跳到正文

#规划/控制

今日 21 条
今天10月1日周四
  1. arXiv cs.RO60

    LME:面向未知环境导航的局部极小值逃逸子目标生成框架

    作者提出 LME(Local-Minimum Escaper),一个程序化分层框架,通过显式生成并推理子目标,引导移动机器人脱离局部极小值区域。LME 仅依赖局部观测,用可解释的启发式准则结合障碍几何与候选位置安全性来选取子目标,再由局部规划器生成底层运动指令,无需额外训练且不依赖具体局部规划器。

    推荐理由:论文提出用可解释启发式生成子目标来摆脱局部极小值,且不依赖底层规划器、无需额外训练。

  2. arXiv cs.RO43

    EMPlan:面向自动驾驶的奖励引导偏好优化高效多模态规划

    研究者提出 EMPlan,一种由奖励引导微调驱动的高效多模态轨迹规划方法,采用稀疏锚点加偏移精修模块的混合架构,稀疏锚点以低时延给出粗轨迹候选,再由偏移模块精修提升精度。方法采用预训练加奖励引导微调的两阶段训练,利用规则奖励信号与非成对偏好监督,在不增加推理成本的前提下提升安全性。在非反应式 NAVSIM 基准上,EMPlan 在实时约束下兼顾了规划精度与效率。

  3. arXiv cs.RO62

    基于运动策略的人形机器人足球:多方向踢球技能库的任务门控强化学习

    研究提出一种倒置的堆叠方式,先训练通用的指令条件化运动策略作为底层,再在其上叠加 N 个运动引导的踢球技能作为任务门控层,使可达步态空间由运动课程而非参考片段决定。

    推荐理由:论文把运动策略作为底层、踢球技能作为任务门控层,并给出多方向射门与地形、推力恢复的评测结果。

  4. arXiv cs.RO31

    BCS-GRU:有界通道自适应谱学习用于前向一致的扑翼气动反演

    研究者提出有界通道自适应谱残差门控循环单元(BCS-GRU),以循环时序预测为主表示,将谱信息限制为受控的输出特定修正,用于扑翼气动反演。在统一回合级协议下,BCS-GRU 的反演预测优于循环与自适应谱基线,且预测时域越长收益越大。前向一致微调进一步提升了基于代理模型的气动一致性,同时保持平均运动学精度。

  5. arXiv cs.RO62

    DTMR:面向腿足机器人的稠密时序动作重定向

    作者提出稠密时序动作重定向(DTMR),在单个优化中联合优化时序与控制,对每个控制步调整时序,并用基于采样的 MPC 在 GPU 上并行求解。在四款人形机器人、两小时人体动作数据上评测,DTMR 优于基线,尤其在跳跃等动态动作上;相同形变预算下比优化时间维度的基线重定向更精确且快约 19 倍。用其参考动作训练的策略已迁移到真实人形机器人。

    推荐理由:提出在单个优化中联合调整时序与控制的稠密时序动作重定向方法,读者可了解动态动作迁移的精度与速度权衡。

  6. arXiv cs.RO41

    FAST-Sync:面向任意矩阵李群的快速群同步方法

    FAST-Sync 是一种面向任意矩阵李群的快速线性近似群同步方法,可将弦初始化推广到任意矩阵李群,并利用问题数据矩阵的 Kronecker 积结构与同步图拓扑提升速度、可扩展性与精度。实验表明,该方法能为局部优化器提供高质量初始化,在测量噪声较大时仍高效恢复全局最优解并保持高成功率。

  7. arXiv cs.RO59

    CADeT:面向软组织间接机器人操作的因果感知形变传递框架

    CADeT 是一个因果感知的形变传递框架,将结构因果模型与主动感知结合,在线推断潜在传递模式并估计状态相关的黏附雅可比矩阵。在操作过程中控制动作更新模式信念,当歧义持续时选择额外探测动作以提高模式可区分性,模式信念与学到的雅可比矩阵被纳入信念感知模型预测控制器用于间接目标形状控制。

  8. arXiv cs.RO62

    L1-MPPI:面向敏捷无人机控制的 L1 自适应模型预测路径积分

    论文提出 L1-MPPI,将 L1 自适应控制与模型预测路径积分(MPPI)级联,用于提升高速无人机轨迹跟踪精度。该方法在 MPPI 的动态模型中纳入底层飞行控制器与电机动力学,并加入迭代混合方案,以应对模型不确定性和外部扰动。

    推荐理由:论文把 L1 自适应控制与 MPPI 级联,给出负载扰动下的跟踪误差对比数据,可参考其控制架构与实验设置。

  9. arXiv cs.RO42

    基于对操作者推断的具身感知控制:一项仿真研究

    研究提出通用具身引擎(UEE),通过隐式注视与瞳孔信号及任务结果推断操作者的具身感和视本体线索权重,以离散主动推断智能体在显式偏好下选择有界设备设置。在300个异构合成操作者的仿真中,UEE多数在半分钟内找到合适设置,后半程具身感达1.68,接近预言机的0.73(0-2量表)。无模型赌博机表现更差,朴素预测误差最小化器会扣留反馈并降低任务成功率(0.74对0.90)。

