ICRA 2026｜狹窄空間中機器人主動感知與操作
重點摘要
原文作者：用戶“胖頭魚在此”原文鏈接：https://www.xiaohongshu.com我們的論文被 ICRA 2026 錄取了！論文編號是 Paper TuI1I.294。 這篇工作想回答一個很實際的問題：如果機器人要在狹窄、雜亂、看不清的空間裡抓東西，它應該怎麼“邊看邊動”，而不是盲目伸手？ 在很多真實場景裡，機器人並不是一開始就擁有完整地圖。比如目標物體可能被障礙物擋住，機械臂周圍也可能有箱子、牆壁、櫃子等限制。機器人既看不清目標，又不能隨便亂動，因為一不小心就會撞到環境，或者擺出一個根本抓不到東西的姿態。 所以，狹窄空間操作的難點不只是“怎麼抓”，而是：機器人要先安全地探索環境，找到目標，再生成真正可執行的抓取動作。 我們提出了 COMPASS，一個面向狹窄空間操作的主動感知與操作規劃框架。它主要包含三步： 第一步，機器人先做 Near-Field Awareness Scan，用腕部相機小心地掃描自己附近的空間，先搞清楚“身邊哪裡不能碰”。 第二步，機器人使用 Manipulation-Utility Exploration RRT主動選擇下一個觀察視角。它不是隻看哪裡信息最多，還會同時考慮機械臂是否容易運動、姿態是否接近奇異、路徑是否平滑、後續是否有利於抓取。 第三步，當目標被發現後，系統會生成滿足障礙物約束和運動學約束的抓取姿態，而不是隻選擇一個幾何上看起來不錯、但機器人實際伸不過去的抓取。 我們還構建了一個狹窄空間操作 benchmark，從簡單遮擋、嚴重遮擋，到強運動學約束，再到二者耦合的複雜場景，系統評估機器人在“看不清”和“伸不開手”同時存在時的表現。 實驗結果顯示，相比只考慮信息增益或傳統探索策略的方法，COMPASS 在仿真中顯著提升了整體操作成功率；在真實機器人實驗中，也能在未知、遮擋、狹窄的環境裡主動探索、找到目標，並完成約束下的抓取。 未
原文作者：用戶“胖頭魚在此”原文鏈接：https://www.xiaohongshu.com我們的論文被 ICRA 2026 錄取了！論文編號是 Paper TuI1I.294。 這篇工作想回答一個很實際的問題：如果機器人要在狹窄、雜亂、看不清的空間裡抓東西，它應該怎麼“邊看邊動”，而不是盲目伸手？ 在很多真實場景裡，機器人並不是一開始就擁有完整地圖。比如目標物體可能被障礙物擋住，機械臂周圍也可能有箱子、牆壁、櫃子等限制。機器人既看不清目標，又不能隨便亂動，因為一不小心就會撞到環境，或者擺出一個根本抓不到東西的姿態。 所以，狹窄空間操作的難點不只是“怎麼抓”，而是：機器人要先安全地探索環境，找到目標，再生成真正可執行的抓取動作。 我們提出了 COMPASS，一個面向狹窄空間操作的主動感知與操作規劃框架。它主要包含三步： 第一步，機器人先做 Near-Field Awareness Scan，用腕部相機小心地掃描自己附近的空間，先搞清楚“身邊哪裡不能碰”。 第二步，機器人使用 Manipulation-Utility Exploration RRT主動選擇下一個觀察視角。它不是隻看哪裡信息最多，還會同時考慮機械臂是否容易運動、姿態是否接近奇異、路徑是否平滑、後續是否有利於抓取。 第三步，當目標被發現後，系統會生成滿足障礙物約束和運動學約束的抓取姿態，而不是隻選擇一個幾何上看起來不錯、但機器人實際伸不過去的抓取。 我們還構建了一個狹窄空間操作 benchmark，從簡單遮擋、嚴重遮擋，到強運動學約束，再到二者耦合的複雜場景，系統評估機器人在“看不清”和“伸不開手”同時存在時的表現。 實驗結果顯示，相比只考慮信息增益或傳統探索策略的方法，COMPASS 在仿真中顯著提升了整體操作成功率；在真實機器人實驗中，也能在未知、遮擋、狹窄的環境裡主動探索、找到目標，並完成約束下的抓取。 未來我們也會繼續探索主動感知、狹窄空間操作、機器人規劃、具身智能系統設計等方向。雷峰網
Related
相關文章
基於任務種子的合成問答生成用於Nemotron預訓練
在大型語言模型的開發中，問題不再只是模型看到多少數據，還在於數據是否包含足夠的結構化學習信號。一般網絡、程式碼、數學、多語言和領域數據提供了廣泛基礎，而基於任務種子的合成問答（SDG）通過添加緊湊、任務結構化的範例來補充它們，這些範例具有明確的資訊需求、受限的回應空間，以及將證據與答案聯繫起來的解釋。在Nemotron-3 Nano模型的1000億詞元延續實驗中，基於任務種子的SDG使MMLU-Pro提升1.8分，平均程式碼能力提升1.9分，常識推理能力也有所提升。
LeCun 10億押注的方向，全球領先視覺大模型團隊早已佈局
