Embodied AI Daily具身智能科研日报

具身智能早报

关注机器人研究、开源与产业的新进展

‹ ›
全身接触、个性化执行与空中导航
本期导读

本期整理近七天首次公开的研究,包含3篇重点与6条简讯:重点关注人形全身接触操作、带记忆与恢复的VLA执行框架,以及动作分块后的导航停止决策。各条保留原始发布日期,10月19日为本期整理日期。

9 条内容 · 3 篇重点解读 · 6 条简讯

Whole-Body Dexterity:Fig. 2: Whole-Body Dexterity Pipeline. (1) Generate a voxelized dataset of stable whole-body grasps. (2) Pre-train sphere WBD-EX experts on any-to-any repositioning using the grasp dataset. (3) Warm-start WBD-EX experts for other objects from the sphere experts. (4) Collect WBD-EX trajectories and distill them into a general dexterity controller for simulation and real-world tasks.
Fig. 2: Whole-Body Dexterity Pipeline. (1) Generate a voxelized dataset of stable whole-body grasps. (2) Pre-train sphere WBD-EX experts on any-to-any repositioning using the grasp dataset. (3) Warm-start WBD-EX experts for other objects from the sphere experts. (4) Collect WBD-EX trajectories and distill them into a general dexterity controller for simulation and real-world tasks.图源:论文作者 / arXiv
arXiv cs.LG filtered精读

Whole-Body Dexterity

Conor Mc Gartoll、An Dang 等 · 8 位作者

Whole-Body Dexterity让人形机器人用手臂和躯干共同支撑、转移物体。它先生成全身抓取数据,再训练重抓取专家并蒸馏控制器,在真实Unitree G1上演示篮球、纸箱的重定位和搬运。

学习与仿真人形机器人全身操作
论文
展开解读与证据

Whole-Body Dexterity让人形机器人用手臂和躯干共同支撑、转移物体。它先生成全身抓取数据,再训练重抓取专家并蒸馏控制器,在真实Unitree G1上演示篮球、纸箱的重定位和搬运。

为什么值得关注

可借鉴的是把“接触哪一侧身体”和“物体移到哪里”同时定义为目标,研究超出末端执行器的操作能力。

研究问题

双臂机器人释放一侧支撑时,需要另一侧手臂与躯干继续托住物体;仅追踪末端位姿,难以表达这类支撑切换和滑动接触。

方法原理

管线生成可行全身抓取数据,用物体位置与左臂、双臂或右臂抓取模式指定目标;强化学习专家学习模式约束下的重抓取,再蒸馏为使用本体感觉和物体几何的单一控制器。

结果与证据

作者在真实Unitree G1上展示篮球与纸箱在躯干周围的重定位,以及把箱子夹在一侧手臂下、从架子搬到桌面并放下的长时序任务。演示由操作者提供粗略运动参考,控制器负责细化接触与运动。

阅读边界
依据18,000字符正文节选整理,未逐项核对完整实验表及附录,也未独立复现。真机演示仍由人提供粗略运动参考,不能据此认定具备自主任务规划或任意物体搬运能力。

作者:Conor Mc Gartoll、An Dang、Pranay Thangeda、Arjun Gupta、Carolina Higuera、Nima Fazeli、Mustafa Mukadam、Manikantan Nambi

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance:Figure 1 : Serving food to a vegetarian user. (1) The user asks only, “Serve me food.” (2) CarryOn retrieves the context from memory. (3) The planner dispatches a sequence of subtasks to a frozen VLA policy: open the pink cover and, if the carrot is underneath, place it in the bowl. (4) During execution, a proactive shield steers the gripper and the carried carrot around an obstacle, and reactive recovery re-grasps the c
Figure 1 : Serving food to a vegetarian user. (1) The user asks only, “Serve me food.” (2) CarryOn retrieves the context from memory. (3) The planner dispatches a sequence of subtasks to a frozen VLA policy: open the pink cover and, if the carrot is underneath, place it in the bowl. (4) During execution, a proactive shield steers the gripper and the carried carrot around an obstacle, and reactive 图源:论文作者 / arXiv
arXiv cs.CV filtered精读

CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance

Zixuan Wang、Yuqi Liu 等 · 10 位作者

CarryOn在冻结的VLA策略外增加规划与执行两个循环:规划端维护可修订的用户及场景记忆,执行端提前过滤危险接触,并在失败后调用可复用的控制式恢复技能。

机器人基础模型VLA用户偏好
论文
展开解读与证据

CarryOn在冻结的VLA策略外增加规划与执行两个循环:规划端维护可修订的用户及场景记忆,执行端提前过滤危险接触,并在失败后调用可复用的控制式恢复技能。

为什么值得关注

适合研究机器人执行框架:将偏好记忆、动作保护和失败恢复分别设置对照,检查它们能否共同维持同一个任务目标。

研究问题

同一句请求会随用户偏好和场景变化而要求不同子任务;执行策略又可能发生碰撞或掉落,任务选择与物理恢复需要共享上下文。

方法原理

规划循环用持久用户与场景记忆分解子任务,并随对话和观察修订记录。执行循环保持VLA冻结,利用几何约束过滤动作,失败时调用控制式恢复;离线反思保留恢复技能的修订版本供后续尝试。

结果与证据

作者报告真机与仿真中的个性化任务执行、危险接触过滤及恢复技能复用。正文节选给出“提供食物”示例:结合素食偏好与新观察选取食物,绕开障碍,并在抓取失败后恢复同一子任务。

