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 · 2026-10-29
本期导读

聚焦世界想象驱动的操作学习、灵巧手安全、多传感器里程计与可控质量策略,并整理辅助机器人、物理表征和场景交互评测。

9 条内容 · 4 篇重点解读 · 5 条简讯

ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning:ThinkWorld论文图1:通过未来想象训练动力学链,将人类视频与机器人经验接入共同动作推理空间。
ThinkWorld论文图1:通过未来想象训练动力学链,将人类视频与机器人经验接入共同动作推理空间。图源:论文作者 / arXiv
arXiv cs.CV filtered精读

ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning

Chaehyun Kim、Chi-Pin Huang 等 · 7 位作者

ThinkWorld把机器人动作和人手运动标注令牌化到统一运动空间,以动力学链CoD连接动作推理与未来视觉特征预测。 监督训练之后,方法通过比较预测未来与实际观测结果强化CoD,使无动作标注的人类和机器人视频也能提供动作推理监督。 作者在双臂YAM的颜色匹配、挂杯和分类任务上报告,模型完成全部60次域内试验,以及60次域外试验中的52次。

机器人基础模型视觉语言动作世界模型
论文
展开解读与证据

ThinkWorld把机器人动作和人手运动标注令牌化到统一运动空间,以动力学链CoD连接动作推理与未来视觉特征预测。 监督训练之后,方法通过比较预测未来与实际观测结果强化CoD,使无动作标注的人类和机器人视频也能提供动作推理监督。 作者在双臂YAM的颜色匹配、挂杯和分类任务上报告,模型完成全部60次域内试验,以及60次域外试验中的52次。

为什么值得关注

共享的动力学链为人类视频与机器人经验提供共同训练空间,并让人类示范中的技能组合用于机器人执行。

研究问题

机器人操作学习受带动作标签的演示覆盖限制,而丰富的人类视频缺少可直接执行的机器人动作监督。

方法原理

ThinkWorld把机器人动作和人手运动标注令牌化到统一运动空间,以动力学链CoD连接动作推理与未来视觉特征预测。 监督训练之后,方法通过比较预测未来与实际观测结果强化CoD,使无动作标注的人类和机器人视频也能提供动作推理监督。

结果与证据

作者在双臂YAM的颜色匹配、挂杯和分类任务上报告,模型完成全部60次域内试验,以及60次域外试验中的52次。

阅读边界
预训练使用机器人动作与人手运动标注;模型随后还要针对目标具身进行后训练适配,真机评估使用双臂YAM。 训练结果来自单个训练种子;论文所报回合级置信区间反映评测变异,不衡量独立训练模型之间的变异。 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:Chaehyun Kim、Chi-Pin Huang、Jisoo Kim、Min-Hung Chen、Yu-Chiang Frank Wang、Seungryong Kim、Fu-En Yang

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…

Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well:灵巧手论文图2:UR5与LEAP手的硬件配置,展示运动捕捉区域和腕部双目相机。
灵巧手论文图2:UR5与LEAP手的硬件配置,展示运动捕捉区域和腕部双目相机。图源:论文作者 / arXiv
arXiv cs.LG filtered精读

Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well

Ian Chuang、Hiya Shah 等 · 5 位作者

作者在仿真中训练LEAP手,不使用人类数据,并结合自适应摩擦课程及摩擦、驱动参数、质量等仿真随机化,将策略迁移到真机。 冻结任务策略上方添加单独训练的残差安全过滤器,并以修正权重调节部署时的保守程度。 整套真机评估覆盖13.3小时、四种物体及4800个未见目标,并比较不同腕部朝向与是否使用过滤器。 其中基于状态的策略在2厘米、0.4弧度容差下达到95.2%的目标;过滤器将掉落从16次减为4次,同时保留91.5%的目标达成率。

学习与仿真灵巧操作仿真到现实
论文
展开解读与证据

作者在仿真中训练LEAP手,不使用人类数据,并结合自适应摩擦课程及摩擦、驱动参数、质量等仿真随机化,将策略迁移到真机。 冻结任务策略上方添加单独训练的残差安全过滤器,并以修正权重调节部署时的保守程度。 整套真机评估覆盖13.3小时、四种物体及4800个未见目标,并比较不同腕部朝向与是否使用过滤器。 其中基于状态的策略在2厘米、0.4弧度容差下达到95.2%的目标;过滤器将掉落从16次减为4次,同时保留91.5%的目标达成率。

为什么值得关注

物体位姿到达任务将高维接触控制的表现与连续执行中的掉落风险放在同一实验平台,便于研究安全与性能的权衡。

研究问题

这项研究要求灵巧手在不同腕部姿态下连续到达物体的位置与朝向目标,并同时考察目标达成和物体掉落风险。

方法原理

作者在仿真中训练LEAP手,不使用人类数据,并结合自适应摩擦课程及摩擦、驱动参数、质量等仿真随机化,将策略迁移到真机。 冻结任务策略上方添加单独训练的残差安全过滤器,并以修正权重调节部署时的保守程度。

