ROS~2
PulseAugur coverage of ROS~2 — every cluster mentioning ROS~2 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
使用 Kotlin、LLM 和 Android 构建语音控制机器人
本教程详细介绍了如何使用 Android 上的 Kotlin 和 LLM 构建语音控制机器人。该系统捕获语音，通过 LLM 进行意图解析，并将其转换为结构化的机器人命令。一个关键的安全层在将命令发送到机器人之前对其进行验证，确保 LLM 不会直接控制关键功能。该架构支持云端和离线 LLM 推理，强调分层控制以确保安全。
-
机器人公司面临算力激增10倍，转向云以提高研发效率
在过去两年中，机器人公司的计算需求增长了十倍，这得益于大型模型的集成，使机器人能够理解和推理。这种激增要求从传统的本地硬件转向基于云的解决方案，以实现高效开发。阿里云的“无影灵骥”平台提供云工作站，具备弹性计算资源、标准化开发环境和优化的3D仿真能力，旨在降低机器人研发的成本并提高部署效率。
-
OpenArm原型通过表示切换推进具身AI
研究人员开发了一种用于实验室任务的移动操作原型，将双OpenArm机械臂与移动底座和各种传感器集成在一起。该系统依靠“表示切换”将自然语言请求转换为可执行动作，将传感器观测结果接地为可用数据，并确保机器人安全。这种方法旨在简化语言、感知、规划和安全在具身AI系统中的集成，同时也突出了实际部署的障碍，如校准问题和不完整的对象识别。
-
新方法通过知识图谱增强自主机器人
研究人员开发了一种将知识图谱集成到ROS 2系统中的新方法，以改进自主机器人任务。该方法包括定义任务参数、构建任务、规划序列以及在知识图谱中表示数据。使用Aerostack2框架进行的模拟搜索和救援任务证明了该方法在增强机器人决策和性能方面的有效性。
-
宇帆智能在WAIC上发布可进行720°后空翻的赛博灵机器人
宇帆智能在2026世界人工智能大会（WAIC）上发布了其新型四足机器人赛博灵“灵猫”。该机器人是全球首个能够完成720°连续后空翻的机器人。赛博灵“灵猫”采用了独特的双大脑架构，搭载Orin处理器和自主研发的Manas AI进行决策和毫秒级运动控制，并配备了AI驱动的关节控制技术，可实现运动参数的自进化。
-
新的控制质量框架增强机器人导航
本文介绍了一个扩展的控制质量（QoC）框架，以解决由不可靠的无线网络引起的协同机器人导航中的挑战。该研究对网络条件对闭环性能的端到端影响进行了建模，并探讨了控制参数如何影响延迟和可靠性。在私有5G测试台上进行的实验验证表明，在特定条件下，ROS 2中的RELIABLE服务质量（QoS）策略与尽力而为的传输相比，可以将QoC提高51.5%。
-
新框架通过因果诊断增强机器人安全性
研究人员开发了一种名为“干预因果电路”的新型框架，以提高机器人动作测试的安全性和效率。该方法通过在动作被拒绝时采用因果诊断，解决了传统运动参数测试的计算成本高和扩展性差的问题。系统不再盲目重采样，而是识别导致失败的特定动作参数，并建议校正值以最大化测试通过的概率。在ROS2仿真环境中进行的实验表明，该框架可将失败尝试减少多达37%，并提供可解释的因果报告供操作员监督。
-
NVIDIA Isaac ROS 通过开源模块加速机器人开发
NVIDIA 正在增强其 Isaac ROS（机器人操作系统）平台，以加速自主机器人的开发。该团队由 Jaiveer Singh 领导，专注于提供模块化、开源的软件包，这些软件包集成了 NVIDIA 的 Jetson 和 CUDA 库等硬件。这种方法旨在通过允许开发人员轻松地将现有的 ROS 代码与 NVIDIA 的加速计算和 AI 模型相结合并进行改编，从而在构建从移动机器人到人形机器人等复杂机器人应用时，给予开发人员更大的信心和灵活性。
-
开源 Oomwoo 机器人吸尘器可 3D 打印并离线运行
Maker's Pet 推出了 Oomwoo，这是一款开源机器人吸尘器，用户可以自行 3D 打印和组装。该项目优先考虑离线运行以规避云安全风险，使用了 Raspberry Pi、2D LiDAR 和 3D 打印底盘等组件。该计划旨在促进社区参与，并将很快发布材料清单和可打印文件，同时还提供可选的便利套件。
-
新的“RIPA”攻击通过感官数据针对LLM控制的机器人