LeCun投入10億美元押注的隱空間世界模型領域，雖然技術難度極高，但全球領先的視覺大模型團隊早已展開相關佈局。這項技術被視為未來AI發展的關鍵方向，團隊決心克服挑戰持續推進。
剛剛，李飛飛親自下場定義世界模型
李飛飛近日明確重新定義「世界模型」，強調渲染、模擬與規劃三大功能應無縫整合，而非各自獨立發展。她認為真正的世界模型必須讓AI能同時感知環境、推演動態並制定策略，此觀點可能推動機器人與自駕車等領域的突破。相關研究論文或開源框架預料即將發布，將影響未來AI研發方向。
慕尼黑工大Johannes Betz 教授：時速300公里的自動駕駛超車 ｜ ICRA 2026
大多數AI賽車研究停留在仿真裡，這輛車是真的在賽道上撞過。 作者丨陳淑瑜 編輯丨岑 峰 2026年6月2日，在ICRA 2026大會上，慕尼黑工業大學（TUM）自動駕駛實驗室負責人Johannes Betz發表了題為“Autonomous Vehicles & Navigation ”的演講，系統回顧了過去八、九年其團隊在自動駕駛賽車領域的研究歷程與核心洞察。Johannes Betz開篇即拋出一個尖銳的問題：為什麼要研究自動駕駛賽車？他的回答直指機器人學的一個根本困境：賽車天然集成了多變環境、高速交互與極小容錯空間三個極致要素，構成了完美的研究沙盒。在此基礎上，他的團隊選擇了一條與主流“端到端強化學習”截然不同的技術路徑：一套經典的生產級感知-規劃-控制管線，輔以“一個博士生一個算法”的管理哲學，確保每個模塊擁有完全的技術所有權和極致的工程深度。在軟件架構層面，Betz提煉出四條硬核教訓：第一，多傳感器融合（GPS+激光雷達+毫米波雷達）是高速定位的基石，尤其是在GPS信號拒止的真實戰場環境中；第二，三維狀態估計是捕捉漂移、側偏角等極限動力學的前提，缺此則一切免談；第三，全局-局部雙層規劃架構，結合博弈論實現多車交互預測，是賽車能夠自主決策超車時機的關鍵——他展示了一段在阿布扎比亞斯碼頭賽道上完成的並排超車視頻，全程自動駕駛，十次中有九次成功；第四，當經典管線跑通之後，真正的挑戰來到了“如何比人類更快”。為此，Betz 團隊耗時三年，逆向工程了人類賽車手的行為模式，開發出名為APEX的“人類啟發的主動駕駛智能”系統。APEX的核心邏輯是：人類通過視覺、觸覺、聽覺感知極限，再憑藉記憶持續調整軌跡來逼近極限，而非死守一條固定的最優基線。這套系統在與梅賽德斯-AMG的合作測試中，以2.6秒的優勢擊敗了奔馳測試車手，又以1秒優勢戰勝了前DTM賽車手本·施奈德。然而在面對目前F1車
港中深王方鑫團隊：3D 重建的「玻璃杯難題」，終於被擺上檯面丨CVPR 2026
3DReflecNet：一個專為玻璃、金屬與陶瓷等材料建立的大規模數據集。 作者丨樊天驕、鄭佳美 編輯丨鄭佳美 想為手上的玻璃杯生成 3D 模型，需要幾步？拍照、掃描、建模......聽上去似乎很簡單，可如果你真的動手試試，得到的往往是佈滿孔洞、邊緣扭曲的殘缺結果。這就是當前 3D 重建技術的瓶頸：無論是爆火的 3D 高斯濺射（3D Gaussian Splatting, 3DGS）、神經輻射場（Neural Radiance Fields, NeRF），還是傳統的多視圖立體匹配方法，都只對不反光的漫反射材質且擁有足夠清晰的紋理特徵的物體有效。而對於那些具有反射、透明和低紋理表面特性的材料，現有技術可以說是束手無策，比如金屬、玻璃和陶瓷。金屬的反光特性會讓同一物體在不同角度、不同光照下呈現截然不同的特徵，玻璃的折射徹底會扭曲光線傳播路徑，光滑的陶瓷則缺乏可供算法匹配的特徵點。這就造成了以下現象：服務機器人想要拿起一個玻璃碗，卻常常因為識別不到物體輪廓而失手；工業質檢系統試圖掃描拋光後的不鏽鋼零件時，得到的 3D 模型卻總是扭曲且失真的。算法，就像是活在一個物體都是漫反射的世界裡，而真實物理世界遠遠比這複雜得多。在這樣的行業背景下，香港中文大學（深圳）王方鑫教授團隊聯合首都師範大學、南加州大學的研究者提出了《3DReflecNet: A Large-Scale Dataset for 3D Reconstruction of Reflective, Transparent, and Low-Texture Objects》，構建了專門針對反射、透明、低紋理三類高難度物體的大規模混合 3D 重建數據集。這項研究打造了一個包含 12 萬+合成實例、1000+ 真實物體、總規模超 22 TB 的綜合數據集，並建立了涵蓋圖像匹配、運動恢復結構、新視角合成、反射去除和重光照五大核心任務
世界模型，擠滿了00後
這篇消息聚焦「世界模型，擠滿了00後」。原始導語提到：資本集體“叛變” 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。