视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
如何指导你的机器人：密集语言标注助力机器人策略学习
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA
专题命中 机器人学习 ：robot policy(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 本研究通过密集语言标注提升机器人策略学习效率，提出DeMiAn方法，利用视觉语言模型生成多方面标注，提升策略和世界模型性能，无需新增演示数据。
EgoKit: 向统一低成本第一人称视角数据采集迈进：异构设备
机构 * George Mason University（乔治·马歇尔大学） ； ByteDance（字节跳动）
专题命中 机器人学习 ：robot learning(abstract)；embodied AI(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出EgoKit，一种统一六种异构设备的第一人称视角数据采集工具包，解决了不同设备间SDK差异和数据采集不一致的问题，同时提供统一的日志格式和手部追踪数据。
RoboFlow4D: 一种轻量级的流世界模型，面向实时的流引导机器人操作
机构 * School of Data Science, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）数据科学学院） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Cambridge（剑桥大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；分类 cs.RO
AI总结 本文提出RoboFlow4D，一种轻量级的流世界模型，通过统一感知与规划，利用物理3D空间中的时间运动估计，实现高效的实时流引导机器人操作，提高了操作成功率和计算效率。
ManiSoft: 向视觉-语言操控的柔软连续机器人迈进
机构 * Beihang University（北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(title)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出ManiSoft基准，用于研究柔软连续机器人的视觉-语言操控，通过定制模拟器结合真实柔软体动力学和丰富的接触交互，定义了四个任务以展示变形控制的不同方面，并通过自动化流程生成6300个多样场景和专家轨迹，评估了三种代表性策略模型的性能。
Comments Accepted in ICML 2026
全局先验与局部一致性：双内存增强的视觉-语言-动作模型用于高效机器人操作
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； PengCheng Laboratory（鹏城实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出OptimusVLA模型，通过引入全局先验内存和局部一致性内存，解决机器人操作中动作生成效率低和鲁棒性差的问题，从而在多个基准测试中实现了更高的成功率和更快的推理速度。
Comments Accepted by CVPR 2026
FUNCanon: 通过功能对象规范化学习姿态感知的动作原语以实现通用的机器人操作
机构 * TAMS (Technical Aspects of Multimodal Systems), Department of Informatics, University of Hamburg（汉堡大学信息学院TAMS（多模态系统技术）） ； Technical University of Munich（慕尼黑技术大学） ； Agile Robots SE（敏捷机器人有限公司）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出FUNCanon框架，通过功能对象规范化学习姿态感知的动作原语，以实现通用的机器人操作，该方法将长周期操作任务分解为由主体、动词和对象定义的动作片段，从而提升策略的可组合性和可重用性。
Comments project website: https://sites.google.com/view/funcanon, 11 pages
并非你所要求的：家庭机器人操作中的字体攻击
机构 * Cyber Security Lab（网络安全实验室） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； State College, USA（州立学院，美国）
专题命中 机器人操作 ：manipulation(title,abstract)；embodied AI(abstract)；navigation(abstract)；分类 cs.RO、cs.AI
AI总结 本研究探讨了字体攻击对家庭机器人操作全流程的影响，提出了一种解耦感知架构，并发现感知错误会通过持久的3D语义地图导致物理性故障，揭示了字体误分类对机器人安全性的实际威胁。
Comments 10 pages, 1 figure, IEEE conference format
无计划，却有人类：一种反应式机器人模型预测临床任务中人类计划失败
机构 * Robotics and Biology Laboratory, Technische Universität Berlin, Germany（技术大学柏林机器人与生物学实验室，德国） ； Science of Intelligence, Research Cluster of Excellence, Berlin, Germany（智能科学，卓越研究集群，柏林，德国） ； Robotics Institute Germany（德国机器人研究所）
