<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <title>机器人技术日报</title>
  <link href="https://daily.helywin.com/feed.xml" rel="self"/>
  <link href="https://daily.helywin.com/"/>
  <updated>2026-07-29T09:00:00+08:00</updated>
  <id>https://daily.helywin.com/</id>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-29</title>
    <link href="https://daily.helywin.com/reports/2026/07/29/"/>
    <updated>2026-07-29T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/29/</id>
    <summary>最新机器人论文集中在语义对象 SLAM、非凸空中走廊 MPC、电池约束高速飞行、足式机器人强化学习探索、视觉触觉世界模型与具身数据工程；GitHub 同步加强 Actions 和依赖供应链防护，并将 Grok 4.5 接入 Copilot。</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-28</title>
    <link href="https://daily.helywin.com/reports/2026/07/28/"/>
    <updated>2026-07-28T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/28/</id>
    <summary>arXiv Robotics 在 7 月 27 日公开了 31 项新条目，Software Engineering 同日公开了 28 项。本期最值得关注的不是新的“大一统 SLAM”，而是几项更接近真实系统的改进：把 FAST-LIO2 类 LIO 从 10 Hz 点云输出改造成 200 Hz 飞控状态源；利用地磁为长期定位提供航向和跨会话回环线索；以固定复杂度的雷达—相机网络生成实时度量深度；以及用 conformal predict</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-27</title>
    <link href="https://daily.helywin.com/reports/2026/07/27/"/>
    <updated>2026-07-27T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/27/</id>
    <summary>今天是周一上午，arXiv 尚未进入新的工作日发布批次；Robotics 最新批次仍是 7 月 24 日的 35 项条目。本期因此从该批次中筛选此前未重点介绍、且更贴近工程落地的内容。最新批次没有出现足以重新排序 FAST-LIO2、LIO-SAM、ORB-SLAM3 等成熟方案的通用 SLAM 前端，增量主要集中在长程视觉导航、多楼层动态导航、学习增强 MPC、低成本人体感知、工业 RGB-D 感知，以及机器人数据与仿真基础设施。 今</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-26</title>
    <link href="https://daily.helywin.com/reports/2026/07/26/"/>
    <updated>2026-07-26T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/26/</id>
    <summary>今天是周日，arXiv 没有新的工作日批次；最新 Robotics 批次仍是 7 月 24 日公开的 35 项条目，Software Engineering 同日有 19 项。本期避免重复昨天已经介绍过的玻璃深度修复、能力条件化导航和 CBF 多无人机控制，重点筛选大场景 Gaussian SLAM、拓扑地图、机器人数据引擎、接触失败恢复、可解释视觉策略，以及 Agent 测试与 MCP 工程更新。 今天的核心趋势可以概括为： Gaus</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-25</title>
    <link href="https://daily.helywin.com/reports/2026/07/25/"/>
    <updated>2026-07-25T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/25/</id>
    <summary>arXiv Robotics 最新批次为 2026 年 7 月 24 日，共列出 58 项，其中 30 项为新投稿。今天没有出现一套足以重新排序 FAST-LIO2、LIO-SAM、ORB-SLAM3 等成熟系统的新通用 SLAM 前端；更值得关注的是玻璃场景深度修复、跨本体可通行性、CBF 强化学习、多机器人生成式轨迹优化，以及控制策略与底层柔顺控制的联合设计。 机器人基础模型侧，单目 RGB 导航正在尝试跨轮式、足式和无人机共享图像</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-24</title>
    <link href="https://daily.helywin.com/reports/2026/07/24/"/>
    <updated>2026-07-24T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/24/</id>
    <summary>arXiv 在 7 月 23 日公开了 34 项 Robotics 条目和 15 项 Software Engineering 条目。过去 24 小时没有出现一套足以重新排序 FAST-LIO2、LIO-SAM、ORB-SLAM3 等成熟系统的新通用 SLAM，但出现了几条很有工程价值的支线：无位姿标签的 IMU 自监督里程计、显式考虑机器人尺寸的跨本体导航、MPC 与 CBF 分层的多机器人安全控制，以及用谱约束改善 LiDAR 无人</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-23</title>
    <link href="https://daily.helywin.com/reports/2026/07/23/"/>
    <updated>2026-07-23T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/23/</id>
