机器人 / 具身智能

RoboLight: A Dataset with Linearly Composable Illumination for Robotic Manipulation

RoboLight: 一个具有线性可组合照明的机器人操作数据集

Shutong Jin, Jin Yang, Muhammad Zahid, Florian T. Pokorny

机构 * School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电气工程与计算机科学学院，皇家理工学院） 纠错

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

AI总结 RoboLight数据集通过线性可组合照明技术，为机器人操作提供真实世界和合成数据，支持感知挑战和任务多样性研究。

CoLA-Flow Policy: Temporally Coherent Imitation Learning via Continuous Latent Action Flow Matching for Robotic Manipulation

CoLA-Flow Policy: 通过连续潜在动作流匹配实现机器人操作的时序一致模仿学习

Wu Songwei, Jiang Zhiduo, Sun Wandong, Xie Guanghu, Zhao Rui, Liu Hong, Liu Yang

机构 * State Key Laboratory of Robotics and System, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） ； The University of Sydney（悉尼大学） ； Honor Device Co., Ltd.（荣耀设备有限公司） 纠错

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

AI总结 本文提出CoLA-Flow Policy，一种基于连续潜在动作空间的轨迹级模仿学习框架，通过学习显式的潜在空间流，解耦全局运动结构与低层控制噪声，从而实现平滑可靠的长时程执行，并结合几何感知点云条件和执行时多模态调节，提升现实环境的鲁棒性。

Comments 8 pages, 8 figures

Combined Constrained Sampling and Reinforcement Learning for Robotic Manipulation

结合约束采样与强化学习的机器人操作

Marc Toussaint, Cornelius V. Braun, Armand Jordana, Sayantan Auddy, Eckart Cobo-Briesewitz, Denis Shcherba, Tilman Burghoff, Justin Carpentier

机构 * Technische Universität Berlin（柏林工业大学） ； Robotics Institute Germany（德国机器人研究所） ； LAAS-CNRS（法国国家科学研究中心系统分析与架构实验室） ； Inria & DI-ENS, PSL Research University（法国国家信息与自动化研究所 & 巴黎文理研究大学计算机科学系） 纠错

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

AI总结 针对接触丰富的非抓取操作任务，提出一种结合约束状态采样与强化学习的方法，通过设计考虑接触结构的重置策略提升探索效率，训练通用动态操作策略。

RoboRouter: Training-Free Policy Routing for Robotic Manipulation

RoboRouter: 机器人操作的无训练策略路由

Yiteng Chen, Zhe Cao, Hongjia Ren, Chenjie Yang, Wenbo Li, Shiyi Wang, Yemin Wang, Li Zhang, Yanming Shao, Zhenjun Zhao, Huiping Zhuang, Qingyao Wu

机构 * South China University of Technology（华南理工大学） ； Nanjing University（南京大学） ； University of New South Wales（新南威尔士大学） ； Southwest Jiaotong University（西南交通大学） ； Xiamen University（厦门大学） ； The Hong Kong Polytechnic University（香港理工大学） ； ShanghaiTech University（上海科技大学） ； University of Zaragoza（巴塞罗那大学） 纠错

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

AI总结 提出RoboRouter，一种无需训练的策略路由框架，通过维护异构策略池并基于历史经验选择最优策略，在模拟和真实环境中分别提升平均成功率超过3%和13%。

Comments We need to withdraw the paper as some of the reference papers are incorrect and need to be removed

Spotlighting Task-Relevant Features: Object-Centric Representations for Better Generalization in Robotic Manipulation

聚焦任务相关特征：面向机器人操作泛化的对象中心表示

Alexandre Chapin, Bruno Machado, Emmanuel Dellandréa, Liming Chen

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

AI总结 针对机器人操作策略泛化受视觉表示中任务无关信息干扰的问题，提出基于槽的对象中心表示（SBOCR），通过将密集特征分组为对象级实体来减少噪声，在模拟和真实实验中优于全局和密集特征表示。

SafeManip: A Property-Driven Benchmark for Temporal Safety Evaluation in Robotic Manipulation

