TeleAI等提出NEXUS跨地形感知运控基座,让Unitree G1在楼梯斜坡上执行全身动作
中国电信人工智能研究院(TeleAI)、伽马智能、上海交通大学、香港大学与浙江大学联合提出NEXUS,一个面向人形机器人的跨地形感知运控基座,让机器人在保留动作意图的同时根据地形自主调整姿态与接触。
中国电信人工智能研究院(TeleAI)、伽马智能、上海交通大学、香港大学与浙江大学联合提出NEXUS,一个面向人形机器人的跨地形感知运控基座,让机器人在保留动作意图的同时根据地形自主调整姿态与接触。
研究提出农业机器人视觉语言导航基准 A2A,含 6 类农业场景共 1,560 个片段,采用分步指令与连续动作环境。评测发现现有 VLN 方法在短指令上表现良好、长指令上表现较差,为此提出将复杂指令分解为简单子任务列表的 STL 模块并集成到 NavGPT 主干,SR 从 0.33 提升到 0.47,NE 从 2.76 m 略增至 2.91 m,另附消融研究与案例分析。
该论文提出一种将欧氏距离场(EDF)直接融入观测空间的强化学习框架,为智能体提供连续几何线索以实现稳定、响应迅速的避障行为,并简化了奖励设计,在有无人工势场引导下均能有效避障。
论文提出PRISM框架,将深度噪声解耦为传感失效(sensing invalidation)与测量不准(measurement inaccuracy)两类模态,并蒸馏3D视觉基础模型特征作为空间-语义先验。
该论文提出一种前馈控制动作对载荷参数泛化的新方法,与底层控制器无关,只需新载荷的参数即可在不知道机器人动力学模型、甚至存在弹性关节的情况下执行相同轨迹。
QSelect 将 AWQ、GPTQ、AutoRound 三种量化器按线性模块分配组合成单一静态低比特模型,以最终下一 token 分布评分每次替换。
研究提出两种基于RANSAC的地面法向量估计方法:单帧扫描估计与基于LiDAR-惯性里程计(LIO)全局3D地图的估计,用于球形移动测绘系统(SMMS)的里程计。在多样真实数据集上以地面激光扫描仪真值评估,LIO方法在精度与鲁棒性上显著优于单帧扫描方法。将地面法向量估计融入运动模型可改善位姿估计,支持危险环境下的自主导航。
伊利诺伊大学厄巴纳-香槟分校 Grainger 工程学院的研究者将强化学习与控制理论结合,提出收缩感知强化学习方法 CARL,在保证机器人稳定性的同时将跟踪性能较现有方法提升最多 15%。
arXiv 论文提出 MAPLE(Mondrian-Anchored Prior for Learning-free Indoor Exploration),一种免训练的预测式探索方法,将 Mondrian 过程改造为基于当前部分地图几何线索的在线生成先验。
研究提出扰动感知 Koopman 控制族(DA-KCF)框架,保留离线辨识的标称模型,仅在线学习扰动修正,并将其嵌入模型预测控制(MPC)优化位置与偏航参考。参考依赖的 KCF 先由仿真数据学习、再用有限硬件数据标定,部署时标称模型固定,轻量残差集成从因果状态-指令-状态转移学习低维扰动修正。
厦门大学HumanPlus实验室与MIT、CMU研究人员推出CLOTHO,一种把10个IMU集成进宽松衣物的全身动作捕捉系统,论文获SIGGRAPH Asia 2026期刊轨道录用,将发表于ACM Transactions on Graphics。
智元、NVIDIA及多所高校研究人员联合开发的世界模型评测平台WorldOracle正式上线并开放评测提交。该平台采用335条真实操作轨迹,约四成交互片段包含失败或次优操作,以真实执行结果检验模型预测能力。对7款世界模型的测试发现,部分模型虽能较准确还原机械臂动作,但对物体状态的预测仍存在较大偏差,长时序预测表现也明显下降。
10月16日,由智元、NVIDIA、普林斯顿大学、得克萨斯大学奥斯汀分校、多伦多大学研究人员联合完成的动作驱动世界模型评测平台 WorldOracle 正式发布,并向开发者开放评测提交。
推荐理由:该评测用真实执行记录逐帧对照世界模型预测,揭示了机械臂运动被复刻但物体状态被系统性脑补的普遍问题,为判断模型可用性提供了具体坐标。
