语义耦合感知框架用于腹腔镜自主控制
该论文提出一种闭环腹腔镜自主控制框架，将实时手术阶段识别与相机运动补偿的视觉感知耦合，利用手术实体间的阶段依赖关系改善遮挡和实体重叠下的目标状态估计。在基准数据集上评估了手术阶段识别与目标跟踪，体模实验显示相比固定视野控制，目标可见度和任务执行表现有所提升。论文投稿 IEEE Robotics and Automation Letters（RA-L）。
#Research
arXiv cs.ROAI 评分5555 arXiv cs.ROAI 评分6868 HumanoidNDM：用神经动力学模型缩小人形运动跟踪的训练部署差距
研究提出 HumanoidNDM，一个由实机训练的神经动力学模型驱动的人形运动跟踪在线微调框架，用于缩小训练与部署之间的动力学差距。方法包括带自适应强度机制的低频参考扰动数据采集、在欧氏空间结合可微前向运动学训练基于本体感知历史的动力学模型，以及通过模型梯度回传直接微调策略。
arXiv cs.ROAI 评分6262 RoboDuo：用代码为视觉-语言-动作模型实现尝试、检查与原子恢复
RoboDuo 提出一种闭环双系统框架，以代码作为编码智能体与两个 VLA 之间的接口：编码智能体编写程序，让全任务 VLA 尝试完成整个任务并检查是否完成，失败时由原子 VLA 补齐剩余步骤。
arXiv cs.ROAI 评分7272 X-World：将视频先验迁移到可变视角机器人控制
X-World 提出一种框架，通过固定长度 token 序列把视频先验迁移到共享动作专家，并用残差跨视角注意力把预训练视频骨干扩展到一、二或三视角。该策略在 LIBERO 上达到 98.5% 平均成功率，LIBERO 训练检查点在 LIBERO-Plus 上无需额外适配取得 76.5%；在六项双臂真实任务中，每项 20 次试验的平均成功率为 81.7%。
arXiv cs.ROAI 评分6464 毫米波雷达借助多普勒信息跟踪被遮挡目标的位置与速度
作者提出一种利用毫米波雷达多普勒信息跟踪非视距遮挡目标的方法，在留出轨迹上实现8.95cm位置误差和1.75cm/s速度误差。研究同时发布首个室内非视距雷达数据集，包含576个序列、共720,856帧，覆盖12条轨迹的不同速度、起始位置与材质配置。方法将非视距跟踪建模为连续位置-速度估计，用共享三维编码器处理完整距离-方位-多普勒表示，并由两个循环分支分别估计位置和速度后融合为运动一致轨迹。
arXiv cs.ROAI 评分6060 DSGN：面向可扩展多机器人监控与围捕的双流门控网络
作者提出双流门控网络 DSGN，将监控与围捕拆分为独立表征流，并通过上下文感知门控机制协调两者，以缓解大规模机器人网络中的任务切换困难。该方法还引入概率先验正则化门控过程，减少模糊的中间决策。在恒定密度的跨规模设置下，DSGN 保持任务效果与可扩展性，消融与分阶段实验显示动态门控和概率先验支持任务仲裁与模式切换；论文已被 RA-L 2026 年 10 月接收，代码已公开。
arXiv cs.ROAI 评分5959 基于 LiDAR 的 GNN 框架从无标注轨迹学习交互感知路径修正，面向施工机器人
研究提出一种仅用 LiDAR 的实时框架，从无标注演示中学习交互感知的路径修正：用匀速外推生成残差学习目标，由 GNN 建模机器人、行人与目标上下文之间的关系，部署时用扩展卡尔曼滤波跟踪 LiDAR 检测构建动态图，并通过与规划器无关的接口偏移规划器生成的路径点。
arXiv cs.ROAI 评分4949 轻量级变化检测用于动态环境下的自适应群体感知
针对瓦片比例与表面图案空间相关性随时间变化的动态环境，研究将轻量级变化检测机制集成进贝叶斯群体决策框架，在检测到分布偏移时重置机器人信念。该检测器仅需常数内存与常数级单样本计算，不同于两种需存储完整样本流的近期方法，适合内存受限机器人。Webots仿真显示变化检测延迟具竞争力、不同通信设置下精度更一致，且空间相关性变化时决策准确率提升。
