研究

值得关注：SLAM与三维视觉前沿文献索引，但仅为列表，无新技术细节。

收集了NeRF、3D高斯泼溅在SLAM领域的论文、代码和网站，星标2069。信源信息有限。

值得关注：该库提供了高效的 DDP 求解器，有助于提升机器人运动规划与接触控制的实时性能。

Crocoddyl 是一个用于机器人接触序列控制的最优控制库，其求解器基于多种高效的微分动态规划（DDP）类算法。支持代码生成、Conda 安装、运动规划与轨迹优化，广泛应用于腿式机器人、模型预测控制等领域，目前获得 1257 颗 GitHub Star。

值得关注：提出FlowDAgger方法，通过人在回路中适应潜在空间，解决了生成式机器人策略部署时的分布外问题，对提升泛化能力有参考价值。

基于流匹配和扩散的预训练生成式机器人策略在多种操作任务中表现优异，但真实部署时面临分布外失败。本文提出FlowDAgger，一种样本高效的自适应方法，通过人在回路中调整潜在空间，无需大规模数据收集或在线强化学习，实现快速安全的策略适。

值得关注：该工作从普通第一人称视频中恢复遮挡物体和全手运动，生成机器人演示，为破解人形机器人从人类视频学习中的遮挡难题提供了新思路。

本文提出AgenticFocus，一种混合现实合成管线，从普通第一人称视频中恢复被遮挡的物体几何和完整手部运动，并重新映射到人形机器人，生成可训练的演示。该方法解决了现有技术在手-物遮挡、运动简化或专用硬件依赖方面的不足，为人形机器人策略学习提供了可扩展的数据来源。

值得关注：自动收集arXiv每日论文的工具覆盖多领域，便捷追踪前沿研究，对保持技术敏感度有直接帮助。

自动收集arXiv每日论文的工具，每12小时更新一次。覆盖计算机视觉、联邦学习、元学习、机器人学、SLAM等领域，拥有178颗星。

值得关注：DART物理引擎专为机器人和强化学习设计，支持Python绑定和Gazebo，为仿真研究提供高性能基础。

专为机器人、动画和机器学习设计的C++23物理引擎，提供Python绑定。支持碰撞检测、动力学、运动学等，可用于Gazebo仿真，获得1161颗星。

值得关注：BEHAVIOR-1K作为具身AI基准平台提供丰富仿真环境，为评估机器人任务学习能力提供标准化测试，加速研究进展。

BEHAVIOR-1K 是一个用于加速具身 AI 研究的基准平台，提供仿真环境，支持机器人、具身 AI 和仿真研究。已获 1561 颗星，并提供 Discord 社区支持。

值得关注：卡内基梅隆大学开发开源框架简化AI在不同机器人上的部署，显著降低机器人行为测试的重建成本。

卡内基梅隆大学研究人员开发开源软件框架，简化在不同机器人上部署 AI 系统的设置工作，无需重建软件，可加速机器人行为测试。

值得关注：Newton开源GPU加速物理引擎专为机器人学家设计，助力高保真仿真研究。

Newton是一个开源物理仿真引擎，利用NVIDIA Warp进行GPU加速，专为机器人学家和仿真研究人员设计。GitHub星标5182。

值得关注：FabriVLA轻量级VLA模型通过门控自注意力实现精确多任务操作，为机器人操控提供高效方案。

FabriVLA是轻量级VLA模型，使用InternVL3.5视觉语言骨干和流匹配动作头，通过门控自注意力和浅层VLM融合增强空间上下文，在Meta-World MT50基准上评估。论文来自arXiv。

值得关注：MIT 微型机器人船像蚂蚁一样拼接形成浮动结构，实现可重构水上平台，适用于临时码头或救援场景。

MIT 研究人员开发了 FloatForm，一群小型水生机器人像蚂蚁组成筏子一样拼接在一起，在水上组装成可重构结构。

值得关注：VLA-JEPA将世界模型与VLA结合，提升机器人策略对动作动态的理解能力，开源推动研究。

VLA-JEPA是首个集成到LeRobot的世界模型策略，在训练时通过JEPA世界模型预测未来帧，实现动作相关动态学习。该方法提升了机器人策略对动态的理解。

值得关注：研究表明AI模型的逐步推理能力可能被攻击者利用导致系统缓慢，揭示了深度推理带来的新型安全风险。

大语言模型的逐步推理能力虽扩展了任务范围，但新研究表明，这种推理过程引入漏洞，攻击者可能利用它使系统运行缓慢。与早期模型直接响应不同，当前先进模型生成内部独白分解问题，增加了风险。

