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
Multi-Agent RL进阶

置换鲁棒性不足：多智能体Transformer策略中的动作坍缩

Amit Thakur, Mukesh Singhal

这篇预印本研究了多智能体Transformer策略在智能体顺序置换下的表现，发现低置换误差可能掩盖‘动作坍缩’：策略让所有智能体选择相同动作而看似鲁棒。在合作导航任务中，PPO-ID基线行为多样但顺序敏感，等变性正则化改善鲁棒性却降低多样性，且适用强度随智能体数量变化。作者建议同时报告回报、置换一致性和动作多样性指标。

阅读论文全文（PDF）
arXiv
Exoskeletons专业

预测模拟显示髋踝联合助力可高效降低步行代谢成本，膝关节助力作用有限

Neethan Ratnakumar, Mariya Tohfafarosha, Xianlian Zhou

一项预印本研究通过个体化肌肉骨骼预测模拟，系统评估了下肢外骨骼在髋、膝、踝关节的不同助力组合。结果显示，在50 Nm助力下，髋膝踝三关节联合助力平均降低步行代谢成本48.50%，而髋踝双关节助力达到44.60%，仅比三关节低约4个百分点。研究认为髋踝联合是高效的双执行器方案，但结果仅来自仿真，尚需实验验证。

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

基于spring、plane、rail原语训练本体感觉反射策略，提升接触丰富操作鲁棒性

Quan Nguyen, Yunho Kim, Joonho Lee

这是一篇预印本论文。作者在仿真中用spring、plane、rail三种交互原语训练了一个本体感觉反射策略，将任务空间命令映射到关节位置目标，无需力或几何测量。在真机实验中，该策略使双机械臂箱体抓取在所有指令深度下保持接触力低于阈值，而基线在最大深度发散；在0.02 mm间隙的销钉插入任务中，成功率从最高22%提升至36%到58%，平均估计接触力降至基线的一半以下。它可作为高层控制器下的冻结执行层，提升接触丰富操作的鲁棒性。

阅读论文全文（PDF）
arXiv
Visuotactile manipulation专业

VISTA：面向接触丰富操作的等变视觉触觉扩散策略，仿真平均成功率80.9%

Lik Hang Kenny Wong, Yiyao Ma, Xiu-Shen Wei, Zelong Tan, Zhuheng Song, Dongsheng Xie, Kai Chen, Qi Dou

这是一篇arXiv预印本。作者提出VISTA，一种工作空间级等变视觉触觉扩散策略，将腕部RGB和触觉图像投影到球面并融合，利用末端执行器姿态对齐后进行等变扩散解码。在50个演示/任务下，VISTA在8个仿真任务中平均成功率达80.9%，比最强等变基线EquiDiff+Tac高15.9个百分点；在3个真机任务上平均成功7.33/10次，远高于基线的1.33/10次。

模仿学习
阅读论文全文（PDF）
arXiv
Endovascular robotics专业

首个脑静脉系统自主机器人导航预印本：Soft Actor-Critic 控制器体外成功率70%

Harry Robertshaw, Weijie Qi, Nikola Fischer, Alejandro Granados, Thomas C. Booth, Sam E. John

该预印本未经同行评审。作者利用强化学习训练 Soft Actor-Critic (SAC) 控制器，在仿真和体外模型中完成从右侧颈内静脉到上矢状窦的两段导航任务。在 250 次仿真试验和 20 次体外机器人运行中，仿真任务 A/B 成功率在训练解剖为 85.6%/98.4%，保留解剖为 42.0%/91.6%，体外总体成功率为 70%。递归失败预测器在仿真中检出 99.3% 至 100% 失败，但转移到体外后校准下降。该工作首次证明脑静脉系统自主机器人接入的可行性，并为端血管脑机接口植入提供监督信号。

阅读论文全文（PDF）
arXiv
Lifelong RL专业

AMSC 用任务相似度挑选复用策略面具，提升终身强化学习前向迁移

Saptarshi Nath, Inish M. D'Souza, Antonio Carta, Soheil Kolouri, Andrea Soltoggio

这篇预印本提出 AMSC，一种利用在线任务相似度选择并组合先前策略面具的方法。在 CT28 和 MG16 上，AMSC 的 AUC 和 FWT 分别为 0.94/0.94 和 0.73/0.54，且遗忘为零；但在 CW10 上不如学习式组合。结果表明任务相似度可作为一种免优化信号来提升终身强化学习的复用效果，但跨层组合仍需改进。

RL
阅读论文全文（PDF）
arXiv
Sim-to-Real Manipulation进阶

Skill2Real：通过仿真学习可复用技能，实现零样本仿真到真实机器人操作

Xincheng He, Siyu Ma, Chang Yu, Yunuo Chen, Yanjia Huang, Ying Nian Wu, Yin Yang, Chenfanfu Jiang

Skill2Real 是一篇预印本，提出多智能体框架在仿真中学习可复用的局部操作技能 Cerebellum 和任务组合技能 Brain，通过共享代码接口零样本迁移到真实机器人。在 UR5e 上四项任务平均完成率从无技能时的 27.50% 提升到 78.75%；在未见过的 LIBERO-Pro Long 任务上，Astra 成功率从 2.0% 升至 56.3%。该方法让大模型在仿真中利用特权信息学习可执行任务知识，部署时仅依赖公开观测。

阅读论文全文（PDF）
arXiv
Manipulation进阶

PAM用本体感觉草图引导动作生成，真机双机械臂成功率升至75%

Fangyuan Wang, Songhao Huang, Haoxiang Sun, Shipeng Lyu, Chengyang He, Anqing Duan, Peng Zhou, David Navarro-Alarcon

这篇预印本提出Proprioceptive Action Models (PAM)，用弧长参数化的B样条草图表示机器人剩余关节路径，并与短动作块联合去噪生成。在Push-T、LIBERO-Long仿真和四个真机双臂任务中，PAM均优于纯动作基线；真机平均成功率从47.5%提高到75.0%。该方法为长程操作提供了紧凑且免时序的运动意图表示，但尚未经过同行评审。

阅读论文全文（PDF）
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）

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。