研究人员开发了RIPA，一种用于测试LLM控制的机器人提示注入攻击的新颖方法。该研究评估了五种不同的LLM，包括DeepSeek-V4-Flash、Llama-3-8B-Instruct-Lite、Llama-3.3-70B-Instruct-Turbo、Qwen 2.5-7B-Instruct-Turbo和Gemma-3n-E4B，涵盖了各种参数规模。研究结果表明，漏洞是模型特定的，而不是依赖于规模，其中Llama-3.3-70B-…
-
ROS2：机器人工程功能的模块化系统
机器人工程师开发了ROS2，这是一个由称为节点的模块化程序组成的复杂系统。这些节点负责广泛的功能，包括传感器数据收集、位置计算、路径规划、地图构建、运动计算、决策制定和电机控制。这些程序之间使用符合特定服务质量规则的数据分发系统（DDS）进行信息交换。
-
HERCULES模拟器实现异构多机器人自主性
研究人员推出HERCULES，一个专为异构多机器人自主性设计的开源仿真框架。HERCULES基于Unreal Engine 5的AirSim和Cosys-AirSim构建，解决了先前系统中的局限性，允许无人机和地面车辆在复杂、逼真的环境中同时运行。该框架包括一个用于地面车辆的新控制器、一个用于建图和规划的统一导航堆栈，以及诸如基于物理的LWIR摄像头等先进传感器。HERCULES支持用于可复现数据集的数据生成和主动闭环规划，实验证明了…
-
机器人中间件被提议为物理AI的“约束层”
一篇新论文提出，机器人中间件应充当物理AI系统的“约束层”。该层将通过同时协调控制、计算和通信来整合学习策略、规划器以及视觉-语言-动作模型。提议的约束层将在现有的机器人中间件（如ROS 2）中实现三个功能：投影门控、模型执行隔离以及在检查失败时转移到基线。
-
SPADE框架利用扩散模型增强机器人路径规划
研究人员开发了SPADE，一个利用扩散模型提高泛化性和鲁棒性的新型机器人路径规划框架。该方法将基于扩散的增强集成到现有的行为克隆模型中，提高了它们适应未知环境的能力。与当前最先进的方法相比，SPADE显著降低了绝对姿态误差和Fréchet Inception距离，同时所需的训练参数也更少。
-
AI代理PEACE利用LLM规划增强无人机自主性
研究人员开发了PEACE，这是一种专为自主无人机设计的新型规划器-执行器代理。该系统将由大型语言模型处理的高层任务规划与使用结构化ROS 2接口的低层控制分开。PEACE使用物体检测器和深度投影构建世界模型以进行3D定位，而约束执行层则确保遵守高度和地理围栏限制。与紧耦合系统相比，该方法旨在提高可解释性并减少LLM调用，这已在PX4模拟中得到证明。
-
LLM辅助方法恢复ROS~2系统架构
研究人员开发了一种新方法，利用大型语言模型（LLMs）从复杂的ROS~2系统中恢复软件架构。该方法改进了LLM提示以获得更好的一致性，并引入了一种分阶段恢复策略，包含多层次的中间表示。该增强的流程在一个具有挑战性的真实机器人系统上进行了评估，证明了在架构重构方面提高了结构一致性、可扩展性和鲁棒性。
-
新的ROS2框架加速无人机自主性开发和部署
研究人员开发了aerial-autonomy-stack，一个开源框架，旨在加速自主无人机的开发和部署。这个基于ROS2的系统集成了感知算法与PX4和ArduPilot等飞行控制器。它能够以超过实时速度20倍的速度进行端到端模拟，显著缩短了基于感知的航空自主性的构建-测试-发布周期。
-
Phone2Act 系统使用智能手机控制机器人以收集 AI 数据
研究人员开发了 Phone2Act，一个新颖的远程操作系统，通过 Google ARCore 将标准智能手机用作 6-DoF 机器人控制器。这个低成本、硬件无关的框架旨在简化和扩展用于训练 Vision-Language-Action (VLA) 模型的操纵数据的收集。通过解耦控制逻辑并支持各种机器人平台，Phone2Act 使研究人员能够更经济地收集多样化的数据集，用于即时微调 GR00T-N1.5 等模型。
-
Text-to-CAD 工具通过代码生成 3D 模型，支持多种导出选项
一个名为 Text-to-CAD 的新开源项目使用户能够利用 Codex 和 Claude Code 等编码代理生成 CAD 模型。该工具支持以 STEP、STL 和 URDF 等多种格式导出模型，并允许在没有后端的情况下本地执行。它还包括一个用于检查生成几何体的 CAD Explorer 和一个用于 ROS 2/MoveIt 集成的机器人运动技能。