苏州三迪斯维发布NexusPickit-S1无序抓取软件，提供源码与教程
苏州三迪斯维推出NexusPickit-S1无序抓取软件，面向无固定姿态、随机堆叠的工业零件自动化抓取，提供源码、视频教程与答疑。该软件手眼标定可在5分钟内完成、精度为毫米级，在KW-MINI结构光相机与越疆CR5协作机械臂配置下抓取精度约5mm内，i7-13700H、24G内存环境下节拍约1.2s/个，可在Windows无GPU环境运行。
#Perception and localization
3D视觉工坊 · 微信公众号AI 评分5858 RobohubAI 评分5555 NimbRo 团队谈 RoboCup@Home 参赛与 2026 最佳论文
波恩大学 NimbRo@Home 团队负责人 Raphael Memmesheimer 在访谈中介绍，其团队凭论文《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》获得 RoboCup 2026 最佳论文奖。
IPLUS MOBOT/迦智科技AI 评分2626 IPLUS MOBOT 将在 autoMEX Penang 2026 展示 NERA-A 具身移动操作机器人
IPLUS MOBOT 将于 11 月 3–5 日在 Setia SPICE 会展中心 6067 展位展示 NERA-A 具身移动操作机器人，面向槟城半导体与电子制造的高混合、高洁净精密搬运场景。
arXiv cs.ROAI 评分6262 Goal2Pixel：将目标定位到像素的视觉语言导航方法
Goal2Pixel 提出一种纯像素范式，把连续环境视觉语言导航（VLN-CE）重构为可导航像素定位：模型预测图像平面上的可导航像素，再反投影为三维路点用于前进，转向和停止由左、右、下辅助区域编码。
arXiv cs.ROAI 评分6060 QUAN：用四元数近似网络提升图像分类与旋转目标检测
论文提出四元数近似网络（QUAN），通过 Hamilton 积分解用实数运算近似四元数卷积，并配合自定义 CUDA 内核实现旋转等变图像分类与目标检测。作者还提出独立四元数批归一化（IQBN）以稳定训练，并将四元数运算扩展到空间注意力机制。
arXiv cs.ROAI 评分5858 MILD数据集与AprilVINS：面向UMI式操作示教的末端执行器定位
作者提出MILD操作界面定位数据集，包含Insta360 X5与Insight9采集的86段真实传感器序列（覆盖15个重复桌面任务）及Isaac Sim中的MILD-Sim仿真子集，并提供每次执行的机器人末端执行器参考轨迹。
arXiv cs.ROAI 评分5858 面向双无人机缆绳吊运的紧凑型力传感器与张力感知外环控制
该研究提出双无人机吊运框架，在缆绳锚点处用自研紧凑型力传感器测量交互力，并通过静态与动态测试评估其线性度、迟滞、重复性和交叉载荷。控制采用级联结构，内环负责机体稳定，外环补偿实测力，在位置不确定下的仿真与室内实验中验证。吊运掉落和受限空间测试与文献分布式方法对比，显示稳定性、协同和抗扰能力提升。
arXiv cs.ROAI 评分6060 时序触觉编码与柔顺控制用于意图感知的机器人到人双手交接
该研究将 VLA 模型与柔顺控制器结合，用 RGB 观测、时序编码触觉反馈和本体感知的人类演示微调模型，实现机器人到人的双手交接。在人类受试者研究中，该系统与无触觉反馈、有触觉但无柔顺控制两个基线对比，结果显示柔顺控制与触觉历史互补，性能明显优于基线。项目页面已公开。
arXiv cs.ROAI 评分6060 从语言到导航目标：基于 RGB-D 感知的移动机器人语义导航视觉语言方法
该研究提出一个语言驱动的导航框架，让移动机器人理解“去邮箱”这类自然语言请求，识别所指物体并用 RGB-D 数据估计其位置，生成导航目标后交由 ROS 2 Nav2 导航栈执行。
