机器人 / 具身智能

Continual Hand-Eye Calibration for Open-world Robotic Manipulation

连续手眼校准用于开放世界机器人操作

Fazeng Li, Gan Sun, Chenxi Liu, Yao He, Wei Cong, Yang Cong

机构 * School of Automation Science and Engineering, South China University of Technology（华南理工大学自动化科学与工程学院） ； State Key Laboratory of Robotics, the Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences（中国科学院机器人研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出连续手眼校准框架，通过空间重放策略和结构保持蒸馏，解决开放世界中持续学习中的灾难性遗忘问题，实验验证其在多个数据集上的有效性。

AFFORD2ACT: Affordance-Guided Automatic Keypoint Selection for Generalizable and Lightweight Robotic Manipulation

AFFORD2ACT：基于 affordance 的自动关键点选择用于通用且轻量的机器人操作

Anukriti Singh, Kasra Torshizi, Khuzema Habib, Kelin Yu, Ruohan Gao, Pratap Tokekar

机构 * Department of Computer Science, University of Maryland, College Park, MD, USA（马里兰大学计算机科学系，College Park, MD, USA） 纠错

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

AI总结 本文提出 AFFORD2ACT 框架，通过文本提示和单张图像生成最小化语义 2D 关键点，实现轻量级机器人操作，提升数据效率和泛化能力。

Device-Conditioned Neural Architecture Search for Efficient Robotic Manipulation

设备条件神经架构搜索用于高效机器人操作

Yiming Wu, Huan Wang, Zhenghao Chen, Ge Yuan, Dong Xu

机构 * The University of Hong Kong（香港大学） ； Westlake University（西湖大学） ； The University of Newcastle（纽卡斯尔大学） 纠错

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

AI总结 本文提出DC-QFA框架，通过设备条件量化训练和硬件约束架构搜索，实现高效机器人操作部署，减少优化时间并提升泛化能力。

Comments 17 pages, 4 figures

Robot Collapse: Supply Chain Backdoor Attacks Against VLM-based Robotic Manipulation

机器人崩溃：针对基于VLM的机器人操控的供应链后门攻击

Xianlong Wang, Hewen Pan, Hangtao Zhang, Minghui Li, Shengshan Hu, Ziqi Zhou, Lulu Xue, Peijin Guo, Aishan Liu, Leo Yu Zhang, Xiaohua Jia

机构 * City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北京航空航天大学） ； Griffith University（格里菲斯大学） 纠错

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

AI总结 本文提出TrojanRobot框架，通过在模块化机器人策略中嵌入恶意模块，操控LLM到VLM路径，验证了在18个真实任务和4个VLM上的优越性。

Deep Reinforcement Learning for Robotic Manipulation under Distribution Shift with Bounded Extremum Seeking

在分布偏移下用于机械臂操作的深度强化学习与有界极值搜索

Shaifalee Saxena, Rafael Fierro, Alexander Scheinker

机构 * University of New Mexico（新墨西哥大学） ； Los Alamos National Lab（洛斯阿拉莫斯国家实验室） 纠错

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

AI总结 本文提出结合深度确定性策略梯度与有界极值搜索的混合控制器，提升机械臂在分布偏移下的鲁棒性，通过时间变化目标和摩擦不均等场景验证。

Hybrid Framework for Robotic Manipulation: Integrating Reinforcement Learning and Large Language Models

机器人操作的混合框架：整合强化学习与大语言模型

Md Saad, Sajjad Hussain, Mohd Suhaib

机构 * Jamia Millia Islamia（贾米亚米利亚伊斯兰大学） ； University of Brighton（布莱顿大学） 纠错

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

AI总结 本文提出一种结合强化学习与大语言模型的混合框架，用于提升机器人操作任务。通过强化学习实现精确的低层控制，利用大语言模型进行高层任务规划和自然语言理解，有效连接低层执行与高层推理。实验显示任务完成时间减少33.5%，精度和适应性提升18.1%和36.4%。

Energy-Aware Reinforcement Learning for Robotic Manipulation of Articulated Components in Infrastructure Operation and Maintenance

面向智能基础设施运维的节能强化学习机器人操作

Xiaowen Tao, Yinuo Wang, Haitao Ding, Yuanyang Qi, Ziyu Song

机构 * National Key Laboratory of Automotive Chassis Integration and Bionics（汽车底盘集成与仿生国家重点实验室） ； Jilin University（吉林大学） ； School of Computer Science and Statistics（计算机科学与统计学学院） ； Trinity College Dublin（都柏林大学） ； Department of Civil Engineering（土木工程系） 纠错

