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

‹ ›
具身智能日报 · 2026-10-24
本期导读

本期整理机器人学习、系统与工具的研究进展;各条附来源依据与阅读边界。

10 条内容 · 2 篇重点解读 · 8 条简讯

Memory before Goal: Role of Pre-History Memory for Humanoid Loco-Manipulation:Fig. 1: Memory in a real whole-body task. Top: the cola stops first on the middle seat (1.1 s), then a sprite and the cola stop on the other two; the robot turns away to fetch the cola and, when it returns at 30.0 s, the three seats look the same.
Fig. 1: Memory in a real whole-body task. Top: the cola stops first on the middle seat (1.1 s), then a sprite and the cola stop on the other two; the robot turns away to fetch the cola and, when it returns at 30.0 s, the three seats look the same.图源:论文作者 / arXiv
arXiv cs.LG filtered精读

Memory before Goal: Role of Pre-History Memory for Humanoid Loco-Manipulation

Chenyuan Chen、Ran Ding 等 · 5 位作者

WholeBodyMem 提出对象引导的感知记忆机制:使用 SAM3 跟踪任务物体,由物体事件因果地选择自适应预算内的关键帧,动作专家通过交叉注意力将这些记忆帧与编码外观、几何和时间的对象 token 一起读取。 在 HuMeGo 基准上,WholeBodyMem 将基线策略在仿真中的成功率从 29.1% 提升至 72.6%,在 Unitree G1 真机上的成功率从 36.7% 提升至 88.3%,同时在标准 SIMPLE 任务上也从 70.2% 提升至 86.9%。

机器人基础模型humanoidmemory
论文
展开解读与证据

WholeBodyMem 提出对象引导的感知记忆机制:使用 SAM3 跟踪任务物体,由物体事件因果地选择自适应预算内的关键帧,动作专家通过交叉注意力将这些记忆帧与编码外观、几何和时间的对象 token 一起读取。 在 HuMeGo 基准上,WholeBodyMem 将基线策略在仿真中的成功率从 29.1% 提升至 72.6%,在 Unitree G1 真机上的成功率从 36.7% 提升至 88.3%,同时在标准 SIMPLE 任务上也从 70.2% 提升至 86.9%。

为什么值得关注

WholeBodyMem 提出对象引导的感知记忆机制:使用 SAM3 跟踪任务物体,由物体事件因果地选择自适应预算内的关键帧,动作专家通过交叉注意力将这些记忆帧与编码外观、几何和时间的对象 token 一起读取。

研究问题

人形机器人在动态场景中的移动操作是非马尔可夫的:任务线索会因物体状态变化、遮挡或机器人转身行走而离开视野,仅依赖当前观测的全身 VLA 策略无法利用这些已消失的预历史信息进行决策。

方法原理

WholeBodyMem 提出对象引导的感知记忆机制:使用 SAM3 跟踪任务物体,由物体事件因果地选择自适应预算内的关键帧,动作专家通过交叉注意力将这些记忆帧与编码外观、几何和时间的对象 token 一起读取。

结果与证据

在 HuMeGo 基准上,WholeBodyMem 将基线策略在仿真中的成功率从 29.1% 提升至 72.6%,在 Unitree G1 真机上的成功率从 36.7% 提升至 88.3%,同时在标准 SIMPLE 任务上也从 70.2% 提升至 86.9%。

阅读边界
HuMeGo 基准包含 6 个仿真任务和 6 个 Unitree G1 真机任务,专门测试当决策依赖于已离开视野的线索时的记忆能力,涵盖物体、空间和时间记忆类型。 该方法依赖 SAM3 跟踪,若目标物体从未被检测到则记忆失效;在线跟踪引入额外推理开销,仿真渲染存在 sim-to-real 差距,且演示数据为脚本生成。 依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Chenyuan Chen、Ran Ding、Lechen Zhang、Zewen He、Yoshihiko Nakamura

