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。

408 篇论文
主题全部Manipulation 65VLA 43Navigation 24Learning 23Robotics 22Perception 20Humanoid 15Safety 9Simulation 9Locomotion 8World Action Models 4Aerial 2Aerial 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 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 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
VLA Defense专业

Detect and Suppress 通过 SAE 特征抑制对抗补丁提升 VLA 鲁棒性

Yukiya Horiba, Koshiro Aoki, Shunsuke Yasuki, Bum Jun Kim, Taiki Miyanishi

这是一篇 arXiv 预印本。研究者用稀疏自编码器分析 VLA 内部表征，找到与对抗补丁高度相关的特征，并在推理时仅当线性探针检测到攻击时抑制该特征。在 LIBERO-10 上，该方法在间歇攻击下提高成功率，例如 π0.5 在 n=10 攻击下成功率从 26.0% 升至 32.4%，而连续抑制会严重损害性能，说明条件干预的重要性。

VLA
阅读论文全文（PDF）
arXiv
Real-to-sim专业

LiteReality-Agent 将室内 RGB-D 扫描变成可执行代码，重建仿真级 3D 场景

Zhening Huang, Yueyan Li, Johnathan Chiu, Xiaoyang Lyu, Matt Zhou, Yuxin Yao, Joan Lasenby, Shangzhe Wu

预印本论文提出 LiteReality-Agent，通过把 3D 重建转化为编写 Room.py 代码的问题，将真实室内 RGB-D 扫描重建为可交互、带关节、仿真就绪的场景。该系统在 10 个场景 620 个视角上，视觉保真度和几何一致性均超过 GPT-6 Astra、Fable 5.1 等前沿模型基线。源码和采集应用公开，有望成为机器人仿真和数字孪生的重要基础。

阅读论文全文（PDF）
arXiv
Multi-agent RL专业

SCOUT：测试时分解价值梯度传输实现离线多智能体协调

Dongsu Lee, Haoran Xu, Amy Zhang

本文为arXiv预印本，提出SCOUT框架，将流匹配行为先验与分解价值函数解耦，在测试时通过Stein变分梯度下降把动作样本传输到高价值区域，避免训练时策略参数化和固定正则化系数。在SMACv1和MA-MuJoCo共24个离线数据集上平均得分最高，并在全部离线到在线实验中取得提升。该方法为生成式策略与值优化提供了一种不牺牲多模态的测试时精修路径。

RL
Foundation
阅读论文全文（PDF）
arXiv
World Action Models进阶

CAG训练无关引导缓解世界动作模型任务不完整想象

Seungyeon Kim, Junhoo Lee, Baekseung Kim, Minkyu Kim, Nojun Kwak

本文是一篇预印本。研究者发现世界动作模型(WAM)在短视界控制中会产生任务不完整想象，即视觉与动作一致但遗漏完成任务所需的状态转换。他们提出无需训练的采样方法Completion Aware Guidance (CAG)，通过强化当前预测相关的指令条件，将RoboTwin 2.0子集平均成功率从64.4%提升至70.0%，并将零样本仿真中任务不完整想象比例从79%降至40%。

阅读论文全文（PDF）
arXiv
Streaming 3D reconstruction进阶

CLoSeR：闭环流式重建框架将漂移降至新低，SE(3)位姿图优化足够

Moyang Li, Zihan Zhu, Wei Zhang, Marc Pollefeys, Daniel Barath

CLoSeR 是一篇预印本。它通过在 LoGeR 流式重建主干上加入闭环检测和 SE(3) 位姿图优化，显著降低长序列里程计漂移。在 VBR、KITTI、Oxford Spires 和 DROID-W 四个真实场景基准上，CLoSeR 的平均 ATE RMSE 分别为 11.15、12.79、5.26 和 0.75 米，平均优于所有前馈基线，并在多个序列上超越优化型 SLAM。该方法无需重训练，利用 LoGeR 已具备的全局一致尺度，避免 Sim(3) 或 SL(4) 优化，对自动驾驶、机器人大规模建图具有直接价值。

阅读论文全文（PDF）
arXiv
Autonomous Driving入门

自动驾驶架构选型：端到端学习与模块化对比及四维决策框架

Kartik B. Kapse

这是一篇未经同行评审的预印本。论文系统比较了自动驾驶的模块化架构与端到端学习（包括模仿学习和强化学习），并提出了一个基于12个二元准则的四维架构选择框架。在10个已发布系统上验证，该框架正确推荐了7个（4个完全匹配、3个部分匹配），为自动驾驶团队在早期设计阶段选择架构提供了结构化依据。

阅读论文全文（PDF）
arXiv
Humanoid safety进阶

VAPS：以可行度感知策略选择护航人形机器人空翻安全

Siwei Ju, Lu Liu, Jan Peters, Oleg Arenz

这是一篇预印本，提出 VAPS，一种用于人形机器人空翻等动态动作的实时策略选择安全框架。在 Unitree G1 仿真中，VAPS 将头部接触率从 27.7% 降至 1.6%，成功率仅从 62.1% 降至 59.6%；在 LimX Oli 真机的 18 次侧空翻试验中，83.3% 达到预期目标。该方法通过加入可控中止策略，比单一备份提供更细粒度干预，对降低硬件损坏风险具有直接意义。