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

AI总结 本文提出一种节能强化学习框架，通过紧凑几何表示和约束马尔可夫决策过程实现异构机械部件的高效操作，实验显示能耗降低16%-30%且成功率高。

Comments 18 pages, 5 figures, 7 tables. This version supersedes all previous preprint versions

Offload or Overload: A Platform Measurement Study of Mobile Robotic Manipulation Workloads

卸载或超载：移动机器人操控工作负载的平台测量研究

Sara Pohland, Xenofon Foukas, Ganesh Ananthanarayanan, Andrey Kolobov, Sanjeev Mehrotra, Bozidar Radunovic, Ankit Verma

机构 * UC Berkeley（加州大学伯克利分校） ； Microsoft Corp（微软公司） 纠错

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

AI总结 本文首次研究了移动机器人操控工作负载在车载、边缘和云GPU平台上的表现，发现小车载GPU无法运行完整工作栈，而大车载GPU会更快耗尽电池，卸载虽缓解约束但引入网络延迟和带宽问题，最终量化了机器人舰队共享计算的机会与风险。

Comments 15 pages, 17 figures

ClearDepth: Enhanced Stereo Perception of Transparent Objects for Robotic Manipulation

ClearDepth: 增强透明物体的立体视觉以辅助机器人操作

Kaixin Bai, Huajian Zeng, Lei Zhang, Yiwen Liu, Hongli Xu, Zhaopeng Chen, Jianwei Zhang

机构 * TAMS (Technical Aspects of Multimodal Systems), Department of Informatics, University of Hamburg（汉堡大学信息学院） ； Agile Robots SE（敏捷机器人公司） ； Technical University of Munich（慕尼黑技术大学） ； Mohamed Bin Zayed University of Artificial Intelligence (MBUZAI)（Mohamed Bin Zayed人工智能大学） 纠错

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

AI总结 ClearDepth通过视觉Transformer和特征后融合模块，提升透明物体的深度感知，以辅助机器人操作。

Comments 9 pages

TRIAGE: Type-Routed Interventions via Aleatoric-Epistemic Gated Estimation in Robotic Manipulation and Adaptive Perception -- Don't Treat All Uncertainty the Same

TRIAGE: 通过概率-epistemic门控估计进行类型路由干预 在机器人操作和自适应感知中 -- 不要将所有不确定性视为相同

Divake Kumar, Sina Tayebati, Devashri Naik, Patrick Poggi, Amanda Sofie Rios, Nilesh Ahuja, Amit Ranjan Trivedi

机构 * University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Intel Labs（英特尔实验室） 纠错

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

AI总结 TRIAGE通过分解不确定性为概率和epistemic组件，改进机器人操作和自适应感知的性能和效率。

Lifelong Language-Conditioned Robotic Manipulation Learning

持续语言引导的机器人操作学习

Xudong Wang, Zebin Han, Zhiyu Liu, Gan Li, Jiahua Dong, Baichen Liu, Lianqing Liu, Zhi Han

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

AI总结 本文提出SkillsCrafter框架，通过操作技能适应和技能专业化聚合，实现持续学习多种技能并减少旧技能的灾难性遗忘。

Comments 14 pages, 7 figures

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 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI

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

FlowCorrect: Efficient Interactive Correction of Generative Flow Policies for Robotic Manipulation

FlowCorrect: 高效的交互式生成流策略修正以提升机器人操作

Edgar Welte, Yitian Shi, Rosa Wolf, Maximillian Gilles, Rania Rayyes

机构 * Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology（物料处理与物流研究所，卡尔斯鲁厄技术大学） 纠错

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

AI总结 FlowCorrect通过交互式模仿学习在部署时高效修正生成流策略，提升机器人操作的成功率与效率。

Comments 8 pages, 5 figures

Rethinking Camera Choice: An Empirical Study on Fisheye Camera Properties in Robotic Manipulation

重新思考相机选择：关于机器人操作中鱼眼相机属性的实证研究

Han Xue, Nan Min, Xiaotong Liu, Wendi Chen, Yuan Fang, Jun Lv, Cewu Lu, Chuan Wen

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

AI总结 本文通过实证研究发现鱼眼相机在机器人操作中需考虑视场角、环境复杂性和随机尺度增强策略以提升性能。

Comments 22 pages, 15 figures, Accecpted by CVPR 2026

OmniVLA: Physically-Grounded Multimodal VLA with Unified Multi-Sensor Perception for Robotic Manipulation

