MotionSkill:单目视频步态跨双足本体迁移控制
作者提出 MotionSkill:从一段4秒单目行走视频提取带时序的参考运动,在统一坐标系对齐根节点与关键点,按目标机器人连杆长度和关节约束求解逆运动学,再在 MuJoCo 中为十种双足机器人分别训练残差策略,修正接触期的关节指令;在训练时未见的初始状态下,试验完成率为 98%。
作者提出 MotionSkill:从一段4秒单目行走视频提取带时序的参考运动,在统一坐标系对齐根节点与关键点,按目标机器人连杆长度和关节约束求解逆运动学,再在 MuJoCo 中为十种双足机器人分别训练残差策略,修正接触期的关节指令;在训练时未见的初始状态下,试验完成率为 98%。
BWM Team 发布 BWM-Forge,一个代码驱动的机器人视频可控生成框架。输入可为单张图像、带运动数据的图像或人类演示视频,编码智能体据此构建可编辑的 Blender 场景程序,显式指定物体、机器人运动与相机视角,生成代理视频作为结构与运动参考,再由视频生成模型补足视觉细节。
Jibao Yuan 等提出 GraSLA,一种轻量级空间-语言-动作模型,将 6 自由度抓取假设作为几何先验融入连续动作操作策略:用空间基础模型与语言基础模型分别编码场景几何和任务语义,再与抓取假设融合,以弥补模仿学习示教不足导致的行为多样性欠缺,同时保留闭环响应能力。论文称其在语言条件操作任务上提升了行为多样性与执行效果。
研究团队提出 CLIFER 方法,将持续学习与想象机制引入面部表情识别,在实时人机谈判中个性化效价—唤醒度感知,并通过差分反馈把情绪变化转成智能体目标效用的调整,异步架构在交互中后台更新模型。66 名被试与人形机器人谈判的被试内实验显示,启用持续学习的智能体个体效用显著更高,被试让步率也更高。
Yongji Fu 等人提出 ROSE 框架,用共享的跨本体面部运动隐空间替代“先生成视频或关键点、再做视觉重定向”的传统路径,直接输出执行器指令,降低延迟与伪影。硬件上采用紧凑的柔性肌腱-鞘传动,在有限的头部空间内实现多自由度全脸驱动,使连贯的动态表情能够迁移到实体人形机器人。
Haixiang Wu 等提出 ACiT 视觉运动策略,先利用历史关节耦合构建身体中心先验,再以视觉做后置校准,避免本体感觉信号被高维视觉淹没。分析发现关节间强耦合是决定动作的关键结构,方法含反向状态编码等三个模块;原文尚未给出量化任务结果。
研究团队提出 OntoCBF,把含类别分类、类型化关系、安全公理与各机器人类别动力学剖面的领域本体,编译为每个智能体一个二次规划的控制屏障函数安全滤波器。描述逻辑推理可在线生成任意团队的约束,覆盖新机器人类别、载荷类别及其组合;并证明子类若能产生父类全部速度,即可复用其制动能力。
EPFL与MIT团队受潜水鸟类启发,研制出不足300克的扑翼水空两栖机器人FAAV。它依靠疏水膜扑翼、防水电机与可调尾翼,在水箱和湖泊实验中实现从水下游泳、破水到空中飞行的连续转换。相关结果发表于《Science》,可用于研究潜水鸟跨介质运动机制,并探索近海与危险水域采样。
IEEE 机器人与自动化学会(RAS)发文阐述机器人路线图的意义与典型案例:美国国家机器人路线图由学术界自下而上推动,促成政府对协作机器人领域的大额投入;欧盟 ADRA 战略研究议程由产业界主导,成功在“地平线欧洲”计划中争取到“Physical AI”资助方向;中国制造 2025 则由政府驱动。
NASA 计划于2026年底通过 IM-3 任务将三台小型月球车送上月球,开展 CADRE 分布式自主探测验证。这些月球车无需地面遥控,可自行选出领队、分配任务,并在某台电量不足时由整个团队重新规划路线。若验证成功,这将是 NASA 首次在地球之外把多台巡视器作为单一自主系统运行,也用于为未来月球南极冰资源长期无人作业积累经验。