arXiv cs.ROAI 评分7070 FAWAM：面向闭环接触丰富操作的力感知世界动作模型
作者提出力感知世界动作模型 FAWAM，在感知、预测和闭环执行三个层面引入力信息：先编码历史六轴力/力矩信号调制动作生成，再联合预测未来动作与末端执行器力旋量以显式建模接触演化，并用预测力旋量轨迹作为执行期参考、结合实时力反馈在线修正动作。在多个接触丰富任务的真实实验中，FAWAM 平均成功率比纯视觉基线高 36.25%，比现有力感知基线高 21.25%。
arXiv cs.ROAI 评分6262 S3KF：面向全景3D多目标跟踪的球面状态空间卡尔曼滤波
作者提出S3KF全景3D多目标跟踪框架，基于电机旋转LiDAR与四鱼眼相机，在单位球面S^2上用两自由度切平面参数化建模目标方位，并与框尺度、深度动态联合估计。
arXiv cs.ROAI 评分6262 RAPID：面向电动汽车电池包拆解的机器人智能体平台
作者提出机器人智能体拆解平台 RAPID，集成龙门式工业机械臂、RGB-D 感知和自动拧螺母工具，在完整电动汽车电池包上完成紧固件拆除。开放词汇目标检测达到 0.9757 mAP50；三种一次性紧固件拆除策略中，示教位姿成功率 97%、耗时 24 分钟，一次性视觉执行成功率 57%、耗时 29 分钟，视觉伺服成功率 83%、耗时 36 分钟（n=204）。
arXiv cs.ROAI 评分7171 Boreas Road Trip 发布多传感器自动驾驶数据集，覆盖9条路线643公里
Boreas Road Trip（Boreas-RT）数据集发布，包含9条真实路线、60段序列、共643公里行驶数据，每条路线多次往返，可在相同环境下比较不同交通与天气条件。
arXiv cs.ROAI 评分7272 DeFM：从深度图像学习机器人基础表征的基础模型
DeFM 是一个完全基于深度图像自监督训练的基础模型，采用 DINO 式自蒸馏目标，在 6000 万张深度图像数据集上学习可泛化到不同环境、任务和传感器的几何与语义表征。
arXiv cs.ROAI 评分6060 RPT*：面向复杂环境目标搜索的概率终点全局规划方法
论文研究带概率终点的哈密顿路径问题（HPP-PT），目标是让移动机器人访问全部候选位置以寻找目标，并最小化期望路径代价。作者提出有最优性保证的搜索方法 RPT*，用新状态空间中的动态规划绕开历史依赖，并设计启发式加速计算。基于 RPT* 的 HATS 系统结合贝叶斯滤波或自主探索，在仿真和实机实验中平均比基线方法更快找到目标。
arXiv cs.ROAI 评分6262 CLEAR-IR：将红外图像重建为RGB风格图像以支持黑暗环境机器人感知
CLEAR-IR提出一种双流架构，从带结构光发射器图案的红外图像重建干净、RGB风格的图像，让原本用RGB训练的视觉管线在无可见光条件下继续工作。该架构受DeepMAO启发，在目标检测、ArUco标记检测和视觉SLAM上评测，覆盖从光照良好到完全黑暗的场景；在完全黑暗时，被动RGB增强方法因传感器无信号而失效。论文已被IEEE/RSJ IROS 2026接收。
arXiv cs.ROAI 评分5959 研究：视触觉传感器主动采样用于硬度分类
论文研究基于视触觉传感器（VBTS）的主动采样策略，以实现样本高效的硬度分类，使用模型不确定性的信息论度量。作者在自建机器人采集的 VBTS 数据集和已发表数据集上评估了三种概率分类器、两种主动采样策略与随机采样基线，并针对相同物体开展了人类硬度分类研究。结果显示，以方差和熵作为不确定性度量的主动采样方法表现最佳，准确率达到 90%，而人类准确率为 48%。
arXiv cs.ROAI 评分6262 研究团队构建第一视角网球数据集并评测视觉模型的时空预测能力
