Skip to content
Agientry
← 标签

#移动操作 (74)

瀑布流分页
Pixel：低成本全栈人形移动操作
2:23

Pixel：低成本全栈人形移动操作

@rsalakhu · 23次播放 · 2026-11-03
人形机器人移动操作
FLoRe 学习力反应人形操作
0:18

FLoRe 学习力反应人形操作

@SihangLi659492 · 22次播放 · 2026-11-03
人形机器人力控
Dexmate 零样本移动操作演示
0:21

Dexmate 零样本移动操作演示

@youliangtan · 17次播放 · 2026-11-03
移动操作视觉语言动作模型
A3 Ultra 自主跨楼层整理房间
1:45

A3 Ultra 自主跨楼层整理房间

@AGIBOTofficial · 57次播放 · 2026-11-02
人形机器人具身智能
UniWAM：混合流世界-动作建模与操作锚点位姿监督的统一移动操作

UniWAM：混合流世界-动作建模与操作锚点位姿监督的统一移动操作

UniWAM 将导航与操作建模为共享视频和动作扩散主干上独立采样的两条控制流，并用大规模自动生成的操作锚点位姿监督机器人停靠，在 MAP-Bench 与 24 项真机任务上提升导航精度和移动操作成功率。

Wei Xue, Keliang Liu, Mingzhang Cui · 92次阅读 · 2026年9月30日
移动操作世界动作模型
2026年9月30日
四次演示扩展人形机器人技能
1:00

四次演示扩展人形机器人技能

@ZappyZappy7 · 95次播放 · 2026-10-31
人形机器人Counterfactual Data
面向未知负载的人形机器人自适应全身MPC与最优姿态规划

面向未知负载的人形机器人自适应全身MPC与最优姿态规划

人形机器人搬运未知负载时，质量、质心和惯量突变会破坏全身平衡。论文把质心MPC、基于Capture Point误差的自适应模糊补偿和三重积分姿态过渡规划组合起来：MPC生成满足接触、摩擦与关节约束的参考运动；模糊控制器把修正力矩分配到支撑腿；规划器生成蹲下、起立与搬运的平滑可行轨迹。MuJoCo仿真和28自由度真实平台验证了7 kg与10 kg负载的稳定起落，以及7 kg负载行走搬运的鲁棒性。

Manh Cuong Nguyen, Duc Cuong Vu, Viet Anh Vu · 177次阅读 · 2026年10月9日
人形机器人全身控制
2026年10月9日
W0从一万小时人类视频学习移动操作
0:31

W0从一万小时人类视频学习移动操作

@HuggingPapers · 153次播放 · 2026-10-21
世界模型移动操作
FIBER:人形全身操作的隐空间规划
3:01

FIBER:人形全身操作的隐空间规划

@yutang_llin · 174次播放 · 2026-10-20
人形机器人全身控制
面向通用人形移动操作的动作对齐隐空间规划

面向通用人形移动操作的动作对齐隐空间规划

FIBER 提出用冻结行为基础模型(BFM)的可执行隐空间,作为人形机器人移动操作的统一规划表示。其隐策略投影(LPP)把独立训练的各任务专家映射进该空间:不匹配运动轨迹,而是让隐命令经冻结 BFM 诱发的动作去对齐专家在局部状态下的控制响应,从而在降低规划频率的同时保留 BFM 的高频闭环物理反馈。投影完成后,各技能的闭环隐轨迹被聚合,用于完全离线地训练一个单一感知流匹配规划器;该规划器以机载深度图、本体感知与语言/路点转向令牌为条件,预测未来 1 秒的隐命令序列,并以滚动时域方式反复重规划。论文还提出 AH-BFM:用多折扣(multi-gamma)前向-后向学习在同一隐空间内兼顾短程精确控制与长程行为结构,并用后继特征引导的行为复用把搬运等交互与蹲行、跪行等原生全身行为组合。在 IsaacSim 中每任务 128 种变化下,FIBER 平均成功率 42.0%,是固定隐轨迹回放(11.6%)的三倍以上,远超运动学规划(3.5%);真实 Unitree G1 上搬箱 6/10、开门 4/10、抓取 2/10,规划器 5 Hz、BFM 50 Hz 同跑在一块笔记本 GPU 上。

