- 博客(282)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 Splat-SLAM：给高斯地图接上全局优化，纯 RGB 追踪误差从 76.6 cm 降到 4.2 cm
给 3DGS 配一个会"回头改作业"的追踪后端。DSPO 把位姿、视差与单目深度尺度放在同一个优化目标里；代理深度负责给建图提供既稠密又尺度正确的深度；可形变高斯地图则在每次位姿/深度被修正后主动跟着动。结果是 Replica 上，TUM 上 Avg-31.1 cm（比多数 RGB-D 方法更准）、fr1/room 的 ATE 从 MonoGS 的76.6 cm 降到 4.2 cm，地图仅6.5 MB。如果你的高斯 SLAM 飘，先别换表示，先检查位姿是不是从来没人给它做过全局修正。
2026-10-23 07:20:38
10
原创 OVL-MAP：让机器人边跑边建“视觉语言地图“，未知环境成功率 60%
OVL-MAP 的核心是把"地图"从名词变成动词：不再是预先建好的一张静态语义图，而是每一步都在更新、并被当前指令加权的视觉语言特征栅格。三个模块（在线建图 / 跨模态路点预测 / DD-PPO 动作决策）各司其职，消融显示地图与路点模块缺一不可（SR 22% → 36% → 60%）。在 R2R-CE Val-Unseen 上，Robo-VLN 的 SPL 在未见环境提升12%。与其花力气建一张更准的离线地图，不如让地图在运行中持续吸收"看到了什么 + 现在要干什么"。
2026-10-23 07:18:08
16
原创 Co-SLAM：坐标编码 + 稀疏参数编码，让神经 SLAM 既不“慢“也不“漏“
用 One-blob 坐标编码补上参数编码的"连贯性"，用多分辨率哈希网格补上坐标编码的"速度"，再用全局 BA 把跟踪精度拉回来。三者叠加的结果是在 Replica 上17.4 FPS / 1.51 cm 深度误差 / 93.44% 补全率 / 0.26 M 参数，在 ScanNet 与 TUM 上以 12~13 FPS 运行、跟踪精度与 NICE-SLAM 持平或更好。如果你的神经 SLAM 又慢又漏，先别急着换硬件，先看看编码方式和 BA 的采样范围。
2026-10-23 07:15:25
13
原创 先把地库反光擦掉：AVM-SLAM 用 BEV 语义车道线把建图误差从 4.1 m 压到 0.79 m
反光污染 → BEV 耀斑去除（U-Net + L1/感知损失，无需标注修复结果）；重复纹理误回环 → SPQ 语义预筛选 + 运动学约束的位姿图。两者叠加，把最难一组数据的建图 RMSE 从 4.122 m 压到 0.785 m，同时把语义分割 mIoU 抬了 10 个点而不增加任何推理开销。在视觉退化场景里，先想办法让输入变干净、让特征变得可分辨，再谈后端优化。
2026-10-23 07:13:35
13
原创 用几百万个三维高斯代替神经网络：3DGS 把辐射场渲染从 0.06 FPS 拉到 134 FPS
用"可微的显式图元 + 光栅化"替代"隐式场 + 光线步进"，把辐射场从"离线渲染工具"变成"实时渲染技术"。各向异性 3D 高斯（可优化、能表达细结构）、自适应密度控制（从稀疏 SfM 点长到百万级高斯，克隆补欠重建、分裂解过重建、不透明度重置治漂浮物）、可微 tile 光栅化（16×16 tile + 基数排序 + α 混合，反传只靠累积 α）。数据上：Mip-NeRF360 数据集PSNR 27.21 / SSIM 0.815 / 134 FPS / 41 分钟训练。
2026-10-23 07:08:51
13
原创 人形机器人运动控制全景综述：从动力学模型到学习范式，一文读懂双足行走的技术路线图
动力学方法（MPC、ZMP、HZD、WBC）提供稳定可预测的控制，学习方法（RL、IL、表征学习、LLM）赋予自适应与智能行为，二者并非替代而是互补。人形机器人正处在从实验室走向真实应用的拐点，但仿真到现实的鸿沟与成本问题仍是必须跨越的工程门槛。对于关注具身智能的读者，这篇文章的 Table 1/2/3/4/7/8 与 Figure 5 的六维对比，是快速建立技术全景的高效入口。