arXiv cs.ROAI 评分5555 Extended LASMP：面向无人机导航的语言辅助子集采样运动规划器
论文提出 Extended LASMP，把导航指令直接纳入采样分布，以提升四旋翼在三维环境中采样式运动规划的探索效率。方法将子集采样推广到与指令对齐的区域，并用基于提示的大语言模型把自然语言指令解析为偏航条件与高度感知的几何约束。复杂环境仿真显示，该方法能生成无碰撞且一致的轨迹，相比均匀 RRT 类规划器显著减少采样量。
arXiv cs.ROAI 评分6262 BEHAVIOR-Spatial 基准发布：评测机器人空间理解能力
研究团队提出 BEHAVIOR-Spatial 基准，基于 BEHAVIOR-1K 构建，包含 49 个活动中的 3256 道空间问题、14 个操作任务中的 1240 条定位查询，以及覆盖 14 个操作任务和 10 个导航任务的动作评测。
arXiv cs.ROAI 评分5858 T-ConSG：面向动态施工环境的激光雷达实时时序场景图
论文提出基于激光雷达的实时时序施工场景图 T-ConSG，用空间关系边和事件参与边同时表示自由空间、静态物体、动态物体与环境事件。该框架从激光雷达几何证据增量构图，把累积空间证据的变化显式表示为安装与移除事件。作者在砌砖测试台的动态感知导航、ConSLAM 数据集的施工进度监测和仿真环境在线变化检测三项研究中验证了该表示。
arXiv cs.ROAI 评分6060 Cut a Wall, See a Wall：建筑机器人遮挡点云感知中的身份替换
论文发现，测试时整片区域被遮挡会让点云分割网络把隐藏构件重新标注到同一个汇聚类别，固定布局下该类别吸收最多70%测试点，基线mIoU降至0.15-0.27。作者为每个点追加14个手工几何特征（GPE），在PointNet++和PTv3风格Transformer上把mIoU恢复到0.54-0.92，并消除64-100%的整物体丢失；在真实S3DIS扫描上整面墙丢失从10降到0。
arXiv cs.ROAI 评分5858 面向多机器人系统的运动诱导 WiFi-CSI 感知仿真框架
该研究提出一个开源仿真框架，将 WiFi Sensor for Robotics（WSR）感知流程集成进 Gazebo，可生成具有真实物理信号特性的合成 WiFi-CSI 测量，并支持处理仿真与真实 WiFi-CSI 数据以直接对比验证。作者用 TurtleBot3 机器人对比仿真与真实实验，展示了该框架在方位估计和机器人定位上的用途，代码与实验细节已公开。
arXiv cs.ROAI 评分5858 ElevateHead：多模态模仿学习中动作头何时需要一次性决策
ElevateHead 提出一种动作头，在学到的决策点一次性选定任务执行方式并在整个回合内保持不变，用户也可将该选择作为输入设定。在留出的 Franka Kitchen 任务上，它完整完成四个子任务的回合比例为 45.2%，BeT 为 29.3%（+0.160，95% CI [+0.129, +0.188]）；在留出的积木堆叠任务上，版本 4 与 BeT 相当但未超过。
arXiv cs.ROAI 评分6060 面向长程操作的交互式信息获取TAMP框架
作者提出一个任务与运动规划（TAMP）框架，把任务导向的交互式信息获取与规划执行交替进行，基于PDDLStream乐观规划交互动作，并在执行中验证结果、保留仍可用的动作、只重规划后续连接。该框架在仿真和真实机器人上测试了判断物体是否可移动、笔是否有墨水、抽屉能否打开、容器是否为空等任务，显示交互驱动的状态更新与恢复重规划能支持不确定结果和外部扰动下的持续执行。