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…

OpenTac: An Open Ecosystem for Customizable, Scalable, and Transferable 3D Tactile Sensing:Figure 1 : Tactile samples recorded with OpenTac skins. Heatmaps indicate normal load; cyan arrows denote per-bump shear; white arcs denote rotation estimates. (a) 64×64 skin, twisting a dome and clippers. (b) 9×9 fingertip, opposite thumb twists. (c) UMI gripper, 29×6 finger skins: can and ball rocked in the grasp. (d) Extrinsic contact: screwdriver moved down and up.
Figure 1 : Tactile samples recorded with OpenTac skins. Heatmaps indicate normal load; cyan arrows denote per-bump shear; white arcs denote rotation estimates. (a) 64×64 skin, twisting a dome and clippers. (b) 9×9 fingertip, opposite thumb twists. (c) UMI gripper, 29×6 finger skins: can and ball rocked in the grasp. (d) Extrinsic contact: screwdriver moved down and up.图源:论文作者 / arXiv
arXiv cs.RO精读

OpenTac: An Open Ecosystem for Customizable, Scalable, and Transferable 3D Tactile Sensing

Ariel Slepyan、Geeta Chandra Raju Bethala 等 · 15 位作者

OpenTac 提出一种可扩展电阻式触觉皮肤,通过结构化可变形覆盖层将切向载荷转换为空间变化的压力,利用相邻 taxel 的差分响应解码局部剪切矢量,共模响应编码法向力。 OpenTac-CAD 工具可根据 2D 轮廓或可展 3D 曲面自动生成触觉皮肤的制造文件与 manifest,甚至支持从文本描述(如“为 9 号鞋垫设计传感器”)生成设计,已在 31 种不同布局上验证零 DRC 违规。 OpenTac-Xampling 自适应采集模块在 1024-taxel 皮肤上以每更新采样 16 个 taxel 的配置实现千赫兹级部分读出,速率超过同传感器全阵列光栅扫描 19.2 倍。 该系统在四种真实机器人平台上验证了 3D 触觉 sensing 在接触丰富反馈控制和操作策略学习中的适用性,法向与剪切力估计经商用高精度力/扭矩传感器标定。

机器人硬件tactile_sensingsensor_design
论文
展开解读与证据

OpenTac 提出一种可扩展电阻式触觉皮肤,通过结构化可变形覆盖层将切向载荷转换为空间变化的压力,利用相邻 taxel 的差分响应解码局部剪切矢量,共模响应编码法向力。 OpenTac-CAD 工具可根据 2D 轮廓或可展 3D 曲面自动生成触觉皮肤的制造文件与 manifest,甚至支持从文本描述(如“为 9 号鞋垫设计传感器”)生成设计,已在 31 种不同布局上验证零 DRC 违规。 OpenTac-Xampling 自适应采集模块在 1024-taxel 皮肤上以每更新采样 16 个 taxel 的配置实现千赫兹级部分读出,速率超过同传感器全阵列光栅扫描 19.2 倍。 该系统在四种真实机器人平台上验证了 3D 触觉 sensing 在接触丰富反馈控制和操作策略学习中的适用性,法向与剪切力估计经商用高精度力/扭矩传感器标定。

为什么值得关注

OpenTac 提出一种可扩展电阻式触觉皮肤,通过结构化可变形覆盖层将切向载荷转换为空间变化的压力,利用相邻 taxel 的差分响应解码局部剪切矢量,共模响应编码法向力。 OpenTac-CAD 工具可根据 2D 轮廓或可展 3D 曲面自动生成触觉皮肤的制造文件与 manifest,甚至支持从文本描述(如“为 9 号鞋垫设计传感器”)生成设计,已在 31 种不同布局上验证零 DRC 违规。

研究问题

现有触觉皮肤通常仅能估计法向力且需针对每种新几何形状手动重新设计,限制了在自定义机器人几何或不规则表面上的应用。

方法原理

OpenTac 提出一种可扩展电阻式触觉皮肤,通过结构化可变形覆盖层将切向载荷转换为空间变化的压力,利用相邻 taxel 的差分响应解码局部剪切矢量,共模响应编码法向力。 OpenTac-CAD 工具可根据 2D 轮廓或可展 3D 曲面自动生成触觉皮肤的制造文件与 manifest,甚至支持从文本描述(如“为 9 号鞋垫设计传感器”)生成设计,已在 31 种不同布局上验证零 DRC 违规。

结果与证据

OpenTac-Xampling 自适应采集模块在 1024-taxel 皮肤上以每更新采样 16 个 taxel 的配置实现千赫兹级部分读出,速率超过同传感器全阵列光栅扫描 19.2 倍。 该系统在四种真实机器人平台上验证了 3D 触觉 sensing 在接触丰富反馈控制和操作策略学习中的适用性,法向与剪切力估计经商用高精度力/扭矩传感器标定。