荷兰代尔夫特理工大学团队在《科学·机器人》发表自主飞行系统MonoRace,其在2025年阿布扎比无人机竞速赛中以每小时100公里最高时速击败多支AI队伍及3位人类世界冠军。
该研究提出一种基于多智能体强化学习的集中训练分散执行方法,用于随机环境中UAV的避障路径规划,改进自模型预测控制(MPC)思想。各智能体仅与集中规划器通信,通过基于距离加权均场方法的扩展观测规划可行路径,并采用多步价值收敛提升训练效率。对比、消融与实机实验验证了方法的有效性与泛化性能。
F-LIVO 提出一种基于滤波的激光雷达-惯性-视觉里程计(LIVO)框架,通过视觉点与激光雷达平面之间的特征级点到面约束耦合视觉-惯性与激光雷达-惯性子系统。
LearningHumanoidWalking 采用时钟条件化与落点规划的人形行走强化学习方法,并对执行器反电动势进行显式建模。官方权重在 MuJoCo 中完成两百步部署验证,盆骨高度全程保持稳定。
香港大学 MMLab 团队提出 EgoWild2Dex,直接用 538.9 小时未经刻意编排的人类第一视角操作数据训练双臂灵巧机器人,每个下游任务真机数据不到 1 小时,拆快递、用热熔胶枪固定摆件、制作冷饮三个长时序任务平均成功率 96.7%。
香港科技大学团队开发具身机械臂EmArm,将柔性光学触觉皮肤嵌入刚性骨架,实现全臂触觉感知与自适应操作,五种环境干扰下触觉感知保真度达97.9%。其触觉皮肤覆盖超71,000平方毫米,空间分辨率达0.085毫米,可识别五种触摸行为并给出情感反馈,识别准确率最高99.8%。研究发表于Nature Sensors。
corbensorenson/cartpole 的 2D Cartpole 四连杆基准以 32/32 通过全新含噪 3D 起始状态的空间摆起与保持,每回合 30 秒且至少 7.22 秒直立。
提出一种单目深度辅助的LiDAR-相机外参两阶段联合优化标定方法,以深度约束替代传统灰度-强度互信息,提升复杂光照与材质条件下的标定精度与鲁棒性。粗标定阶段采用ArUco标记与圆孔阵列复合标定板,经SVD优化的ICP算法无需预设初值解析求解外参初值;精标定阶段引入DepthPro单目深度估计网络,构建几何约束与归一化互信息距离(NID)联合优化目标函数。
北京航空航天大学王静远教授团队联合上海大学管理学院,在KDD 2026发表论文MoE-Pointer,定义了动态多阶段取送问题(DM-PDP),用序列到序列生成框架实现骑手-无人机三级配送链路的端到端强化学习联合优化。
WorldOracle 于 10 月 16 日向开发者正式开放提交,这是一个以真实执行记录为参照、检验动作驱动世界模型预测能力的评测平台,论文为《WorldOracle。
论文提出统一因果训练框架 OneWM,在共享的视频动作架构中把动作同时作为世界预测的条件和策略学习的目标。作者在 LIBERO、LIBERO-Plus 和 RoboCasa365 上评估策略学习与世界建模,并辅以真实世界策略实验:学习指定动作的视觉后果可提升策略性能与跨场景泛化,动作学习则在同一架构下提升多视角世界预测的保真度,两个方向的互相增益均得到肯定结果。
西安电子科技大学联合中山大学提出AdaAnchor4D自适应锚点变形框架,用于单目无人机动态场景4D重建,在UAV-Arc4D、VisDrone、UAVDT三个数据集上PSNR、SSIM等指标达到SOTA并保持实时渲染。框架基于3D Gaussian Splatting,以ACFA锚点条件化特征聚合、DLGD解耦局部几何变形、DACW密度自适应坐标变换三个模块消除鬼影伪影并保留动态细节。
代尔夫特理工大学 MAVLab 的自主竞速无人机系统 MonoRace 在2025年阿布扎比自主无人机竞速比赛中以100 km/h 飞行,击败所有其他自主队伍和三名人类前世界冠军,比赛用机与赛道均由主办方提供。
密歇根大学信息学院博士生Xin Ye与教授Lionel Robert在人因工程与人体工效学会年会论文集发表研究,通过100名参与者参与的停车场安防机器人实验发现,互动公平与分配公平显著提升了人们对安防机器人权威的信任。