arXiv cs.ROAI 评分5555 双臂机器人控制的功能专门化学习研究
研究在双通信循环控制器的仿真肌肉骨骼系统中，用 2×2 设计比较差异化与共享控制器目标、固定与均衡手-任务分配对双臂控制的影响。差异化目标配合与对侧控制路由一致的固定分配时功能专门化最强，双臂成功率达 81.33%，控制效率也最高。该优势随运动噪声增大而扩大、在更强能量惩罚下收窄；差异化-固定训练下互换双手角色使成功率下降 80.46 个百分点，共享-均衡训练下仅下降 1.51 个百分点。
arXiv cs.ROAI 评分5858 TrajMamba：基于 RGB-D 的移动机器人实时人体轨迹预测模型
作者提出 TrajMamba，一种基于 RGB-D 相机、用于移动机器人短期人体轨迹预测的轻量双向状态空间模型，训练与部署共用同一条处理路径，以对齐人体姿态提取、深度反投影和平滑过程。
arXiv cs.ROAI 评分5858 面向室内与受限空间的多无人机探索抗女巫攻击方法
论文研究多无人机协同探索建筑时遭遇女巫攻击的问题：一台被攻陷的无人机伪造身份、抢占前沿并发送虚假扫描，导致真实无人机漏探区域并在地图中生成不存在的墙体。作者提出五种仅依赖无人机自身传感器与地图的防御手段，包括地图数据审计、身份位置处机体存在性检查、仅信任已观测机体的身份、隔离未被任何无人机观测的身份，以及将观测到的机体与单一身份绑定。
arXiv cs.ROAI 评分6464 RoboLongR：因果一致奖励引导机器人逐步掌握长程操作
RoboLongR 提出离线到在线的奖励学习框架，通过因果一致性让奖励进度与执行历史支持的前置条件对齐，引导策略从行为克隆过渡到在线强化学习。该方法在 88 个 RLBench 任务和 Open-X 数据上预训练，在未参与奖励预训练的 18 个长程任务上平均成功率为 31.8%，比最强对比基线高 9.2 个百分点；在四个真实机器人任务上成功率为 57.5%，比对比方法高 32.5 个百分点。
arXiv cs.ROAI 评分7272 AdaDexTrack：用动态调制实现自适应可泛化的灵巧操作跟踪
AdaDexTrack 提出一种调制器在环框架，用于语言条件下的灵巧操作跟踪，通过参考调制、物体隐变量调制和位置目标调制三类反馈修正，缓解合成参考噪声、人到手重定向的本体偏差和固定参考跟踪的误差累积。
arXiv cs.ROAI 评分7171 RoboWorM：面向具身视频世界模型的运动真实性与加速影响评测基准
作者提出 RoboWorM，一个面向机器人操作视频世界模型的部署感知评测基准，基于机器人运动学树和固定相机配置等硬件先验考察结构与时空保真度。该基准汇集单臂、双臂和人形形态的 1,605 条片段，覆盖马尔可夫与长程非马尔可夫任务及单视角、多视角设置，并提出 KIVA 与 RIGIS 两个不依赖视觉语言模型的确定性指标。
arXiv cs.ROAI 评分7575 Scan2Instruction 与 PRPT-KS：一次扫描实现语言引导导航的无演示自适应
研究提出 Scan2Instruction 与 PRPT-KS，用一次 iPhone 扫描构建训练环境并自适应语言引导导航策略，无需人工演示。在五个真实环境中，RealNav 实机成功率达 85%，而用人类演示后训练的基线为 49%；在同一建筑未扫描区域仍达 82%，基线为 41%。
arXiv cs.ROAI 评分6060 RoboReason：用可扩展数据生成提升机器人相关 VLM 推理能力
RoboReason 提出用真实机器人立体相机与腕部相机图像构造空间与时间排序任务，评估视觉语言模型的机器人相关推理能力，实验显示多个先进 VLM 在排序任务上表现不佳。作者据此提出可扩展的自主训练数据生成流程，监督微调与强化学习在该数据上均显著提升模型在时空排序及下游机器人与视觉推理任务上的表现。该工作被 EMNLP 2026 主会接收。
