具身智能arXiv cs.RO4 天前
Line-Augmented cuVSLAM: Robust Visual Odometry in Low-Texture Environments
该工作为 CUDA 加速的 cuVSLAM 增加线特征扩展，用 Plücker 坐标与 4-DOF 正交表示建模直线，将鲁棒点到线残差融入原有高斯-牛顿位姿求解与滑动窗口 BA，在低纹理仓库环境中自适应加权。TUM 与 Replica 上轨迹误差降低约 30-39%，无跟踪失败，对仓储机器人定位有实用价值。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 36 条符合条件
当前筛选具身智能×
具身智能arXiv cs.RO4 天前
Adaptive Prescribed Performance Trajectory Tracking for Uncertain Autonomous Underwater Vehicles With Input Saturation
该论文提出一种低复杂度自适应预设性能控制器，用于输入饱和且水动力不确定的自主水下航行器轨迹跟踪。方法根据请求与饱和控制输入的失配直接调整性能函数，仅在执行能力不足时放宽性能漏斗，并通过耦合不变集分析保证闭环信号有界与可行性。仿真与水池实验验证了有效性。
具身智能arXiv cs.RO4 天前
LEAP: Gradient Flow Augmented Lagrangian Trajectory Optimization for Contact Constrained Robots
LEAP 提出用梯度流增强拉格朗日方法求解接触约束机器人的轨迹优化问题，通过伪谱配点与原始-对偶梯度流替代传统牛顿/SQP 求解，解决摩擦锥约束下初始猜测敏感和关节规模扩展差的问题，在五类机器人基准上全部求解成功并加速，值得机器人控制与优化领域关注。
具身智能arXiv cs.RO4 天前
Planning to Learn: Real-Time Robust Adaptive Control on the GPU with Guaranteed Future Learning
提出 A-SLS，一种基于系统级合成的学习感知鲁棒自适应模型预测控制框架，能在规划时预测未来参数不确定性并构建紧致可达集，配合 GPU 加速求解器实现实时性能，在四足机器人全身控制与 Crazyflie 无人机在线学习上验证。
具身智能arXiv cs.RO4 天前
EgoJEPA: Beyond Retargeting for Dexterous Manipulation from Egocentric Videos
EgoJEPA 提出三阶段框架，从第一视角人类视频中学习与具体机器人本体无关的潜在动作表示，绕过传统重定向的几何映射。它通过 JEPA 式视觉预测预训练、潜在动作世界模型和轻量适配器迁移到不同机器人。在五个真实操作任务上平均成功率 74%，优于重定向基线 65%，跨本体总耗时降低 47.2%。
具身智能arXiv cs.RO4 天前
TGrasp6D: Task-Informed Vision-Language Priors and Pose Refinement enable Zero-Shot Task-Oriented 6DoF Grasping
TGrasp6D 提出一种基于视觉语言模型的零样本任务导向 6DoF 抓取方法：根据任务与单张 RGB-D 图像推理语义可供性生成初始抓取先验，再通过 6DoF 位姿优化避免碰撞并保持任务一致性。在 TaskGrasp 数据集上成功率达 94%，远超基线 74%，并在 Franka 机器人上验证了真实世界零样本泛化能力。
具身智能arXiv cs.RO4 天前
BubbleCBF: Constructive Safety for Second-Order Systems and Application to Autonomous Robot Navigation in Unknown Environments
提出 BubbleCBF，一种针对二阶动力学系统的构造性安全约束设计方法。基于符号距离函数在位置空间构造无碰撞球体（bubble），利用其二次几何与重叠关系构建速度相关安全约束，并通过二次规划安全滤波器实现。理论上证明了控制器的良定义性、连续性与前向不变性，并给出有界输入下的可行性条件，在差速驱动机器人未知环境自主导航中验证有效。
具身智能arXiv cs.RO4 天前
Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots
该论文研究可持续供能的移动机器人如何在固定闭合路径上优化速度轨迹，以在能量采集与信息获取之间取得最优权衡。作者将问题建模为周期最优控制问题，结合超线性推进成本与信息增益/衰减，基于信息论中的清晰度指标推导最优控制必要条件，并给出高速信息极限等性质，最后以切萨皮克湾盐度持续监测仿真验证。
具身智能arXiv cs.RO4 天前
Race to Recovery: Designing Advanced Safety Systems for Autonomous Driving via Learning Autonomous Racing
该研究用强化学习先训练赛车漂移策略，再迁移到车辆失稳恢复任务，并定义基于相平面的稳定平衡态与 Gym-Khana 评测环境。在 294 个失控状态下恢复率较 Stanley 提升 186.8%，优于 NMPC 与从零训练策略，并在 1:10 F1TENTH 实车上验证，为自动驾驶极限安全系统提供新思路。