2026-10-22 22:06:41
55
原创 从“会动”到“会学”：移动机器人学习型运动规划与控制全景综述
这篇综述的核心价值在于从系统架构而非算法标签出发，构建了学习型运动规划与控制的统一分类框架，揭示了不同集成策略的权衡与通向具身智能的架构演化路径。DIL 与 DRL 对任务性能提升至关重要，端到端学习仍受稀疏奖励与训练困难制约，而策略输入的抽象表征对训练效果有积极影响；现有模型多依赖经验调参与迭代设计，缺乏安全性与鲁棒性的形式保证，安全学习、Sim2Real、LLM 是落地关键；挑战需从算法、任务、真实应用三个层级协同攻克。
2026-10-22 20:52:09
49
原创 室内具身智能的语义建图：进展、挑战与未来方向全景解读
智能体要在陌生室内环境中完成复杂任务，光靠低层感知与运动控制远远不够。它需要一张能“理解”环境的地图——不仅记录几何结构，还记录物体类别、可供性等高层语义。这就是。在长程任务中，构建并维护语义地图被论文作者视为智能体最关键的技能：它让智能体在任务全程都能回访地图进行高级推理。现有综述多从导航、操作等下游任务切入，而这篇综述的独特之处在于，独立于具体任务，系统梳理语义建图方法。在基础模型快速演进、通用开放词汇地图需求增长的背景下，这一视角尤为及时。
2026-10-22 19:24:07
32
原创 深度学习如何重塑移动机器人SLAM？一篇综述讲透视觉里程计、闭环检测与语义建图
综述总结了三方面成果：视觉里程计融入深度学习丰富特征点信息、提升位姿估计精度；后端优化利用深度学习特征提取与压缩能力使闭环检测更准确、全局优化方法更丰富；结合预处理语义信息与神经辐射场技术构建应用面更广的语义地图。场景的长期建模：结合增量式学习或持续学习，使SLAM系统识别场景长期变化并自主建图；NeRF与传统视觉SLAM耦合：将NeRF模块化融入传统SLAM，在保证可解释性和实时性的同时提升建图效率与质量；端到端网络设计：探索统一端到端学习框架，从原始传感器输入直接输出位姿估计与地图构建；
2026-10-22 17:59:16
45
原创 视觉SLAM方法综述-张琳
视觉SLAM已展现出强大的实际应用价值和技术潜力，但面临数据量庞大、计算资源消耗高、复杂环境鲁棒性等问题。通过深度学习可解决动态环境稳定、闭环检测修正、语义建图等问题；多源信息融合是重要发展方向。当前视觉SLAM在理论上的实现先于实践，未来将在无人驾驶、智能机器人、具身智能等领域快速发展与广泛应用。提升动态环境鲁棒性是技术落地的核心条件之一，同时需保证光照不足和剧烈变化时稳定运行、提高闭环检测精度避免累积误差、提升计算效率保障实时性——这需要硬件、软件和算法层面的全面优化与跨学科合作。
2026-10-22 15:37:24
30
原创 机器人强化学习系列第 5 篇 | 从单任务到通用：如何把机器人学习推向“基础模型“
机器人强化学习系列第 5 篇 · 通用机器人策略与 VLA 入门。
2026-10-22 11:16:42
39
原创 机器人强化学习系列第 4 篇|RL 在真实机器人上的边界：仿真器、奖励设计，以及模仿学习为何崛起
机器人强化学习系列第 4 篇 · 真实落地的边界与突破口。
2026-10-22 10:35:12
19
原创 机器人强化学习系列第 3 篇|手把手：在真实机器人上跑 RL，HIL-SERL 四段代码拆解
Actor 是"跑在机器人上的那一半"：冻结策略、交互环境、收集转移、检测人类干预。# Code 4: Defining the Actor（节选）policy_actor: SACPolicy, # 冻结的策略reward_classifier: Classifier, # Step 1 训好的奖励分类器):env, teleop_device = make_robot_env(env_cfg) # 在 Actor 进程内创建机器人环境try:# 从参数队列取最新参数，热更新策略pass。
2026-10-22 10:08:00
14