专题命中 机器人操作 ：robotics(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 该研究利用反应式梯度下降框架AICON，通过塔罗伦敦测试揭示人类计划能力下降时的反应模式，发现其能更准确预测24个问题的难度排序，并在留出验证中表现优异，揭示了生物系统组织方式的普遍规律。
面向机器人操作的几何感知4D视频生成
机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究院）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出了一种几何感知的4D视频生成模型，通过跨视角点图对齐进行训练，以确保生成视频在多视角下的3D一致性，从而在单个RGB-D图像输入下生成时空一致的未来视频序列，并在不依赖相机姿态的情况下实现稳定的视觉和空间对齐预测。
Comments ICLR 2026; Project website: https://robot4dgen.github.io
视觉雕刻：用于长周期机器人泥塑的视觉对齐规划表示
机构 * The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 机器人操作 ：manipulation(abstract,abstract_cn)；robotics(abstract,comments)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出了一种视觉对齐的规划表示方法，用于长周期机器人泥塑任务，通过捕捉光照和纹理特征，提高了对可变形材料动态的建模能力，并展示了在不同可变形材料和末端执行器下的性能。
Comments 8 pages, 14 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L)
PLATO Hand：利用指甲形状接触行为实现精确操控
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sony Group Corporation（索尼集团）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出PLATO手，一种具有混合指尖的灵活机器人手，通过结合刚性指甲、嵌入式远节指骨和顺应性肉垫，实现接触行为的塑造。研究开发了基于应变能的弯曲-压入模型，指导指尖设计并解释材料刚度和接触几何如何控制指尖变形分配。实验显示提升了捏合稳定性、指甲介导的背侧接触力传输和本体感觉可观察性，并成功执行了敏感边缘操控任务，如纸张分隔、卡片拾取和橙子剥皮。这些结果表明，结合机械结构的接触界面与力-运动透明手指机制提供了精确操控的原理性方法。
Key-Gram: 用于具身操作的可扩展世界知识
机构 * Department of Computer Science and Technology（计算机科学与技术系） ； Department of Automation（自动化系）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出Key-Gram框架，通过分离语言知识与视觉状态推理，提升具身控制中对组合语言指令的理解和执行能力，主要贡献是引入可扩展的外部记忆模块以提高迁移和现实世界操作性能。
Comments 16 pages, 5 figures
注意力劫持：跨查询的视觉-语言模型响应操控
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI、cs.CV
AI总结 本文研究了视觉-语言模型中跨查询响应操控问题，提出了一种新的对抗攻击方法Attention Hijacking，通过引导内部注意力分布保持图像主导模式，提高攻击在不同查询下的有效性。
一种具有软液压驱动的灵活机械手用于微重力操作
机构 * Aerospace Engineering Program, University of California, Berkeley（加州大学伯克利分校航空航天工程系） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） ； Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO；robotics(comments)
AI总结 本文提出将DexCoHand灵活的双指六自由度机械手与Astrobee自由飞行机器人集成，以实现微重力环境下的灵活操作，该机械手在保持稳定接触的同时减少了对自由飞行基底的干扰，提高了操作的连续性和适应性。
Comments Accepted to the IEEE ICRA 2026 Space Robotics Workshop (SRW). 4 pages, 3 figures
从单次示范到通用的接触密集操纵策略
机构 * Robotics and Biology Laboratory, Technische Universität Berlin（技术大学柏林机器人与生物学实验室） ； Science of Intelligence, Research Cluster of Excellence, Berlin（智能科学，卓越研究集群，柏林） ； Robotics Institute Germany（德国机器人研究所）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 本文提出了一种学习从示范（LfD）框架，通过利用环境约束作为归纳偏差，实现多阶段、接触密集任务的一次性泛化。该方法将示范表示为利用环境约束的行为序列，将任务通用结构（约束类型及其转换）与实例特定细节（精确示范轨迹、姿态和局部几何）分离。四阶段流程在该表示上构建完整策略：机器人首先将单次示范抽象为环境约束原语，然后通过自我引导探索进行歧义消除，接着整合针对人类修正以处理超出分布的变化，最后通过合规交互在线恢复抽象掉的细节。由于最终策略遵循约束而非模仿轨迹，它在物体姿态、局部几何和未建模接触动力学上实现了泛化。我们在七个现实世界多阶段接触密集操纵任务上验证了该方法，成功率达到90%以上。这些广泛实验结果确立了环境约束作为学习从示范中高效泛化基本构建块的重要性。