arXiv cs.ROAI 评分6060 POD-RoPE：面向具身智能的物理观测分布旋转位置编码
作者提出 POD-RoPE，把 token 的观测足迹表示为相机中心、视角与采样时间上的分布，用期望旋转编码分布间相对关系，并在分布退化为单点时还原为逐点 RoPE。
arXiv cs.ROAI 评分5252 基于机器人轮胎-地面交互的地面摩擦评估
研究用滑移转向机器人在五种摩擦特性不同的地面上按设定速度曲线行驶，通过惯性估计速度与轮式里程计速度的偏差来识别地面类型。响应延迟测量呈现一致的表面依赖趋势，肥皂表面延迟最长、地毯最短；频谱特征在记录级交叉验证下取得97.1%的平衡分类准确率。作者认为速度失配的幅值与频域特征都包含轮胎-地面交互信息，可用于地面识别和状态估计中的滑移感知轮式里程计加权。
arXiv cs.ROAI 评分3636 基于希尔伯特空间编码机器人运动学的量子闭环逆运动学
该论文提出一种结构保持的量子表示方法，将刚体变换与串联机械臂运动学映射为参数化量子电路，用单量子比特态编码空间方向，并从泡利期望值重建末端执行器位姿。基于参数偏移规则可从量子可观测量导数重建机械臂几何雅可比，在理想读出下与经典结果解析等价。作者据此提出混合闭环方法 Quantum Closed Loop Inverse Kinematics，利用量子导出的位姿与雅可比信息求解逆运动学。
arXiv cs.ROAI 评分6464 Open-World Law-to-Action：用视觉语言先验与触觉推断隐藏物理的部件运动规律
作者提出 Open-World Law-to-Action（L2A）框架，由视觉语言模型为每个可动部件提出运动方式、运动规律项和可能的锁定因素，再通过带闭式证据的贝叶斯线性回归在线辨识部件规律，触觉可推翻先验。
arXiv cs.ROAI 评分6262 EXE：面向VLA模型的因子化潜在动作第一视角跨本体预训练
EXE 是一个第一视角跨本体预训练框架，从人类操作视频中学习因子化潜在动作表示，将共享操作先验与本体特有信号分离。作者称该共享动作空间让机器人策略从多样人类演示中获得可泛化的操作语义，同一预训练可同时用于平行夹爪和灵巧手。在 RoboTwin 2.0、RoboCasa GR1 和真实操作任务上，EXE 相比无预训练基线取得一致提升。
arXiv cs.ROAI 评分5353 SHAPE：面向平坦端口哈密顿机械系统的能量故障检测与隔离框架
论文提出基于能量的故障诊断框架 SHAPE，结合端口哈密顿变量与微分平坦性，从规划运动生成标称功率参考，无需专用动态观测器即可构造机械端口功率残差。在模型预测控制下的六自由度 Kinova 机械臂仿真中，SHAPE-CWT 在 3000 次留出测试上平均准确率为 84.69%，扭矩残差为 81.67%，广义动量观测器为 97.17%。作者指出严重程度激励剖面与离线速度扰动会限制该方法的诊断能力。
arXiv cs.ROAI 评分5858 HARP：多无人机交接中面向主动目标获取的交接感知恢复规划
HARP 是一个交接感知恢复规划器，用于多无人机空中跟踪交接时让接收机主动获取目标视图，同时不打断发送机正在进行的覆盖。
arXiv cs.ROAI 评分6262 HA-DiPO：面向异构机器人协同搬运的扩散策略优化框架
作者提出 HA-DiPO，一个在集中训练分散执行（CTDE）下运行的分层多智能体强化学习框架，用于异构腿足机器人协同搬运未固定的共享载荷。高层用集中式评论家联合训练各机器人独立的协调策略，并以扩散策略表示多模态协调响应；低层由各本体专属的运动策略跟踪协调指令，策略从零通过奖励驱动的仿真交互学习，执行时仅用本地观测、无需机器人间通信。
arXiv cs.ROAI 评分6262 面向内存受限机器人的稠密地图关键帧管理方法