结果与证据

整套真机评估覆盖13.3小时、四种物体及4800个未见目标,并比较不同腕部朝向与是否使用过滤器。 其中基于状态的策略在2厘米、0.4弧度容差下达到95.2%的目标;过滤器将掉落从16次减为4次,同时保留91.5%的目标达成率。

阅读边界
论文分别训练基于状态与基于深度观测的策略;上述95.2%仅对应基于状态的策略。 策略按物体训练,过滤器还按物体及原始策略分别训练;深度策略在刀和酒杯上仍存在视觉仿真到现实差距。 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:Ian Chuang、Hiya Shah、Vamsi Chilamkur、Iman Soltani、Claire Tomlin

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…

RESPLE2: Inertial-Informed Recursive Non-Uniform Spline Estimation for Multi-Sensor Odometry with Global Refinement:RESPLE2论文图1:足式、履带、空地复合与手持平台上的多传感器里程计应用场景。
RESPLE2论文图1:足式、履带、空地复合与手持平台上的多传感器里程计应用场景。图源:论文作者 / arXiv
arXiv cs.RO精读

RESPLE2: Inertial-Informed Recursive Non-Uniform Spline Estimation for Multi-Sensor Odometry with Global Refinement

Ziyu Cao、William Talbot 等 · 7 位作者

方法用非均匀B样条表示六自由度轨迹,利用结点夹持边界性质从惯性运动学直接预测控制点,并按运动与测量可用性调整结点。 系统用迭代扩展卡尔曼滤波递归估计B样条控制点和IMU偏置,结合激光雷达与IMU,并支持可选的相机和腿关节测量。 全局细化模块把激光雷达与视觉回环约束直接用于非均匀B样条控制点优化,以减少累计漂移。 作者在手持、履带、足式与空地复合平台的数据上报告:在对应传感器配置中,精度和稳健性与所比先进方法相当或更好,并保持实时运行。

模型与系统优化多传感器里程计连续时间估计
论文
展开解读与证据

方法用非均匀B样条表示六自由度轨迹,利用结点夹持边界性质从惯性运动学直接预测控制点,并按运动与测量可用性调整结点。 系统用迭代扩展卡尔曼滤波递归估计B样条控制点和IMU偏置,结合激光雷达与IMU,并支持可选的相机和腿关节测量。 全局细化模块把激光雷达与视觉回环约束直接用于非均匀B样条控制点优化,以减少累计漂移。 作者在手持、履带、足式与空地复合平台的数据上报告:在对应传感器配置中,精度和稳健性与所比先进方法相当或更好,并保持实时运行。

为什么值得关注

局部滤波与全局回环校正使用同一种连续时间轨迹表示,为多形态移动机器人的高动态自身运动估计提供可组合方案。

研究问题

RESPLE2面向高动态运动与外部感知退化时的多传感器里程计,需要兼顾估计精度、稳健性和实时运行。

方法原理

方法用非均匀B样条表示六自由度轨迹,利用结点夹持边界性质从惯性运动学直接预测控制点,并按运动与测量可用性调整结点。 系统用迭代扩展卡尔曼滤波递归估计B样条控制点和IMU偏置,结合激光雷达与IMU,并支持可选的相机和腿关节测量。 全局细化模块把激光雷达与视觉回环约束直接用于非均匀B样条控制点优化,以减少累计漂移。

结果与证据

作者在手持、履带、足式与空地复合平台的数据上报告:在对应传感器配置中,精度和稳健性与所比先进方法相当或更好,并保持实时运行。

阅读边界
实现上,多传感器里程计与全局B样条细化运行在不同的ROS2节点。 作者把自适应传感器加权,以及不依赖激光雷达深度的视觉特征约束列为后续研究方向。 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:Ziyu Cao、William Talbot、Song Li、Pakpong Chirarattananon、Fredrik Gustafsson、Marco Hutter、Kailai Li

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…

Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling:QCP论文图1:质量令牌条件控制,以及迭代事后重标注扩展成功轨迹质量分布的框架。
QCP论文图1:质量令牌条件控制,以及迭代事后重标注扩展成功轨迹质量分布的框架。图源:论文作者 / arXiv
arXiv cs.LG filtered精读

Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling

Sinjae Kang、Dong Kyu Shin 等 · 9 位作者

QCP把可测量的轨迹质量离散为标签,训练以质量标签为条件的策略,推理时可选择单个或组合的质量属性。 迭代事后重标注按目标质量收集在线执行轨迹,累计成功轨迹,依据实际达到的质量重新标注并更新策略。 作者在Robomimic与RoboEval上报告,迭代训练改善执行质量及任务成功率,成功轨迹的质量能够超出初始示教范围。 真机实验中,作者报告QCP在酒杯托盘搬运时降低倾角并提高任务成功率,在输送带任务中提高末端执行速度及吞吐量。

机器人基础模型策略质量控制在线学习
论文
展开解读与证据

QCP把可测量的轨迹质量离散为标签,训练以质量标签为条件的策略,推理时可选择单个或组合的质量属性。 迭代事后重标注按目标质量收集在线执行轨迹,累计成功轨迹,依据实际达到的质量重新标注并更新策略。 作者在Robomimic与RoboEval上报告,迭代训练改善执行质量及任务成功率,成功轨迹的质量能够超出初始示教范围。 真机实验中,作者报告QCP在酒杯托盘搬运时降低倾角并提高任务成功率,在输送带任务中提高末端执行速度及吞吐量。

为什么值得关注

质量条件把部署要求变成可选择的执行目标,例如输送带操作追求速度,而酒杯托盘搬运追求稳定。

研究问题

仅以任务成败衡量机器人策略,难以表达速度、平滑性或搬运稳定性等执行要求;静态示教覆盖的质量范围也有限。

方法原理

QCP把可测量的轨迹质量离散为标签,训练以质量标签为条件的策略,推理时可选择单个或组合的质量属性。 迭代事后重标注按目标质量收集在线执行轨迹,累计成功轨迹,依据实际达到的质量重新标注并更新策略。

结果与证据

作者在Robomimic与RoboEval上报告,迭代训练改善执行质量及任务成功率,成功轨迹的质量能够超出初始示教范围。 真机实验中,作者报告QCP在酒杯托盘搬运时降低倾角并提高任务成功率,在输送带任务中提高末端执行速度及吞吐量。

阅读边界
真机质量指标中,速度在成功片段上统计,托盘倾角在成功回合上统计;这些质量结果应与任务成功率一起看。 在Square速度实验中,增加质量分箱数只带来小幅速度增益,却付出任务成功率下降的代价。 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:Sinjae Kang、Dong Kyu Shin、Jaehong Kim、Kamin Lee、Hyoeun Kim、Kaixin Wang、Li Zhao、Seonghyeon Ye、Kimin Lee

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…

EgoThumb采用紧凑双腱驱动机械拇指,把驱动布置在前臂;视觉模仿策略将朝向手掌的相机图像映射为连续关节位置。 作者在摘要中报告了跨用户与环境的自主操作表现,并说明硬件设计与软件实现已公开。

更多

本条只核对摘要,跨用户泛化作为作者报告,不外推为日常长期辅助的可靠性结论。 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…

MARL-Exo在仿真中共同训练肌肉骨骼人体模型和双侧髋外骨骼策略,以肌肉代谢功率作为奖励,并将所得策略直接用于受试者测试而不做个人调参。 八名健康成人以1.25米/秒步行时,作者报告净代谢率相对Passive平均降低18.3±6.6%,相对No-Exo平均降低7.4±10.0%。

更多

Passive与No-Exo是不同基线,两项降幅不能互换;本条按摘要整理,结果范围是所述健康成人与步行速度。 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…

PDRVLA用轻量物理动力学模块提取视觉语言特征中的物理令牌,训练时预测未来RGB、深度与光流特征并接受冻结视频世界模型的辅助监督,动作生成不需在线生成未来视频。 作者在四个仿真基准上报告成功率:LIBERO为99.3%,LIBERO-Plus为89.9%,RoboTwin 2.0为93.6%,SimplerEnv为81.5%。

更多

本条只核对摘要中的仿真评测,不将这些成功率写成真机部署效果。 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…

ScIntBench在物理仿真中执行推、打开与表面探测等规定操作,以任务完成、交互能力、操作后完整性及动态合理性评估生成的三维室内场景。 作者比较12个场景生成系统、10类房间;七个系统在该评测中不能支持任何规定交互,表现最好的系统也仅完成36.92%的规定任务。

更多

这是生成场景的仿真交互评测;静态看似合理不等于可供机器人可靠操作,本条依据摘要整理。 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…

作者收集第一视角与五路外部视角同步的网球数据,比较视觉模型在球与运动者定位、未来轨迹、击球类型及触球时刻等七项任务上的表现。 摘要报告最佳模型下一次触球时刻的平均预测误差为0.14秒,并提出从第一视角视觉预测生成全身运动学网球动作的条件扩散模型。

更多

本条作为具身第一视角感知与运动预测的相邻领域研究收录,仅核对摘要,不把运动学动作生成当作机器人硬件闭环部署。 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…