机器人研究论文——通俗易懂的摘要

Robotics7月19日

语义通信大幅削减路口车辆数据需求

面向目标的语义通信将车辆路口协调的数据传输量削减80%以上，且不牺牲通行效率。

Wenjie Liu, Yansha Deng

Robotics7月19日

机器人实时与人合作抛接球

研究人员构建了一个实时规划与控制系统，使机器臂能够与人合作抛接球，维持单球、双球和三球模式。

Jonathan Rainer Lippert, Kai Ploeger, Abir Chowdhury +3

Robotics7月18日

评估老年人衰弱与跌倒风险的社交机器人：一项真实世界临床研究

衰弱是老年人不良健康结局的关键预测因子，通过标准化评估如简短体能测试和计时起走测试进行早期检测，有助于预防跌倒和功能衰退。

Aniol Civit, Antonio Andriella, Alba Martínez +4

Humanoid7月18日

可扩展行为基础模型将人形机器人控制误差降低82%

Weishuai Zeng, Kangning Yin, Xiaojie Niu +15

Robotics7月18日

AHEAD远程操控系统：预测人类意图，削减机器人反应时间

Seok Joon Kim, Junho Lee, Federica Spinola +2

Robotics7月17日

基于群体智能图记忆的仓储机器人吞吐量提升20-36%

一种名为群体智能图记忆（SGM）的新型记忆层，通过从近期执行模式中学习，帮助仓储机器人车队避免交通拥堵。在…

Aditya Dutta, Joon-Seok Kim

AI7月17日

当世界-动作模型梦想正确却行动错误：动作-想象去同步化研究

BadWAM通过将想象未来与执行动作去同步化来攻击世界-动作模型，即使在预测看似正常时也能导致任务失败。

Qi Li, Xingyi Yang, Xinchao Wang

AI7月17日

上下文缩放解锁可即时学习的通用机器人策略

Yunfan Jiang, Yevgen Chebotar, Ruijie Zheng +8

drones7月16日

AeroMap3D：将无人机锚定在地图上，实现无GPS的六自由度定位

Zhiyun Deng, Luis Sentis

Industrial7月16日

工业灵巧性基准：面向工业机器人操作的软硬件平台

提出了一个面向工业灵巧操作的软硬件基准平台，包含三块定制设计的IDB板。

Honglu He, Jacob Laufer, Zhiwu Zheng +8

Robotics7月16日

PhysClaw-0：一个通过自然语言纠正而非遥操作学习的机器人

PhysClaw-0让操作员在自主数据采集过程中用自然语言纠正机器人，以更少人力达到与遥操作相当的数据质量。

Boyuan Wang, Zhenyuan Zhang, Zhiqin Yang +16

Robotics7月15日

光流作为统一动作模型：FlowWAM如何将像素运动转化为机器人指令

Yixiang Chen, Peiyan Li, Yuan Xu +13

AI7月15日

TerraZero：面向大规模自动驾驶的零演示自对弈训练

Zhouchonghao Wu, Akshay Rangesh, Weixin Li +4

Robotics7月15日

DenseReward：利用失败样本的密集奖励信号教导机器人细粒度任务进度

我们提出DenseReward，一种从失败合成中学习密集奖励的视觉语言模型，用于机器人操作。

Yu Fang, Wanxi Dong, Jiaqi Liu +7

Humanoid7月14日

可伸缩防滑钉如何帮助双足机器人在湿滑斜坡上行走

研究人员构建了一种带有电机驱动可伸缩防滑钉的机器人脚，能够根据地面的可穿透性自动调整防滑钉深度，使双足机…

Deniz Kerimoglu, Junnosuke Kamohara, Jiyeon Maeng +4

AI7月14日

一种利用人类示教重定向实现灵巧操作的极简方案

Yunhai Feng, Natalie Leung, Jiaxuan Wang +3

Robotics7月14日

混合坐标系：多坐标系如何提升双臂机器人操作

Dian Wang, Jisang Park, Xiaomeng Xu +3

Robotics7月13日

扩散模型驱动无通信的多机器人团队协作

CoDiMAD利用扩散模型和特权蒸馏，让机器人团队无需任何通信即可协调，在覆盖、追捕和推箱任务上优于标准强化学习。

Jiyue Tao, Shunheng Xin, Tongsheng Shen +2

AI7月13日

PAC-ACT利用强化学习优化预训练机器人策略

武汉大学研究人员提出PAC-ACT，一个强化学习后训练框架，通过微调预训练的动作块Transformer策略，将成功率提升至100%，峰值力降低98%以上。

Yujie Pang, Zudong Li