OmniVLA：具有统一多传感器感知的物理基础多模态VLA

Heyu Guo, Shanmu Wang, Ruichun Ma, Shiqi Jiang, Yasaman Ghasempour, Omid Abari, Baining Guo, Lili Qiu

机构 * Princeton University（普林斯顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 OmniVLA通过整合多种传感器模态，提升机器人操作的感知能力与任务成功率。

Comments Accepted by ICRA'26

BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation

BitVLA：用于机器人操作的1位视觉-语言-动作模型

Hongyu Wang, Chuyan Xiong, Ruiping Wang, Xilin Chen

机构 * Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences University of Chinese Academy of Sciences（人工智能安全重点实验室，计算技术研究所，中国科学院，中国科学院大学） 纠错

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

AI总结 BitVLA是一种用于机器人操作的1位视觉-语言-动作模型，通过模型设计和优化提升部署效率，实现内存和延迟的显著降低。

Comments Work in progress

Ctrl-World: A Controllable Generative World Model for Robot Manipulation

Ctrl-World: 一个可控制的生成世界模型用于机器人操作

Yanjiang Guo, Lucy Xiaoyang Shi, Jianyu Chen, Chelsea Finn

机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出了一种可控的多视图世界模型，用于评估和改进通用机器人策略的指令遵循能力，通过姿态条件化记忆检索和帧级动作条件化实现长时一致性和精确动作控制，提升策略成功率44.7%。

Comments 17 pages

ABPolicy: Asynchronous B-Spline Flow Policy for Real-Time and Smooth Robotic Manipulation

ABPolicy：异步B样条流策略用于实时和流畅的机器人操控

Fan Yang, Peiguang Jing, Kaihua Qu, Ningyuan Zhao, Yuting Su

机构 * School of Electrical and Information Engineering, Tianjin University（电气与信息工程学院，天津大学） 纠错

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

AI总结 ABPolicy通过异步B样条流匹配策略实现实时、平滑的机器人操控，减少轨迹冲击并提升性能。

SimVLA: A Simple VLA Baseline for Robotic Manipulation

SimVLA：一种简单的VLA基线用于机器人操作

Yuankai Luo, Woping Chen, Tong Liang, Baiqiao Wang, Zhenguo Li

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

AI总结 SimVLA通过简化设计实现了最先进的机器人操作性能，展示了最小参数模型在模拟和真实环境中的优越表现。

HybridFlow: A Two-Step Generative Policy for Robotic Manipulation

HybridFlow: 一种用于机器人操作的两阶段生成策略

Zhenchen Dong, Jinna Fu, Jiaming Wu, Shengyuan Yu, Fulin Chen, Yide Liu

机构 * Anker Humanoid Lab（安克人形实验室） ； PolyU ； CUHK（香港中文大学） 纠错

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

AI总结 HybridFlow是一种用于机器人操作的两阶段生成策略，通过结合MeanFlow的快速生成与ReNoise和ReFlow的精度优化，提升了动作生成的效率和准确性。

Symmetry-Aware Fusion of Vision and Tactile Sensing via Bilateral Force Priors for Robotic Manipulation

通过双侧力先验实现视觉与触觉感知的对称感知融合用于机器人操作

Wonju Lee, Matteo Grimaldi, Tao Yu

机构 * DexAI, Emergent Business Unit, Analog Devices Inc.（DexAI，新兴业务部，安森通公司） 纠错

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

AI总结 本文提出了一种基于双侧力先验的跨模态Transformer，通过结构化注意力机制实现视觉与触觉融合，在机器人操作中实现了96.59%的插入成功率，展示了触觉感知的重要性及物理启发正则化的有效性。

Comments Accepted By ICRA2026

Hierarchical Audio-Visual-Proprioceptive Fusion for Precise Robotic Manipulation

层次化音频-视觉-本体感知融合用于精确机器人操作

Siyuan Li, Jiani Lu, Yu Song, Xianren Li, Bo An, Peng Liu

机构 * Harbin Institute of Technology, China（哈尔滨工业大学） ； Nanyang Technological University, Singapore（南洋理工大学） 纠错

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

AI总结 本文提出层次化多模态融合框架，通过整合音频、视觉和本体感知信息，提升机器人精确操作性能。

MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation

MemoryVLA: 视觉-语言-动作模型中用于机器人操作的感知-认知记忆

Hao Shi, Bin Xie, Yingfei Liu, Lin Sun, Fengrong Liu, Tiancai Wang, Erjin Zhou, Haoqiang Fan, Xiangyu Zhang, Gao Huang