    <summary>arXiv Robotics 在 7 月 22 日公开了 39 项新工作，Software Engineering 同日公开了 18 项。本期最值得关注的主线是：建图与规划开始围绕统一的 SDF 表示共同设计；无人机卫星匹配定位已在 Jetson Orin NX 上形成多频融合闭环；足式机器人控制开始从真实数据中学习传统简化模型无法表达的失稳状态；人形操作规划则采用“LLM 提候选、动力学优化验可行性、RL 负责跟踪”的分层结构。 机器</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-22</title>
    <link href="https://daily.helywin.com/reports/2026/07/22/"/>
    <updated>2026-07-22T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/22/</id>
    <summary>arXiv Robotics 在 7 月 21 日公开了 91 项最新条目，Software Engineering 同日新增 62 项。今天值得关注的核心不是另一套全面替代传统几何系统的端到端方案，而是四类更务实的进展：学习只负责产生更好的视觉测量，几何继续负责验证；先验地图开始针对边缘设备进行多分辨率压缩；规划器根据实际扰动和感知偏差动态调整安全裕度；机器人基础模型开始同时提供原生三维定位、接触点预测和跨本体动作表示。 AI Cod</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-21</title>
    <link href="https://daily.helywin.com/reports/2026/07/21/"/>
    <updated>2026-07-21T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/21/</id>
    <summary>arXiv Robotics 最新公开批次为 **2026 年 7 月 20 日，共 46 项**。本期最值得关注的增量集中在工业 UWB 多传感器定位、具备动态属性的开放词汇地图、实时持续式 Gaussian 重建、面向重建质量的主动探索，以及“学习调几何、MPC 保安全”的混合控制架构。 模型侧的重要更新是 **Xiaomi-Robotics-1**：其预训练数据规模超过 10 万小时真实操作轨迹，并展示了明确的数据和模型规模扩展趋</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-20</title>
    <link href="https://daily.helywin.com/reports/2026/07/20/"/>
    <updated>2026-07-20T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/20/</id>
    <summary>截至今天上午，arXiv Robotics 最新公开批次仍为 **2026 年 7 月 17 日，共 58 项**。该批次中值得关注且此前未覆盖的工作，主要集中在多模态状态估计、低延迟生成式导航、世界—动作模型控制、无人机 WAM、长期机器人记忆和 Agent 执行安全。没有出现一套足以重新排序 FAST-LIO2、LIO-SAM、ORB-SLAM3 等成熟系统的新通用 SLAM 前端。 本期的核心趋势是： 1. 多传感器融合不再简单拼</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-19</title>
    <link href="https://daily.helywin.com/reports/2026/07/19/"/>
    <updated>2026-07-19T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/19/</id>
    <summary>本期最值得关注的变化不是新的通用 SLAM 前端，而是定位、规划和机器人基础模型进一步向“可约束、可分层、可部署”演进： - 多机器人协作开始通过固定长度描述子和事件触发图像传输降低通信量； - 相机—LiDAR 配准开始把稀疏激光转换成可与图像直接匹配的强度图； - CBF 正从确定障碍物状态扩展到数量未知、检测不完整的多目标概率信念； - 四足动态避障开始融合 Velocity Obstacle 几何先验与端到端策略； - Flow</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-18</title>
    <link href="https://daily.helywin.com/reports/2026/07/18/"/>
    <updated>2026-07-18T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/18/</id>
    <summary>最新公开的 arXiv Robotics 批次为 **2026 年 7 月 17 日，共 58 项**；Software Engineering 同日新增 38 项。本期筛选 7 组最有工程价值的动态，优先关注长期地图、轻量三维重建、MPPI、安全强化学习、长上下文机器人策略、实时 VLA，以及 Coding Agent 的供应链安全。 今天的关键判断是： 1. 长期 SLAM 的重点正在从“每次都重建一张静态地图”，转向维护对象级时间</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-17</title>
    <link href="https://daily.helywin.com/reports/2026/07/17/"/>
    <updated>2026-07-17T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/17/</id>
    <summary>过去 24 小时的主要增量来自 arXiv 在 **7 月 16 日公开的 64 项机器人论文**和 27 项软件工程论文。本期筛选 8 项，不按热度简单罗列，而是优先保留具有真实硬件测试、明确性能数据、开源实现或可直接迁移到现有工程栈的工作。 今天最重要的趋势是： 1. 地图定位开始利用视觉、DEM 和语义地图联合提供绝对约束，但米级误差决定它仍只能作为 VIO/LIO 的低频锚点。 2. LiDAR SLAM 评估正从单纯比较 AT</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-16</title>
    <link href="https://daily.helywin.com/reports/2026/07/16/"/>
