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 76VLA 66Navigation 35Robotics 32Learning 27Perception 22Humanoid 21Simulation 15Locomotion 14Safety 11World 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
Underwater Robotics进阶

RADMCS：安装在气瓶上的可穿戴机器人引导潜水员保持安全距离

Demetrious T. Kutzke, Junaed Sattar

本文是一项预印本研究，尚未经过同行评审。作者提出RADMCS，一种安装在潜水气瓶上、利用推进器提供物理力反馈的可穿戴机器人，帮助潜水员在狭窄空间保持与结构物的安全距离。共有8名潜水员参与不同阶段的水池和海洋实验，阈值敏感性测试表明平均仅需约10%的最大推力即可感知方向提示，距离保持实验显示在距离估计稳定时机器人能正确引导。这为水下物理人机交互提供了新平台。

阅读论文全文（PDF）
arXiv
Multi-Robot Manipulation进阶

DuoMind 用语义通信协调双机器人，配套基准 RoboPoly 评测长程协同操作

Hanchu Zhou, Dechen Gao, Hang Wang, Brendan Lynch, Boqi Zhao, Qiyao Ma, Raman Goyal, Junshan Zhang

这篇预印本提出 DuoMind，一个分布式分层框架，让每台机器人同时运行 VLM 推理器和 VLA 动作模型，通过自然语言消息协调双机器人操作。在自建 RoboPoly 和 RoboTwin 任务上，DuoMind 多数任务成功率超过仅用 π0.5 或 π0 的基线，其中 RoboPoly 任务提升明显。研究展示了在部分可观测条件下，显式语义通信对多机器人长程协同的重要性。

VLA
阅读论文全文（PDF）
arXiv
MAV guidance进阶

LiDARFlow：机载LiDAR与面板法实现未知环境实时MAV避障

João Machado, Zeynep Bilgin, Matthieu Verdoucq, Murat Bronz

这是一篇预印本。论文提出LiDARFlow，将收敛引导向量场与PGFlow面板势流避障相结合，仅用机载Livox LiDAR在未知室内环境中实时生成无碰撞速度指令。在两类真机场景中，无人机成功完成航点导航和方向跟随并避开所有静态障碍，但轨迹存在振荡。该方法计算轻量，可在Raspberry Pi 5上运行，但点云处理是主要瓶颈。

激光雷达
阅读论文全文（PDF）
arXiv
Agricultural Robotics进阶

开源移动机械臂 ALFRED 完成一年森林监测，机械臂可用工作空间占比从 34% 提升至 66%

Ciarán Miceal Johnson, Christopher Quail, Garry Ellard, Alistair McConnell, Steve Tonneau, Fernando Auat Cheein

英国研究团队发布预印本，介绍开源移动机械臂 ALFRED。该平台基于商用部件和模块化铝型材框架构建，在一年内完成 528 次森林走廊穿行且未缺席任何计划采集。模型分析显示，机械臂可用工作空间占比从 34.0% 升至 66.1%，仅最终版本 ALFRED 2.0 同时保持前后方向 LiDAR 水平视野无遮挡。设计文件、机器人描述和容器化软件全部开源。

激光雷达
阅读论文全文（PDF）
arXiv
VLA Conditioning进阶

EC-VLA与VA-VLA：用EMG和视觉标注替代语言，杂乱场景任务完成度大幅提升

Edward W. Staley, Connor O. Pyles, Rahul Hingorani, Frank Camargo, Griffin Milsap, Jared Markowitz, Matthew S. Fifer, Michael Wolmetz

这是一篇预印本，未经同行评审。作者将8通道EMG包络或视觉分割标注作为连续条件，替换VLA模型中固定的描述性语言提示，分别微调SmolVLA与π0.5。在SO-101真机方块抓取和RoboCasa仿真16项任务中，两种模型在杂乱分布外场景均显著超越语言基线，其中EC-VLA杂乱场景成功率从30%升至50%，VA-VLA从11%升至20%。结果表明非语言模态可作为VLA任务条件的有效补充。

VLA
阅读论文全文（PDF）
arXiv
Articulation Estimation进阶

QueryArt：单张RGB图像与查询点估计铰接参数，真机成功率70.2%

Abdelrhman Werby, Fabio Scaparro, Kai O. Arra

这篇预印本提出 QueryArt，可从单张 RGB 图像、一个二维查询点和相机内参估计关节类型、运动轴和轴位置，并用查询点深度恢复度量尺度。在四个数据集留出测试中，整体成功率最高达 89.67%，在未参与训练的两个真实数据集上达 80.05%，真机 57 次操作成功率为 70.2%。该查询条件化、深度归一化的表示将“在哪里交互”与“该点如何运动”解耦，为机器人单视图操作未见铰接物体提供了新途径。