机构 * Department of Automation, BNRist, Tsinghua University（自动化系、BNRist、清华大学） ； Dexmal ； MEGVII Technology（MEGVII技术） ； Tianjin University（天津大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； StepFun 纠错

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

AI总结 MemoryVLA通过结合感知与认知记忆机制，提升机器人操作中长时间跨度任务的性能，实现对时间依赖任务的高效处理。

Comments ICLR 2026 | The project is available at https://shihao1895.github.io/MemoryVLA

SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation

SpatialActor: 探索解耦的空间表示以实现鲁棒的机器人操作

Hao Shi, Bin Xie, Yingfei Liu, Yang Yue, Tiancai Wang, Haoqiang Fan, Xiangyu Zhang, Gao Huang

机构 * Dexmal 纠错

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

AI总结 SpatialActor通过解耦语义和几何，提升机器人操作的鲁棒性和精确性，实现高准确率和强泛化能力。

Comments AAAI 2026 Oral | Project Page: https://shihao1895.github.io/SpatialActor

Explainable Neural Inverse Kinematics for Obstacle-Aware Robotic Manipulation: A Comparative Analysis of IKNet Variants

可解释的神经逆向运动学用于障碍物感知的机器人操作：对IKNet变体的比较分析

Sheng-Kai Chen, Yi-Ling Tsai, Chun-Chih Chang, Yan-Chen Chen, Po-Chiang Lin

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

AI总结 本研究提出了一种可解释性工作流程，通过Shapley值归因和物理障碍规避评估，改进IKNet变体以提升机器人操作的透明性和安全性。

Comments 27 pages, 16 figures

Never-Ending Behavior-Cloning Agent for Robotic Manipulation

永不终止的行为克隆代理用于机器人操作

Wenqi Liang, Gan Sun, Yao He, Yu Ren, Jiahua Dong, Yang Cong

机构 * State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences（机器人国家重点实验室，沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Automation Science and Engineering, South China University of Technology（自动化科学与工程学院，华南理工大学） ； Mohamed bin Zayed University of Artificial Intelligence（马斯达尔大学人工智能学院） 纠错

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

AI总结 本文提出NBAgent，通过持续学习技能共享和特定属性，解决具身机器人中3D场景表示和人类水平任务学习的挑战。

Comments 17 pages, 6 figures, 9 tables

Language-Guided Grasp Detection with Coarse-to-Fine Learning for Robotic Manipulation

基于粗到细学习的语言引导抓取检测用于机器人操作

Zebin Jiang, Tianle Jin, Xiangtong Yao, Alois Knoll, Hu Cao

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

AI总结 本文提出基于粗到细学习的语言引导抓取检测方法，通过跨模态融合和动态卷积头提升抓取精度与鲁棒性，实验证明其在复杂环境中的有效性。

Comments Submitted to IEEE Journal

Asynchronous Fast-Slow Vision-Language-Action Policies for Whole-Body Robotic Manipulation

异步快速-慢速视觉-语言-动作策略用于全身机器人操作

Teqiang Zou, Hongliang Zeng, Yuxuan Nong, Yifan Li, Kehui Liu, Haotian Yang, Xinyang Ling, Xin Li, Lianyang Ma

机构 * AstriBot Team（AstriBot团队） 纠错

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

AI总结 DuoCore-FS通过异步快速-慢速框架提升全身机器人操作的实时性能与任务成功率。

VERM: Leveraging Foundation Models to Create a Virtual Eye for Efficient 3D Robotic Manipulation

VERM：利用基础模型创建虚拟眼睛以实现高效的3D机器人操作

Yixiang Chen, Yan Huang, Keji He, Peiyan Li, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别新技术实验室，多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； FiveAges ； Shandong University（山东大学） 纠错

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

AI总结 VERM通过利用基础模型创建虚拟视图，提升3D机器人操作的效率和准确性，实现训练和推理速度的显著提升。

Comments Accepted at RA-L 2025

MAPLE: Encoding Dexterous Robotic Manipulation Priors Learned From Egocentric Videos

MAPLE：从第一人称视频中学习的灵巧机器人操作先验知识编码

Alexey Gavryushin, Xi Wang, Robert J. S. Malate, Chenyu Yang, Davide Liconti, René Zurbrügg, Robert K. Katzschmann, Marc Pollefeys

机构 * ETH Zürich（苏黎世联邦理工学院） ； Mimic Robotics（Mimic机器人公司） ； Microsoft Research（微软研究院） 纠错

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

AI总结 MAPLE通过从第一人称视频中学习的先验知识，提升灵巧机器人操作任务的策略学习，有效应对复杂精细的操作需求。