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。
TFDP是一个无需训练的扩散式运动规划器，论文以arXiv预印本发布。它用解析局部得分替代学习到的全局轨迹得分，从平滑度、避障、速度与智能体间可行性约束直接构造更新方向。在标准多智能体路径规划基准上，TFDP以0.59秒平均运行时间达到接近100%成功率，并在100个障碍物、300个智能体场景下平均5.39秒生成可行路径，显著快于现有扩散基线和采样方法。
这篇预印本提出 MFPG-PPO 算法，用低成本仿真数据作为控制变量来稳定高保真数据稀缺的强化学习。在仿真和真机实验中，MFPG-PPO 在多数设置下优于仅用高保真数据的 PPO，并且用 4 条真实机器人片段即可将 Franka 抓取成功率从 40% 提升至 91.7%。该论文尚未经过同行评审。
TouchTherm 是一个从真实物体构建仿真就绪的多模态数字孪生框架，该工作为 arXiv 预印本，尚未经同行评审。它把粗碰撞网格、触觉微高度场和动态温度场注册到同一物体坐标系，在 20 个物体上验证了触觉渲染和热预测。30 秒与 45 秒表面温度 MAE 分别为 0.465°C 和 0.592°C，合成到真实的触觉物体识别 Top-1 从 20.0% 提升至 34.0%，为机器人学习、VR 和遥操作提供了包含接触尺度触觉与温度动态的物体资产。
这是一篇预印本。论文提出Reconstruct, Practice, Go Real (RPG)框架，从离线数据集构建仿真练习任务，利用执行反馈、特权状态和视频分析自动改进可复用技能库与系统提示，不更新模型权重。在22项操作任务的留出初始化上，RPG经过15轮练习将成功率从28.6%提升至95.0%，超过ASPIRE的75.5%和GPT-6 Astra Pro版CaP-Agent0的60.0%；真机30次试验全部成功。该框架说明共享技能代码和系统提示可以作为机器人持续改进的实用目标。
ETH Zurich研究者在一篇预印本中提出一种用于六自由度抓取合成的持续学习框架。该方法通过在隐空间中使用记忆打分器，让抓取结果和用户演示即时更新未来决策，无需更新网络权重。在超过1500次真机抓取中，自适应后方法在多个困难类别上成功率超过90%，并在混合场景中达到89.6%成功率。
荷兰代尔夫特理工大学团队在arXiv发布预印本，提出AFD-CAMLs框架，为四架及以上无人机缆索吊运系统引入全局零空间力分配、力参考感知NMPC和机载导纳滤波，缓解冗余或病态构型下的张力不均。在4至10架无人机仿真和4架真机实验中，该方法在悬停与5 m/s敏捷机动下降低张力跟踪误差，并在存在缆长误差时将三维轨迹误差从0.221 m降至0.199 m，同时保持载荷跟踪精度。
这篇预印本提出 ActiveWAM，一种证据感知的主动视觉世界-动作模型。该方法通过训练时任务引导的历史反演和统一的头部与双臂动作生成，解决了主动相机控制中的保留-获取权衡问题。在 TAVIS、RoboTwin-AV 和真实厨房任务上，ActiveWAM 分别将 OOD 成功率最高提高 17.0 个百分点、较 Fast-WAM 提高 20.0 个百分点、真实世界提高 26.7 个百分点。该工作目前为预印本，尚未经过同行评审。
这是一篇预印本，未经同行评审。作者提出 SonarVoxNet，首个在三维声呐数据上输出完整九自由度朝向的潜水员检测器，并发布 Diver3D 数据集。实验显示，将仅偏航的旋转表示升级为连续 6D 全 SO(3) 表示是精度跃升的最大因素，最终 [email protected] 达到 0.774，表明稀疏三维声呐可以恢复潜水员全身朝向。
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。
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。
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。
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。
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.
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。
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。
这是预印本。TACTIC利用多模态大模型结合路边感知状态实时选择并配置物理LiDAR攻击原语，在CARLA仿真中实现100%碰撞率，显著高于固定规则35%和随机60%。结果表明场景相关战术规划能暴露静态攻击遗漏的失效模式，但尚未在真实硬件上验证。
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。
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。
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。
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。
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。