阅读论文全文（PDF）
arXiv
VLA Robustness进阶

仅成功率不够：输入扰动如何改变VLA模型成功轨迹行为

Sophie Higham, Riccardo Andrea Izzo, Matteo Matteucci, Alessandro Suglia

这篇预印本提出了一个与基准无关的行为鲁棒性评估框架，在LIBERO和LIBERO-Plus上补充任务成功率之外的轨迹行为指标。研究发现，输入扰动会改变成功轨迹的执行行为，即使不同模型的成功率相近，其行为退化程度也可能差异很大。因此仅用任务成功率评估鲁棒性会掩盖部署相关的行为变化。

VLA
阅读论文全文（PDF）
arXiv
Multi-Robot Exploration进阶

OpenSpace Lab 公布 IROS 2026 室内探索方案：单机公开赛道第一，私有赛道第三

Yuxuan Zhang, Dong Li, Zezhou Sun, Yuxuan Xu, Siyu Teng, Yuchen Li, Jianjian Yang, Long Chen

OpenSpace Lab 在 arXiv 预印本中公开其 IROS 2026 室内探索竞赛方案。该方案用预训练地图补全和剩余时间约束做单机规划，用效用驱动目标选择实现多机协同。团队在单机公开赛道以 61.04% 覆盖率排名第一，在单机和多机私有赛道分别以 39.53% 和 39.91% 排名第三。该报告尚未经同行评审。

阅读论文全文（PDF）
arXiv
Endoscopic navigation进阶

ColoACT：多线索动作分块实现自推进内镜机器人平滑结肠导航

Jian Hu, Shujing He, Leixin Chang, Zongze Li, Ding Huang, Chaoyang Shi, Chengzhi Hu

这篇预印本提出 ColoACT 系统，将 RGB、相对深度和伪高程图结合成多线索观测，并用 Action Chunking Transformer 策略控制自推进内镜机器人 BGER。在离体猪结肠中，直线段成功率为 85.4%，弯曲段为 72.5%，复杂弯道也有一定成功率，动作平滑性比行为克隆基线改善约一个数量级。这是首次在自推进结肠机器人上验证模仿学习导航，尚未经过同行评审。

RL
阅读论文全文（PDF）
arXiv
Video world models进阶

PhysicsLENS 揭示视频生成模型“物理属性盲区”：看似合理实则忽略隐藏物理条件

Isaiah Milkey, Som Sagar, Aditya Taparia, Xinyuan Liu, Jiqing Wen, Ransalu Senanayake

PhysicsLENS 是一个新基准，通过匹配场景对评测机器人视频生成模型是否遵循文本指定的隐藏物理属性。在 4 个模型生成的 439 个视频中，47 个被人工评定为物理合理，其中 34 个（72%）未遵循指定属性；同一模型在隐藏属性条件下物理合理性平均下降 0.28 分，但不显著。该工作说明视觉合理性与属性遵循必须分开评估，对机器人世界模型可靠性有重要意义。本文为 arXiv 预印本，未经同行评审。

世界模型
阅读论文全文（PDF）
arXiv
Planning进阶

TierCEM：把约束优先级直接写进交叉熵优化，无需调权重

Francisco Roldan Sanchez, Pau de las Heras Molins, David Fridovich-Keil, Georgios Bakirtzis

预印本提出 TierCEM，一种按优先级顺序依次过滤候选样本的交叉熵优化变体。在 2D 导航和 Push-T 接触丰富任务上，反转约束顺序会反转被放宽的约束，且无需为每个约束设置权重。在 20 次随机种子中，TierCEM 全部到达目标并保持高优先级约束，而约束交叉熵方法 CCE 全部无法到达目标。

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

SkeleWAM：用稀疏3D骨架做世界动作模型，57M参数在LIBERO-Plus达85.9%成功率

Juyi Sheng, Hua Wang, Mengyuan Liu

这是一篇预印本论文，介绍 SkeleWAM，一种紧凑的世界动作模型，把操作场景表示为稀疏 3D 骨架，包含机器人关节、物体中心和交互点。该模型在 LIBERO-Plus 基准取得 85.9% 总体成功率，仅用 57.1M 参数，优于最强基线 Cosmos-Policy 3.7 个百分点；真机五任务平均成功率为 89%。它通过同时预测未来骨架辅助动作学习，推断时省略未来预测，在保持鲁棒性的同时大幅降低模型规模。

阅读论文全文（PDF）
arXiv
Grasping进阶

ETH团队提出基于记忆的6-DoF抓取持续学习框架，真机抓取成功率超90%

Giulio Schiavi, Andrei Cramariuc, Michael Pantic, Roland Siegwart

ETH Zurich研究者在一篇预印本中提出一种用于六自由度抓取合成的持续学习框架。该方法通过在隐空间中使用记忆打分器，让抓取结果和用户演示即时更新未来决策，无需更新网络权重。在超过1500次真机抓取中，自适应后方法在多个困难类别上成功率超过90%，并在混合场景中达到89.6%成功率。