Yutang Lin, Guanya Shi, C. Karen Liu · 269次阅读 · 2026年10月17日
人形机器人移动操作
2026年10月17日
人形机器人端水浇花：Agent 规划 + RL 控制
0:52

人形机器人端水浇花：Agent 规划 + RL 控制

@MPriosin71748 · 188次播放 · 2026-10-17
移动操作轮式人形机器人
GPT-6 Astra具身策略系统评测

GPT-6 Astra具身策略系统评测

六域评测GPT-6 Astra具身策略：混合控制RoboDojo成功率48%、导航RxR达92%，但手内操作与密集步态仍不可靠，推理延迟制约实用控制。

Galbot Team, Chen, Xuchuan, Cheng, Xiaoqian · 525次阅读 · 2026年9月29日
具身智能机器人操控
2026年9月29日
WB-WAM:全身预训练的人形移动操作
0:18

WB-WAM:全身预训练的人形移动操作

@ShaotingZ38103 · 188次播放 · 2026-10-14
人形机器人世界模型
ASENA：面向具身导航的自演化智能体

ASENA：面向具身导航的自演化智能体

ASENA 是一套让人形机器人成为通用编码智能体可编程环境的具身智能体系统：智能体读取传感器、编写并执行程序、对照录制的执行证据修复失败，并在模型权重保持不变的前提下，把可复用的笔记与可执行技能沉淀进持久工作区。论文同时提出可选工具 ASENA-VLN，一个 4B 单目导航策略，基于路线指令、视觉问答与新构建的几何原子导航任务训练，可预测本体坐标系轨迹。独立评测中 ASENA-VLN 在 R2R 与 RxR 上分别取得 68.7% 与 70.2% 的成功率；与编码智能体结合后，学习型导航在两个 agentic 基准上各提升 11 个百分点成功率并缩短执行时间。持久工作区演化在十轮重复任务子集上把 R2R 成功率从 72% 提升到 98%、RxR 从 65% 提升到 89%。在具身问答上 ASENA 以更少交互步数取得最先进准确率，并在 Unitree G1 上无预建地图地演示了搜索、视觉检查、空间推理、合成手势与包含拾取、搬运、递交的移动操作。

An-Chieh Cheng, Isabella Liu, Edmund Bu · 388次阅读 · 2026年9月30日
视觉语言导航具身智能
2026年9月30日
evoBOT 倒立摆机器人
1:00

evoBOT 倒立摆机器人

@circuitrobotics · 211次播放 · 2024-11-28
移动机器人Logistics Robotics
PanTact：用可穿戴接触接口教会人形机器人全身灵巧性

PanTact：用可穿戴接触接口教会人形机器人全身灵巧性

PanTact 把接触而不是关节轨迹当作人到机器人的迁移货币。可穿戴贴片由 44×44 mm 的 FSR 模块磁吸拼装，一块 50×50 mm 自研 PCB 以 1 kHz 同读 16 路，走带 CRC 的 RS-485 菊花链，每块贴片挂一个 Vive tracker 把传感器中心定位到世界系，接触状态按每通道自适应基线二值化，阈值 max(0.35β, r_min)。策略以身体遮蔽后的 3D 第一视角点云、双腕图像与本体感知为观测，10 Hz 预测 H=16 的动作块，内含 look-at 点、EEF 位姿与夹爪宽度、逐传感器接触目标（二值状态加 3D 位置）。控制器用软最小邻近距离 d(p,q)（T=0.02 m）把激活接触交给当前最近的机器人表面，并沿按压方向偏移 δ 形成虚拟目标以产生按压力，因此 G1 不装任何触觉传感器也能抱住物体。三种公式化实现各有代价：免训练的上身 IK、由 SONIC 执行稠密参考的 WBIK、PPO 在 4096 个仿真环境训 30k 迭代的稀疏接触跟踪器（50 Hz、29 关节、上身 8 / 全身 16 个接触槽）。29-DoF Unitree G1 实测：Grasp-and-Embrace 85%（上身 IK）与 80%（稀疏），Humanoid UMI 为 0；Sweep-and-Stow 端到端 90.63%，UMI++ 两阶段各 18.75%、端到端 0；Carry-and-Push 90% 对 40%。仿真回放消融显示加入接触目标后三种控制器接触距离都下降，EEF 精度几乎不受损。