Humanoid
阅读论文全文（PDF）
arXiv
Pedestrian tracking进阶

面向部署的行人跟踪评估协议：在检测间隙和近邻场景中揭示HOTA之外的能力差异

Dominik Wojcikiewicz, Diego Paez-Granados

本文提出一个面向部署的跟踪器评估协议，使用共享检测输入测试初始化、检测器间隙延续、身份恢复和近邻关联，并保留HOTA作为聚合指标。在JRDB数据集上，六个开源跟踪器的HOTA仅24.26%到29.67%，但行为差异显著；1.0秒无检测器支持后，没有任何无GT辅助的跟踪器能在超过一半的合格案例中保持空间正确且同身份输出。该预印本尚未经过同行评审，为机器人行业选择行人跟踪器提供了更细粒度的部署参考。

阅读论文全文（PDF）
arXiv
Robot-Use Agents进阶

OpenRUA：编码智能体仅凭原生ROS 2接口成为零样本视觉运动策略，CaP-Bench达99%

Zhaoyang Chu, Earl T. Barr, Claire Le Goues, Peter O'Hearn, Mark Harman, Federica Sarro, He Ye

OpenRUA是一个零抽象层工具，仅向现成编码智能体开放机器人原生ROS 2终端访问，不提供专用原语或学习策略。在预印本报告中，由Claude Code和Claude Opus 5驱动的OpenRUA在CaP-Bench上获得99.0%成功率，在LIBERO-PRO上获得87.0%，超过ASPIRE和Harness VLA等系统，且无需机器人演示数据或任务特定训练。分析显示智能体自发编写图像处理、度量测量、运动控制和闭环反馈程序，表明编码智能体可直接充当零样本视觉运动策略。

ROS 2
阅读论文全文（PDF）
arXiv
Navigation & Mapping进阶

GlassGuard：验证式玻璃平面建图方法，兼顾高覆盖率与低假阳性

Hanwen Guo, Zhengzhi Lin, Yusen Xie, Ji Zhang

这篇预印本提出 GlassGuard 框架，结合视觉玻璃分割、LiDAR 结构线索和深度无关的2D投影几何验证，重建建筑玻璃平面并纳入导航地图。在九个真实场景、2.1公里机器人运行中，全景版本实现85.2%的玻璃覆盖率，同时每帧假阳性体素仅15.3个，显著优于基线。该方法在保证玻璃碰撞边界的同时减少了可通行空间的虚假占用，对玻璃环境下的机器人导航具有潜在价值。

激光雷达
阅读论文全文（PDF）
arXiv
Imitation Learning专业

EF-GAIfO用机器人经验在线评估演示可行性，提升跨形态模仿学习成功率

Yoshiki Takebayashi, Giovanni Perantoni, Hikaru Sasaki, Matteo Saveriano, Takamitsu Matsubara

本文是一篇预印本，提出EF-GAIfO，利用策略学习过程中机器人自身经验估计状态演示的可行性，并在GAIfO判别器目标中加权，降低不可行演示的影响。在点质量环境和Unitree Go2四足机器人仿真及真机实验中，EF-GAIfO的成功率显著高于GAIfO和WGAIfO，真机目标抓取任务成功率最高达80%。该方法无需显式动力学模型或先验探索数据，为存在形态差异的机器人模仿学习提供了新思路。

阅读论文全文（PDF）
arXiv
World Models专业

World Motion Models：统一SE(3)轨迹生成模型在策略学习、场景预测和全身重定向达到SOTA

Jiahui Lei, Qianqian Wang, Trevor Darrell, Angjoo Kanazawa

本文提出预印本 World Motion Models (WMM)，把动态3D世界表示为稀疏SE(3)姿态轨迹，并用逐token噪声水平的流匹配模型训练，支持任意条件掩码推理。在 Language Table 策略学习、TraceGen 场景预测、OMOMO 人-物交互和 Unitree G1 人形机器人重定向等基准上取得SOTA或接近SOTA结果。这项工作为机器人策略、模型预测控制和跨具身运动生成提供了一个统一框架，但尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Federated 3D Perception进阶

FedCKA用表征相似度动态选择个性化层，联邦3D目标检测跨驾驶域平均NDS提升7个百分点

Jolle Verhoog, Ali Burak Ünal, Holger Caesar

这是一篇预印本。作者提出FedCKA，利用Centered Kernel Alignment逐层计算客户端模型与全局模型的表征相似度，动态决定哪些层参与聚合、哪些层保留本地个性化。在nuScenes五个驾驶域基准上，FedCKA平均NDS达到0.63，比最强联邦基线FedMC高7个百分点，同时通信开销接近FedAvg。

