论文提出一种面向平面多边形障碍环境中N个可互换机器人到N个目标点的离线协同路径生成方法：经共形映射到圆形域后，起点与目标点成为有理函数R的极点与零点，路径取广义根轨迹（对数势-log R的流线）分支。作者证明，除有限临界相位与边界相位外，梯度运动使各机器人沿两两不相交且不触及障碍的路径到达不同目标，机器人-目标分配由构造直接给出，并以增益为时钟实现同时到达。障碍物经连续Milne-Thomson反射转为流线，有限次反射下可用有限测试验证实际计算势的安全性；倒数根轨迹规划为特例。实验含两个多边形工作空间、100个随机实例与调和规划/人工势场法对比，以及10机器人10障碍场景。
机器人行业洞察
今日精选
The robotics journal行业消息
arXiv 2604.07993v3 提出 HEX，一个面向全尺寸双足人形机器人协调操作的以状态为中心的 VLA 框架。HEX 引入人形对齐的通用状态表示以支持跨异构具身学习，并用专家混合统一本体感受预测器从大规模多具身轨迹数据建模全身协调与时间运动动态；推理时用轻量历史令牌总结过去观察，避免重复编码历史图像。框架还采用残差门控融合机制与流匹配动作头，将视觉-语言线索与本体感受动态结合生成动作。真实人形操作任务实验显示，HEX 在任务成功率和泛化性上达到 SOTA，尤其在快速反应和长时程场景中。
研究提出一种在非完整约束多旋翼无人机飞行过程中于户外近似全三维辐射方向图的方法，通过辨识球谐级数系数，将观测到的信号功率增益解耦为各自的辐射方向图。所设计的标定轨迹在无障碍高度采集信号强度的训练与测试样本。仿真验证了该近似方法，真实世界验证的均方根预测误差低于5dB。
arXiv 2603.25044v3 提出 ThermoAct 框架，在视觉-语言-动作（VLA）模型中引入热成像信息，用于人机协作场景下的机器人任务执行。系统以视觉-语言模型（VLM）作为高层规划器，将复杂自然语言指令分解为更简单的子任务，从而支持高效数据采集与复杂操作推理。与仅依赖视觉数据的方法不同，该框架让机器人感知物体物理属性并主动保障环境安全；真实任务场景实验验证了框架可行性，并显示相较现有纯视觉系统可能提升任务成功率与安全性。项目主页为 youngchae912.github.io/ThermoAct/。
研究提出 PSANE 框架，利用足式机器人行走时腿-地形交互的本体感知测量，在未知可变形颗粒地形中实现安全导航与探索。该框架用高斯过程回归学习可通行性模型，在线估计并认证安全区域、识别探索前沿，再与反应式控制器结合做实时导航；前沿选择被建模为多目标优化，在安全集扩展概率与目标导向代价间权衡，并在帕累托最优前沿集上标量化选取子目标。作者称仅凭本体感知估计的可通行性即可安全探索未知颗粒地形并到达指定目标，性能优于基线方法。
论文提出RL-Co框架：先在真实与仿真演示混合数据上做SFT热启动，再在仿真中用强化学习微调，并加入真实数据辅助监督损失以缓解灾难性遗忘。在四个真实桌面操作任务上，用OpenVLA和π0.5两种VLA架构测试，真实世界成功率分别提升24%和20%，优于仅真实微调与基于SFT的协同训练，对未见任务变体泛化更强、真实数据效率更高。
该研究提出一种机载视觉相对定位方法，利用环境中主动标记的反射（通常被视为歧义来源）来定位在镜面近平面（如平静水面、平整室内地面）上作业的异构多无人机团队。方法仅需相机、主动标记和单光束测距仪，无需预先知道机器人尺寸、标记配置或表面反射特性，并能传播表面不规则（含动态水面）引入的不确定性。研究还从解析与实验两方面刻画了表面倾斜对估计的偏置，并确定了水平面假设成立的坡度范围。室内多无人机与室外实验验证了定位精度，在不同光照下可靠运行，有效距离优于现有视觉主动标记方法，30米以外精度更高。
研究团队提出一种使用现成材料制造多层 PVDF 压电执行器的新工艺，通过并联布线信号电压降低集成复杂度。经实验验证的第一性原理模型显示，在所选几何结构下，力随层数线性或超线性增加，位移随层数呈三次方下降；堆叠中使用更薄 PVDF 层可提高比功率密度。已制造执行器实现大于 9 mm 自由偏转、大于 20 mN 阻塞力和大于 500 Hz 带宽，并集成到利用共振实现平面运动、可承受大外部冲击的低矮昆虫尺度机器人中。
论文提出变步长积分器 CENIC，将凸时间步进与误差控制积分结合，用于处理机器人仿真中的接触刚性动力学。作者称其运行速度达到与 MuJoCo、Drake、Isaac Sim 等离散时间仿真器相当的实时速率，同时提供精度与收敛性保证。该工作针对现有误差控制积分器在接触动力学上速度与可扩展性不足的问题。
论文提出无需训练的离线指标 S²（感觉运动对齐），衡量模型感知表示与物理运动几何结构的对齐程度，在多个具身模型系列中与下游机器人任务成功率正相关。S² 可在闭环评估前用于模型优先级排序，并能在 VLM 微调为 VLA 之前识别有前景的骨干网络。作者据此将柏拉图表示假说扩展到具身模型，并为 VLA 与世界动作模型中的现象提供表示层面解释。
