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
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 manipulation专业

ChunkVLA-AM 将 OpenVLA-OFT 部署至 FAIRINO FR3，增材制造抓取真机成功率 92.9%

Zhugang Liu, Kaichuang Zhang, Jinman Zhang, Pu Sun, Martha Asare, Jose Hernandez, Maxim Ermolinsky, Efren Saenz, Qi Lu, Jinghao Yang

该预印本提出 ChunkVLA-AM 系统，在 FAIRINO FR3 机器人上部署 OpenVLA-OFT，实现增材制造工作单元内的语言指令物体转移。在 42 次真机 A 到 B 抓取试验中成功 39 次，成功率 92.9%，且照明鲁棒性分析给出 85 至 125 的低误差亮度区间。这为将视觉语言动作模型引入增材制造后处理提供了可复现的部署流程。

VLA
阅读论文全文（PDF）
arXiv
Safety-critical control专业

有限数据安全信息量证明：适用于动态非对称执行器的输出安全证书

Abhinav Sinha, Praveen Kumar Ranjan, Yongcan Cao

这是一篇预印本，未经同行评审。论文提出一种基于有限数据的确定性安全证书，用于在模型不确定和非对称执行器限幅下判断指令能否维持输出安全。通过推导最坏情况模型贡献的解析公式和仿射不等式，作者给出了最近安全指令和最大安全比例的计算方法；数值仿真显示，选择代表性测量可将验证查询覆盖率从1.03%提升至76.27%，接近精确参数基准的86.26%。

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

FlashDexRetarget 实现高效灵巧操作数据生成：多运动重定向成功率达 90%，训练计算量降低约 100 倍

Kyungmin Lee, Sibeen Kim, Dongyoon Hwang, Yoonsang Oh, Donghu Kim, Youngdo Lee, I Made Aswin Nahrendra, Jaegul Choo, Hojoon Lee

预印本论文介绍 FlashDexRetarget，一种基于强化学习的多参考重定向框架，将人类手物交互演示转换为机器人可执行轨迹。在 50 个运动基准上，XHand 机器人达到 90% 成功率（SR_SPIDER），比 CHORD 高 44 个百分点，训练计算量降低约 100 倍。该框架为扩大灵巧操作机器人学习数据规模提供了高效途径。

灵巧操作
Sharpa
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
3DGS dataset专业

3DROID：一个带逐场景可靠性度量的可渲染3D高斯数据集

Wonguen Cho, Junhoo Lee, Nojun Kwak

这是一篇预印本论文。作者基于DROID构建了3DROID数据集，用位姿条件的前馈3DGS重建114个机器人场景，并通过机器人深度一致性门控筛选标定可靠场景。结果显示，位姿条件在相同外参下带来每场景中位PSNR提升0.73至2.73 dB，但几何收益取决于外参可靠性；该数据集为机器人操作研究提供带可靠性元数据的可渲染场景。

阅读论文全文（PDF）
arXiv
Marine simulation专业

H-SPAR：耦合粒子输运与 USV 水动力效应的自主采样仿真框架

Navid Zarrabi, Nariman Yousefi, Sajad Saeedi

H-SPAR 是预印本提出的开源水动力感知仿真框架，在同一环境流场下联合模拟 USV 闭环执行、拉格朗日粒子输运和概率采样。路径规划实验显示，SVF-RRT* 在规划阶段的上游成本比 RRT* 低 69.4%，但在时变流场执行时该优势降至 41.7%；覆盖实验中清扫方向使粒子采样率最大相差 22.2%。这一结果表明，评估海洋采样任务必须同时考虑规划、执行、粒子输运与采样。

ROS 2
阅读论文全文（PDF）
arXiv
Unified world-action model专业

UniWAM统一世界-动作模型：融合物理推理、视觉生成与动作预测，LIBERO与RoboTwin刷新SOTA

Jiayi Chen, Wenxuan Song, Jingbo Wang, Shuai Zhou, Xicheng Gong, Zehua Fan, Ziyang Zhou, Junwu E, Haodong Yan, Fuhao Li, Qize Yu, Xu Huang, Pengwei Wang, Wen Chen, Shunbo Zhou, Haoang Li

