机器人 / 具身智能

A Survey of Deep Network Solutions for Learning Control in Robotics: From Reinforcement to Imitation

深度网络在机器人学习控制中的应用综述：从强化到模仿

Lei Tai, Jingwei Zhang, Ming Liu, Joschka Boedecker, Wolfram Burgard

机构 * University of Freiburg（弗赖堡大学） 纠错

专题命中 机器人学习 ：manipulation(summary_cn,abstract)；robotics(title,abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文综述了深度学习在机器人学习控制中的应用，探讨了深度强化学习和模仿学习两大主流方法，分析了其在导航、 manipulation 任务中的应用及现实差距挑战。

Comments 19 pages, 1 figures

Stable, Concurrent Controller Composition for Multi-Objective Robotic Tasks

多目标机器人任务的稳定并发控制器组合

Anqi Li, Ching-An Cheng, Byron Boots, Magnus Egerstedt

机构 * Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院） 纠错

专题命中 机器人学习 ：robotic(title,abstract)；robotics(abstract)；分类 cs.RO

AI总结 本文提出了一种稳定且并发的控制器组合方法，用于多目标机器人任务，通过分解任务为子任务并独立设计子任务控制器，再利用RMPflow框架结合生成整体控制策略，同时通过CLF分析确保系统稳定性。

Comments The 58th IEEE Conference on Decision and Control (CDC), 2019

Model-Based Policy Search for Automatic Tuning of Multivariate PID Controllers

基于模型的策略搜索用于多变量PID控制器的自动调优

Andreas Doerr, Duy Nguyen-Tuong, Alonso Marco, Stefan Schaal, Sebastian Trimpe

专题命中 机器人学习 ：robotic(abstract)；分类 cs.RO、cs.LG；robotics(comments)

AI总结 本文提出基于模型的策略搜索框架，用于自动调优多变量PID控制器，通过数据驱动的方法解决复杂系统的控制器调优问题。

Comments Accepted final version to appear in 2017 IEEE International Conference on Robotics and Automation (ICRA)

PerceptTwin: Semantic Scene Reconstruction for Iterative LLM Planning and Verification

PerceptTwin：面向迭代LLM规划与验证的语义场景重建

Charlie Gauthier, Sacha Morin, Liam Paull

机构 * Department of Computer Science and Operations Research, Université de Montréal（蒙特利尔大学计算机科学与运筹学系） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

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

AI总结 提出PerceptTwin自动管道，从机器人感知的语义场景表示构建交互式仿真，结合LLM法官验证规划正确性与人类偏好，提升规划成功率约39%。

Comments Accepted at ICRA 2026 (Vienna); published on arxiv for archival purposes. See also https://percept-twin.github.io/

Virtual-to-Real: Learning to Control in Visual Semantic Segmentation

虚拟到现实：学习在视觉语义分割中的控制

Zhang-Wei Hong, Chen Yu-Ming, Shih-Yang Su, Tzu-Yun Shann, Yi-Hsiang Chang, Hsuan-Kung Yang, Brian Hsi-Lin Ho, Chih-Chieh Tu, Yueh-Chuan Chang, Tsu-Ching Hsiao, Hsin-Wei Hsiao, Sih-Pin Lai, Chun-Yi Lee

机构 * Elsa Lab（Elsa实验室） ； Department of Computer Science（计算机科学系） ； National Tsing Hua University（国立清华大学） 纠错

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

AI总结 本文提出了一种模块化架构，通过将感知模块和控制策略模块结合，利用语义图像分割作为元表示，解决虚拟到现实的迁移问题，并在障碍避让和目标跟随任务中展示了优越的性能。

Comments 7 pages, accepted by IJCAI-18

Near-Optimal Belief Space Planning via T-LQG

通过T-LQG实现接近最优的信念空间规划

Mohammadhussein Rafieisakhaei, Suman Chakravorty, P. R. Kumar

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

AI总结 本文提出T-LQG方法，用于非线性机器人系统在观测和运动不确定性下的规划问题，提供近优反馈控制策略，解决POMDP问题。

Comments 3 pages, 3 figures, In Robotics: Science and Systems (RSS) 2017 Workshop of "POMDPs in Robotics: State of The Art, Challenges, and Opportunities"