Xu, Xiaomeng, Zhang, Han, Ruan, Zhian · 563次阅读 · 2026年10月8日
Whole-Body Manipulation触觉
2026年10月8日
HomeBody：一台会自己探索、记住、再动手的人形机器人

HomeBody：一台会自己探索、记住、再动手的人形机器人

斯坦福 TML 的 HomeBody 把「VLM→VLA→控制器」中间那层学出来的 VLA 拆掉：GPT Astra 直接调用可组合技能库，配合机器人自己探索建出的数字孪生与持久空间记忆，在没见过的厨房里完成长时序收拾与取药。

博客

人形机器人具身智能
MobileVISTA：生成式数据增强让移动操作扛住 15cm 站位偏差

MobileVISTA：生成式数据增强让移动操作扛住 15cm 站位偏差

移动操作策略大多照着一个站位采的示范学出来，部署时底座偏几厘米，第一视角画面和末端轨迹就一起偏，成功率断崖式下滑。MobileVISTA 不重采数据，而是把已有示范「搬」到新站位。视觉侧先按 (r,θ)~(√u·15cm, 2πv) 采样盘面偏移与 ±5° 偏航，用天空盒掩码（仿真里 GR-1 标红、Franka 标黄；真机走 URDF 深度阈值 0.995 再膨胀 5px）把机器人抠掉，Open3D 反投影成点云、按相机外参升到世界系平移 Δp，再用重定向动作正运动学算出的新外参重投影，被遮挡的洞交给 E2FGVI 补，最后把机器人渲到新位置合成回去（仿真 512×512，真机 6× 上采样）。动作侧是闭式变换：p'_t=T⁻¹[p_t;1]、R'_t=R_inv_yaw·R(r_t)、夹爪原样透传，双臂绕中点偏航，再用 mink IK（FrameTask 1.0/1.0、PostureTask 1e-5、≤20 步）解回关节。数据量仿真 1:1（200→200）、真机 1:10（50→500）。GR-1 的 Can Sort 在 r=15cm 从微调 π0.5 的 0.320 提到 0.527，Pouring 0.460 对 0.013；双臂 Franka 的 Box 从基线最高的 0.087（DP3）提到 0.247，Drawer 0.413 反而高过仿真 oracle 的 0.393。真机 Book Stacking 随机站位抓到 17/25、放上书堆 13/25，三个基线只有 1-2/25。消融指向关键在「机器人几何随站位变」：只做动作变换几乎无增益（0.00-0.11），固定机器人几何会丢掉 Pouring +0.47、Can Sort +0.28、Box +0.24。补图质量 PSNR 也压过 GEN3C（Can Sort 25.02 对 16.29 dB），单帧耗时 2.39-4.31 分钟（L40S）对 GEN3C 的 13.65-16.85 分钟（H200）。

Wistreich, Suzannah, Tian, Stephen, Huang, Isabella · 319次阅读 · 2026年10月5日
移动操作Data Augmentation
2026年10月5日
MobileVISTA:一份演示泛化多种基座位姿
0:15

MobileVISTA:一份演示泛化多种基座位姿

@s_wistreich · 221次播放 · 2026-10-07
移动操作Data Augmentation
DexWeave：从人类演示学习灵巧人形移动操作
1:40