UniWAM是一个统一世界-动作模型，将物理推理、视觉生成和动作预测集成在单一混合Transformer架构中，并在约1万小时人类与机器人数据及829万VQA样本上预训练。该预印本在LIBERO、RoboTwin等基准上取得SOTA，真机实验指令跟随与长程任务也优于π0.5和Motus。其重要之处在于展示了人类-机器人联合预训练的对数线性扩展规律，为通用机器人模型提供数据与架构路径。

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
Manipulation专业

PEWAM把演示编译成可编辑效应程序，跨机器人执行的世界行动模型

Junyi Hu, Zhewen He, Zhenhua Li, Yi Fang

本文是预印本，提出PEWAM，一个71.5M参数的世界行动模型。它把单条演示编译成不含机器人本体的效应程序，包括物体关键点轨迹、两个接触点和终态，并在闭环中从现场重求解执行。在LIBERO-Goal留出任务上，单条演示程序完成40/90回合，而同日标的基线最多完成19；该程序可在四个仿真臂和真实Franka上跨本体运行，并能吸收5厘米推动。

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
Geometry-aware manipulation专业

离散黎曼框架让机器人直接在CAD网格上学习：DMP、GP与RFM的网格原生扩展

Matteo Dalle Vedove, Fares J. Abu-Dakka, Luigi Palopoli, Daniele Fontanelli, Matteo Saveriano

该预印本提出一个统一离散黎曼框架，使机器人学习算法能够直接在多面体表面网格上运行，而不把表面当作外部约束。作者用离散微分几何定义了指数映射、对数映射、平行移动和环境投影，并扩展了动态运动基元、高斯过程和黎曼流匹配三种方法。仿真和真机实验显示方法在跨表面泛化、粗网格回归和生成模型效率上优于现有基线，其中流匹配训练时间约为谱基线的一半。

阅读论文全文（PDF）
arXiv
Compositional Manipulation专业

ViGAR：用视觉子目标重构世界动作模型，组合操作平均成功率提升12.86个百分点

Shukai Gong, Xuanran Zhai, Yintianrun Zhang, Ruopeng Cui, Ye Huang, Yiyang Fu, Dexuan Lyu, Chaojie Li, Xinyi Song, Peiwen Lin, Chuang Wang, Mingyuan Jia, Yufan Deng, Jiaxin Fang, Bo Liang, Jiaxin Li, Yuxiang Gao, Hao Liu, Daquan Zhou

本文提出ViGAR，将长程组合操作分解为视觉子目标规划与子目标执行，在RoboTwin Clean2Random基准上Clean和Random成功率分别达82.00%和67.02%，平均成功率超出最强基线12.86个百分点。真机实验覆盖5项组合操作和2项上下文学习任务，证明视觉子目标可引导动作生成并支持新任务组合。论文为预印本，尚未经过同行评审。

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
Policy Optimization专业

FERPO：前向熵正则化策略优化

Sebastian Sanokowski, Alireza Sarmadi, Majid Khadiv

这篇预印本提出 FERPO，一种在线最大熵强化学习算法。它不用评论家对动作的梯度，而是通过前向 KL 拟合熵与 KL 正则化的最优目标分布来更新策略。在 MuJoCo Playground 和 ManiSkill 上表现与 REPPO 相当，并在 DMC 和 ManiSkill 上展现出更高样本效率；在 K=16 时，未缓存 actor 更新比 REPPO 快 6.9%，缓存后总计节省 22.2%。

RL
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
Humanoid loco-manipulation专业

InterEvolve：测试时演化奖励程序让 Unitree G1 完成未训练任务

Zhuo Lin, Sirui Xu, Liuyu Bian, Yu-Xiong Wang, Liang-Yan Gui

本文是预印本，未经同行评审。InterEvolve 用大语言模型在测试时反复修改分阶段奖励程序，配合物体感知的 forward-backward 行为基础模型，使固定的 Unitree G1 控制器无需重新训练即可完成训练中未见过的新移动操作任务。在八个任务族上，完整系统成功率 86.5%，高于最佳校准固定程序的 34.6%，并能在真实机器人上自主执行踢箱和推箱。

Humanoid
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）

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。