PhyScene3D: Physically Consistent Interactive 3D Tabletop Scene Generation

PhyScene3D：物理一致的交互式3D桌面场景生成

Weixing Chen, Zhuoqian Feng, Yang Liu, Yexin Zhang, Yifan Wen, Yinghong Liao, Weichao Qiu, Guanbin Li, Liang Lin

机构 * Sun Yat-sen University, China（中山大学） ； Peng Cheng Laboratory（鹏城实验室） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室） ； Huawei（华为） 纠错

专题命中 机器人学习 ：robotic(abstract)；分类 cs.CV

AI总结 提出PhyScene3D框架，通过认知拓扑推理链和物理感知去噪对齐，解决3D桌面场景生成中的物理一致性问题，显著降低碰撞率。

Comments 23 pages, 5 figures, accepted by ICML 2026

Task-Driven Estimation and Control via Information Bottlenecks

基于信息瓶颈的任务驱动估计与控制

Vincent Pacelli, Anirudha Majumdar

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 机器人学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种基于信息瓶颈理论的任务驱动估计与控制框架，通过任务相关的变量构建高效表示，并设计了在线算法进行状态估计以实现鲁棒的控制策略。

Comments 9 pages, 4 figures, abridged version accepted to ICRA2019; Incorporates changes in final conference submission

Learning Constraints from Demonstrations

从示范中学习约束

Glen Chou, Dmitry Berenson, Necmiye Ozay

机构 * Dept. of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, 48109, USA（电气工程与计算机科学系，密歇根大学，安娜堡，MI，48109，美国） 纠错

专题命中 机器人学习 ：分类 cs.RO、cs.AI、cs.LG；robotics(comments)

AI总结 该研究提出了一种从示范中学习未知约束的方法，通过任务示范、成本函数和系统动力学与控制约束，利用hit-and-run采样获取低成本但不安全的轨迹，并通过整数规划获得一致的不安全集表示，同时理论分析了可从安全示范中学习的约束子集。

Comments Presented at the Workshop on the Algorithmic Foundations of Robotics (WAFR), 2018, Mérida, Mexico

Formal Policy Learning from Demonstrations for Reachability Properties

从演示中学习形式策略以满足可达性属性

Hadi Ravanbakhsh, Sriram Sankaranarayanan, Sanjit A. Seshia

专题命中 机器人学习 ：robotic(abstract)

AI总结 本文提出了一种从演示中学习结构化闭环策略的方法，用于控制欠驱动机器人系统，以满足如到达目标状态集等形式行为规范。该方法通过策略学习者、演示者和验证器之间的交互，利用反例引导的迭代循环，通过反例更新训练数据并细化策略。

Mobile Beamforming & Spatially Controlled Relay Communications

移动波束成形与空间控制中继通信

Dionysios S. Kalogerias, Athina P. Petropulu

专题命中 机器人学习 ：robotic(abstract)

AI总结 本文研究了单源单目标机器人中继网络中的随机运动规划问题，提出了一种两阶段随机规划方法，通过优化中继位置以最大化总波束成形功率的期望倒数，采用随机因果信道状态信息进行决策。

Comments 41st International Conference on Acoustics, Speech & Signal Processing (ICASSP 2016) Presentation Available: http://sigport.org/831

Computational methods for stochastic control with metric interval temporal logic specifications

具有度量区间时序逻辑规范的随机控制计算方法

Jie Fu, Ufuk Topcu

专题命中 机器人学习 ：robotic(abstract)

AI总结 本文研究了连续时间随机系统在度量区间时序逻辑规范下的最优控制问题，提出了一种基于离散近似的方法来合成最优控制策略，以最大化满足规范的概率，并展示了该策略在离散近似中收敛到连续时间语义下的最优策略。

Comments 8 pages, 6 figures, submitted to IEEE CDC 2015

Folding Assembly by Means of Dual-Arm Robotic Manipulation

通过双臂机械手实现折叠组装

Diogo Almeida, Yiannis Karayiannidis

专题命中 机器人操作 ：robotic(title,abstract)；manipulation(title)；分类 cs.RO

AI总结 本文提出一种适用于双臂机械手的折叠组装基本操作，用于更高层次的组装策略。通过实验验证了该方法在两个部件接触时的可行性。

Comments 7 pages, accepted for ICRA 2016

What Are We Actually Benchmarking in Robot Manipulation?

