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。

276 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
Distribution Shift专业

RTR-FTL：循环集成实时自我修复分布偏移

Julian Lemmel, Pedro D. Wendel Garcia, Taisuke Kobayashi, Radu Grosu

这是一篇arXiv预印本。作者提出RTR-FTL，一种由循环神经网络集成构成的控制器，各成员只观察随机掩码后的输入，并通过卡尔曼增益融合输出。在仿真连续控制任务中，该方法在传感器偏移、失效和噪声逐渐增大等分布偏移下，无需专家监督即可在线恢复接近原始性能，而全观察集成无法恢复。

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

XGenAct 将深度、法向与语义分割统一为视频生成，RLBench 未见过任务成功率 52%

Tingting Du, Ziyao Wang, Guoheng Sun, Ang Li

预印本 XGenAct 将 RGB、7 自由度动作、度量深度、表面法向和功能角色分割全部表示为 RGB 视频，通过一个共享的视频扩散 Transformer 进行跨任务生成。在未见过的 RLBench 任务上，结构化感知训练使平均闭环成功率比仅 RGB 训练提高最多 28.75 个百分点，五任务外部对比达到 52%，是最强基线（26%）的两倍。该方法避免了模态专用预测头或辅助损失，为机器人世界动作模型提供了一条可扩展的几何增强路径。

阅读论文全文（PDF）
arXiv
VLA专业

FastOPD：面向轻量级VLA部署的在线策略蒸馏框架

Yoojin Oh, Jeongsol Kim, Yeonwoo Seo, Jangho Park, Seonghyun Jin, Sunwoo Park, Youngmin Kim, Youngjun Jun, Kyumin Choi, Jong Chul Ye

FastOPD是一个预印本框架，通过在线策略蒸馏将大型VLA模型压缩为轻量级少步学生模型。在LIBERO上，仅用2步推理就保留了π0.5约84%的性能，并将推理延迟降低78.1%；在RoboTwin 2.0上单步成功率提升15.9个百分点。该工作大幅降低训练和推理成本，有望推动基础策略在消费级硬件上的部署。

VLA
Foundation
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
Safety monitoring专业

SLLCP：用局部标签条件 conformal prediction 校准视觉语言模型，提升自动驾驶碰撞轨迹检测

Luís Marques, Rong Fang, Disha Kamale, Dmitry Berenson

本文为 arXiv 预印本，未经同行评审。作者提出 SLLCP，在冻结的视觉语言模型之上增加后处理校准层，输出带有概率保证的安全预测集。在 CARLA 未见场景的 15321 帧测试中，SLLCP 将 Qwen 基底的碰撞轨迹检出率从 4.6% 提升至 89.6%，将 Cosmos 基底的检出率从 39.1% 提升至 88.4%，但代价是虚警率分别升至 51.8% 和 44.5%。

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
Representation alignment专业

具身智能体表征对齐新判据：Relational Sufficiency 识别任务无关歧义

Fulvio Mastrogiovanni

这是一篇 arXiv 预印本，未经同行评审。作者提出 Relational Sufficiency 条件，认为具身智能体之间未被关系证据消除的表征歧义只要对交互任务不变，就无需继续对齐。在相同的一维异步交接场景中，相对同步任务需要 0 个额外标量锚点，绝对时间交接任务需要 1 个，表明对齐需求由任务不变性而非表征精度决定。

阅读论文全文（PDF）
arXiv
Monocular SSC专业

同济团队发布CrowdOcc：四足机器人拥挤室内单目语义场景补全新基准与方法

Feiyang Chen, Jincheng Hu, Yiduo Chen, Jihao Li, Yue Liang, Bingzhao Gao, Yanjun Huang, Yuanjian Zhang

本预印本提出CrowdOcc数据集和框架，用于四足机器人在拥挤室内环境中的单目语义场景补全。方法结合法线引导几何融合和人体中心稀疏交互，在场景不相交测试集上达到SOTA，IoU 15.80，mIoU 11.40，Human IoU 46.23。该工作填补了真实低视角动态人体占用数据集空白，对室内机器人感知有重要意义。

