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
暂无中文版，显示英文原文。
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
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
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
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
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）
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
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
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
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
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
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）
arXiv
Memory-centric VLA进阶

Optimus-R：记忆中心VLA框架实现低数据适应与终身学习

Zaijing Li, Rui Shao, Bing Hu, Haoyu Zhang, Dongmei Jiang, Liqiang Nie

本文提出预印本方法Optimus-R，一个记忆中心的视觉语言动作模型框架，将机器人适应任务转化为显式的查询技能记忆调优，而非反复更新模型参数。在LIBERO、CALVIN、RoboTwin 2.0仿真基准及真实机器人上，Optimus-R在低数据适应、跨域迁移和终身学习中均优于基线π0.5，显著缓解灾难性遗忘。该框架通过内联记忆接口、查询技能记忆库和轻量桥接适配机制，为机器人持续学习提供了高效路径。

VLA
阅读论文全文（PDF）
arXiv
Temporal manipulation进阶

PhasePlan 用有序未来阶段规划改进机器人操作动作预测

Xiaoyu Yang, Yafei Zhang, Wensheng Li, Qing Zhan, Nan Wu

这是一篇预印本。作者提出 PhasePlan，一种有序未来阶段规划方法，让机器人脑模型为未来每个动作位置预测任务阶段，并用该阶段信息调节对应动作。在传送带操作任务上，PhasePlan 将离线关节动作误差相对原始 π0.5 降低 22.5%，相对 future-skill histogram 基线降低 12.7%，真机部署也显示连贯执行。

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）

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。