我们究竟在机器人操作中基准测试什么？

Tianchong Jiang, Xiangshan Tan, Samuel Wheeler, Luzhe Sun, Tewodros W. Ayalew, Matthew Walter

机构 * Toyota Technological Institute at Chicago（丰田技术研究所芝加哥分校） ； University of Chicago（芝加哥大学） ； Argonne National Laboratory（阿贡国家实验室） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；分类 cs.RO

AI总结 本文通过识别基准测试的四种失效模式（捷径可解性、缺乏统计显著性、渐进过拟合和数据源依赖性），并提出相应诊断方法，对LIBERO、CALVIN、SimplerEnv、RoboCasa和RoboTwin 2.0进行审计，发现多数基准测试存在缺陷，并发布了诊断工具。

Comments 31 pages, 6 figures

From Video to Control: A Survey of Learning Manipulation Interfaces from Temporal Visual Data

从视频到控制：基于时间视觉数据学习操作接口的综述

Linfang Zheng, Zikai Ouyang, Chen Wang, Jia Pan, Wei Zhang

机构 * School of Automation and Intelligent Manufacturing (AiM)（自动化与智能制造学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology（广东省全驱动系统控制理论与技术省级重点实验室） ； Southern University of Science and Technology（南方科技大学） ； The University of Hong Kong（香港大学） ； Peng Cheng Laboratory（鹏城实验室） ； LimX Dynamics 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文综述了利用无动作标注的时间视频数据学习机器人操作控制接口的方法，提出以接口为中心的三种分类：直接视频-动作策略、潜在动作方法和显式视觉接口，并分析了控制集成特性与未来研究方向。

Dive into the Scene: Breaking the Perceptual Bottleneck in Vision-Language Decision Making via Focus Plan Generation

深入场景：通过焦点计划生成打破视觉-语言决策中的感知瓶颈

Boyuan Xiao, Bohong Chen, Yumeng Li, Ji Feng, Yao-Xiang Ding, Kun Zhou

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；navigation(abstract)；robotic(abstract)

AI总结 提出SceneDiver方法，通过从粗到细的焦点计划生成，逐步构建场景图并分解任务，减少视觉幻觉，提升视觉-语言模型和视觉-语言-动作模型在具身决策任务中的表现。

Comments Accepted at ICML 2026

Proof of Control of a UAV and a UGV Cooperating to Manipulate an Object

无人机与无人地面车协作 manipulation 一个物体的控制证明

Tam Nguyen, Emanuele Garone

专题命中 机器人操作 ：manipulation(title_cn,summary_cn)

AI总结 本文研究无人机与无人地面车协作 manipulation 物体的控制问题，提出饱和比例导数控制和级联控制策略，通过输入到状态稳定性理论证明系统稳定性，结合非线性参考控制器方案实现约束满足。

Comments 8 pages, 5 figures, American Control Conference (ACC) 2016

3PoinTr: 3D Point Tracks for Learning Manipulation from Unconstrained Human Videos

3PoinTr: 从无约束人类视频中通过3D点轨迹学习操作

Adam Hung, Bardienus Pieter Duisterhof, Jeffrey Ichnowski

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robot policy(abstract)；分类 cs.RO

AI总结 提出3PoinTr方法，通过预测密集3D点轨迹从无约束人类视频中预训练样本高效的机器人操作策略，在真实和模拟任务中显著优于基线方法。

A Lyapunov-Based Approach to Exploit Asymmetries in Robotic Dual-Arm Task Resolution