IEEE RAS 月度综述梳理2026年8月动态:美媒称美国初创赴深圳采购伺服电机与传感器,并把宇树、智元整机拆件带回;美能源部实验室正评估中国激光雷达安全风险。普林斯顿发布无电机折纸机器人,靠磁控与多稳态几何实现滚动、爬行与变形;Drexel 50人实验显示,人形机器人出错时受试者大脑反应近似目睹他人违规。
谷歌旗下 AI 机器人团队 Intrinsic 宣布将平台部分能力开源,发布 Intrinsic Core,包含兼容 ROS 的实时硬件无关控制框架、6DoF 位姿估计、运动规划、抓取规划、仿真服务、相机标定自动化以及预配置驱动,并同时发布面向机床上下料场景的参考设计 OMTS,开发者可在 GitHub 下载并二次开发。
灵初智能提出,教机器人干活不能只靠增加数据采集时长,数据质量才是决定策略学习效果的关键。文章主张建立数据质量评估与筛选机制,对具身操作数据的可用性把关,用更少但更可靠的样本提升训练效率;具体方法与数据规模原文未披露。
宾夕法尼亚大学团队针对接触丰富插入任务,系统比较视觉基础模型预训练表征与显式接触中心表征。作者在两个相关插入任务上控制遮挡程度和物理公差进行扰动测试,并检验结论能否迁移到新设置。结果显示表征优劣强烈依赖任务与实验条件,现有跨任务结论难以直接推广,为机器人表征选型提供了更细粒度的实验依据。
Donglin Yang 等提出 Flow 任务:无人机依据简短语言指令、第一视角图像与自身状态输出连续飞行动作,覆盖基础机动与物体交互。团队发布 UAV-Flow 数据集,含 8 类运动共 30692 条真实专家飞行轨迹,并在 UAV-Flow-Sim 中提供 10109 条带任务完成判据的仿真轨迹。
韩国研究者提出 ReuseMem,让机器人用同一份视觉记忆支撑后续多种操作目标。该方法在观察时以与未来任务无关的方式记录视觉特征,针对每个请求检索互补证据,再通过轻量动作接口与当前场景融合;检索过程由候选证据对专家动作预测的支持度监督。重复特征只存一次,动作生成中不变的计算被复用,在四个仿真任务与两个真实场景中验证有效。
意大利比萨大学与代尔夫特理工大学团队(Cosimo Della Santina 等)提出 multi-CONDOR 框架,基于 CONDOR 动力系统模型,用模仿学习结合隐参考系统一致性损失,让机器人运动基元同时支持多个离散吸引子或一条连续吸引目标轮廓。作者给出基于 Lyapunov 的收敛性分析,并在操作任务上验证了多目标收敛效果。
Marc Bestmann 等人对 MoveIt 常用逆运动学求解器在内窥镜受限场景进行基准测试,并比较多种实用改进方案。结果显示,将 IK 问题拆分为两部分效果最佳,在内窥镜水箱场景中实现 100 ms 内 100% 成功率。
作者提出广义闭合条件,使单个神经控制屏障函数可以跨不同障碍物配置复用:把状态表示为相对各障碍物的坐标,并用残差项补回相对坐标中丢失的演化信息;同时给出提升定理,把已验证的屏障迁移到同族所有障碍物;再用秩检验识别仅靠对称性不足以支撑迁移的情形,并在欠驱动车辆仿真上验证。
Xinhan Li 等发布 ExtremeDrive,从真实驾驶记录中筛选出 589 个场景,覆盖紧急操作、复杂交通交互以及湿滑、积雪路面等极端条件,并提供经过校准对齐的多传感器数据,以及道路结构和交通参与者的标注。团队还建立基准,通过仿真执行来评估规划轨迹的安全指标与驾驶表现;等训练集规模实验用于检验关键驾驶场景数据的价值。