具身智能arXiv cs.RO4 天前
Clarity-Driven Adaptive Mission Planning for a Solar-Powered Autonomous Surface Vessel
本文提出一种基于"清晰度"最大化的自适应任务规划方法，用于太阳能自主水面艇（ASV）执行科学探测任务。清晰度与微分信息熵严格关联，通过在线更新目标清晰度地图并采用遍历性路径规划，在可再生能源功率约束下持续重规划，优先采集高价值区域信息。仿真与北卡Jordan湖实验验证了有效性，为受限能源下的自主信息采集提供新思路。
具身智能arXiv cs.RO4 天前
A Phenomenology of Neural Geometry in Vision-Language-Action Models
该论文研究视觉-语言-动作（VLA）策略内部表征的几何形状，通过线性探针与激活干预，对七个任务相关概念建立分类体系。发现概念几何多为多维且受物理约束塑造，如关节限位使腕部朝向呈弧而非圆，距离由粗/细两个正交子空间表示。该几何在多个模型与真实数据中复现，并可用于引导操控，表明概念形状与可读性同等重要。
具身智能arXiv cs.RO4 天前
Persistent Profile-Guided Reset-Free Recovery Improves Final Gait Selection after Irreversible Leg Damage
提出持久化剖面引导的无重置恢复方法 PGRR，通过预测多次步态执行的多种结果并用保守不确定性估计指导在线探测，避免重置机器人。在 108 个 MuJoCo 腿部截肢、骨折、关节锁死任务中，最终步态质量提升 0.106，低质量失败率降低 27.8 个百分点，为无重置损伤恢复评估提供新证据。
具身智能arXiv cs.RO4 天前
Feasibility Ceilings Before Learning: Sizing and Timing Bounds for Drone-Mesh Interception
论文给出无人机网状拦截在选定策略前的性能上界闭式解：预测点不确定性由最小二乘方差传播加 delta 方法项刻画，与仿真误差 1.8%；在智能体间距不小于 2r 时，平面覆盖率上限 90.69%、体积 74.05%，允许重叠则改用 Kershner 最薄覆盖密度并在 p=0.80 处切换更优。作者主张学习实验前先算上界并随结果一并报告。
具身智能arXiv cs.RO4 天前
Navigation by Skylight Polarization via Rayleigh Model Optimization on a Road Vehicle
该论文提出一种基于天空偏振光的车辆绝对航向估计方法，通过全局优化 Rayleigh 天空模型与分焦平面偏振相机测量值匹配，结合针孔相机模型与太阳位置算法合成偏振角分布，并用偏振度加权 RMSE 抑制云层、建筑等遮挡干扰。在城市道路实验中偏航角 RMS 误差低于 1 度，较现有方法降低最多 87%，为 GNSS/磁力/惯性失效场景提供可靠导航备份。
具身智能arXiv cs.RO4 天前
Multi-Dimensional Featurizers Yield Fine-Grained Steering and Data Shaping in Robot Foundation Models
该论文将视觉语言模型中的块稀疏特征化器（BSF）引入机器人视觉-语言-动作模型，恢复出感知、语言、本体状态、任务阶段等多维可解释特征，并通过细粒度干预实现可预测的动作控制，还能定位训练数据中不足1.4%的关键token以移除特定行为，为机器人策略的可解释性与数据治理提供新工具。
具身智能arXiv cs.RO4 天前
Causal Analysis of Robot Foundation Models Enables Efficiency Gains
研究对三个前沿视觉-语言-动作（VLA）模型做机制性因果分析，发现动作专家仅通过中后段少量交叉注意力层（动作条件接口）接收关键信息，且物体选择与空间信息分层存储。据此将 MolmoBot 的条件层从 36 层减至 3 层，推理 FLOPs 降 33%，3000 次评测成功率基本持平，并已在真机部署验证。
具身智能arXiv cs.LG4 天前
SHRED: Self-Play for Heterogeneous Road-Users without Expert Demonstrations
SHRED 提出一种无需专家演示的异构自博弈框架，联合训练车辆、行人和骑行者，通过类型特定动力学与程序化场景生成让多样化行为在闭环交互中涌现。在 WOSAC 和 InterPlan 基准上超越无演示自博弈基线及部分演示训练方法，证明异构自博弈是可扩展的交通行为学习范式。
具身智能arXiv cs.AI4 天前
Anticipatory Commonsense with Moving Objects: An ASP-Based Framework for Predictive Reasoning with Interacting Trajectories
提出基于ASP的声明式框架，对动态环境中交互运动轨迹进行可解释的预期推理，融合ASP动力学建模、语义引导的分支轨迹预测与能量优化排序，在Argoverse 2上验证，相比端到端随机预测可给出可检查的事件级假设。