基于李雅普诺夫的方法利用双臂机器人任务解决中的不对称性

Diogo Almeida, Yiannis Karayiannidis

机构 * Dept. of Electrical Eng., Chalmers University of Technology（电气工程系，查尔姆斯理工大学） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO

AI总结 本文提出了一种基于李雅普诺夫的方法，用于设计绝对运动任务的控制律并更新双臂之间的相对任务分布，通过数值实验展示了该方法相较于对称分布的优势。

Comments Accepted for publication at CDC 2019

Robust Cooperative Manipulation without Force/Torque Measurements: Control Design and Experiments

无需力/扭矩测量的鲁棒协同操作：控制设计与实验

Christos K. Verginis, Matteo Mastellaro, Dimos V. Dimarogonas

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出两种新型控制方法，用于由N个机器人代理协同操作物体，通过四元数反馈避免表示奇异，同时保证物体轨迹的暂态和稳态性能，且具有去中心化和抗扰动特性，无需力/扭矩测量，并通过仿真和实验验证理论结果。

A Nonlinear Model Predictive Control Scheme for Cooperative Manipulation with Singularity and Collision Avoidance

一种用于协同操作的非线性模型预测控制方案，包含奇异性和避障

Alexandros Nikou, Christos Verginis, Shahab Heshmati-alamdari, Dimos V. Dimarogonas

专题命中 机器人操作 ：manipulation(title)；navigation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种非线性模型预测控制方案，用于在存在障碍物的有限工作空间中安全导航被N个机器人代理抓取的物体，同时避免碰撞和奇异配置。

Comments Simulation results with 3 agents added

Instant-Fold: In-Context Imitation Learning for Deformable Object Manipulation

Instant-Fold: 可变形物体操作的情境模仿学习

Yilong Wang, Cheng Qian, Edward Johns

机构 * The Robot Learning Lab（机器人学习实验室） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 提出Instant-Fold框架，通过单次人类演示的情境模仿学习，无需梯度更新即可推断并执行多种可变形物体操作模式，在仿真训练后零样本迁移到真实世界。

RMPflow: A Computational Graph for Automatic Motion Policy Generation

RMPflow：一种用于自动运动策略生成的计算图

Ching-An Cheng, Mustafa Mukadam, Jan Issac, Stan Birchfield, Dieter Fox, Byron Boots, Nathan Ratliff

机构 * NVIDIA, Seattle Robotics Lab（NVIDIA西雅图机器人实验室） ； Georgia Institute of Technology, Robot Learning Lab（佐治亚理工学院机器人学习实验室） ； University of Washington, Robotics and State Estimation Lab（华盛顿大学机器人与状态估计实验室） 纠错

专题命中 机器人操作 ：manipulation(summary_cn,abstract)；分类 cs.RO

AI总结 本文提出了一种基于Riemannian Motion Policies几何一致变换的新型策略合成算法RMPflow，通过结合局部策略生成全局策略并利用稀疏结构提高计算效率，同时研究了其几何性质并验证了在高自由度 manipulation 系统中通过障碍物规划的简化效果。

Comments WAFR 2018

Learning Dexterous Manipulation Policies from Experience and Imitation

从经验与模仿中学习灵巧操作策略

Vikash Kumar, Abhishek Gupta, Emanuel Todorov, Sergey Levine

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.LG

AI总结 本文研究了通过经验与模仿学习反馈控制灵巧五指手非抓取操作的任务，提出基于轨迹优化的局部控制器，并通过深度学习和最近邻方法进行泛化，展示了小数据训练下的有效性和盲操作优势。

Comments Initial draft for a journal submission

Co-active Learning to Adapt Humanoid Movement for Manipulation

协同学习以适应人形机器人的运动用于操作

Ren Mao, John S. Baras, Yezhou Yang, Cornelia Fermuller

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.LG

AI总结 本文提出协同学习框架，通过人机交互适应机器人末端执行器的运动以应对不同约束环境，实验验证了方法的有效性。

GRAIL: Generating Humanoid Loco-Manipulation from 3D Assets and Video Priors

GRAIL: 从3D资产和视频先验生成人形机器人全身操作

Tianyi Xie, Haotian Zhang, Jinhyung Park, Zi Wang, Bowen Wen, Jiefeng Li, Xueting Li, Qingwei Ben, Haoyang Weng, Yufei Ye, David Minor, Tingwu Wang, Chenfanfu Jiang, Sanja Fidler, Jan Kautz, Linxi Fan, Yuke Zhu, Zhengyi Luo, Umar Iqbal, Ye Yuan

