机器人 / 具身智能

Accelerating Laboratory Automation Through Robot Skill Learning For Sample Scraping

Gabriella Pizzuto, Hetong Wang, Hatem Fakhruldeen, Bei Peng, Kevin S. Luck, Andrew I. Cooper

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

Comments 8 pages, 7 figures

Robot Fleet Learning via Policy Merging

Lirui Wang, Kaiqing Zhang, Allan Zhou, Max Simchowitz, Russ Tedrake

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

Comments See the code https://github.com/liruiw/Fleet-Tools for more details

Revisiting Energy Based Models as Policies: Ranking Noise Contrastive Estimation and Interpolating Energy Models

Sumeet Singh, Stephen Tu, Vikas Sindhwani

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

AR2-D2:Training a Robot Without a Robot

Jiafei Duan, Yi Ru Wang, Mohit Shridhar, Dieter Fox, Ranjay Krishna

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

Comments Project website: www.ar2d2.site

Evaluating Continual Learning on a Home Robot

Sam Powers, Abhinav Gupta, Chris Paxton

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

BusyBot: Learning to Interact, Reason, and Plan in a BusyBoard Environment

Zeyi Liu, Zhenjia Xu, Shuran Song

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

Comments CoRL 2022 camera-ready; Website: https://busybot.cs.columbia.edu/

Physical Interaction as Communication: Learning Robot Objectives Online from Human Corrections

Dylan P. Losey, Andrea Bajcsy, Marcia K. O'Malley, Anca D. Dragan

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

Hierarchical and Partially Observable Goal-driven Policy Learning with Goals Relational Graph

Xin Ye, Yezhou Yang

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

Comments CVPR2021

A data-set of piercing needle through deformable objects for Deep Learning from Demonstrations

Hamidreza Hashempour, Kiyanoush Nazari, Fangxun Zhong, Amir Ghalamzan E.

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

Comments https://github.com/imanlab/d-lfd

Learning to Augment Synthetic Images for Sim2Real Policy Transfer

Alexander Pashevich, Robin Strudel, Igor Kalevatykh, Ivan Laptev, Cordelia Schmid

专题命中 机器人学习 ：robotics(abstract)；manipulation(abstract)；分类 cs.CV、cs.LG

Comments 7 pages

Journal ref IROS 2019

Residual Policy Learning

Tom Silver, Kelsey Allen, Josh Tenenbaum, Leslie Kaelbling

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

Visuospatial Skill Learning for Robots

S. Reza Ahmadzadeh, Fulvio Mastrogiovanni, Petar Kormushev

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

Comments 24 pages, 36 figures

Model Predictive Impedance Control with Gaussian Processes for Human and Environment Interaction

基于高斯过程的模型预测阻抗控制用于人与环境交互

Kevin Haninger, Christian Hegeler, Luka Peternel

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

AI总结 本文提出基于高斯过程的模型预测控制框架，用于处理人机交互中的多种不确定性，通过非线性优化提升机器人轨迹和阻抗的适应性与安全性。

Comments Video: https://youtu.be/Of2O3mHfM94 Code: https://gitlab.cc-asp.fraunhofer.de/hanikevi/gp-mpc-impedance-control

Journal ref Robotics and Autonomous Systems, Volume 165, 104431, July 2023

Advances on Affordable Hardware Platforms for Human Demonstration Acquisition in Agricultural Applications

Alberto San-Miguel-Tello, Gennaro Scarati, Alejandro Hernández, Mario Cavero-Vidal, Aakash Maroti, Néstor García

机构 * Eurecat, Centre Tecnològic de Catalunya, Robotics and Automation Unit（Eurecat，加泰罗尼亚技术中心，机器人与自动化单位） 纠错

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

Comments 7 pages, 2 figures

Journal ref European Robotics Forum 2025. ERF 2025. Springer Proceedings in Advanced Robotics, vol 36. Springer

SkillMimicGen: Automated Demonstration Generation for Efficient Skill Learning and Deployment

Caelan Garrett, Ajay Mandlekar, Bowen Wen, Dieter Fox

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

Journal ref 2024 Conference on Robot Learning (CoRL)