阅读论文全文（PDF）
arXiv
Byzantine localization专业

月球表面轨迹取证：attribution-aware 方法识别 Byzantine 巡视器并优于 robust PGO

Lachlan Holden, Feras Dayoub, Melissa de Zwart, David Harvey, Tat-Jun Chin

这篇预印本提出面向非合作月球巡视器的取证轨迹分析问题，用于在存在 Byzantine 代理时从稀疏遥测中事后重建轨迹并识别不可信来源。新方法根据相对检测的内部和边界统计一致性评估巡视器可信度，在合成模拟和行星模拟数据上，对 Byzantine 测量的召回率达到 90.8% 至 64.6%，而 robust PGO 基线 GNC 和 PCM 召回率均低于 10%。该方法对月球安全区合规验证等场景至关重要。

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
PersonNav专业

CSIR框架：融合语义与距离的PersonNav，室内找人平均旅行效率0.62

Tyler Chung, Nahl Farhan, Hao Zhang, Mingfeng Yuan, Jinjun Shan, Amy Wu, Yue Hu

这是一篇预印本，提出CSIR（Contextually and Socially Informed Robots）框架，解决在仅有部分、不确定语言提示下为送货机器人规划搜索路线的问题。在3个合成环境共1500个场景中，CSIR平均旅行效率0.62，超过LLM TRP（0.60）和所有图搜索基线（0.22至0.43）；真机测试中Clearpath Jackal约5分钟完成室内找人任务。该框架显式建模信息不确定性，为后续贝叶斯更新提供基础，但尚未经过同行评审。

阅读论文全文（PDF）
arXiv
Runtime Verification专业

精化差距审计：RoboGuard 安全高层计划为何产生不安全执行

Stabak Das, Priyesh Ranjan, Xiangfang Li, Lijun Qian

本文为一篇预印本，作者审计了 RoboGuard 安全监视器对高层动作序列的验证假设。通过对比表面计划与基于语义图的精化执行轨迹，在 28 个受控案例中发现 12 个目标案例全部出现表面安全但精细化后不安全的假安全结果，并在 14 个端到端案例中复现 2 例。作者提出轻量级图驱动轨迹精化层作为缓解，将验证时间仅从 0.54 毫秒增至 0.69 毫秒。

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
Miniature Locomotion专业

MiNI-Q单一策略统一270克连续旋转四足机器人直立倒立行走与落地恢复

Arturo Flores Alvarez, Nathan Lintu, Dennis Hong

这篇预印本论文展示在270克四足机器人MiNI-Q上运行单一强化学习策略，策略完全在机载微控制器上推理，统一了直立行走、倒立行走和落地恢复，没有状态机或相位切换。硬件实验中，同一策略在0.15 m/s指令下直立前向速度RMSE为0.037 m/s，倒立为0.050 m/s，30次释放恢复试验成功24次，并在四种脚型和四种室内表面上完成行走。结果说明连续旋转关节和重力条件参考能让小型机器人用紧凑网络覆盖多种姿态，但尚未经过同行评审。

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
Panoramic segmentation专业

EPONet 在 EmbPASS 跨具身开放全景分割基准取得 35.82% mIoU

Pujun Guo, Yuanfan Zheng, Fei Teng, Mengfei Duan, Guoqiang Zhao, Yuheng Zhang, Kai Luo, Kailun Yang

这是 arXiv 预印本，未经同行评审。作者提出跨具身开放全景分割任务和 EmbPASS 基准，包含车辆、无人机、可穿戴和四足机器人四类平台的 1000 张户外全景标注图像。EPONet 通过 RAMA 和 CAST 在 EmbPASS 上达到 35.82% mIoU，比最强基线 OOOPS 高 1.10%，并在 DensePASS 上取得最佳，为异构机器人平台的统一全景感知提供了新方法。

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。