MEgoVista 演示采集新测试:杯子挡住手指时如何重建手部动作
MEgoVista 在物体遮挡手部的场景下重建手部动作:演示者自然握杯、部分手指被杯子挡住时,系统仍能将重建的手部叠加延伸到被遮挡区域。方法是对整段录像做手部运动优化,把可靠的视觉观测与时间连续性和解剖学约束结合,从而利用单帧遮挡之外的信息。这对小团队采集机器人演示数据意味着不必要求演示者改变握法来暴露手指。
MEgoVista 在物体遮挡手部的场景下重建手部动作:演示者自然握杯、部分手指被杯子挡住时,系统仍能将重建的手部叠加延伸到被遮挡区域。方法是对整段录像做手部运动优化,把可靠的视觉观测与时间连续性和解剖学约束结合,从而利用单帧遮挡之外的信息。这对小团队采集机器人演示数据意味着不必要求演示者改变握法来暴露手指。
AIRclub-UdeSA 在 jar_workshops 第10周发布了真实机器人录制的 ROS 2 bag:在布满箱子的场地进行 2 分钟采集,包含激光雷达、相机、里程计、IMU 和 TF 数据。提供 wget 下载与解压命令,空场地地图随 semana 10 的 mapa_laberinto 包附带。
ROMA 提出一种真实世界物体中心的多传感主动感知系统,由 LLM 规划器判断缺失信息、主动采集并在证据足够时给出属性估计。区别于先感知后行动的固定流程,系统使用真实多传感硬件,并已开源代码。
韩国东国大学Sejoon Lee教授团队将摩擦纳米发电机(TENG)与柔性石墨烯沟道离子凝胶栅控晶体管结合,制成无需电池、可从人体运动采集能量并实现神经形态感知与学习的柔性器件。
清华大学、青岛海洋地质研究所、上海交通大学等单位的西太平洋热液联合科考航次历时18天,实施7次下潜作业,新锁定一处大型高温活动热液区,初步证实其具备大规模多金属硫化物资源潜力,矿石伴生金最高含量15.4ppm、伴生银最高1271ppm。
CMU 研究人员设计了可安装在 DeltaHands 柔性机械手上的人手启发式指尖,结合应变片测量捏握压力、麦克风通过塑料指甲捕捉微振动,可数纸杯、识别材质并抓取豆腐块和薯片等易碎物品。每个指尖成本低于100美元,而用现成产品搭建类似装置需约800美元,工作已在 Pittsburgh 举行的 2026 Intelligent Robots and Systems Conference 上发表。
推荐理由:原文给出仿人指尖的多模态触觉设计和低于100美元的成本细节,读者可了解力与振动感知如何支持操作控制。
PKU EPIC Lab 提出 UniPart,一个以 CLIP 文本嵌入为条件的前馈跨模态 3D Transformer,用自由文本短语在点云上选取功能部件,实现零样本语言驱动 3D 部件分割。
推荐理由:论文给出文本驱动的3D部件分割方法与自建数据集,并验证可迁移到真实世界语言条件抓取。
Mila-魁北克AI研究所与蒙特利尔理工团队发布开源机器导盲犬Milo,称可将约5万美元的导盲犬成本压到约2000美元。硬件基座为宇树Go2 Air/Pro加NVIDIA Jetson Orin Nano,用磁编码器伸缩手柄反解使用者三维位置,先建鸟瞰图再跑导航策略,策略在GPU加速仿真中约10分钟练出并零样本部署真机。
推荐理由:原文完整拆解了Milo的感知、策略训练与实测细节,读者可以对照自己的导航项目复用其工程取舍。
PKU EPIC Lab 提出测试时训练框架 WAM-TTT,从原始人类视频中引导世界动作模型,无需机器人动作、人类侧标注或任务特定微调。该方法通过自监督视频预测将人类视频吸收进冻结 WAM 内的轻量自适应记忆,并用成对人-机数据和键值记忆重建目标的元训练阶段对齐人类演示与机器人行为;实验显示其在多种操作任务和泛化设置下持续优于上下文人类视频条件化基线。
推荐理由:原文提出仅用无标注人类视频在测试时调整冻结世界动作模型的方法,无需机器人演示或微调,对想复用的研究者有方法参考价值。
北京大学智能机器人开放实验室2021级直博生张琬若的论文"MXPose: Multiplex interactive learning for multi-view 3D Human Pose Estimation"被模式识别领域期刊Pattern Recognition (PR)正式录用。其研究方向为多视角3D人体姿态估计。
Berkeley AUTOLAB 提出 STITCH 2.0 缝合机器人系统,改进 EKF 缝针位姿估计、新增线理解缠方法和自动 3D 缝合对齐算法等七项改进。
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由:这项研究给出了从人类视频学习操作的具体技术路线和实验数字,可帮助读者了解视频数据训练机器人操作的可行路径。
Field AI 研究院(FAIRI)与 NVIDIA 合作,研究动态环境下的机器人具身问答(EQ&A)。团队借助 NVIDIA Omniverse 平台、Isaac Sim、Omniverse Replicator 和 USD Search API 构建物理精确的 3D 办公场景,模拟环境随时间的变化,并计划开源该长期具身问答数据集。