阅读边界
柔性 PCB 不可拉伸,网格衍生布局要求表面可展平为可展贴片;压阻传感存在迟滞、漂移和温度依赖性;自适应采集以空间完整性换取更新率,大接触区域需要更大采样预算。 依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Ariel Slepyan、Geeta Chandra Raju Bethala、Jiafeng Gu、Anagha Rajendra Dangle、Yinzhe Zhou、Hongyuan Fu、Jade Sim、Tuhin Basu、Xinyi Yin、Md Faizal Karim、Gregory Hager、Homanga Bharadhwaj、Anand Bhattad、Krishna Murthy Jatavallabhula、Nitish V. Thakor

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…

Sensorimotor Alignment (S²) 是一种免训练的离线指标,用于衡量具身模型感知表征与物理运动几何的对齐程度,无需闭环 rollout 即可评估模型能力。 摘要报告 S² 与多个具身模型家族的下游机器人任务成功率呈正相关,可在昂贵的闭环评估前作为低成本代理指标筛选模型或 VLM 骨干。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

F2G-Pose 是一个单次前向的类别级 RGB-D 位姿估计框架,通过将密集视觉基础特征提升到部分点云、DGCNN 编码局部几何、MoE Transformer 整合物体级结构,在一次 feed-forward 中同时预测位姿、度量尺寸和相机坐标系补全形状。 摘要称该模型仅用合成 SOPE 数据训练任务网络,在 SOPE 和 ROPE 上达到 SOTA 精度,位姿推理速度达 28 FPS,并在 HouseCat6D 和 HANDAL 真实物体上展示迁移能力。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

DiffDreamer 将学习的世界模型与可微仿真紧耦合:世界模型传播捕获外部动力学的隐状态,可微仿真器传播机器人显式物理状态,并将 actor 目标分解为 critic 驱动的非可微任务奖励路径与仿真器驱动的可微运动奖励路径。 摘要报告在激进跟踪与动态门竞速任务上,DiffDreamer 的训练收敛速度与最终性能均优于 model-free、model-based 及可微 RL 基线,并提供概念验证实机飞行实验。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

Progress Probes (P²) 通过在 VLA 演示数据的内部激活上训练线性探针来估计执行进度,当实际执行偏离预期进度时触发告警,无需外部 VLM 监控器。 摘要称在开源 VLA π0.5 及仿真/真实操作任务上,该方法在任务失败检测上与基于 VLM 的监控器持平或更优,且优于需要失败数据训练的方法。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

提出稀疏拓扑度量图作为室内导航的高效结构表征,节点编码局部 3D 几何,距离加权边捕获可通行连通性,通过学习图匹配网络结合节点几何描述子与邻域连通性实现跨会话子图对齐。 摘要报告在跨会话 point-goal 导航中,Gibson 数据集成功率达 77.1%,3D-FRONT 场景变化下达 40.0%,内存占用相比点级表征降低两个数量级以上。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

PiHand 先在仿真中训练跟踪 mocap 的专家策略,再用条件 VAE 蒸馏为统一的手-物交互先验,最后在潜空间中进行有界残差探索以解决多种灵巧操作任务,仅需单一奖励且无需复杂课程学习。 摘要称该先验在 GRAB 和 DexYCB 上泛化至未见物体与轨迹,并可迁移至训练数据中罕见的接物与双手交接任务,所有指标均优于基线。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

研究使用三种程序化生成的非机器人合成数据管线建模机器人控制的数学抽象,作为 Transformer 预训练先验,测试无具身数据能否获得有用的机器人行为结构。 摘要称纯合成数据训练的模型通过上下文学习机制在未见过物理机器人任务上实现非平凡零样本动作预测,专用控制先验显著优于通用因果先验,但仍弱于在真实数据上训练的算力匹配基线。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…

ASTEROID 提出非对称在策略蒸馏框架:学生在部分可观测下收集 on-policy 上下文,特权教师基于该上下文提供动作标签,使学生学会在不确定时搜索、隐藏状态揭示后利用。 摘要报告在 11 个环境中固定探索预算下回报约为 RL 基线的 2 倍,交互量少约 100 倍;在视觉缺失的真机操作中成功率比标准蒸馏高 40%。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

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…