3D 视觉

SPIRIT: Perceptive Shared Autonomy for Robust Robotic Manipulation under Deep Learning Uncertainty

SPIRIT：基于深度学习不确定性的感知共享自主控制以实现稳健的机器人操作

Jongseok Lee, Ribin Balachandran, Harsimran Singh, Jianxiang Feng, Hrishik Mishra, Marco De Stefano, Rudolph Triebel, Alin Albu-Schaeffer, Konstantin Kondak

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 SPIRIT通过结合深度学习的不确定性估计与触觉遥控，实现安全稳健的机器人操作，提升性能与可靠性。

Comments 19 pages, 14 figures

Direct Contact-Tolerant Motion Planning With Vision Language Models

直接接触容忍的运动规划与视觉语言模型

He Li, Jian Sun, Chengyang Li, Guoliang Li, Qiyu Ruan, Shuai Wang, Chengzhong Xu

机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC), University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Shenzhen Institutes of Advanced Technology (SIAT), Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电子与计算机工程系） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出直接接触容忍运动规划方法，利用视觉语言模型实现接触感知导航，提升机器人在拥挤环境中的鲁棒性和效率。

MachaGrasp: Morphology-Aware Cross-Embodiment Dexterous Hand Articulation Generation for Grasping

MachaGrasp：基于形态的跨躯体灵巧手关节生成方法用于抓取

Heng Zhang, Kevin Yuchen Ma, Mike Zheng Shou, Weisi Lin, Yan Wu

机构 * Robotics & Autonomous Systems Division, Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR-I 2 R)（机器人与自主系统 division，信息通信研究所，科技研究局） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Show Lab, National University of Singapore（Show Lab，国立新加坡大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 MachaGrasp提出一种基于形态的跨躯体灵巧手抓取生成方法，通过形态嵌入和特征抓取集生成抓取动作，实现高成功率的抓取任务。

Direct Estimation of Tree Volume and Aboveground Biomass Using Deep Regression with Synthetic Lidar Data

利用合成激光雷达数据进行树体积和地上生物量的直接估计

Habib Pourdelan, Zhengkang Xiang, Hugh Stewart, Cam Nicholson, Martin Tomko, Kourosh Khoshelham

机构 * The University of Melbourne（墨尔本大学） ； Private Forestry Service Victoria（维多利亚私人林业服务） ； Nicon Rural Services（Nicon乡村服务） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出利用合成激光雷达数据训练深度回归网络，直接估算森林体积和地上生物量，相较传统方法更准确高效。