机构 * NVIDIA ； UCLA（加州大学洛杉矶分校） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 提出GRAIL全虚拟生成管线，利用3D资产和视频基础模型先验合成人机交互演示，无需物理搭建或遥操作，实现人形机器人全身操作策略的模拟到现实迁移。

Comments Project page: https://research.nvidia.com/labs/dair/grail/

Affordance2Action: Task-Conditioned Scene-level Affordance Grounding for Real-Time Manipulation

Affordance2Action: 任务条件下的场景级功能区域定位用于实时操作

Litao Liu, Yifan Han, Pengfei Yi, Wenbo Yu, Hanqing Wang, Haoran Du, Enze Yuan, Zilin Yuan, Ruiding Feng, Michael Liu, Qi Zhang, Jingjin Yu

机构 * Department of Computer Science, Rutgers University-New Brunswick（罗格斯大学新布朗斯维尔回声分校计算机科学系） ； The Hong Kong University of Science and Technology (GZ)（香港科学与技术大学（GZ）） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 提出Affordance2Action框架，通过构建A2A-Bench基准和A2A-AffordGen标注流程，解决场景级任务条件功能区域定位中的多区域对应问题，并支持实时操作。

Comments 23 pages

Revisiting Embodied Chain-of-Thought for Generalizable Robot Manipulation

重新审视具身思维链以实现可泛化的机器人操作

Nan Sun, Yuan Zhang, Yongkun Yang, Wentao Zhao, Peiyan Li, Jun Guo, Wenxuan Song, Pengxiang Ding, Runze Suo, Yifei Su, Xin Xiao, Xinghang Li, Huaping Liu

机构 * Tsinghua University（清华大学） ； Xiaomi Robotics（小米机器人） ； Peking University（北京大学） ； CASIA ； HKUST(GZ)（香港科技大学（广州）） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 机器人操作 ：manipulation(title)；robotic(abstract)；分类 cs.RO

AI总结 本文通过构建最大规模具身思维链语料库，提出ERVLA模型，利用思维链作为表征塑造监督而非测试时推理，显著提升了机器人操作的可泛化性。

DiscourseFlip: An Oblique Discourse-Level Opinion Manipulation Attack against Black-box Retrieval-Augmented Generation

DiscourseFlip: 面向黑盒检索增强生成的非直述式语篇级观点操纵攻击

Yuyang Gong, Miaokun Chen, Jiawei Liu, Zhuo Chen, Guoxiu He, Wei Lu, XiaoFeng Wang, Xiaozhong Liu

机构 * Wuhan University（武汉大学） ； East China Normal University（华东师范大学） ； Nanyang Technological University（南洋理工大学） ； Worcester Polytechnic Institute（沃思堡理工学院） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI

AI总结 提出一种基于图引导的代理攻击方法DiscourseFlip，通过语义查询网络中的协同影响在有限预算下最大化语篇级观点偏差，实验证明其有效性和隐蔽性，并揭示现有防御的不足。

Teleoperated Robotic Arm Movement Using EMG Signal With Wearable MYO Armband

使用可穿戴MYO臂带的电信号实现远程操控机械臂运动

Hussein F. Hassan, Sadiq J. Abou-Loukh, Ibraheem Kasim Ibraheem

机构 * University of Baghdad, College of Engineering, Department of Electrical Engineering（巴格达大学，工程学院，电气工程系） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO

AI总结 本研究通过分析表面肌电信号，利用可穿戴MYO臂带区分七种手部运动，采用模式识别系统实现机械臂的实时控制，其中SVM分类器在准确率上达到96.57%。