研究团队采集带标注的第一视角网球数据集，训练并评测图像编码器、视频编码器和视觉语言模型在七项时空预测任务上的表现。最佳模型当前帧定位误差为自视角球员0.14米、球0.54米，1.1秒内轨迹预测误差分别为0.34米和0.91米，触球时间预测平均误差0.14秒。辅助深度信息明显改善3D球定位，更长的图像历史未提升球轨迹预测；团队还提出条件扩散模型，以实时速率从第一视角视频生成全身网球运动学动作。
arXiv cs.ROAI 评分5555 MCP-Net：面向机器人导丝导航的实时冠脉感知网络与拓扑分析
作者提出以多任务冠脉感知网络 MCP-Net 为核心的仿真驱动框架，用于机器人导丝导航，将冠脉血管分割、血管拓扑提取与路径图生成整合在一起。该方法从三维冠脉 CT 血管造影生成含模拟导丝、不同严重程度狭窄病变和多种血管几何的模拟透视图像及仿真真值，MCP-Net 从单帧透视图像联合完成血管分割、导丝尖端定位和狭窄定位。
arXiv cs.ROAI 评分3838 基于极性-时间交互与多级可靠性的事件相机航天器位姿估计框架
该研究提出可靠性感知框架，将极性-时间定位、几何恢复、事件-CAD精化与轨迹优化串联，用三分支表示结合正事件、负事件与近期事件时序。在SPADES挑战赛官方测试集上完整系统取得0.0474综合位姿分数，比PASAN+IRIS低约5.4%。消融显示基础定位加均匀PnP为0.0772，完整级联降至0.0514；相同单帧观测下质量加权将分数从0.0549降至0.0514。
arXiv cs.ROAI 评分7272 RESPLE2：惯性信息引导的非均匀B样条多传感器里程计与全局优化
RESPLE2 提出一种基于非均匀B样条的递归多传感器状态估计框架，用于6自由度运动表示，并利用节点钳制边界性质，由惯性运动学直接预测控制点。该方法在迭代扩展卡尔曼滤波中完成预测与重置，并在更新步骤按原生时间戳融合LiDAR、相机、IMU和腿部运动学；另设轻量全局优化模块，用LiDAR-视觉回环约束精修控制点。
arXiv cs.ROAI 评分7171 研究团队用可微仿真从零学习四旋翼穿越动态窄缝
研究提出可微分的移动窄缝建模方法，按到随时间变化的缝隙平面的有符号距离，对居中、对齐与平滑碰撞项进行门控，把稀疏的穿越事件转成稠密的路径目标，并集成到从随机初始化单阶段训练的视觉特征到指令策略中，无需教师、规划器或蒸馏。仿真中路径梯度明显优于得分函数梯度，单 GPU 训练几分钟后成功率达 99.3%。策略直接迁移到真实四旋翼，仅靠机载视觉与惯性测量，在 10 次实物试验中成功穿越动态窄缝 8 次。
arXiv cs.RO精选AI 评分8080 无需渲染的事件帧仿真加速自主机器人导航强化学习
作者提出一种解析式事件仿真器，直接由场景几何和自运动合成事件流，不经过图像渲染，单GPU生成64x64事件观测仅需17微秒，比先进渲染管线快400倍以上。基于该仿真器的事件相机强化学习避障策略训练不到30分钟即可收敛，比渲染事件训练快三个数量级，并可零样本迁移到Isaac Sim光线追踪事件仿真。
推荐理由：该工作用解析式事件仿真绕开图像渲染，把事件相机强化学习训练时间压到30分钟以内，并完成56克无人机实机部署。
arXiv cs.ROAI 评分6060 StabBot：用学习式立体视觉与残差强化学习实现机器人管道对扣
StabBot 机器人对扣系统用摆锤卡尔曼滤波在立体图像中跟踪管接头，并以匹配速度靠近、通过触觉确认最后几毫米。在 200 组随机作业中，StabBot 全部完成对扣，传统固定导向器为 74%；中位接触速度从 18.4 cm/s 降至 2.3 cm/s，中位峰值头管力从 11.3 kN 降至 1.4 kN。
