东京大学机器人三维视觉：F² SLAM让快追踪与慢思考共用一张地图，Replica误差降至2毫米
论文基本信息 文中简称： 视觉同步定位与建图系统（SLAM） 原文标题： F² SLAM: Feed-forward Factor SLAM 首次公开： 2026年10月4日 署名单位： 东京大学、东北大学、中国科学技术大学、萨拉戈萨大学 原论文： https://arxiv.org/abs/2610.05207
标签：机器人
共 106 篇
汽车机器人最短时间路径：12条基元变15条，不打滑才最优
几十年了，类车机器人「最快怎么开」这个问题，一直建立在一个有点心虚的假设上——轮胎永远不打滑。这篇论文把自行车模型的轮胎接触力算进来，发现最优路径的清单上其实还缺三条基元，而且缺的正好是轮胎将滑未滑的那一瞬间。
华盛顿大学Reflex：人形机器人接住飞来箱子，真机成功率65%
接住一个扔过来的东西，人类基本不用想。回追一个网球、接住从桌边滑落的杯子、侧身躲开推车、搬货时顺手接住同伴抛来的纸箱，这些动作有一个共同点：目标在动，留给你的反应时间大约只有一秒，而且要用整个身体去接，而不只是伸手。
以色列理工提出自主热力学循环：机器人靠移动"觅食"温差发电
这个不对称其实很好解释。代码能编译就是能编译，编译不过就是过不去，对错有硬反馈，智能体可以在里面反复试错。
UIUC×丰田研究院：3万小时第一人称视频，世界模型学不会物体交互
一篇给"数据越大越懂世界"这条信仰做压力测试的论文。丰田研究院联合UIUC、CMU、JHU，拿3万小时第一人称人类操作视频训练世界模型，结果有点扎心：智能体的手放在哪学得又快又准，被它折的那张纸却始终折错。骨架条件化之后，300小时就能顶到基线1.5万小时的水平；而物体交互这条曲线，怎么加数据都抬不起来。作者给出的结论比数据本身更值得读——差距出在训练方式，
复旦大学×美的×卡内基梅隆大学具身操作：恢复数据让折衣成功率升至95%
原文标题： RoboFolDeX: A Physical-World Benchmark for Long-Horizon Robotic Manipulation of Deformable Objects 首次公开： 2026年9月9日 署名单位： 复旦大学、美的集团（上海）人工智能研究中心、卡内基梅隆大学 原论文： https://arxiv.org/
卡内基梅隆大学机器人三维世界模型：无动作预训练让平均成功率80.5%升至88.2%
论文基本信息 方法名称： PointZero 原文标题： PointZero: 3D Point Track Completion for Learning Transferable 3D Dynamics 署名单位： 卡内基梅隆大学、哥伦比亚大学、英伟达 首次公开： 2026年9月17日（北京时间，arXiv v1） 原论文： https://arxiv.
北京大学×北京人形机器人创新中心：人形机器人全身移动操作，七项真机任务平均70.5%
论文基本信息据官方论文与项目页整理；正文不展示普通作者姓名。
机器人真机为何总翻车？7篇新论文追到数据、触觉与失败恢复
机器人在演示视频里越来越像“会了”，一换相机、桌面、物体或任务长度，却常常立刻掉链子。这7篇近一周新论文刚好把问题拆成七段：数据、示范、空间、接触、全身控制、想象与实机验收。
不用预判关节类型：REArtGS++用两状态RGB把螺旋轴角误差做到0.07°
论文基本信息 原文标题： REArtGS++: Generalizable Articulation Reconstruction with Temporal Geometry Constraint via Planar Gaussian Splatting 首次公开： 2025 年 11 月 21 日 会议： CVPR 2026 原论文： https://
北大&Galbot新作：VLA换台就懵？严格零样本跨本体迁移，最高提升18个点
跨本体泛化是VLA从“会干活”走向“干得了所有机器人”的必经关卡，但“零样本”这个词在圈里长期被用得很随意。本论文用严格受控的基准把四种本体变化拆开细测，给出可复现的量化结论：换表征涨15个点、扩源多样性涨18个点、仅5%目标本体预训练数据再涨13.4个点。做机器人的朋友读完能少走不少弯路。
三阶系统实测：时空变换让控制抖动量直降99%，安全性不缩水
这篇论文把CBF/HOCBF/ECBF的老底掀了——它们本质是"零记忆"的瞬时高通滤波器，噪声一上来控制器就疯狂抖动甚至直接失能。作者提出的时空变换用"有记忆的卷积内核"替掉"瞬时微分"，理论和实验双杀：控制总变差降99%，安全率照样100%。做机器人落地的朋友值得重点读。
