ILA:无需交互传感器的可插拔人形柔顺运动跟踪适配器
研究者提出 ILA——一种接口级适配器,可在不使用专用交互传感器的情况下实现人形机器人柔顺运动跟踪。它从机器人观测历史中修正参考动作,使机器人能响应外力引导,同时保留预训练跟踪器的原有能力;作为即插即用模块,它可直接接入不同预训练跟踪器,适配器与策略均无需重训,而且完全在仿真中训练。
研究者提出 ILA——一种接口级适配器,可在不使用专用交互传感器的情况下实现人形机器人柔顺运动跟踪。它从机器人观测历史中修正参考动作,使机器人能响应外力引导,同时保留预训练跟踪器的原有能力;作为即插即用模块,它可直接接入不同预训练跟踪器,适配器与策略均无需重训,而且完全在仿真中训练。
加拿大西蒙弗雷泽大学团队提出一种人形机器人群体重定位框架,把传统社会力模型与模型预测控制、控制屏障函数结合:MPC 负责前瞻规划群体队形调整,CBF 为安全约束兜底,弥补原有社会力方法在障碍密集场景下易产生不安全行为的缺陷,使机器人能在他者加入、离开或穿行时重新组队并避障。
Xianghui Wang 等提出 ReACT 框架,解决人形机器人单手提物时持续不对称上身负载导致的速度跟踪退化问题。方法用估计的力/力矩调制 actor 特征做反射一致性扰动补偿,在镜像观测下保持动作对应关系,并引入跨负载一致性约束。目标是抑制跟踪偏差累积造成的位置与航向漂移,降低碰撞与导航失败风险。
研究团队提出 FAME-QP,一种面向线性模型预测控制中稠密二次规划的 GPU 加速求解器。它采用与约束相关的算子表示,结合单核和双核迭代与 CUDA 图重放,并通过设备校准和问题级计时自动选择执行配置;同时利用算子缓存选择初始惩罚值,在问题矩阵变化时惰性更新算子。
VicOne借助AI辅助研究,在不到两天内于Physical AI生态的软件与工具中发现28个零日漏洞,涉及Google、NVIDIA、Meta等机构维护的项目;初步验证均归类为零日,部分尚无CVE编号。其中75%集中在开发训练与仿真验证环节,可能影响模型、测试结果和下发指令,机器人团队需尽快排查并评估安全影响。
作者提出 DAPPT,一种不仿真沙子、橡皮泥等非刚体材料的 sim-to-real 框架:先用领域参数化程序轨迹学习域感知强化学习策略,再蒸馏为端到端传感器运动策略,并利用显式域表示快速搜索最优域参数。在沙铲取、橡皮泥擀面等六项灵巧工具使用任务上完成端到端验证。
Röfer 等人提出 Cleanly-DINO,从少量示范学习视觉任务空间:利用任务区域掩码和冻结 ViT 特征拟合投影以隔离任务空间,并学习任务进展度量。模型在多样清洁示例上训练,能定位未完成区域并跨视觉域迁移,还作为强化学习的观测编码器和奖励信号,并部署于机器人。
UC伯克利Trevor Darrell团队构建T-Rex触觉数据集,含100小时、200余种家用物品的擦拭、抓取、拧转、倾倒演示;并在预训练VLA上增加触觉专家子模型,以四倍于动作专家的速度实时修正抓握,弥补视觉模型在插USB线、拧钥匙等精细任务上的不足。
VicOne LAB R7 演示伪造输入可改变机器人行为:对抗图像降低VLA任务成功率,海报文字改变机器狗运动,不可闻音频篡改医院服务机器人仿真行为,ROS 2/DDS消息注入让本应静止的机器人移动。研究指出,独立安全系统同样依赖传感器与消息,输入被操纵时保护可能失效。
Siyuan Wang 等人提出 PROOF 两阶段教师—学生框架,用于视觉严重退化时的足式机器人运动。教师同时学习感知驱动与本体感知回退策略,学生预测外感知特征的不确定性,并在遮挡、反光、光照变化等情况下抑制不可靠视觉输入。该方法旨在避免感知退化导致的灾难性行走失败,提升复杂环境下的鲁棒性。
Zefan Wang 等人在 arXiv 发布 JustRUA,对 GPT-6 等机器人操作智能体在 RoboDojo 上的设计选择做受控拆解,分别考察模型外围框架、动作接口、经验复用与场景几何四类因素。结果显示,保留完整回合历史并及时终止单次动作的精简框架收益最大,仅用 RGB 预测深度提供的场景几何次之,经验复用并非无代价。
研究团队提出 DexRemo 三指力觉灵巧手,具备高力驱动、可更换指尖与三轴指尖力传感,并配套九个真实机器人任务场景,覆盖粘附剥离、表面清洁与自清洁、遮挡取物。指尖力统一到腕部中心坐标系便于多指融合;基于动作分块 Transformer 的策略融合视觉、本体感知与力观测。
德国汉堡大学团队提出全自动合成数据采集流程,通过三维坐标重投影自动生成标注并结合域随机化,构建25413个样本,微调目标检测与分割模型,将检测到的卡牌映射到游戏区域以推断牌局状态;在真实NICO人形机器人上卡牌检测F1达0.906。
Xiao Ma 等提出 CARE-Drive,针对现有 VLA 自动驾驶方法只做整体轨迹统一修正、忽视位置与航向物理量差异的问题,将轨迹精修拆分为路点残差修正和位置条件航向生成并交替执行,结合模仿学习与未来 token 辅助任务训练。摘录未给出量化结果。
研究者发布Elastra仿真框架,用仅可垂直运动的离散单元加弹性连接与阻尼来建模床垫、蹦床等弹性表面;接触力驱动形变,更新后的几何再回算接触力。该框架经独立实现和真实床垫载荷曲线验证,并被用于训练宇树G1人形机器人在床垫与蹦床上站起,初始控制器采用HoST策略与ProtoMotions运动跟踪器。
意大利技术研究院(IIT)团队提出面向双臂人形平台的零样本视觉-语言操作框架,将任务规划与执行可行性联合推理。方法以融合语义物体关系与执行约束的结构化场景表示为基础,据此选择障碍物挪移与执行方式,并把兼容动作组织为可并行的双臂阶段,以缓解双手协同的运动学与交互约束。摘要未给出量化结果。
Baifu Huang 等人提出任务导向的主动上下文共享框架,将机器人自身观测与任务指令联合编码为紧凑表示,在有限通信预算下向同伴传输任务相关信息。方法采用两阶段训练,面向多机器人部分可观测场景,旨在提升协作决策效率。
研究团队提出ForceHarness,无需演示数据或微调,即可让仅通过API调用的冻结多模态模型完成依赖接触力的操作任务。该方法先由腕部力传感器或关节力矩标定手部受力,再用可自终止的力原语,在模型下层独立完成力的闭环调节,并通过物理翻译层把力信号转成模型可推理的表征,弥补图像无法反映接触力的缺陷。
Yongji Fu、Yijiong Lin 等提出 TacBridge,用跨传感器对应关系从多传感器触觉视频中学习统一表征。方法先做多传感器掩码触觉视频预训练,获取跨传感器的时空表征,再用配对样本联合训练同一掩码模型做同传感器与跨传感器重建。
Murad Dawood 等提出一种人形机器人全身控制方法:训练时用动捕演示构建全身跟踪奖励并监督特权评论家网络,而执行器输入仅保留紧凑速度指令与机器人自身观测。部署时无需参考轨迹,策略即可复现演示中的运动风格,并能应对训练分布外的运动指令。