研究团队提出 OpenTac 触觉皮肤及配套全栈生态，核心是带结构化可变形覆盖层的电阻式触觉皮肤：相邻触觉单元差分响应解码局部剪切向量，共模响应编码法向力。配套 CAD 工具可从二维轮廓、可展开三维曲面乃至文本描述（如“为9码鞋垫设计传感器”）自动生成制造文件，并提供传感器仿真器、跨传感器迁移与自适应采集。团队在多种机器人形态上设计制造了30余个传感器，用商用高精度力/力矩传感器表征三维触觉场，并在四种真实机器人上验证接触密集型反馈控制与操作策略学习；1024触觉单元皮肤每次更新采样16个单元时，自适应采集读出速度比全阵列光栅扫描快19.2倍。
研究团队在实验室中测试了 2.3 kg 六足机器人 SandBot 在 1 mm 罂粟籽颗粒床上的奔跑速度：采用交替三足步态和标准步态控制参数时，速度最多比硬地面上 2 倍体长/秒（约 60 cm/s）慢两个数量级；将控制参数从硬地面设置经验性调整后，最高速度恢复到 30 cm/s。机器人速度敏感依赖于颗粒堆积分数 φ 与肢体频率 ω，当 φ 足够小和/或 ω 足够大时，运动从旋转行走急剧转变为慢速游泳。作者据此提出基于弯曲肢体穿透与滑移特征的旋转行走运动学模型，该模型能捕捉速度对肢体频率的依赖及行走—游泳模式转变，但指出仍需更深入理解颗粒介质物理。
论文提出 DiffDreamer 可微强化学习框架，将学习到的世界模型与可微仿真器耦合：单次优化中世界模型传播捕捉外部动力学与历史特征的潜在状态，仿真器传播机器人显式物理状态；actor 目标分解为 critic 驱动的不可微任务奖励路径与仿真器驱动的可微运动奖励路径。在激进跟踪与动态穿门竞速实验中，其训练收敛优于无模型、基于模型及可微强化学习基线，最终性能也优于这些基线及经典规划控制方法，并附消融实验与概念验证性真机飞行验证。
研究提出一种将运动数据仅作为训练先验的学习框架：自监督注意力接触规划器预测未来身体-环境接触，接触条件跟踪器将规划转为协调全身运动，使接触成为感知观测与控制动作之间的接口。单一策略可兼顾数据驱动运动先验与强化学习探索，后续微调阶段可探索原始运动数据未覆盖的环境变化；部署时仅依赖机载观测、无需参考输入。
论文提出 Echo 框架，在单个 VLA 策略内同时学习任务状态信号与动作生成：用停止、失败两个信号作为每个动作块的两个维度，与机器人动作一起去噪，其组合可区分执行中、成功完成与失败。该方法无需帧级进度标注，通过构建成功、失败、恢复三类互补监督轨迹来学习信号；并让状态信号比动作更快去噪，使后续动作去噪以更干净的状态估计为条件。真实世界操作实验显示 Echo 能准确预测任务状态并持续提升策略性能。
论文提出分散式实时多机器人规划器 WarpWeaver，将机器人间耦合替换为局部约束，通过分散式列生成在共享空间协商租金，引导各机器人分散树搜索，并在静止时认证协议的近最优性。仿真中，WarpWeaver 在 Dynobench 上相比集中式离线规划器总行程时间最多减少 22%，相比分散式实时基线最多减少 37%，图连通性任务成功率提高近一倍；六台机器人板载规划硬件实验验证了可实施性。
该论文提出 SCOPE 框架，用于自动生成多样且可执行的 TAMP（任务与运动规划）数据集，以缓解 LLM 微调所需高质量数据稀缺的问题。SCOPE 引入多级多样性指标以最大化场景信息熵，并设计计划反馈纠错流水线，将规划器执行失败作为反馈信号回溯修正场景图中的逻辑不一致，保证物理可行性。实验显示，SCOPE 对错误场景图更鲁棒、生成数据质量更高；用其数据微调的 TAMP 模型成功率较使用 DELTA（基于 PDDL 的先进规划器）生成数据微调的模型绝对提升 12.33%。
该论文提出在线可精炼语义建图框架，为每个物体点维护置信度分数，利用多视角时序证据在线更新：一致观测强化可靠点，不一致的分割掩码、深度与可见性线索抑制虚假和过时点，并结合物体跟踪与重识别在物体移动后保持实例身份。实验显示建图精度较先前方法在 Replica 上提升 3.46%、在 ScanNet 上提升 2.55%，用于物体导航和具身问答的成功率分别为 82.4% 和 76.7%。
SkeLAM 将潜在动作分解为两部分：一部分是由机器人骨架监督锚定的运动学分量，另一部分是保留互补视觉动态的残差分量；并通过跨模态交换重建，使 RGB 与骨架导出的运动学表示可以互换。世界模型通过独立条件通路纳入这两个分量，并用分支 dropout 降低对由未来信息导出的残差信息的依赖；轻量适配器将机器人动作映射到运动学空间，再经微调适配预测条件。在 DROID 上，与 DreamDojo 相比，末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%；定性结果显示，生成的 rollout 中可实现零样本的人到机器人运动迁移，策略评估的预测成功率与真机执行结果一致。
VecTile 是一种厚 6 mm 的柔性触觉阵列，通过压阻层与被动硅胶凸点将法向力和剪切力转换为可区分的压力图案，实现三轴力感知，4x4 阵列整套系统成本低于 35 美元，且无需专用设备即可自制。在法向力 1-5 N、剪切力最高 1.5 N 的单传感单元测试中，法向力与剪切力的均方根误差分别为 0.39 N 和 0.16 N；平坦状态下校准的传感器在弯曲后仍保持精度，五分钟手动校准即可满足实用。演示应用包括：剪切读数灵敏到可在接触后阻止手术刀刺破气球，以及显著改善 Diffusion Policy 引导的电源插头插入。设计与代码将在论文录用后发布。