原创 |机器人强化学习系列第 1 篇|机器人为什么需要强化学习？传统控制方法的四个局限
1961 年，Unimate 走进通用汽车的生产线，成为第一台工业机器人。六十多年过去，机器人在焊接、喷涂、码垛这些结构化场景里早已炉火纯青，却依然没能真正融入人类所处的非结构化、动态世界——那个有褶皱的衣物、有滑动的杯子、有光照变化和意外碰撞的世界。问题出在哪？教程的作者给出了一个清晰的立场：现代机器学习可以在自主机器人的发展中扮演关键角色。但这句话要成立，前提是先说清楚——传统方法到底卡在了哪里。本文将传统动力学方法的困境归纳为四个“问题”，正是这四个问题，把机器人学习推向了强化学习（RL）这条“试错”
2026-10-22 09:49:01
19
原创 不训练也能泛化：用预训练 ViT 特征做视觉伺服，扰动场景收敛率反超经典 IBVS 31%
把预训练 ViT 的语义特征当成"通用匹配器"，直接插进经典的 IBVS 控制回路，一次微调都不做。它带来的收益是可量化的：无扰动场景收敛率100%（追平专门微调过的学习方法），扰动场景76.6%（比最好的经典 IBVS 相对提升 31.2%），轨迹长度比 1.21 为非微调方法最佳；代价是末端精度受 1/14 特征图限制（厘米级）以及 5–14 Hz 的帧率。真机侧，它完成了 20 次抓箱全成功、以及鞋 100%/杯 90%/玩具车 80% 的类别级未见实例抓取。
2026-09-30 22:07:48
51
原创 PPO 会探索、CBF 会保命：RADAR-BPO 把复杂环境碰撞率压到 10.7%
它把"探索"和"保命"这两件事拆给了两个模块——PPO 负责在环境里大胆试错并学习导航策略，CBF 负责在每一个控制周期用一次二次规划把危险动作拉回安全边界内。效果很直接：在最复杂的混合障碍环境中，碰撞率从 30.67% 降到 10.67%（约降 2/3），平均奖励从 399.38 提到 762.66，任务成功率接近 90%；在环境切换时，PPO 会出现"从高碰撞率重新学习"的崩溃式震荡，而 RADAR-BPO 能平稳过渡。不要把安全性寄托在网络权重上，把它写成一个可以在线求解的约束层。
2026-09-30 22:05:38
59
原创 DQN 出主意、MPC 踩油门：混合规划把最坏求解耗时砍掉 56%
这篇论文的价值不在于提出多么复杂的算法，而在于给出了一条让 DRL 与 MPC 各司其职的清晰分工：DQN 不再直接控制机器人，而是生成一条绕开障碍的参考轨迹；MPC 在这个局部轨迹上做轨迹跟踪，负责安全与实时性。结果是成功率从"纯 DQN 不敢展示"提升到混合版的近乎全场景 100%（含非凸 U 形障碍），同时把单步求解的最坏耗时从 181.73 ms 降到 79.13 ms（约 −56%），均值从 38.51 ms 降到 23.27 ms。激光看不到转角之后，视觉可以。
2026-09-30 22:03:22
29
原创 把关键点连成图：CNS 用图神经网络做视觉伺服，精度 0.053°、0.3 mm
把"关键点 + 对应关系"这种通用但脆弱的中间表示，包进图神经网络的骨架里，从而同时拿到经典方法的高精度与学习方法的鲁棒性和大收敛域。它用 PTConv + GConvGRU 处理图结构，用聚类、距离解耦与数据随机化解决训练与泛化，用初始旋转补偿解决"开局偏得太远"的问题。结果很有说服力：实物精度 0.053° / 0.308 mm，无 RANSAC 条件下成功率 8.33% → 75.00%，含观测器仍能跑到 40 fps，且模型是纯仿真训练、实物零样本迁移。
2026-09-30 22:00:47
72
原创 DWA + MPC 分层协作：让移动机器人既敢绕障、又能贴住路径
让规划与控制互相"知情"。规划侧用"可选局部目标区 + 曲率连续的评价函数"保证局部路径又安全又好跟，控制侧用"曲率自适应参考点 + 自适应时域"保证既跟得紧又算得快。最终结果是规划成功率 60% → 95%、路径缩短 8.58 m、IAE 误差下降 44%–56%、计算时间下降 23%–37%，实车平均跟踪误差降至厘米级以下（1.1 cm / 1.7 cm），而这一切跑在 10 Hz 的 Jetson TX1 上。