阅读边界
依据18,000字符正文节选整理,尚未逐项核对后文实验配置、各表分母与附录;未独立复现。几何保护依赖任务障碍和接触约束的定义,不能将论文中的测试表现视为开放家庭环境的安全保证。

作者:Zixuan Wang、Yuqi Liu、Yuxin Chen、Sengqiao Yang、Jinhui Ye、Pengguang Chen、Changsheng Lu、Shu Liu、Bei Yu、Jiaya Jia

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

X-Fly: Learning to Reach and Stop in Full-Chunk Aerial Vision-Language Navigation:Figure 3 : Policy backbone shared by the three training stages. A slow path runs the frozen Qwen3.5-4B VLM on the instruction and causal keyframes; a fast path runs only its visual tower on the current frame. Fused with ten state/anchor/action tokens (ego state, slow-cache anchor, and the last eight executed actions), the representation drives a rectified-flow controller that emits eight 4-D controls ( Δ ​ x , Δ ​
Figure 3 : Policy backbone shared by the three training stages. A slow path runs the frozen Qwen3.5-4B VLM on the instruction and causal keyframes; a fast path runs only its visual tower on the current frame. Fused with ten state/anchor/action tokens (ego state, slow-cache anchor, and the last eight executed actions), the representation drives a rectified-flow controller that emits eight 4-D contr图源:论文作者 / arXiv
arXiv cs.CV filtered精读

X-Fly: Learning to Reach and Stop in Full-Chunk Aerial Vision-Language Navigation

Ruibin Ju、Ruifeng Cai 等 · 4 位作者

X-Fly研究空中视觉语言导航一次执行完整动作块后的偏航和停止问题。它在学习者实际到达的决策状态补充恢复与STOP监督,再联合优化动作控制和停止策略。

学习与仿真视觉语言导航动作分块
论文
展开解读与证据

X-Fly研究空中视觉语言导航一次执行完整动作块后的偏航和停止问题。它在学习者实际到达的决策状态补充恢复与STOP监督,再联合优化动作控制和停止策略。

为什么值得关注

评测动作分块时应分开统计到达、越过目标和提前停止;降低平均推理开销的同时,需要验证更长开环执行带来的分布变化。

研究问题

一次执行八个控制量能摊薄模型调用开销,但下一次决策时的状态更容易偏离专家轨迹;只在专家终点训练STOP,也不能覆盖学习者自己的到达状态。

方法原理

在行为克隆后,Recovery DAgger为学习者访问的状态构造平滑接回未来专家轨迹的动作块,并为首次进入成功区域的状态标注STOP;Flow-GRPO随后根据同任务闭环尝试的结果联合优化动作块和停止策略。

结果与证据

作者在OpenFly测试中报告,八控制量每决策的完整方案成功率为已见场景74.18%、未见场景51.73%;完整动作块行为克隆对照分别为16.45%、18.43%。这些是论文摘要与引言中的基准结果,不能直接外推为真实无人机飞行效果。

阅读边界
依据18,000字符正文节选整理,已读到部分优化方法,未逐项核验实验表、随机评估协议及完整时延构成。当前阅读范围支持OpenFly基准结论,不作为真实无人机部署验证。

作者:Ruibin Ju、Ruifeng Cai、Min Xu、Lin Wang

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

Asking Smarter Questions让机器人根据示教中监督不足的特征选择偏好问题,并用解释提示人关注这些特征;摘要报告仿真和用户研究,侧重减少补充偏好的交互负担。

更多

仅依据作者一手摘要整理;正文、实验细节和代码可用性尚未核验,未独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

PAV在执行VLA动作块前,预测候选前缀的后果,评估后续任务能否继续完成,再决定本次执行多长。摘要报告pi₀与pi₀.₅在LIBERO、RoboTwin 2.0及真机操作中的成功率与查询次数权衡。

更多

仅依据作者一手摘要整理;正文、实验细节和代码可用性尚未核验,未独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

A-SLS把未来可获得的参数信息纳入鲁棒自适应模型预测控制,利用GPU求解器减少可达集合的保守性;摘要包含四足全身控制设置,以及Crazyflie真机在线学习不确定动力学参数的演示。

更多

仅依据作者一手摘要整理;正文、实验细节和代码可用性尚未核验,未独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

可迁移技术 · 尚未在具身任务验证

OneLA用共享正交字典与共同预测目标,从视频学习连续潜在动作,并用轻量适配器把不同原生控制映射到同一空间,为跨域世界模型提供统一条件接口。

更多

仅依据作者一手摘要整理;正文、实验细节和代码可用性尚未核验,未独立复现。

可用于机器人世界模型中不同动作接口的统一与视频预训练,减少跨本体控制条件不一致的问题。 本次摘要未提供可确认的机器人闭环控制实验;生成与动作迁移指标不能等同于操作成功率。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

这项冰下AUV视觉研究在同一段Icefin南极视频上比较四类三维重建方案,指出低相机基线与场景深度比可能共同导致不同形式的失败,并提出提前检测这种采集条件的办法。

更多

仅依据作者一手摘要整理;正文、实验细节和代码可用性尚未核验,未独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

CF-Prune无需重新训练,在预训练世界动作模型中结合指令与动作注意力裁减未来帧token,并在精细阶段保留密集计算。作者摘要报告RoboLab、RoboCasa与真机操作中的推理加速。

更多

仅依据作者一手摘要整理;正文、实验细节和代码可用性尚未核验,未独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…