IWS基线将FVD降低46.6%，LPIPS降低31.1%。该研究为预印本，尚未经同行评审。

世界模型
阅读论文全文（PDF）
arXiv
Adaptive MPC进阶

LLA-MPC 在 F1TENTH 上验证：5000 并行模型实现嵌入式实时自适应控制

Henry Z. Liao, Maitham F. AL-Sunni, John M. Dolan

这是一篇 arXiv 预印本。作者提出 LLA-MPC 的通用实现，在 F1TENTH 实车上用 5000 个并行候选模型实时辨识轮胎参数。实验显示，在低摩擦、变表面和机载计算条件下，LLA-MPC 完成高速跟踪任务，而固定标称模型失败。该方法无需学习或预热，可快速适应动力学变化。

阅读论文全文（PDF）
arXiv
Humanoid RL进阶

超越奖励黑客：人形学习流水线四层代理分歧与修正方法

Arunabh Bora

这是一篇预印本，提出人形机器人学习流水线中存在四层代理分歧：奖励、课程门控、评估统计、参考动作。作者在模拟的1.91米人形机器人上完成四阶段PPO训练，展示了平均误差课程门控忽略局部失败、同步重置评估产生相位混叠等系统性偏差，并给出修正方案。这些发现对依赖模拟训练和课程学习的机器人开发者具有直接警示意义。

Humanoid
阅读论文全文（PDF）
arXiv
Visuomotor Fusion进阶

RRDF 在视觉运动模仿中重连观察融合路由，推迟紧凑信号进入视觉表示以提升分布外表现

Jieting Long, Weidong Cai, Weiming Zhi

这篇预印本提出 Register-Routed Delayed Fusion（RRDF），在 ACT 等视觉运动模仿策略中屏蔽紧凑令牌与视觉令牌的直接注意力，改用寄存器令牌分阶段隔离、收集、路由跨模态信息。在 5 个仿真任务和 3 个真机任务上，RRDF 与稠密融合基线相当或更好，在视觉外观变化和真机位置偏移下优势更明显。结果显示，控制紧凑信号进入视觉表示的路由有助于减少对本体感觉的捷径依赖。

阅读论文全文（PDF）
arXiv
Object Pose Estimation进阶

RYOPO 把端到端类别级物体姿态估计带入实时：31.8 FPS 处理全帧 RGB-D

Hakjin Lee, Junghoon Seo, Jaehoon Sim

预印本论文提出 RYOPO，一种端到端可训练的查询式 RGB-D 集合预测器，无需外部实例分割或显式 CAD 形状先验，同时完成检测、分割与 9 自由度姿态估计。在 NOCS 基准上大幅超越已发表的 RGB-D 联合检测与姿态估计方法，在 REAL275 与 HouseCat6D 上全物体评估中与两阶段方法相当，并在 RTX A6000 上实现 31.8 FPS 全帧姿态输出。该方法消除了按物体重复编码与额外分割阶段，为实时视觉伺服和机器人操作提供可能。

阅读论文全文（PDF）
arXiv
Laboratory Manipulation进阶

RoboChemGym：协议驱动生成式仿真框架，自动合成化学实验长时程演示

Chenxi Li, Haiyuan Wan, Rui Li, Jingyuan Li, Sha Zhang, Bohan Feng, Jianbao Cao, Zhangrui Zhao, Di Hu, Wangmeng Zuo, Shixiang Tang, Minting Pan, Dongzhan Zhou

RoboChemGym是面向化学实验的生成式仿真框架，能将文本协议自动转化为高保真、长时程机器人操作演示。在20个真实化学协议上，生成管线成功率最高为89.2%，在真机Level-1任务上平均提升策略成功率23.3个百分点。本文为arXiv预印本，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
VLA进阶

MixVLA以自适应混合非不变信息提升VLA零样本泛化

Pingrui Zhang, Yu Zhang, Pengyuan Wu, Bin Wang, Haoming Song, Xianqiang Gao, ZhaxiZhuoma, Zhigang Wang, Dong Wang, Bin Zhao, Xuelong Li