2026-09-30 21:57:59
54
原创 Text2Motion：别让 LLM 只“纸上谈兵“——把几何可行性验证塞进语言规划
LLM 负责"表达想做什么"，几何可行性规划负责"验证能不能做到"，两者在规划的每一步里反复对话。它用 shooting（多候选择优）与 greedy-search（启发式收窄）的混合规划器，加上"先预测目标、再据目标终止"的简单设计，把长时程操作任务的总体成功率从 13% 拉到82%，并揭示了关键失败机制——不做跨技能几何依赖验证的方法，子目标完成率能有 50%~80%，成功率却超不过 20%。对工程团队的直接启示是：给语言规划配上真正的可行性验证，比换一个更会说的 LLM 更值。
2026-09-30 21:54:43
32
原创 SayCan：不让 LLM“想当然“，而是先问一句“你到底行不行“
LLM 负责"想做"，技能的价值函数负责"能做"，两者相乘才是机器人该做的事。它在 101 条真实指令上验证了这条路可行——规划 84%、执行 74%，接地使错误减半，并且换更强的语言模型就能直接换来更高的成功率。把动作空间设计成可打分的技能库、用 RL 价值函数做可行性闸门、把可解释性当作系统的一等公民。今天几乎所有"LLM + 技能库"的机器人系统，都还站在这篇文章划定的框架里。
2026-09-30 21:51:23
30
原创 RT-2：把机器人动作当成“外语单词“——让网络知识直接长成操作技能
如果动作能写成 token，那么机器人就能"继承"大模型的一切。它把 7 维动作离散成 256 个桶、占用词表里的 256 个 token，用共微调的方式让 55B 的 PaLI-X 在机器人任务上跑到 1~3 Hz，并第一次系统展示了"涌现"：符号理解、推理、多语言、人类识别——这些语义能力都来自网络预训练，而不是机器人数据。语义可以迁移，动作技能不能。动作进词表以复用 LLM 基建、共微调以保住泛化、把算力预算想清楚再上大模型。
2026-09-30 21:44:41
82
原创 ReAct：不让大模型“空想“也不让它“瞎干“——把推理和行动交错起来
ReAct 的贡献与其说是一个模型，不如说是一种范式：让语言模型把"想"和"做"交错输出，推理负责拆解与纠错，行动负责取回真实信息。它在 HotpotQA/Fever 上抑制了幻觉（与 CoT-SC 组合拿下最好的 64.6 Fever Acc），在 ALFWorld 与 WebShop 上用 1~2 个示例就把成功率绝对提升34%与10%，ALFWorld 达到71%。对机器人工程师来说，最重要的遗产是那个循环————它至今仍是具身智能体与工具调用系统的标准骨架。
2026-09-24 22:34:14
59
原创 OpenVLA：7B 开源模型打赢 55B 闭源对手——97 万条演示教会机器人“看图听话干活“
7B 参数、97 万条真实演示、DINOv2+SigLIP 融合视觉编码器，在 29 个任务上比 55B 的闭源 RT-2-X 绝对高出16.5 个点（参数少 7 倍），比 Diffusion Policy 高 20.4 个点；同时第一次系统验证了 LoRA（训 1.4% 参数、约 60 GB 显存，成功率仅低 1.5 个点）与量化（4-bit 显存减半、RTX 4090 上 6 Hz）这两条工程路线。单视角输入、高频控制下的吞吐、以及可靠性不足 90%—— 这些恰好是今天 VLA 研究的公共议题。
2026-09-24 22:29:41
58
原创 VLMaps：把 CLIP 特征“焊“进三维地图，机器人就能听懂“沙发和电视之间“
与其让 VLM 在每一帧上做判断，不如把它的特征一次性焊进地图。由此得到的空间视觉语言地图既能听懂"沙发和电视之间"这种天然语言，又能保留几何地图的精度，还能跨机器人本体共享——多物体导航 59/34/22/15 对比 CoW 的 42/15/7/3，空间目标导航 62/33/14/10 逼近真值上界 76/48/33/29，全部零样本、无微调、只依赖里程计。它也成为后来一大批"语义地图 + LLM 规划"工作的共同起点。