Comments 21 pages, 22 figures, 7 tables
HCLM：一种用于双四足机器人协同运动操作的分层框架
机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（深圳国际研究生院，清华大学，深圳，中国） ； Department of Electronic Engineering, and the Institute for Embodied Intelligence and Robotics, Tsinghua University, Beijing, China（电子工程系，以及 embodied intelligence and robotics 院，清华大学，北京，中国）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 本文提出HCLM框架，通过分层结构实现双四足机器人在复杂环境中的协同运动操作，核心方法是采用集中式联合扩散策略和混合全身控制器，主要贡献是实现了高鲁棒性的多机器人协作控制。
通过基于分数的模型实现通用图像操纵定位
机构 * Sichuan University（四川大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.CV
AI总结 本文提出DiffIML框架，通过引入基于分数的生成模型来解决图像操纵定位中的泛化问题，利用结构先验迭代恢复相干掩码，提升模型鲁棒性，并在多个基准测试中证明其优越的泛化能力。
Comments Accepted to ICMR 2026. 9 pages, 4 figures
培养可推广的多模态操纵检测的推理能力
机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； Northwestern Polytechnical University（西北工业大学） ； University of Macau（澳门大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.CV
AI总结 本文提出REFORM框架，通过推理驱动的方法改进多模态操纵检测，提升泛化能力，在多个数据集上取得新高准确率。
Comments Accepted to ACL 2026
一手统治他们全部：统一灵活操作的规范表示
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 本文提出统一灵活操作的规范表示，通过统一参数空间和规范URDF格式，解决固定手设计限制，实现跨手灵活操作学习。
Comments Accepted at RSS 2026
See What Matters: Differentiable Grid Sample Pruning for Generalizable Vision-Language-Action Model
机构 * The University of Sydney（悉尼大学） ； City University of Hong Kong（香港城市大学）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出了一种基于可微网格采样的视觉-语言-动作模型压缩方法，通过连续的token重采样保留关键空间信息，实现高达90%的计算量减少而不影响性能。
Journal ref Proceedings of the Forty-third International Conference on Machine Learning, 2026
通过微波场实现磁Skyrmion的超快操控
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 本文研究了由圆极化微波诱导的反法拉第效应驱动的磁Skyrmion惯性动力学，通过在Thiele方程中引入惯性质量项，并解析推导出微波诱导的磁场和力，揭示了连续波与脉冲激发下的不同动态模式，展示了Skyrmion惯性如何使轨迹从平滑螺旋变为多边形轨道，并揭示了系统固有弛豫动力学。
Comments 11 pages, 7 figures
AtlasVA: 无教师视觉技能记忆用于无需教师的VLM代理
机构 * Ant Group（蚂蚁集团） ； University of Science and Technology of China（中国科学技术大学） ； Westlake University（西湖大学） ； University of Michigan - Ann Arbor（密歇根大学-安娜堡分校） ； Sun Yat-sen University（中山大学）
专题命中 机器人操作 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.CV
AI总结 本研究提出AtlasVA，一种无需教师的视觉技能记忆框架，通过空间热图、视觉示例和符号文本技能三层结构，统一感知、记忆和优化，实现在无需外部LLM监督下的强化学习性能提升。
基于学习的自适应控制用于变形组织手术机器人暴露任务
机构 * Huazhong University of Science and Technology（华中科技大学）