阅读论文全文（PDF）
arXiv
Event-camera VO专业

Keytime Gaussian Process Regression实现事件相机立体VO实时估计，精度超ES-PTAM

Nikan Nobari, Jonathan D. Gammell

这篇预印本提出一种基于关键时间插值的连续时间事件相机立体视觉里程计。它只在稀疏关键时间维护位姿和速度状态，用WNOA先验将每个异步测量插值到原始时间戳，从而解耦状态规模与测量数量，在CPU上实时运行。在MVSEC和DSEC数据集上，估计频率分别约22 Hz和6 Hz，相对平移/旋转RMS误差为0.46 cm和0.038度，分别比ES-PTAM改善11倍和15倍。

阅读论文全文（PDF）
arXiv
World Action Models专业

ProWAM用渐进式视觉子目标刷新WAM基准，零样本真机成功率70.0%

Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar

ProWAM是一种世界动作模型，通过预测按归一化任务进度索引的稀疏视觉子目标来引导动作生成，避免生成稠密视频。在LIBERO-Plus上达到85.8%，RoboTwin随机场景75.7%，零样本真机任务70.0%，超过最强基线DreamZero的55.0%。该论文为arXiv预印本，尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Humanoid Tool Use进阶

HumanoidToolBench：18项任务基准评估人形机器人从选工具到移动执行

Kyochul Jang, Seohyeon Park, Ohchul Kwon, Sangjun Park, Junhyeok Choi, Seungyeop Yi, Chaeyun Kim, Sangkyu Lee, Idan Szpektor, Avi Caciularu, Jongmin Park, Youngjae Yu

HumanoidToolBench是首个覆盖人形机器人工具选择、拾取、定点使用与移动使用的基准，包含18项任务、55种工具模型和3.1千条演示。该预印本在仿真中评估7种策略、在真机Unitree G1上评估3种策略，结果显示选对工具与完成任务之间存在显著差距，加入诱饵工具或需要移动时表现进一步下降。这为投资人、工程师提供了评估人形机器人工具使用完整链路的测试框架。

Humanoid
阅读论文全文（PDF）
arXiv
Manipulation LfD专业

SC-DMPs：用交互刚度引导基函数分配，提升DMP技能迁移效率

Chan Xu, Silu Chen, Dehao Wang, Xiyu Chen, Dexin Jiang, Chi Zhang, Guilin Yang, Chenguang Yang, Zaojun Fang

作者提出Stage-Criticality-Guided Dynamic Movement Primitives（SC-DMPs），融合操作者-机器人交互刚度和跨演示轨迹一致性构建阶段关键度指标，重新分配DMP基函数中心和带宽。在书写字母和三个真机任务中，SC-DMPs相比DMPs、ProMPs等基线降低了整体和关键区域误差，同时保持紧凑模型和经典DMP稳定结构。该论文已被IEEE Transactions on Industrial Informatics接收。

阅读论文全文（PDF）
arXiv
Quadruped locomotion进阶

PROMO用单一策略让四足机器人在跟踪、稳定与能效间实时切换偏好

Amr Mousa, Rifny Rachman, Neil Karavis, Michele Caprio, Richard Allmendinger

PROMO是一个预印本框架，将跟踪、稳定、能效作为语义目标，通过偏好向量在运行时控制单一四足机器人策略。仿真中100个偏好下67个为非支配解，平均偏好与目标相关性0.8434。真机Unitree Go2上仅改变偏好，能效较平衡偏好最高降低30.4%，位置误差降低38.7%，姿态偏差降低59.0%。

RL
阅读论文全文（PDF）
arXiv
Failure recovery进阶

Recova：智能体引导失败恢复框架将真机任务成功率提升至87.5%

Isabella Liu, An-Chieh Cheng, Johan Bjorck, Zhiding Yu, Hongxu Yin, Jan Kautz, Linxi Fan, Yuke Zhu, Sifei Liu

Recova是一篇预印本提出的智能体引导框架，它在重建的数字孪生中开发任务执行与失败恢复策略，并在真机上通过并行DAgger持续学习。在LIBERO-Pro和MolmoSpaces仿真基准上，Recova平均成功率达78.8%和64.9%，分别超过最强基线7.1和26.9个百分点；在四个真机任务上，恢复技能将成功率从77.5%进一步提升到87.5%，在单个任务上人工干预率从87.5%降至0%。该方法把失败转化为可复用技能，对提升机器人部署鲁棒性有重要意义。

阅读论文全文（PDF）
arXiv
Sim-to-real Navigation专业

EIDA：学习执行接口模型提升机器人导航仿真到现实迁移

Yiwei Qian, Shanze Wang, Qingyuan Hu, Xinming Zhang, Wei Zhang

本文提出执行接口动力学适配框架 EIDA，用目标平台数据拟合位姿增量和速度反馈模型，并将其嵌入轻量仿真器训练导航策略。在 100 个 BARN 环境中，EIDA 在有全局引导时成功率 89.33%，比基线高 8.55 个百分点；在真机 Unitree Go2 上 20 次静态场景试验全部无碰撞到达目标，基线仅 4 次成功。该预印本表明无需重建底层执行器动力学即可改善导航迁移。

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。