跳到正文
#机器人
10月21日周三
  7. Google新闻·人形机器人(中)15

    人形机器人产业链解析

    人形机器人产业链涵盖核心零部件、整机研发与场景应用。关键部件包括执行器、谐波减速器等，整机厂商聚焦灵巧手与运动控制。应用场景从工业扩展至服务领域，推动技术迭代与成本优化。

  27. arXiv · cs.RO55

    MARE: 带真实阴影数据的开源月球车模拟器

    研究人员发布MARE（Modular Autonomy and Rendering Environment），一个基于Unreal Engine 5和ROS 2的开源月球车感知与自主性模拟套件。该系统包含地形生成器、配备多种传感器的月球车物理模型和基于Web的导航控制栈，专门解决月球极地低太阳高度角下的长阴影挑战，提供像素级精确的地面真实数据。

  28. arXiv · cs.RO76

    Fast Motion Retargeting Pipeline for Scalable Humanoid Robot Learning

    研究人员提出 FRDV 框架，用于人形机器人学习的快速运动重定向，其运动学阶段处理速度可达每秒 9,156 帧，比现有方法快约 136 倍。该框架包含快速约束运动学重定向和动力学验证管道，可在 Unitree G1 人形机器人上实现模拟到现实的迁移。

    推荐理由：将人类运动数据快速迁移到人形机器人仍面临挑战，FRDV 框架通过动力学验证将处理速度提升 136 倍。

  29. arXiv · cs.RO85

    SuperMimic: 通过单一可微分世界模型扩展人形机器人全身控制

    SuperMimic提出了一种新方法，使用单一可微分世界模型拟合共享动力学，与跟踪策略共同训练，在3小时内超越传统方法7天训练效果，将GPU训练时间减少1000倍以上。该方法在129,514个基准动作中仅失败25个，9.8小时后实现零失败，并能成功迁移到宇树G1物理机器人上。

    推荐理由：用单一可微分世界模型替代传统强化学习，将训练成本降低千倍，为机器人控制研究开辟新路径。

  30. arXiv · cs.RO75

    VLM引导的接触重定向与生成式伙伴建模用于人形-人交互

    研究人员提出REACT框架，用于从人-人演示中学习可部署的人形-人交互策略。该框架利用VLM引导的接触建模和重定向管道识别语义上有意义的接触，并将其转移到人形-人几何结构上，同时通过生成式伙伴状态建模预测遮挡视图中的伙伴运动。在模拟和宇树G1人形机器人上的测试表明，该方法在五个接触丰富的交互中表现良好，且完全依靠机载传感器工作。

    推荐理由：通过VLM引导的接触重定向和生成式伙伴建模，解决了人形机器人在与人交互时的部分可观察性问题，实现了完全依靠机载传感器的接触丰富交互。

  31. arXiv · cs.RO75

    通过混合灵巧模仿学习可适应的灵巧技能

    Yuxuan Kuang 提出 AdaDex，一种目标条件强化学习框架，能将几秒的手部物体轨迹转化为可适应的灵巧技能。该方法结合运动跟踪环境和泛化环境训练，实现了功能性抓取、物体重新定位、手指行走的在手重定向等多样化技能，并在模拟器和真实世界间实现了迁移学习。

    推荐理由：通过混合灵巧模仿方法，从几秒人类动作中学习可适应的灵巧技能，解决了泛化与人类先验之间的权衡问题。