  10. arXiv cs.RO58

    Draft:面向机器人设计探索的参数化工具

    作者提出参数化生成工具 Draft,其通用引擎可将任意串行链参数树编译为可直接仿真的 MJCF 模型,无需 CAD。Draft 用对 114 个执行器和 49 份已发表机器人描述的调研拟合趋势来约束设计自由参数,并通过构建四款现成机器人的数字孪生验证,质量几何平均折叠误差为 1.10 倍。作者还用两阶段强化学习课程评估三款四足机器人,展示该工具如何呈现设计权衡。

  11. Hackaday robots22

    多伦多大学学生打造 Pogo-Bot 单腿跳跃机器人,弹性足垫适应沙地冰面

    多伦多大学工程学生将弹簧跳杆、四旋翼与单腿结构结合,做出名为 Pogo-Bot 的单腿跳跃机器人,靠四个螺旋桨提供推力、弹簧腿完成弹跳。早期版本仅用尖刺足端,失败频出;改用带弹性带张紧、可枢转的尖刺足垫后,机器人能在软沙到硬冰等全地形保持直立,不再被冰面滑飞。

9月30日周三
  1. arXiv cs.RO71

    KPI:面向人形机器人物理交互的可提示内核

    论文提出 KPI,一种位于轨迹源与未修改全身跟踪器之间的可提示内核,轨迹源按方向下发跟踪、柔顺或保持力范围的契约,内核依据跟踪误差与力旋量估计在接触频率上调整手臂刚度、阻尼、参考与前馈。作者用视觉语言智能体从单条指令同时生成参考轨迹与契约,无需任务专用代码,演示了绞盘操作、开门和箱子搬运,其中绞盘演示中人形机器人转动曲柄将另一台机器人完全吊离地面。

    推荐理由:论文提出在轨迹源与全身跟踪器之间插入可提示内核,读者可了解接触阶段刚度与阻尼如何按指令自适应。

  2. arXiv cs.RO31

    MagNav:面向双轮机器人光照不变导航的双核磁轨引导框架

    MagNav 用五通道模拟霍尔效应传感器阵列实现双轮自平衡机器人的磁轨循迹,不受光照干扰。控制系统采用串级 PID:内环用 IMU 加互补滤波保持平衡,外环依据磁传感器读数调整转向,步进电机无需额外旋转编码器即可精确控制力矩。测试中磁引导在超过 10,000 Lux 强光下仍保持准确循迹,而对比的光学模块会失准甚至失效。

9月28日周一
  1. Hackaday robots12

    中心支轴式灌溉系统改装成割草机器人

    [rctestflight] 将中心支轴式灌溉系统改造成迷你割草装置,采用外侧轮恒速驱动、内侧轮由联轴器限位开关触发的控制方案,后改为电位器比例控制。割草附件由一对安装在电机上的旋转精密刀片组成,随小车沿支轴连杆往复切割草坪。因太平洋西北地区潮湿,设备面临腐蚀、泥泞阻碍轮子行进及植物快速生长干扰等问题。

9月25日周五
9月24日周四
  1. Robohub12

    IROS 2026 有哪些看点?

    IROS 2026 将于 9 月 27 日至 10 月 1 日在美国匹兹堡举行,议程包括全体会议、主旨演讲、研讨会、教程、论坛、竞赛和一场辩论。主旨演讲于 9 月 28 至 30 日进行,涵盖自主手术、软体机器人、灾害机器人、操作系统的前沿押注以及具身智能的 AlphaGo 与 ChatGPT 时刻等主题。

  2. ROS Discourse latest22

    ROS 航空机器人工作组会议:基于脉冲神经网络的 UAS 自整定神经形态控制器

    ROS 航空机器人工作组将于 2026 年 10 月 1 日 17:00–18:00 UTC 举行线上会议,Anel Olivares Cruz 将介绍基于预设误差敏感度(PES)的自整定神经形态控制器,用于 UAS 实时轨迹跟踪。该工作用 Nengo 开发了三个神经形态控制器,并在 DJI Tello 上完成实时轨迹跟踪实验。

9月23日周三
9月22日周二
  1. ROS Discourse latest40

    从 CT 扫描到机器人手术原型:ROS 2 中的肾结石检测与 PCNL 规划

    一个研究原型打通了医学 CT 影像与 ROS 2 可视化及机器人仿真:从 DICOM/NIfTI CT 扫描出发,用 TotalSegmentator 分割左右肾及邻近器官,以高 HU 阈值加连通域提取结石候选,生成毫米级 3D 网格,再规划并排序 PCNL 经皮肾镜取石通道,在 RViz 和 Gazebo 中用带穿刺针的 Franka FR3 复现所选路径。

9月17日周四
9月16日周三
9月10日周四
9月4日周五
9月2日周三
  1. HF blog62

    Qwen-Drive-1.0:面向自动驾驶的视觉语言基础模型

    Qwen-Drive-1.0 是一个面向自动驾驶的视觉语言基础模型,在统一框架内整合 3D 感知、视觉问答与运动规划。模型保留预训练 VLM 架构,外接 BEV 感知头联合执行 3D 目标检测、语义占用预测和 BEV 地图分割,规划专家基于共享 VLM 表征生成未来自车轨迹。

    推荐理由:Qwen-Drive-1.0 把 3D 感知、视觉问答与运动规划统一在一个 VLM 框架内,并给出分阶段训练配方,可了解自动驾驶基础模型的构建思路。

8月30日周日
8月21日周五