#移动操作 (62)

瀑布流分页

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 · 60次阅读 · 2026年9月29日

具身智能机器人操控灵巧操作2026年9月29日

0:18

WB-WAM:全身预训练的人形移动操作

@ShaotingZ38103 · 36次播放 · 2026-10-14

人形机器人世界模型移动操作

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 · 65次阅读 · 2026年9月30日

视觉语言导航具身智能人形机器人2026年9月30日

1:00

evoBOT 倒立摆机器人

@circuitrobotics · 73次播放 · 2024-11-28

移动机器人Logistics RoboticsInverted Pendulum

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 · 133次阅读 · 2026年10月8日

Whole-Body Manipulation触觉接触丰富操作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

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VLM AgentReal2Sim移动操作

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 · 141次阅读 · 2026年10月5日

移动操作Data Augmentation模仿学习2026年10月5日

0:15

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 · 229次阅读 · 2026年7月7日

移动操作Last-Mile NavigationAffordance Grounding2026年7月7日

1:42

Billi：自带货箱的轮式半人形

@CyberRobooo · 318次播放 · 2026-10-08

人形机器人轮式人形机器人移动操作

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 · 468次阅读 · 2026年4月28日

TAMP主动感知视觉语言模型2026年4月28日