阅读论文全文（PDF）
arXiv
Multi-UAV Exploration进阶

预印本：集中式多无人机探索框架让单无人机规划器直接协同，分离起始策略显著提速

João Félix Mendes, Meysam Basiri, Rodrigo Ventura

这是一篇预印本论文。作者提出集中式多无人机探索框架，通过改造 voxblox 实现共享 TSDF 地图、机间避碰与点云过滤，使 RH-NBVP、KRH-NBVP、AEP、KAEP 等单无人机规划器无需修改核心逻辑即可协同探索。在三个仿真环境中，三架无人机采用分离起始（SS）部署比联合起始（JS）探索更快、覆盖更全，KAEP 表现最佳。

阅读论文全文（PDF）
arXiv
Multi-camera odometry进阶

StreamRig 在冻结 3D 基础模型上实现多相机流式里程计

Yufei Wei, Shuhao Ye, Qi Wang, Xin Zheng, Qing Huang, Rong Xiong, Yue Wang

StreamRig 是一个 arXiv 预印本框架，在冻结的多视图 3D 基础模型上构建校准多相机 rig 的因果流式里程计。它在 NCLT、TartanGround、KITTI-360 和自采人形机器人数据集上取得非 oracle 方法中最低的平移和旋转漂移，同时五相机推理单步耗时 26.2 ms、峰值显存 2.6 GiB，低于单目流式模型 CUT3R。该工作展示了将基础模型几何先验与压缩时序状态结合用于机器人定位的潜力。

阅读论文全文（PDF）
arXiv
Co-speech Humanoid进阶

ECHO-G 让 Unitree G1 边说话边做全身手势，FGD 降至 2.278

Yizhao Li, Pusen Gao, Ming Wang, Shaojie Shen, Shuo Yang, Hao Xu

这是一篇预印本，提出 ECHO-G 框架，从语音音频和带时间戳的转录直接生成人形机器人全身协同语音动作。在 BEAT2 派生数据集的说话人留出验证集上，ECHO-G 的 FGD 为 2.278，优于 EMAGE+GMR 的 4.976、GestureLSM+GMR 的 5.008 和 Human-Retargeted 的 4.725，并在 Unitree G1 真机上部署。该框架省去人体动作重定向，端到端推理时间降至 5.96 毫秒每帧，并公开数据集与代码。

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

Multi-Link 安全过滤：五椭球护臂与光流追踪降低 VLA 策略碰撞率

Yatharth Agarwal, Vijay Raghunathan

这是一篇预印本。研究者为预训练 VLA 策略加装无需训练的多连杆安全过滤，用五个椭球覆盖夹爪、手腕和前臂，并通过稀疏光流追踪移动障碍物。在六个仿真移动障碍条件下，碰撞率从 65.62% 降到 27.27%，安全成功率从 29.35% 升到 50.43%；边缘 CPU 上屏障求解 p99 仅 2.2 毫秒，真机测试触碰次数从 11/16 降至 3/16。

VLA
阅读论文全文（PDF）
arXiv
Social navigation进阶

STARS：用自监督图自编码器从时空动态学习社会表征，提升低数据社交导航

Nathan Tsoi, Michael J. Munje, Tejas Oberoi, Rishab Maheshwari, Pengen Zheng, Tanush Chauhan, Peter Stone, Joydeep Biswas

STARS 是一种自监督表示学习方法，将多智能体交互建模为时空图并用图变分自编码器压缩为节点潜在表示。在 SEAN-T 和 SocialNav-SUB 两个数据集上，冻结表征加线性探针取得有竞争力的下游性能，尤其 SNS 行人动作分类上 STARS-He 在 100% 标注数据时宏 F1 达到 0.503，远超非结构化基线约 0.3。该论文为预印本，尚未经同行评审。研究显示图结构先验可缓解 HRI 数据稀缺问题，对低数据社交导航有潜在价值。

阅读论文全文（PDF）
arXiv
3D Assembly进阶

AssemblyWorld 基准：通用智能体 3D 装配成功率 59.4%，Astra 领先开源模型大幅落后

Jiahao Zhang, Yeying Fan, Moitreya Chatterjee, Suhas Lohit, Bernhard Egger, Tim K. Marks, Anoop Cherian, Stephen Gould

这是一项预印本研究，尚未经同行评审。研究团队推出 AssemblyWorld 交互式三维装配环境和 AssemblyWorldBench 基准，覆盖家具、工业装配和断裂重组共 100 个任务。在 8 个智能体系统中，GPT-6 Astra 取得 80.9% 的部件准确率和 59.4% 的完整装配成功率，开源系统在可靠性和精度上大幅落后。

阅读论文全文（PDF）
arXiv
UAV traffic monitoring进阶

无人机交通管制：预测拥堵比检测拥堵更能缩短拥堵时长

Samira Hayat, Christian Raffelsberger

这篇未经同行评审的预印本在仿真中部署无人机巡逻路口，检测并预测交通拥堵，并触发自适应信号控制。研究显示当无人机数量接近路口数量时检测与预测性能趋于平台，而基于预测触发信号调整可使拥堵时长降幅约为检测触发的两倍。这说明提升预测能力可能比单纯增加无人机更有效。

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。