Open-source High-precision Autonomous Suturing Framework With Visual Guidance

Hongbin Lin, Bin Li, Yunhui Liu, Kwok Wai Samuel Au

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

Journal ref IROS 2022 Workshop on "A Panacea Or An Alchemy? Benefits And Risks Of Robot Learning In Medical Applications"

Affordance Learning from Play for Sample-Efficient Policy Learning

Jessica Borja-Diaz, Oier Mees, Gabriel Kalweit, Lukas Hermann, Joschka Boedecker, Wolfram Burgard

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

Comments Accepted at the 2022 IEEE International Conference on Robotics and Automation (ICRA). Videos at http://vapo.cs.uni-freiburg.de/

Safety Embedded Differential Dynamic Programming Using Discrete Barrier States

Hassan Almubarak, Kyle Stachowicz, Nader Sadegh, Evangelos A. Theodorou

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

Comments Added extensive quantitative comparisons and analysis in the implementation examples, and revised discussions and illustrations

Journal ref IEEE ROBOTICS AND AUTOMATION LETTERS, VOL. 7, NO. 2, APRIL 2022

Learning from Demonstrations for Autonomous Soft-tissue Retraction

Ameya Pore, Eleonora Tagliabue, Marco Piccinelli, Diego Dall'Alba, Alicia Casals, Paolo Fiorini

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

Comments Accepted in IEEE International Symposium of Medical Robotics (ISMR 2021)

Hybrid Control for Learning Motor Skills

Ian Abraham, Alexander Broad, Allison Pinosky, Brenna Argall, Todd D. Murphey

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

Journal ref Workshop on the Algorithmic Foundations of Robotics (2020)

RORA: Realistic Object Reconstruction with Articulation

RORA：带关节运动的真实物体重建

Hyesung Lee, Youngseon Lee, Kyutae Lee, Dongjun Lee, Yongseok Lee

机构 * Seoul National University（首尔大学） ； DGIST（大邱庆北科学技术院） 纠错

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

AI总结 本研究提出RORA端到端管线，可从单个静态物体视频输入重建带精确关节运动的仿真就绪资产，在PartNet-Mobility-V0数据集和真实物体上取得良好效果，可用于机器人学习的实时灵巧手操作任务。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

SelfWAM: A Self-Grounded Unified World Action Model for Fast Robot Control

SelfWAM：一种用于快速机器人控制的自 grounded 统一世界动作模型

Bikang Pan, Fan Liu, Haotao Lu, Jingya Wang, Ye Shi

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

AI总结 SelfWAM是一种基于MoT架构的统一自 grounded WAM，通过联合预测动作等改进机器人控制，在RoboTwin 2.0等实验中提升了策略性能与推理速度。

GigaWorld-Policy-0.5: A Faster and Stronger WAM Empowered by AutoResearch

GigaWorld-Policy-0.5：由自动研究赋能的更快更强的世界行动模型

GigaWorld Team, Angen Ye, Angyuan Ma, Boyuan Wang, Chaojun Ni, Fangzheng Ye, Guan Huang, Guo Li, Guosheng Zhao, Haodong Yan, Hengtao Li, Jiwen Lu, Kai Wang, Mingming Yu, Qitang Hu, Qiuping Deng, Songling Liu, Xiaoyu Tian, Xiaofeng Wang, Xinyu Zhou, Xiuwei Xu, Xinze Chen, Yang Wang, Yejun Zeng, Yifan Chang, Yun Ye, Zhenyu Wu, Zhanqian Wu, Zheng Zhu

机构 * GigaAI（字节跳动人工智能实验室） ； Tsinghua University（清华大学） 纠错

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

AI总结 研究旨在改进机器人策略学习，提出GigaWorld-Policy-0.5这一增强型以动作中心的WAM。预训练采用混合策略加强视觉与动作耦合，推理引入新架构提升效率，还用自动研究管道搜索训练配置，有效提升了机器人控制推理效率并保留训练优势。

