TRR:面向机器人仿真与RGBT数据生成的热交互引擎
Yang 等人提出 TRR 热渲染器,为接触双方附加带深度的空间热状态,按接触、搬运、分离更新局部热交换,并同步输出 RGBT 观测与任务判定。实验显示接触后余热、空间搬运和内部储热会改变后续接触结果;基于同一状态构建六个任务、2224 对 4448 条静动态配对轨迹基准。
Yang 等人提出 TRR 热渲染器,为接触双方附加带深度的空间热状态,按接触、搬运、分离更新局部热交换,并同步输出 RGBT 观测与任务判定。实验显示接触后余热、空间搬运和内部储热会改变后续接触结果;基于同一状态构建六个任务、2224 对 4448 条静动态配对轨迹基准。
Francesco Iotti 等提出 SG-ODOM 足式机器人本体感知里程计框架:不再把物理触地直接视为静止参考,而是设置稳定性门控,待足端进入稳定支撑状态后才接受接触并触发运动学校正,并用超时更新限制连续无校正时长。该方法针对触地冲击与载荷转移阶段,减少同一支撑相内重复、不可靠的运动学修正。
Kangjie Zhou 等提出 LeaP-VLN 长程视觉语言导航系统,把进度感知执行器与独立的进度验证器结合起来,按“规划—执行—验证—恢复”闭环运行:验证器确认子任务完成后才允许推进,路线偏离时触发双阶段恢复;执行器还用进度推理与动作预测联合训练,以增强纠错能力,从而抑制局部误差跨子任务累积。
Aaron Chen 等人提出用于牵引挂车控制的学习动力学模型,并与含 Fiala 轮胎力的降阶解析模型对比。在四个仿真环境的闭环跟踪实验中,采用学习动力学的 MPPI 控制器在各目标速度下平均速度更接近设定值、挂点角均方根更低,并在多数测试中完成率更高。
研究者提出 NF-VLA,用条件自回归归一化流直接建模连续机器人动作,仅靠单一最大似然目标联合训练视觉-语言主干与流模型,无需扩散式多步采样。其深-浅层结构把视觉、语言与本体感知条件集中到高容量深层块,浅层块提供共享可逆动作变换;推理时用同一密度做一次分数校正,补偿训练时的高斯平滑。在操作类基准上性能与主流 VLA 方法相当。
Seunghwan Jang与Wei Xiao提出条件化Hamilton-Jacobi可达性模型,通过限制障碍物影响裕度使值函数具有可证明的局部性,将近似误差约束在保守一侧,减少罕见障碍配置下的假安全状态,使部署机器人无需在障碍变化后重新求解即可获得安全滤波。
研究团队提出一种人在回路的失败修正流程:先用强化学习训练直接作用于深度传感器点云、无需物体模型与类别标签的抓取策略,再自动挖掘该策略反复失败的抓取场景,送入VR应用由人用手完成抓取示范,转化为抓取点数据回流训练。重点不在提升平均成功率,而在补齐策略长期失败的个别抓取。
哥伦比亚大学李昀烛团队在IROS 2026介绍开源压阻式柔性触觉传感器FlexiTac:3分钟即可组装,成本低、可弯曲裁剪,开源BOM与读取软件并接入LeRobot。开源一年半已获学界与工业界采用;ADI正推进商业化版本,触觉分辨率达人类手指五倍,并以半导体工艺量产。
哥伦比亚大学李昀烛团队在IROS 2026介绍开源压阻式柔性触觉传感器FlexiTac,含完整BOM、装配说明与读取软件,3分钟即可组装,可裁剪包覆于指尖、手套或机器人皮肤,并已集成到LeRobot。团队称开源一年半已被学界业界广泛采用,衍生出VLA触觉反馈、可变形世界模型等工作;ADI正推进商业化量产,分辨率达人类手指五倍。
MIT CSAIL与丰田研究院提出 SceneSmith 系统,用基于 GPT-5.2 视觉语言模型的三个智能体分工协作:设计者生成物体与墙面布局,批评者判断真实感,协调者决定何时收敛,最终输出可直接导入物理仿真器的三维室内场景。团队已生成逾1300个餐厅、卧室、酒店等场景,细节与真实度优于以往系统,可减少机器人真机测试时间。