2026-09-24 22:23:52
41
原创 NaVILA：不让大模型直接控制关节，而是让它“说人话“指挥四足机器人
NaVILA 最有价值的不是某个指标，而是它重新定义了 VLA 里"动作"的粒度：不去预测关节，而是让大模型用自然语言说出"向前 75 厘米、右转 30 度"，再由实时运动策略执行。这一步解耦同时解决了三件事——换本体不复训、能用人类视频训、大小模型各跑各的频率。结果是经典 VLN 基准成功率提升 17%+、真机 25 条指令 88%（复杂指令 75%）、W4A16 量化后 368 ms / 8.6 GB 且精度几乎无损，并顺带把"关节级"评测基准 VLN-CE-Isaac 带进了社区。
2026-09-24 22:14:43
65
原创 ConceptFusion：把“多模态基础模型“焊进三维地图，一句话、一张图甚至一声“咔“都能找东西
不微调、不训新模型，只把基础模型的全局特征与局部特征按相似度加权融成像素级特征，再按融合深度/颜色的方式融进 3D。结果是文本查询 3D mIoU 0.378（对比次优 0.153）、严格阈值 IoU>0.5 达 34.03%、音频查询准确率 64–67%，还能做"两个从未同框的物体之间有多远"这种纯三维推理，并顺带给出了 UnCoCo 这个多模态三维查询基准。地图不必只存几何与颜色，也可以存"可被任何模态查询的概念"。
2026-09-24 22:01:29
51
原创 UPEN：让机器人“猜“出视野之外的地图，用不确定性决定下一步往哪走
让机器人学会"承认自己不知道"，并且把这种不知道变成行动指令——探索就去最不确定的地方，导航就绕开最不确定的路。它用一个轻量占据栅格预测器 + 4 模型集成拿到逐格不确定性，配 RRT 与 UCB 准则，在 MP3D 上把探索覆盖率从 53.0% 提到 67.9%，并把现成的 DD-PPO 在困难导航集上的成功率从 38.0% 拉到 45.7%，全程 0.37 s/步、笔记本显卡即可运行——是一篇"小改动、大收益"的经典工程论文。
2026-09-24 21:58:18
49
原创 MapNav：用一张“带标注的语义地图“替掉历史帧，显存恒定还快 5 倍
别再把历史帧当成记忆，改成让 VLM 读一张带文本标注的俯视语义地图。它同时收获了三件好处——精度上反超"喂全部历史帧"的方法（R2R-CE 39.7 SR、RxR-CE 32.6 SR），真机五类场景全面领先，开销上把记忆从线性增长压成常数 0.17 MB、单步 0.25 s。“让模型读它能读懂的东西”，往往比"给模型喂更多东西"更有效。
2026-09-24 21:57:30
50
原创 HOV-SG：给机器人一张“分层开放词汇“的三维场景图，让它听懂“三楼卧室里的蓝椅子“
用 SAM + CLIP 把观测变成开放词汇的 3D 语义，用楼层/房间/物体三层抽象把大场景压成可查询的图，用跨楼层通行链接保证目标真的走得到，最后用 LLM 把自由语言拆成对这张图的逐层检索——并顺手给出了一个更公平的开放词汇评测指标 AUCtop-k。它证明：多层建筑里的语言接地导航，靠的不是更强的单体模型，而是合适的表示结构。
2026-09-24 21:52:41
25
原创 BEVBert：把离散全景压成一张“混合地图“，让 VLN 智能体既看得细又走得远
离散全景图上的"隐式对齐"太吃力，不如显式地把观测压到一张地图上。更关键的是它给出了正确的结构——不是只要一张地图，而是"局部度量管看清、全局拓扑管走远"的混合地图，再加一个逼着模型去预测未知区域的地图预训练任务；四榜 SOTA 与消融都说明，这条路把"空间推理"真正做进了网络里。
2026-09-24 21:48:52
44
原创 ASHiTA：让机器人自己“拆解“任务，把“准备晚餐“落到三维场景图上
任务层级和场景图必须互相成就——用层级信息瓶颈把"该压缩什么、该保住什么"写成可优化的目标，于是机器人第一次能在真实场景里，听到"准备晚餐"就自己算出该做哪几步、每步该动哪个物体。