北卡罗来纳州立大学研究人员受海百合启发研制的水下软体机器人仅用两个执行器便实现上下、前后与绕轴旋转的三维机动,而这类运动通常至少需要六个执行器。机器人用四个弹性单稳态翅膀,通过水母模式、鱼模式和转子模式的组合完成悬停、平移与转向。研究已演示其携带相机探索水下空间、与多机器人协同抬升物体,全无线版本仍在开发,论文发表于 Science Advances。
MIT研究人员提出无人机安全轨迹规划系统SANDO,在未知且含移动障碍物的环境中生成的飞行路径经数学证明可避免碰撞,成果发表于IEEE Transactions on Robotics。
EPFL 软换能器实验室的研究人员推出 FiberMotor,一种把电能直接转为运动的线状电机,成果发表于 Advanced Materials。FiberMotor 直径 1–3 mm,由两根同心空心纤维构成,纤维外密绕比发丝略粗的绝缘铜线电极,加压后静电力使内纤维在外纤维内像望远镜一样滑动,因而无需齿轮与传动且可反向驱动。
PAIR 为连续动作视觉-语言-动作模型学习感知与动作之间的共享表征,在 LIBERO、LIBERO-Plus、CALVIN ABC-D 及七项真实世界任务上提升了 OpenVLA-OFT 与 VLA-Adapter 的表现。
新加坡科技设计大学(SUTD)团队研制出 ALBATROSS 仿生平台,从 150 米高空释放后靠刚性翼帆被动自转稳定下降、低冲击落水并自行扶正,随后自主航行于设定航点之间。
丰桥技术大学团队用真实自主移动机器人(AMR)和VR完成5组实验,92%的受试者在0.5–1.0 m/s速度下认为机器人从背后接近比正面更快。把该知觉偏差纳入导航模型的仿真显示,机器人从背后超越行人时比传统模型提前0.57 s开始避让、通过距离最多多出0.40 m,成果发表于 IEEE Robotics and Automation Letters。
Georgia Tech 工业与系统工程学院(ISyE)研究团队在 INFORMS Journal on Data Science 发表论文,提出名为 Mutual Information Surprise 的新框架,帮助 AI 智能体、机器人和自主系统识别"有意义的意外",判断是否需要停下重新评估。
新加坡国立大学设计与工程学院团队在 Science Advances 发表研究,用受章鱼神经肌肉接点启发的引线键合节点(WBJ),让单根形状记忆合金弹簧人工肌肉在选定区段发热收缩,实现沿连续臂的多段可控弯曲,无需每个位置配置独立执行器。
MIT 团队在 Advanced Functional Materials 发布一种由单层活体肌肉细胞驱动的纸薄双鳍游泳机器人,能跟随光照游过简单水下迷宫。机器人骨架为口香糖大小、约半毫米厚的 GelMA 凝胶薄膜,压印方形底凹槽,表面的肌肉细胞经基因工程改造会对光照产生抽动,研究者通过交替照射两侧鱼鳍控制方向和速度,最快一分钟游过约 4 倍体长的距离。
Real-Time EXPO-FT 让 π0.5 应对托球平衡、将球击入球门等有挑战的动态任务,论文页面为 https://pd-perry.github.io/real-time-expo-ft/。Chelsea Finn 说明其做法是在强化学习中处理延迟,让基础 VLA 使用较旧的图像,同时由一个小型编辑策略实时运行,并称其在各对比中显著优于 RTC。
意大利Scuola Superiore Sant’Anna、INAIL Centro Protesi、Istituto Ortopedico Rizzoli与IIT合作在Bioactive Materials发表研究,开发出再生周围神经接口(RPNI)。
热烈祝贺 @leo_lin6 和 Jay Moon 荣获 RSS26 灵巧操作工作坊最佳论文奖!🎉 CRAFT:一种具有混合刚-柔顺性的腱驱动手 我们自己的团队,不断突破机器手的边界!🦾
扩散(或流)是非常出色的策略,但用强化学习训练它们出了名地困难:BPTT不稳定,基于扩散的RL会让horizon爆炸。 在我们的新论文中,我们展示了如何通过一个"奇怪的小技巧"优化流匹配actor——用单位矩阵"近似"流去噪过程的雅可比矩阵。👇