跳到正文

试运行:收录范围与分类仍在校准,更新可能延迟。 最近内容更新:2026-11-04 17:28(北京时间)

11月3日周二
  1. arXiv 世界模型与脑机接口76

    PrimeSim:基于大规模跨本体演示的通用世界模型模拟器

    作者提出 PrimeSim,一个以动作为条件、支持多视角的世界模型模拟器,先基于预训练视频生成器,在 22 个平台、30,110 小时机器人演示上做中期训练,再做后训练。

    关注价值:论文给出多视角一致性、长时序稳定性和跨本体迁移的具体指标,可用于判断动作条件世界模型能否充当策略训练模拟器。

  2. arXiv 世界模型与脑机接口62

    3D World Simulator:混合粒子-体素动力学实现多模态 3D 世界模拟

    作者提出 3D World Simulator,一个以动作为条件的多模态世界模型框架,从统一 3D 表示中同时预测外观、几何与触觉观测。该方法用混合粒子-体素自编码器把点云压缩为紧凑 3D 体素隐变量,再由动作条件隐动力学模型预测其演化,支持任意视角的几何一致渲染与空间对齐触觉信号接入。

    关注价值:论文把外观、几何与触觉统一到同一 3D 表示中,读者可据此比较它与 2D 视频世界模型在空间一致性上的差异。

11月2日周一
  1. Robohub40

    布里斯托大学用普通电动机复现肌肉协调机制,或可改进机器人

    布里斯托大学团队用普通电动机搭建桌面物理模型,模拟肌肉中肌球蛋白与肌动蛋白的协调方式,成果发表于英国皇家学会期刊 Interface。模型中各电机间歇性接触共享机械骨架,无需直接通信便自发出现负载-速度关系、协调拉动与滑脱、以及沿阵列传播的协调波等类肌肉行为。研究者认为,这种由结构本身承担协调工作的思路或有助于改进机器人。

  2. 我爱计算机视觉71

    复旦等提出 RSI-Nav:统一视觉语言动作学习让导航模型自我进化

    复旦大学等提出 RSI-Nav,用同一个视觉语言模型同时完成指令到动作与轨迹到指令的双向学习,让导航模型自行生成并筛选训练数据。仅用第一视角 RGB 输入,R2R-CE 与 RxR-CE 导航成功率分别达 68.6% 和 72.4%,较 Cold Start 模型提升 15.7 和 17.7 个百分点,R2R-CE 的 SPL 从 45.5% 升至 58.6%。

10月18日周日
  1. New Atlas · Robotics40

    新加坡科技设计大学研发 ALBATROSS 机器人,可空投入水后自主航行监测

    新加坡科技设计大学团队研发出 ALBATROSS 机器人平台,可由飞机投放至偏远水域,入水后自主扶正并借风力航行。该平台用两片刚性翼帆在下降时被动自旋减速、落水后作帆使用,靠三个执行器和三个导航传感器在设定航点间自主导航。

10月17日周六
10月12日周一
  1. New Atlas · Robotics45

    纽约大学研发 WorMa 水泵驱动机器人蠕虫,可攀爬崎岖海岸地形

    纽约大学 Tandon 工程学院团队研发出蠕虫机器人 WorMa,靠中段水泵在头尾两个乳胶水球间搬运 300 克水来改变重心。它长 50 厘米、重逾 1 公斤,可攀爬 19.5 度斜坡、在水中提速约 26%,并能爬上 15 厘米高的台阶。目前重心切换仍由外部控制,团队正提升泵速并计划加入地形感知传感器以实现自主移动。

10月8日周四
  1. IEEE Spectrum Robotics58

    苏黎世联邦理工把商用灵巧手改造成可自主行走的独立机器人

    苏黎世联邦理工学院软体机器人实验室将 Wuji Technology 的商用灵巧手改造成完全自包含的机器人,靠指尖行走并用同一批手指操作环境。团队在仿真中用强化学习训练,针对手指长度不等设置各指相对掌心的目标位置并施加“虚拟弹簧”约束,另训练翻正、按键、推物三个模型并部署在板载 Raspberry Pi Zero 上。

10月7日周三
  1. MIT News · Robotics67

    MIT 提出 SANDO 轨迹规划系统,在未知动态环境中为无人机提供数学安全保证

    MIT 研究人员提出 SANDO 轨迹规划系统,可在没有地图、存在未知移动障碍的环境中为无人机规划出数学上可证明无碰撞的飞行路径,成果发表于 IEEE Transactions on Robotics。

    关注价值:该研究把未知动态环境下的避障安全从经验调参推进到可数学证明,并完成真机飞行验证。

9月30日周三
9月8日周二
  1. New Atlas · AI & Humanoids58

    东北大学等团队用竹节虫步态教六足机器人行走

    日本东北大学与泰国 VISTEC 等机构的研究团队用对抗逆强化学习,让六足机器人通过模仿竹节虫学会在多种地形行走,相关论文发表于 Bioinspiration & Biomimetics。团队只让训练机器人短暂观察竹节虫在平地上的行走,不到一小时就完成学习,且未向机器人下达如何行走的显式指令。研究者称该奖励网络可适配不同本体形态,无需逐一定制,未来或可用于灾害现场等轮式车辆难以到达的场景。