机器人 / 具身智能

Influence of Gripper Design on Human Demonstration Quality for Robot Learning

夹具设计对机器人学习中人类示范质量的影响

Gina L. Georgadarellis, Natalija Beslic, Seonhun Lee, Frank C. Sup, Meghan E. Huber

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Department of Mechanical and Industrial Engineering（机械与工业工程系） ； Elaine Marieb Center for Nursing and Engineering Innovation（Elaine Marieb护理与工程创新中心） ； Center for Personalized Health Monitoring（个性化健康监测中心） ； Institute for Applied Life Sciences（应用生命科学研究所） 纠错

专题命中 机器人学习 ：robot learning(title)；robotics(abstract,comments)；manipulation(abstract)；分类 cs.RO

AI总结 研究评估了不同夹具设计对医疗包装打开任务示范效果的影响，发现集中负载夹具性能优于分散负载夹具，但不如双手，凸显了夹具人体工学和机械优化的重要性。

Comments To be published in proceedings of 2026 IEEE International Conference on Robotics & Automation

S-VAM: Shortcut Video-Action Model by Self-Distilling Geometric and Semantic Foresight

S-VAM：通过自蒸馏几何和语义前瞻性构建快捷视频动作模型

Haodong Yan, Zhide Zhong, Jiaguan Zhu, Junjie He, Weilin Yuan, Wenxuan Song, Xin Gong, Yingjie Cai, Guanyi Zhao, Xu Yan, Bingbing Liu, Ying-Cong Chen, Haoang Li

机构 * The Hong Kong University of Science ； Technology (Guangzhou) Huawei Foundation Model Department 纠错

专题命中 机器人学习 ：robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 S-VAM通过自蒸馏策略实现单次前向传递生成几何和语义表示，提升动作预测效率，实验证明在复杂环境中优于现有方法。

Pretrained Vision-Language-Action Models are Surprisingly Resistant to Forgetting in Continual Learning

预训练视觉-语言-动作模型在持续学习中出人意料地表现出遗忘抵抗性

Huihan Liu, Changyeon Kim, Bo Liu, Minghuan Liu, Yuke Zhu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Superintelligence（微软超级智能） 纠错

专题命中 机器人学习 ：robot policy(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 研究发现预训练的视觉-语言-动作模型在持续学习中表现出较强的遗忘抵抗性，简单经验回放在这些模型上效果显著，即使数据量小也能实现零遗忘。

Comments Project website: https://continual-vlas.github.io/forget-me-not/