MixVLA是arXiv预印本提出的模型无关训练框架，通过信息瓶颈提取不变表征，并用权重减法得到非不变分支，再对非不变嵌入做自适应混合后与不变表征融合。在LIBERO-Plus和RoboTwin等基准上，该方法提升了零样本分布外任务成功率，且在真实机器人光照扰动下优于π0.5。该框架无需额外数据或改动模型架构，但尚未经过同行评审。

VLA
阅读论文全文（PDF）
arXiv
Vision-Language Navigation进阶

GeoScaffold 用训练时几何重建让 VLN 策略摆脱深度传感器

Yixuan Jiang, Wentong Li, An Liu, Zihao Xin, Fulin Tang, Cong Leng, Yang Gao, Jian Cheng

这是预印本，未经同行评审。GeoScaffold 提出一种训练时几何监督框架，让端到端 VLN 策略从 RGB 和文本中学习几何隐表示，推理时不依赖深度传感器或 3D 编码器。在 R2R-CE 和 RxR-CE 上，4B 模型达到 64.8% SR 和 60.5% SPL，超过多个 7B 基线，同时每帧 81 ms。

阅读论文全文（PDF）
arXiv
Curriculum RL进阶

BVER：从两端双向扩展的 Voronoi 偏置课程让机器人学习稀疏奖励任务更快

Juri Pfammatter, Kaixian Qu, Clemens Schwarke, Victor Klemm, Marco Hutter

BVER 是一个预印本方法，提出从目标状态和初始分布两端同时扩展中间起点与目标，训练单个目标条件策略。在仿真中，它在点质量迷宫、四足盒攀爬和机械臂套环转移任务上比所有无参考课程学习更快，攀爬 0.4 米盒时达到 95% 成功率的迭代数比最佳无参考基线少约 65%，并且是唯一能学会攀爬 0.7 米盒的无参考方法。该方法无需演示或奖励塑形，对稀疏奖励长程机器人任务训练具有实际价值。

RL
阅读论文全文（PDF）
arXiv
Sim-to-real manipulation进阶

SARI相位分割仿真-真实协同训练：灯任务未见位置成功率27.5%，真实数据采集时间减少34.3%

Xingxin He, Yuxuan Jiang, Haonan Zhang, Chuhan Cui, Kaile Li, Zhongxing Zheng, Caihao Xu, Ziqi Wang

SARI是一种相位分割的仿真-真实协同训练框架，利用仿真生成自由空间接近轨迹、真实数据教接触交互，在灯任务上实现未见放置位置27.5%的任务完成率，而所有全任务仿真-真实基线均为0%，同时减少真实数据采集时间34.3%。该论文为预印本，尚未经同行评审。

VLA
阅读论文全文（PDF）
arXiv
Fisheye detection进阶

FUSEye：用重叠视图和零初始化适配器轻量训练鱼眼检测

Wenya Su, Kai Luo, Di Wen, Ruiping Liu, Yufan Chen, Junwei Zheng, Kunyu Peng, Kailun Yang

FUSEye 是 arXiv 预印本，提出训练轻量的鱼眼检测框架，将冻结主干的 COCO 预训练 YOLO26-x 适配到鱼眼图像。在 WoodScape MVR 验证分割上，FUSEye 将 mAP50 从 0.148 提升到 0.266，保留全量微调性能的 84.3%，且仅新增约 227k 参数；使用 25% 标签时保留 97.6% 性能。该框架无需相机标定或去畸变，对标签和算力受限的机器人感知部署有吸引力。

阅读论文全文（PDF）
arXiv
Object Search进阶

LOCUS：利用空间图实现同类容器实例判别

Taylor Bergeron, Shibani Senthilbabu, Kevin Leahy

本文提出LOCUS，一种基于场景图和GNN的方法，用于更新CLIP嵌入以区分同一类别的多个容器实例，从而找到被遮挡物体。在iTHOR仿真中，LOCUS将ECO/N降至0.257，比TidyBot的0.338降低24%，并在RoboCasa和真机Stretch 3上验证了跨域迁移。该预印本尚未经过同行评审。

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。