Comments project page: https://open-gigaai.github.io/giga-world-policy/

Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations

通过从正向演示中学习逆向任务进行任务参数外推

Serdar Bahar, Fatih Dogangun, Matteo Saveriano, Yukie Nagai, Emre Ugur

机构 * Bogazici University（博雅科技大学） ； University of Trento（特伦托大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出了一种基于任务逆向学习的联合学习方法，通过利用辅助正向演示实现准确且高效的知识转移，以解决机器人学习中的泛化问题。

Comments Accepted for publication in IEEE RA-L

One-Shot Multimodal Learning from Demonstration with Force-Constrained Elastic Maps

基于力约束弹性映射的一次性多模态示范学习

Brendan Hertel, Jonathan Spanos, Navya Garg, Reza Azadeh

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

AI总结 针对多数示范学习方法忽视力与环境相互作用的问题，提出一次性多模态LfD框架。通过多模态概率分割提取力感知运动原语，扩展弹性映射表示并结合外力约束学习轨迹模型，经实验验证该方法具有多模态分割、力感知再现及跨平台通用性。

Comments 8 pages, 6 figures, 4 tables. Accepted for publication at IROS 2026

Duet: Dual-Robot Understanding via Efficient Teaching

Duet: 通过高效教学实现双机器人理解

Yiqi Zhao, Ruohai Ge, Celina Shiyu Wang, Junjie Ye, Muchen Xu, Minhao Li, Sergey Zakharov, Basile Van Hoorick, Vitor Campagnolo Guizilini, Leonidas Guibas, Gaurav S. Sukhatme, Jyotirmoy V. Deshmukh, Yue Wang

机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究所） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出DUET框架，利用VR遥操作和人类协作先验，通过预训练与微调结合，实现双机器人移动操作的高效学习，显著降低数据采集成本。

Generating Robot Hands from Human Demonstrations

从人类演示生成机器人手

Sha Yi, Nicklas Hansen, Xueqian Bai, Carmelo Sferrazza, Michael T. Tolley, Xiaolong Wang

机构 * University of California San Diego（加州大学圣迭戈分校） ； Amazon Frontier AI & Robotics（亚马逊前沿人工智能与机器人） 纠错

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

AI总结 提出数据驱动框架，利用人类日常操作中超过400万帧指尖运动数据，通过逆运动学匹配指尖位置，优化树状结构机器人手的设计，生成通用6自由度手和低自由度任务专用手，并训练强化学习智能体加速设计搜索。

EgoGuide: Egocentric Guidance for Efficient Robot-Free Demonstration Collection and Learning

EgoGuide: 以自我为中心引导的高效无机器人演示收集与学习

Yue Xu, Mingtao Nie, Tianle Li, Hong Li, Yibo Luo, Siyuan Huang, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） 纠错

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

AI总结 提出EgoGuide数据收集接口，通过同步腕部和头部/自我中心观察并在线视觉-几何质量引导，结合门控自我中心残差策略，减少所需数据量并提高数据效率。

Light-WAM: Efficient World Action Models with State-Fusion Action Decoding

Light-WAM：基于状态融合动作解码的高效世界动作模型

Ziang Li, Dongzhou Cheng, Yibin Wang, Shiyue Wang, Xiaoyang Xu, Lingxuan Weng, Juan Wang, Jiaqi Wang

机构 * Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院） ； Southeast University（东南大学） ； Fudan University（复旦大学） ； East China Normal University（华东师范大学） 纠错

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

AI总结 提出轻量级世界动作模型Light-WAM，通过紧凑视频骨干和降维潜空间未来视频监督降低训练成本，并引入状态融合动作专家实现高效动作预测，在LIBERO和RoboTwin 2.0上取得良好性能。

Task Editing for Generalizable 3D Visuomotor Policy Learning

面向可泛化3D视觉运动策略学习的任务编辑

Jian-Jian Jiang, YiHan Yang, Lan Wei, Yuming Luo, Xiao-Ming Wu, Xuhang Chen, Bin Fan, Dandan Zhang, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； Imperial College London（帝国理工学院） ； Nanyang Technological University（南洋理工大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 提出Task-Edit框架，通过将任务分解为场景、技能和对象组件并灵活重组，生成多样化轨迹，提升3D视觉运动策略在长程操作任务中的泛化能力。

Comments 8 pages, 4 figures