arXiv cs.ROAI 评分5858 利用分布式感知与超维计算实现非视距被动目标感知
论文提出一种仅依赖通信基础设施分布式信道测量的框架，用于感知机器人视场外的被动实体并进行风险感知分类。该方法用超维计算（HDC）将测量嵌入高维表示，无需显式信道重建；基于商用光线追踪的数值仿真和 ROS 智能工厂场景验证显示，在严重遮挡下准确率最高达 89%，并保持较低计算复杂度。
arXiv cs.ROAI 评分6060 基于强化学习的固定翼无人机自主拦截
荷兰代尔夫特理工大学团队提出一种由神经网络控制的固定翼拦截机，将滤波后的单目视觉观测直接映射为执行器指令，策略在自定义 Python 环境中用强化学习与近端策略优化（PPO）训练。仿真中该策略在多数条件下优于两个经典制导控制器，并已在真实飞行中成功拦截机动的固定翼目标。该工作为固定翼拦截无人机的自主控制提供了验证。
arXiv cs.ROAI 评分6060 AuRaSim：面向动态场景的射线追踪车载FMCW雷达仿真器
AuRaSim 是一个基于射线追踪的车载 FMCW 雷达仿真框架，面向动态场景生成相干多通道 ADC 数据。它基于 Blender 构建动态场景、基于 Sionna RT 做 GPU 加速电磁射线追踪，并加入路径级复系数传播、运动感知多普勒建模和波形配置驱动的 ADC cube 合成。在数字孪生场景中，仿真与实测距离-多普勒图的 RMSE 为 0.147、PSNR 为 16.93 dB。
arXiv cs.ROAI 评分6060 无需标靶的相机-LiDAR联合内外参标定方法
作者提出一种全自动、无需标靶的框架，可从原始图像和 LiDAR 扫描中联合估计相机内参、径向-切向畸变和相机-LiDAR 外参。该方法通过内参与畸变感知的对应学习，把基于深度像素点对应的标定从校正图像推广到原始相机，并在标定中迭代耦合对应预测与非线性优化。在 KITTI 未见配置和三个真实机器人平台上的零样本评测显示，联合标定提升了外参精度，同时恢复了准确的内参。
arXiv cs.ROAI 评分5757 KEPT：退化感知下封闭空间导航的共形预测禁区规划方法
KEPT 提出一种面向隧道、矿井等封闭空间的导航方法，用共形预测在退化感知下为地图墙体标定禁区，并按无标签的退化程度估计调整余量以维持覆盖率。规划与控制层在规划时和每条指令上对禁区施加制动距离条件，以实测跟踪残差作为唯一余量且不改动禁区。
arXiv cs.ROAI 评分5353 LSMM：为足式机器人端到端探索学习空间记忆
作者提出基于 Hadamard 记忆的局部空间矩阵记忆（LSMM），让强化学习智能体把任务相关信息存到基于位置的记忆单元中。在自主迷宫探索任务上，LSMM 的迷宫覆盖率与强循环网络和有限历史基线相当，并且是唯一能记住迷宫布局的架构，重建误差降低到三分之一。该工作针对人形与足式机器人在复杂环境中需要记住离开视野后很久才用到的信息这一问题。
arXiv cs.ROAI 评分7070 RAVEN：面向四旋翼定位不确定性的统一主动视觉 SLAM 系统
RAVEN 是一个面向四旋翼的主动 SLAM 框架，在定位不确定性下统一规划探索与主动回环，并通过 0 到 1 的优先级参数调节探索效率与定位精度的侧重。框架先识别前沿与主动回环候选并生成全局巡游方案，再用效用向量评估，最后由感知感知导航规划器基于在线 Fisher 信息场生成平滑轨迹以降低视觉状态估计误差。
arXiv cs.ROAI 评分5454 混合刚柔空间机械臂系统的状态估计
该研究提出一种面向混合刚柔空间机械臂的状态重建流程，其远端连杆为腱驱动连续体机器人。方法将估计问题建模为以关节编码器和视觉测量为条件的最大后验推断，并转写为因子图，融合异构测量与刚柔运动学模型，同时采用几何可变应变（GVS）方法得到最小阶构型参数化。仿真闭环轨迹验证了状态重建精度与计算性能。