值得关注：IEEE表彰Toshio Fukuda在生物医疗、微纳机器人等领域的开创性成就，其2000多篇论文为机器人技术发展奠定了理论基础。

值得关注：CMU选择OptiTrack作为机器人创新中心动作捕捉伙伴，其精密方案将支持机器人研究与开发，推动运动控制技术进步。

该合作将为CMU的世界级机器人项目提供精密动作捕捉方案和先进主动追踪技术，覆盖两个尖端研究设施。

值得关注：EleTac软体夹爪受大象启发实现精密触觉，适用于水果、实验室样本等精细抓取任务，拓展软体机器人应用边界。

软体夹爪由柔性材料制成，可弯曲变形，温和抓取物品并适应不同形状，适用于水果、烘焙食品、实验室样本等精致任务。

值得关注：新实验室将推动海洋机器人技术研发，属于长期科研基础设施投入。

罗德岛大学在其纳拉甘西特湾校区开设了新的海洋机器人实验室，这是该校 3 亿美元振兴计划的一部分，旨在加强海洋机器人领域的研究与教育。

值得关注：变色触觉传感器将力学信号实时转化为可视图案，为机器人精细操作与交互提供了低成本高分辨率的触觉反馈新方案。

伦敦玛丽女王大学工程师开发出变色触觉传感器，将不可见的力转化为动态颜色图案，实时生成接触、应变和压力的高分辨率地图。

值得关注：Google DeepMind与A24研究合作，探索AI在创意产业中的应用，可能催生生成式AI与影视融合的创新模式。

原始信源未提供摘要，建议点击原文查看详情。

值得关注：Emily Bender 澄清“随机鹦鹉”概念，纠正了对 LLM 统计性质的误解，有助于理性评估大语言模型的能力边界。

2021年，四名研究人员（语言学家和计算机科学家）发表了论文《论随机鹦鹉的危险：语言模型能否太大？》，指出LLM通过统计预测生成文本而非真正理解。该论文因谷歌解雇两位作者而引发关注。Bender 近日澄清了相关概念。

值得关注：研究人员用本地 AI 识别胡萝卜方向并优化包装，展示了边缘计算在农业食品自动化中的低成本高效应用。

研究人员教包装机识别零食胡萝卜的上下方向。程序运行在小型本地PC上，而非远端云端服务器。目标是快速、廉价且美观地包装，吸引消费者选择本地健康零食。

值得关注：首尔大学开发的人造皮肤使机器人能同时感知温度和压力，为提升机器人触觉感知精度和仿人交互提供了核心技术。

首尔大学Seung Hwan Ko教授团队开发出人造皮肤技术，使机器人能像人类皮肤一样同时感知温度和压力。

值得关注：萨里大学开发的机器人能“看透”人类视觉、实时3D建模和材料识别，为核工业、铁路安全及战地搜救提供了关键技术。

萨里大学研究人员开发出能“看透”人类视觉、实时构建3D地图并识别物体材料的机器人，可用于核检查、铁路建筑安全及战区搜救。

值得关注：受蜜蜂和蚂蚁启发的群体机器人系统有望使采矿更安全高效，为矿山自动化和群体机器人产业应用提供了新思路。

阿德莱德大学研究人员开发出受蜜蜂和蚂蚁启发的新型机器人系统，有望使采矿更安全、高效和可持续。

值得关注：模仿尺蠖的无刚性部件爬行机器人可用于下水道和火星探测，为极端环境探索提供了轻量、灵活的新型平台。

哥德堡大学受尺蠖启发，开发出无任何刚性部件的机器人。该机器人模拟肌肉屈伸，可用于下水道检查或火星探测，相关研究已发表于arXiv预印本平台。

值得关注：EPFL利用AI模型预测大脑刺激位置推动物体级视觉假肢，为提升视觉假肢功能和神经接口技术提供了新途径。

EPFL神经AI实验室利用AI模型预测刺激大脑的精确位置，以帮助视觉假肢实现物体级识别，相关研究由Martin Schrimpf团队主导。

值得关注：MIT新芯片低内存低功耗快速生成3D地图，为微型机器人在复杂环境中的自主导航提供了硬件基础。

MIT研究人员将高效算法与专用硬件结合，以极低内存和功耗快速生成3D地图用于导航。

值得关注：MIGHTY系统开源且能快速生成平滑路径，减少旅行时间和障碍规避，直接应用于灾后恢复和包裹递送，具有实际产业价值。

开源系统MIGHTY能快速生成平滑路径，缩短旅行时间并避开障碍，有望简化灾后恢复和包裹递送流程。该系统通过高效规划，提升机器人自主导航能力，为物流和应急响应提供新方案。