作者提出一种面向内存受限机器人的稠密地图关键帧管理方法，直接限制常驻地图占用的内存，并按建筑房间与走廊等语义空间单元准入和释放关键帧。在两块NVIDIA Jetson板上的每次运行中内存预算均未被突破，模型吞吐损失最多0.8%，而不用该方法时操作系统会终止模型或地图。在该预算下，按语义区域准入比按匹配区域数量的几何划分多定位6-9个百分点的查询帧，约为RTAB-Map检索的两倍，且ATE更低。
arXiv cs.ROAI 评分6262 WorldFailBench：世界模型能否理解策略失败
作者提出 WorldFailBench，用失败原因、失败阶段和失败边界三项任务检验世界模型是否忠实模拟策略失败。基准覆盖 LIBERO 和 RoboTwin 仿真环境中的操作任务，以及 G1 人形机器人的真实操作任务，对七个世界模型的实验显示它们在理解策略失败上存在明显差距。
arXiv cs.ROAI 评分6060 MOON：为视觉语言导航策略学习何时遗忘与如何恢复
MOON 是一个给冻结的视觉语言导航（VLN）策略加装两个轻量模块的框架，新增参数不到原策略的 1%，在 R2R-CE 和 RxR-CE 上把冻结基座的导航成功率分别提升 5.2 和 6.0 个百分点。
arXiv cs.ROAI 评分7171 MimicAll：面向跨人形机器人全身运动跟踪的结构化本体条件框架
MimicAll 是一个强化学习框架，用结构化本体描述符编码全局与关节对齐条件，实现异构人形机器人共享全身运动跟踪策略。训练覆盖16个人形机器人家族的4096个变体，并构建了跨五个分布层、464个机体的基准。在相同训练转移量下，随机化 G1 机体在 100STYLE 上的30秒成功率共享训练为99.4%，单机体专用策略为42.9%。
arXiv cs.ROAI 评分6262 ReSight：面向具身智能体的任务驱动自改进记忆系统
ReSight 是面向具身智能体的任务驱动自改进记忆系统，保留关键帧及其时空关联，并把观测证据与可扩展派生字段分离，以便按新需求重新处理历史观测。系统通过 Explore-Distill-Mount（EDM）从执行与探索记录中识别能力缺口，将探索得到的方案转化为可复用的记忆构建器、查询工具和技能。
arXiv cs.ROAI 评分6767 综述：113种学习型灵巧操作方法的灵巧手、仿真器、训练与评测
一篇综述梳理了113种基于学习的灵巧操作方法，覆盖所用灵巧手、训练仿真器与结果报告方式。作者指出，近半数工作采用同一套配方：在GPU仿真器中对特权状态做强化学习，再蒸馏为仅用视觉的学生模型迁移到硬件，且几乎都集中在同一个仿真器上。
arXiv cs.ROAI 评分5858 MDPO：面向灵巧操作的多约束策略优化强化学习方法
作者提出多约束灵巧策略优化方法 MDPO，将灵巧操作建模为同时包含累积代价约束与逐状态代价约束的多约束策略优化问题，并把多约束投影集成到策略优化过程中。在 ReDMan 上的安全关节控制、手指安全与抓取任务实验中，MDPO 相比基线取得更好的约束满足，同时保持有竞争力的任务表现，代码已公开。
arXiv cs.ROAI 评分5656 SCET-CBF：面向一步动态导航的速度校准软引导方法
英国伦敦大学学院Xiaoyu Han与香港中文大学Dongkun Han提出SCET-CBF，一种用于一步动态导航的速度校准软引导律，通过短横向逃逸机动给出允许接近速度，并让二次规划在加速度与转向选择中权衡制动的两种效应。
arXiv cs.ROAI 评分7272 MOTIO：面向真实场景人形移动操作的智能体技能工程系统
MOTIO 是一个智能体技能工程系统，可将普通人类动作视频、真实感 3D 资产、动作参考和可复用机器人技能转化为可执行的人形移动操作程序，无需任务专用遥操作或机器人演示采集。