DexWeave：从人类演示学习灵巧人形移动操作

@ErenChenAI · 302次播放 · 2026-10-09
移动操作人形机器人
WR1.0：超越行走，迈向全身智能
4:22

WR1.0：超越行走，迈向全身智能

@westlake_robot · 298次播放 · 2026-10-09
人形机器人全身控制
UniLM-Nav:面向零样本最后一米导航的统一框架

UniLM-Nav:面向零样本最后一米导航的统一框架

移动操作中,物体导航只把机器人送到目标附近,真正决定成败的是其后把基座调整到可操作位姿的最后一米。UniLM-Nav 用同一个 MLLM 后端把这一段显式分解为三个阶段:从短期观测记忆中按可见性与可接近性选出参考视角;把任务指令接地为归一化交互点,并用深度反投影提升为 3D affordance;再条件于该 3D 点、机器人构型与任务指令推理基座位置,朝向则由几何闭式解给出而非模型预测。框架完全零样本,在 HomeRobot OVMM 验证集上以 23.77% 的总体成功率超过此前最强的 MoTo 3.13 个百分点,13 个 MLLM 后端的对照显示具身空间数据微调的 4B 模型可胜过 235B 通用模型,真机在宇树 B2 四足加 Z1 机械臂平台上以 52.5% 的成功率完成闭环验证。

Zhuofan Zhang, Tianxu Wang, Guoxi Zhang · 383次阅读 · 2026年7月7日
移动操作Last-Mile Navigation
2026年7月7日
Billi：自带货箱的轮式半人形
1:42

Billi：自带货箱的轮式半人形

@CyberRobooo · 433次播放 · 2026-10-08
人形机器人轮式人形机器人
VAP-TAMP 精读：用动作知识引导 VLM 主动感知——机器人在执行中发现「门只开了一半」怎么办

VAP-TAMP 精读：用动作知识引导 VLM 主动感知——机器人在执行中发现「门只开了一半」怎么办

SUNY Binghamton + CMU + Ford Research + Agility Robotics，TAMP（任务与运动规划）+ VLM 主动感知框架。核心问题：TAMP 规划假设全知世界，但真实执行中随时冒出计划外状况——门只半开过不去、柠檬切半后一半掉出盘子。既有开放世界规划方法隐含假设「状况是完全可观测的」，而现实中机器人只能靠不靠谱的机载传感器。VAP-TAMP 的关键创新是 **VLM 与动作知识的双向交互**：用当前动作 PDDL 前置条件/效果构造视觉问句去 prompt VLM，再用 VLM 输出更新动作知识。三个模块：① 场景图生成器（RGB-D 点云+实例分割+CLIP 嵌入，几何规则判定 on/inside/near，动作驱动+观测驱动双通道更新）；② 主动感知（对每个谓词生成 N 个语义等价问句让 VLM 多数投票，响应不一致→VLM 建议视角方向（left/right/closer/above）→导航过去再看，预算 K 内循环直至视图充分）；③ 状况处理（verify-execute-verify 闭环：动作前验前置条件、动作后验效果，任一失败→修正场景图→PDDL 重规划；诊断区分感知错误/世界状态变化/执行失败三种根源）。真机实验：Segway RMP+UR5e+Robotiq 夹爪，4 个家务任务×25 次共 100 试，**成功率 88%**（OK-Robot 76%、COWP 69%、Closed-World 33%），72/100 试验中至少出现一次计划外状况；VLM 引导选视角平均 1.61 个 vs 贪心遍历 4.35 个（省 63%）；失败模式显示 VAP-TAMP 的失败集中在操作硬件（42%），感知瓶颈被转移走。仿真实验（OmniGibson，5 任务+注入故障概率）证明基于具体状态谓词的验证优于 SuccessVQA/AffordanceVQA 及其组合，效果验证贡献大于前置条件验证（抓取/切割各 50% 组合故障率只能靠后验发现）。

Austine Oloo, Zainab Altaweel, Yohei Hayamizu · 627次阅读 · 2026年4月28日
TAMP主动感知
2026年4月28日

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。