新加坡科技设计大学团队发布ALBATROSS海空混合机器人,可从空中投放,无需降落伞靠自转减速落水,落水后被动自扶正,并复用刚性机翼作帆实现风能自主航行。设计核心是让同一套结构同时承担空中下降、着陆与海上推进,减少执行器数量,目标是把快速空中部署与长时低能耗海上感知结合,成果发表于Science Robotics。
Grid Robotics团队发表立场论文,提出“具身智能体机器人”范式:以基础模型加具身执行框架构成“具身系统2”作为决策核心,通过观察环境、理解意图、推理、调用技能与工具、验证结果、调整策略的闭环,替代为每类任务单独训练专用策略;并指出该方向尚缺统一定义、评测框架与研发路线图。
Zihao Lu 等人提出 Objectives as Policies(OaP)框架,将预训练视觉语言模型与同一个采样型 MPC 通过可编辑的“目标程序”连接。该程序由代价库中的运行代价、终端代价以及各阶段完成条件组成,依据自然语言指令与场景观测生成,并借助仿真数字孪生把语义推理落到接触丰富的操作规划上。
Hiroyuki Tetsuka 等提出 AI 引导的机器人原位打印平台,集成 3D 视觉、六自由度机械臂、直写打印与几何感知射频设计,可直接在透明敷料上制造无线伤口电疗器件。系统通过 AI 分割确定伤口尺寸与局部曲率,并将重建的三维几何纳入接收线圈和叉指电极的电磁设计,使器件适配复杂创面。
研究团队发布 HEIR 人机交互数据资源,将人类语音、实测视线与第一人称视频同机器人观测及遥操作导航-操作轨迹配对,每段会话保留连续多轮请求,每个请求拆解为多个执行子任务,并附人工标注,支持意图锚定、执行规划与任务完成研究,并给出离线实验评估。
Kerui Gu 等研究者提出 XBot-Omni,将 Omni 全模态范式扩展到机器人特有的身体运动与面部表情模态。模型采用 Thinker–Talker–Actor 三段架构:Thinker 处理文本、图像、音频和视频并生成情境化回应,Talker 负责语音表达,Actor 则以流式端到端方式生成协调的肢体动作与表情。
ACE-CaP 团队提出 ACE-CaP-0,让编码智能体借人类示教与选择性仿真,把物理技能固化为可复用代码策略,减少执行时对前沿模型的反复调用。实验显示,按需提供机器人演示、仅在真实策略精修阶段择机使用仿真效果最佳,可降低物理实验成本与任务耗时。
Shaobo Yang等提出LG-DKGP,一种基于局部门控深度核高斯过程的动作先验,用于视觉世界模型规划。方法从专家示范的时间结构中学习动作延续:融合近期与更早的动作历史预测神经延续,并用高斯过程学习时序残差,训练得到的探索尺度用于初始化搜索。在五个环境中的宏平均成功率达87.07%,优于不利用动作连续性的基线。
作者提出 AstroMemBench,用“场景—挑战—能力”方法把通信延迟、算力受限等航天需求转为可执行记忆测试:16 项记忆子挑战、140 模板、2240 实例,覆盖行星表面作业、在轨服务与深空探测 9 项任务;确定性环境按任务完成、状态变化、安全与资源消耗评分,9 组消融显示其能区分记忆系统设计差异。
研究团队发布 HALO 全身移动操作数据采集系统,让操作者的感知与动作空间同机器人对齐:操作者通过动觉示教引导双臂末端,并在不搭载移动底座的条件下推动低阻力平台自然行走,从而采集双臂操作与移动协调的示教数据。作者同时指出,人机紧耦合会造成示教与部署之间的差异,需要在后续处理中校正。