专题命中 机器人操作 ：robotic(title)；分类 cs.RO；robotics(comments)
AI总结 本文提出了一种基于学习的自适应控制框架，用于解决手术中因覆盖组织的不规则几何形状、非线性生物力学特性及有限视野导致的自动组织牵开挑战，通过在线优化控制输入和深度变形估计模型实现零样本适应。
Comments Accepted to Robotics: Science and Systems (RSS) 2026. 12 pages, 9 figures
具有合规性接触形成和故障恢复的鲁棒且具有弹性的软机器人物体插入
机构 * OMRON SINIC X Corporation（OMRON SINIC X公司）
专题命中 机器人操作 ：robotic(title)；分类 cs.RO
AI总结 本文提出了一种基于合规性腕部的物体插入方法，通过大变形吸收接触，实现安全接触形成和故障恢复，实验显示在随机条件下成功率高达83%。
通过相变神经势函数实现反应性运动生成
机构 * Chalmers AI Research Center (CHAIR)（查尔姆斯人工智能研究中心（CHAIR）） ； Chalmers Gender Initiative for Excellence (Genie)（查尔姆斯卓越性别倡议（Genie）） ； Wallenberg AI, Autonomous Systems and Software Program (WASP)（瓦兰贝格人工智能、自主系统和软件计划（WASP）） ； University College London（伦敦大学学院） ； Ecole Polytechnique Federale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO；robotics(comments)
AI总结 本文提出了一种基于相变神经势函数（PNPF）的运动生成框架，通过直接从状态进展估计相变量来条件势函数，从而在点到点、周期性和全6D运动任务中实现更有效的泛化，并在有交点轨迹和外部干扰下表现出更强的鲁棒性。
Comments Accepted by IEEE Robotics and Automation Letters (RAL)
DexWild：面向真实场景的机器人策略的灵巧交互
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出DexWild框架，通过结合人类和机器人示范数据，提升机器人在多样化环境中的泛化能力，实验表明其在未见环境中的成功率显著高于传统方法。
Comments In RSS 2025. Website at https://dexwild.github.io
具有对称标注自由学习策略的通用且可操作的部件姿态估计
机构 * Hefei University of Technology, Hefei, Anhui, China（合肥工业大学） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学）
专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 本文提出了一种无需对称标注的通用且可操作的部件姿态估计框架SAFAG，通过分步细化两阶段框架和自监督学习策略解决对称预测问题，提升了在数据匮乏场景下的姿态估计性能和鲁棒性。
Comments Accepted as a poster at the Forty-third International Conference on Machine Learning (ICML 2026)
HandelBot：通过快速适应灵巧机器人策略实现真实世界钢琴演奏
机构 * Stanford University（斯坦福大学） ； Amazon FAR (Frontier AI & Robotics)（亚马逊前沿人工智能与机器人实验室）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 本文提出HandelBot框架，结合仿真策略和快速适应，通过两阶段流程实现高精度双手钢琴演奏，实验表明其在真实环境中的表现优于直接仿真部署。
Comments Website: https://amberxie88.github.io/handelbot
通过物理一致的物体间推理实现高密度环境下的现实到仿真
机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向） ； Institute of Data Science, The University of Hong Kong（香港大学数据科学学院）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出一种物理约束的现实到仿真管道，通过接触图建模空间依赖性，提升高密度环境中的物体姿态和物理属性的精确性，实现高物理保真度的仿真场景。
Comments Project page: https://physics-constrained-real2sim.github.io
Mixtac: 一种新型生物启发式混合触觉传感器及其协同事件框架感知
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)
AI总结 本文提出了一种新型混合事件框架触觉传感器（Mixtac），通过模仿生物机械感受器的协同功能，实现了正常力估计。该传感器结合事件用于高频力跟踪和帧用于长期准确性，通过帧引导事件递归网络（FGER-Net）融合两种数据流，实验结果显示MAE为0.04 N，填补了现有基于视觉的触觉传感器采样率从0到500 Hz的差距，为实现人类水平的机器人操作铺平道路。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