2026-09-24 21:47:53
51
原创 NeRF-SLAM：单目相机 + 神经辐射场，实时重建“几何与光度双准“的三维场景
稠密单目 SLAM 不只是"估计位姿和深度"，它还顺便告诉了你"哪里估得不准"——而这份不确定性，正是让神经辐射场能在实时条件下不跑偏的那把尺子。
2026-09-24 16:51:17
96
原创 RSO-SLAM：实例分割 + 光流，让动态场景里的特征点不再被“一刀切“
RSO-SLAM 最漂亮的一步是把动态 SLAM 从"语义分类问题"重新表述成"运动概率估计问题"——与其粗暴地把一整个人从画面里删掉，不如算清楚每个像素点到底有多可疑，这也是它在非刚体、未预定义目标与多种传感器模式下都能站得住的原因。
2026-09-24 16:49:32
44
原创 Light-SLAM：把 ORB 换成 LightGlue，让 SLAM 在黑夜里也能认路
不要在 SLAM 里到处塞神经网络，只要把最容易在黑暗中失明的那一双"眼睛"（手工特征）换成学会看路的眼睛（学习特征），经典几何后端就能继续稳稳地把路走完。
2026-09-24 16:46:46
73
原创 让机器人拥有“持续在线”的 3D 记忆：CUT3R 用一个持久状态，把流式单目感知做成了递归模型
CUT3R 是首个实现持续在线、单目流式3D感知的递归模型，通过可增量更新的“状态token”构建持久3D心智状态。它无需全局对齐，每帧图像实时更新并读取历史上下文，输出米制尺度的稠密点图与相机位姿，在动态场景中表现优异。创新性地引入虚拟相机查询机制，实现未见视角的结构推断。在多个基准上超越现有在线方法，速度提升25–50倍，兼具高精度与强泛化能力。
2026-09-24 16:45:16
99
原创 TTT3R：把“状态更新“当作测试时训练，让 CUT3R 在长序列上不再遗忘
CUT3R 的遗忘，等价于它的状态更新学习率被 softmax 锁死在 1.0；把学习率换成由记忆—观测对齐置信度导出的逐 token 闭式值，记忆就不会被每一帧新观测无差别地覆盖——零额外参数、零训练成本、20 FPS、6 GB 显存，换来约 2 倍的长序列位姿精度提升。
2026-09-24 16:38:44
31
原创 LongStream：把“坐标“和“尺度“解耦，让流式三维重建从几十米跑到公里级
流式重建之所以"跑长就崩"，不是模型不够大，而是把不该耦合的东西耦合在了一起——把坐标系锚定与尺度估计从几何学习里剥离出去，再让训练和推理的缓存"看到同一个世界"，模型就能在严格在线的条件下稳定跑出公里级轨迹，把 ATE 从 8.04 降到 0.115（近两个数量级），并保持 18 FPS 的实时性。
2026-09-24 16:34:35
32
原创 LingBot-Map：用“三级上下文注意力“压缩流式状态，20 FPS 跑通上万帧三维重建
状态该保留的是"最重要的"，而不是"最多的"——用锚定帧锁尺度、用局部窗口保细节、用每帧 6 个 token 的轨迹记忆防漂移，结果是显存近乎恒定、20 FPS、且在 12 倍长度的序列上误差只涨 0.23 m。
2026-09-24 16:32:52
37
修改源码使turtlebot3能在Ubuntu 20.04 + ROS2 Foxy+Gazebo 11.15.1 环境下编译运行
2026-03-27
由旋转矩阵计算欧拉角
2017-02-16
ros的urdf机器人模型
2018-07-20
双目标定图像数据集
2018-11-15
libtensorflow-cpu-linux-x86_64-2.3.0-rc2.tar.gz
2020-07-22
cubemxrtosled.tar.gz
2021-04-16
ledmakefiletest.tar.gz
2021-04-13
cmake自定义模块使用示例
2018-11-08
libtensorflow-gpu-linux-x86_64-1.12.0.tar.gz
2020-07-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人