arXiv cs.ROAI 评分6464 Omni-IGN：面向无人机的全向视觉机载图像目标导航系统
作者提出 Omni-IGN，一个完全机载的无人机图像目标导航（ImageNav）系统，集成四鱼眼感知、基于注意力的强化学习策略和碰撞感知安全层。该策略自适应融合多视角目标相关特征，为连续导航提供方向引导，四鱼眼 RGB 图像无需专用深度传感器即可同时支持 ImageNav 与避障。
arXiv cs.ROAI 评分6262 ActiveAlign：用主动感知对齐自我中心操作中的 Real2Sim 差距
ActiveAlign 提出用主动感知缩小 Real2Sim2Real 差距的框架，包含 ActiveAlign-Waving 和 ActiveAlign-Touching 两个模块。
arXiv cs.ROAI 评分6262 HC2Robot：用预测前瞻与超连接 Transformer 实现多地形人形跑酷
HC2Robot 提出一种可部署的感知式人形跑酷框架，由预测前瞻模块（PFM）和超连接（HC）Transformer 组成，PFM 从可部署观测预测每只脚下一次触地事件的时机、位置与支撑质量，把特权监督转成可部署的隐表示。
arXiv cs.ROAI 评分3636 四轮漫游车集成设计与可复现可行性分析：包指令成像、LiDAR测距与学习辅助目标识别（NASA HERC 2027）
针对2027年NASA人类探索漫游车挑战赛高中遥控组，一项研究给出四轮教育漫游车的集成可复现设计评估：10.919 kg、215 mm车轮在200 RPM下理论滚动速度8.105 km/h，标称电机参数不足以证明满足8 km/h设计上限。
arXiv cs.ROAI 评分5858 研究将磁倾角与磁强度梯度流用于无GPS导航
一项 arXiv 论文提出把仿生磁导航（BIMN）建模为梯度流控制与制导问题，利用地球磁场的磁倾角和磁强度在预设区域内引导系统经中间航点到达目的地。作者指出磁坐标与地理位置并非一一对应、存在歧义，但梯度流可充当携带系统运动的“水流”并受控导航。该框架可用于工程上建立地磁导航基础设施并定义、跟随规定路线，也可用于分析依赖磁感受的动物迁徙路线。
arXiv cs.ROAI 评分5858 QuadPose 从单目视频序列估计四足机器人全身 18 自由度位姿
作者提出 QuadPose，从单目视频序列估计四足机器人全身 18 自由度位姿，包括 6 自由度基座位姿和 12 自由度关节角，并发布首个相机到四足机器人位姿基准 QuadSyn。在 QuadSyn 上，QuadPose 达到 92.18% PCK@2.5px、85.94% ADD@20cm，平均关节角误差 3.65 度，运行速度约 33 FPS。
arXiv cs.ROAI 评分7171 OpenJaws：面向通用操作的开源硬件 UMI 框架，用双目定位提升示教精度
OpenJaws 是一个完全开源的传感器化 UMI 软硬件框架，用模块化 3D 打印夹爪搭配低成本双目相机恢复米制相机轨迹，以改善手持示教中的动作标签定位精度。作者同时提出 UMI-Loc-Bench-v1 基准，用于量化手持采集设备的真实定位精度，并显示双目定位明显优于单目方案。用 OpenJaws 采集的数据训练出的策略已在真实机器人上跨多个任务部署，硬件、软件和数据以商业友好许可发布。
arXiv cs.ROAI 评分6262 GRAFT：为冻结人形行为跟踪器做几何感知残差适配
GRAFT 提出一种几何感知残差适配框架，在不改动冻结的人形行为基础模型（BFM）参数和运动参考接口的前提下，用轻量适配器只对下半身执行目标加入地形条件修正。适配器用任务与足部几何奖励训练，并约束其在平地上不产生多余修正，还从特权地形观测蒸馏到机载深度。