    <updated>2026-07-16T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/16/</id>
    <summary>过去 24 小时可验证的机器人技术增量，主要来自 arXiv Robotics 在 **7 月 15 日公开的 41 项新工作**。本期筛选 8 条，优先保留具有明确算法结构、真实性能指标或可复现代码的内容。 今天最值得关注的趋势有四条： 1. 雷达 SLAM 开始绕过传统离散热力图匹配，直接在可微雷达信号模型上联合优化位姿与地图。 2. 安全强化学习和扩散规划正在重新引入方向约束、动力学模型、CBF 与显式冲突搜索，避免让神经策略独自</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-15</title>
    <link href="https://daily.helywin.com/reports/2026/07/15/"/>
    <updated>2026-07-15T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/15/</id>
    <summary>过去 24 小时的主要技术增量来自 arXiv Robotics 在 **7 月 14 日公开的最新批次**以及 GitHub 同日发布的 AI Coding 工程更新。本期筛选 8 项动态，重点不是罗列概念，而是判断哪些工作能接入现有 SLAM、MPC、强化学习和机器人研发体系。 今天有四条值得持续跟踪的主线： 1. 视觉 SLAM 前端开始采用“传统局部特征 + 轻量神经描述子增强器”的混合方式，不必彻底替换 ORB、SIFT 或现</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-14</title>
    <link href="https://daily.helywin.com/reports/2026/07/14/"/>
    <updated>2026-07-14T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/14/</id>
    <summary>arXiv Robotics 最新公开批次标记为 **2026 年 7 月 13 日**，共包含 33 项；由于跨越周末，其中多篇论文实际于 7 月 10 日提交。本期从这一最新批次及同期官方更新中筛选 8 条高价值动态。 今天的核心趋势可以概括为四点： 1. SLAM 地图正从单纯几何或渲染表示，转向兼顾增量重建、语义查询和机器人可用性的层级地图。 2. MPPI 和机器人策略不再只优化成功率，而开始直接处理扰动统计、连续轨迹表示和接</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-13</title>
    <link href="https://daily.helywin.com/reports/2026/07/13/"/>
    <updated>2026-07-13T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/13/</id>
    <summary>今天最值得关注的不是又出现一套可直接替代 FAST-LIO2、LIO-SAM 或成熟 VIO 的通用前端，而是机器人系统外围能力正在明显加强： - 无 GNSS 无人机开始尝试利用稳定语义结构进行跨视角绝对定位； - LiDAR 感知从固定推理配置转向按实时期限动态调整分辨率； - 无人机 VLN 和机器人 VLA 都在拆分“慢速语义理解”与“快速动作生成”； - 长时序操作开始显式维护任务阶段和历史接触结果； - 机器人规划开始用视觉</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-12</title>
    <link href="https://daily.helywin.com/reports/2026/07/12/"/>
    <updated>2026-07-12T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/12/</id>
    <summary>由于今天是周日，arXiv Robotics 最新公开批次仍是 **7 月 10 日的 38 条论文**，过去 24 小时内没有新的工作日批次。本期因此在避免重复昨日内容的前提下，从最新批次及近 72 小时官方更新中筛选增量信息。 今天最值得关注的技术趋势有四点： 1. 多机器人定位正在从“共享最终位姿”转向共享预积分里程计和必要状态，同时显式维持估计一致性。 2. 安全控制开始把执行器饱和直接纳入可验证安全管道，而不是在规划完成后简单</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-11</title>
    <link href="https://daily.helywin.com/reports/2026/07/11/"/>
    <updated>2026-07-11T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/11/</id>
    <summary>arXiv Robotics 在 **2026 年 7 月 10 日**的新列表中共收录 62 项，其中 26 项为新投稿。今天较有工程价值的主线不是推出另一套通用 LIO 前端，而是：恶劣天气下的雷达全局定位、跨机器人与多会话因子图优化、极端狭窄空间中的 SLAM—规划一体化，以及具备物理先验的强化学习控制。 机器人基础模型方向则出现了两个较明确的落地趋势：一是从通用视频生成模型转向原生 Video-Action 预训练；二是不再要求</summary>
  </entry>
  
  <entry>
    <title>机器人 / SLAM / 控制 / AI Coding 技术深度简报｜2026-07-10</title>
    <link href="https://daily.helywin.com/reports/2026/07/10/"/>
    <updated>2026-07-10T09:00:00+08:00</updated>
    <id>https://daily.helywin.com/reports/2026/07/10/</id>
    <summary>今天值得重点关注的是三条主线：一是 SLAM 里的 3DGS 正在从“漂亮渲染”转向“几何可用、实时可用、可压缩”；二是控制方向继续把 MPC / MPPI / Safe RL 往“真实机器人约束、安全滤波、模型误差自适应”推进；三是 AI coding agent 和大模型更新明显进入工程化阶段，重点不再只是写代码，而是浏览器验证、企业管控、可观测性、成本与多模型路由。</summary>
  </entry>
  
</feed>
