柔性机器人臂学会预测下一步动作
北京大学研究人员开发了一种混合模型方法，通过锚定模型和校正模型结合，显著提高了柔性机器人臂的运动预测准确性。该方法在模拟测试中将误差降低超过25%，在实际液压软体鱼尾测试中误差仅为单一模型的一半或更少，使柔性机器人在狭窄空间和精细操作中更具实用性。
推荐理由：通过锚定和残差学习结合的方法，柔性机器人臂预测误差降低25%，为软体机器人在狭窄空间作业提供可靠控制基础。
#仿真科技财经热点 · 每日精选
自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
今日脉搏
具身智能专栏 →438今日入库
8 条进入精选
44/47 信源在线· 3 异常
近 14 天入库走势
近 7 天分类构成
行业 1298财经 1141硬件本体 880AI 产品 752AI 模型 262其他 359
TechXplore · Robotics精选AI 评分6565
arXiv · cs.RO精选AI 评分7575 Test-Time Motion Steering for Perceptive Humanoid Fall Recovery
研究人员提出RISE方法，通过视觉扩散规划器实现人形机器人摔倒后的任务导向恢复，可在推理时根据任务目标控制机器人站立方式。该方法在Unitree G1机器人上进行了真实世界演示，展示了多样化的恢复策略、地形适应能力和无需重新训练的测试时转向功能。
推荐理由：通过视觉扩散规划器实现人形机器人摔倒后的任务导向恢复，无需重新训练即可适应不同地形和目标。
arXiv · cs.RO精选AI 评分7575 A2I-Calib++：面向足式机器人全身多IMU系统的运动学驱动抗噪声主动校准框架
Fangyu Jiang提出A2I-Calib++框架，专为足式机器人全身多IMU系统设计，通过时间相关搜索和解析空间与偏差估计，无需人工校准目标或复杂参数调校即可估计时间偏移、外旋平移和惯性偏差。
推荐理由：通过运动学驱动抗噪声主动校准框架，解决了足式机器人多IMU系统在常规运动中激励不足的问题。
arXiv · cs.RO精选AI 评分6565 线性扭动侧向爬行步态：可扭动机器人在复杂地形上的运动规划
Qingling Fan提出了一种新的线性扭动侧向爬行步态，通过将工作负载分散至整个机器人身体，使单个扭动关节的峰值输出功率降低42%。实验表明，新步态可在传统方法无法适应的地形上移动，并且比无扭动的传统侧向爬行速度快49%。
推荐理由：线性扭动侧向爬行步态将机器人工作负载分散至全身，解决了传统方法中电机过载问题。
arXiv · cs.RO精选AI 评分6565 MAPLE: Mondrian锚定的无学习室内探索先验
Kelvin Aladum提出MAPLE方法，一种无需训练的室内探索预测方法，通过将Mondrian过程适应为基于观察几何线索的在线生成先验，在KTH平面图和真实SLAM环境中表现优于非预测方法，与学习型预测方法相当，且计算资源需求低。实验表明更准确的地图预测不一定带来更好的探索效果。
推荐理由：无需训练的预测方法MAPLE在室内探索中表现优于非预测方法，与学习型预测方法相当，挑战了'更准确预测必然带来更好探索'的假设。
arXiv · cs.RO精选AI 评分6565 自适应穿越管道：面向双足人形机器人的姿态感知导航
本文提出了一种基于自适应穿越管道(ATT)的姿态感知导航框架，结合区间速度-航向(IVH)控制和增强侧步的AMP运动先验，使双足人形机器人能够通过调整身体偏航改变有效足迹，实现窄通道穿越和社交感知避让。该方法已在MuJoCo仿真和实际机器人部署中进行了演示，并计划在宇树G1上进行定量评估。
推荐理由：通过自适应穿越管道和速度-航向控制，人形机器人能在狭窄通道和社交场景中灵活调整姿态，提升导航稳定性。
arXiv · cs.RO精选AI 评分6565 触觉在手内物体旋转中的研究：手型形态在仿真与硬件中的比较
研究比较了两种低成本LEAP手型在物体旋转任务中的表现，发现触觉信息可显著提升旋转效率并降低指尖负载，对称手型在旋转次数和速率上表现更优。
推荐理由：对比仿生与对称手型在物体旋转中的表现，触觉信息提升效率的同时降低负载，为机器人手部设计提供新思路。
arXiv · cs.RO精选AI 评分6565 学习结构化运动参考以实现基于优化的全身控制
该研究提出了一种分层控制器，其中强化学习适应结构化运动参考，而步态调度器、反应性步态规划器和全身冲量控制器负责高频执行。在六方向干扰课程训练下，该控制器在测试干扰网格中达到77.29%的平均生存率，比基于模型的参考控制器高出27个百分点。
推荐理由：通过分层控制将强化学习与优化控制结合，四足机器人抗干扰生存率提升27个百分点。
arXiv · cs.RO精选AI 评分7575 Dexterity from Supervised Play：通过监督学习实现机器人灵巧操作
Botao He提出DSP框架，机器人通过行为克隆从人类游戏中学习策略，然后自主收集交互数据训练世界模型。在真实实验中，该方法比回顾性行为克隆成功率提高69.6%，且比强化学习减少490倍的交互数据量。
推荐理由：论文提出了一种通过监督学习让机器人自主收集灵巧操作经验的新方法，显著减少了交互数据需求。
arXiv · cs.RO精选AI 评分7575 基于强化学习的温室生菜采摘机器人路径安全目标 reaching 方法
研究提出PSA-PPO方法，用于温室水培生菜采摘，在物理实验中达到94.7%的目标到达率，比传统规划方法表现更好。该方法结合了目标条件观测、走廊感知空间约束和基于轨迹历史的安全编码，无需真实世界微调即可成功迁移到UR10e机械臂。
推荐理由：研究提出了PSA-PPO方法，解决了机器人采摘中的路径安全问题，实现了94.7%的高成功率。
已经到底了