SafeManip: 一种基于属性的基准，用于机器人操作中的时间安全评估

Chengyue Huang, Khang Vo Huynh, Sebastian Elbaum, Zsolt Kira, Lu Feng

机构 * Department of Machine Learning, Georgia Institute of Technology（佐治亚理工学院机器学习系） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） 纠错

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

AI总结 SafeManip通过定义可重用的安全模板，评估机器人操作中的时间安全属性，涵盖碰撞安全、抓取稳定性等八类安全类别，验证了现有方法在安全评估上的不足。

SoMA: A Real-to-Sim Neural Simulator for Robotic Soft-body Manipulation

SoMA：一种用于机器人软体操作的实-仿真神经模拟器

Mu Huang, Hui Wang, Kerui Ren, Linning Xu, Yunsong Zhou, Mulin Yu, Bo Dai, Jiangmiao Pang

机构 * Fudan University, China（复旦大学） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） ； Shanghai Jiao Tong University, China（上海交通大学） ； The Chinese University of Hong Kong, China（香港中文大学） ； The University of Hong Kong, China（香港大学） 纠错

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

AI总结 SoMA是一种用于机器人软体操作的实-仿真神经模拟器，通过统一的潜在神经空间实现可控、稳定的长周期操作和泛化能力。

Comments Project page: https://city-super.github.io/SoMA/

Towards Generalizable Robotic Manipulation in Dynamic Environments

面向动态环境的通用机器人操作

Heng Fang, Shangru Li, Shuhan Wang, Xuanyang Xi, Dingkang Liang, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Technologies Co. Ltd（华为技术有限公司） 纠错

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

AI总结 本文提出DOMINO数据集与基准，通过实验评估现有VLA模型，提出PUMA架构提升动态感知能力，实现动态任务中的高成功率。

Comments Accepted to ECCV 2026. Project Page: https://h-embodvis.github.io/DOMINO/

REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation

REMAC：用于长时程机器人操作的自反思与自进化多智能体协作框架

Puzhen Yuan, Angyuan Ma, Yunchao Yao, Huaxiu Yao, Masayoshi Tomizuka, Mingyu Ding

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

AI总结 本研究提出REMAC自适应多智能体规划框架，通过自反思与自进化实现多机器人长时程任务规划，在RoboCasa基准测试中使任务平均成功率提升40%、执行效率提升52.7%。

Comments 24 pages, 8 figures

DriftWorld: Fast World Modeling through Drifting

DriftWorld：通过漂移实现快速世界建模

Susie Lu, Haonan Chen, Weirui Ye, Yilun Du

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） 纠错

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

AI总结 研究针对预测性世界模型生成展开慢的问题，提出基于漂移生成模型的DriftWorld，训练时学习动作条件漂移以快速生成未来帧，在机器人操作基准测试中实现快速准确决策，还能作离线模拟器，性能优于基于扩散的基线。

Comments Website at https://susie-lu.github.io/driftworld/

Automating the Design of Embodied Agent Architectures

具身智能体架构设计的自动化

Jian Zhou, Sihao Lin, Jin Li, Shuai Fu, Gengze Zhou, Qi Wu

机构 * Australian Institute for Machine Learning, University of Adelaide, SA, Australia（澳大利亚机器学习研究所，阿德莱德大学，南澳大利亚州，澳大利亚） 纠错

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

AI总结 提出AgentCanvas运行时和KDLoop搜索过程，将架构搜索扩展到感知型具身智能体，在视觉-语言导航等任务上取得性能提升，但面临噪声、局部最优和信用分配等挑战。

PrimitiveVLA: Learning Reusable Motion Primitives for Efficient and Generalizable Robotic Manipulation

PrimitiveVLA：学习可复用的运动基元以实现高效且可泛化的机器人操作

Yutai Li, Shaohui Peng, Jiaming Guo, Di Huang, Zihao Zhang, Yuxuan Guo, Yunkai Gao, Siming Lan, Ling Li, Xing Hu, Yunji Chen

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，计算技术研究所，中国科学院） ； Jiangsu Key Laboratory of AI for Industries, Institute of AI for Industries, CAS（江苏人工智能工业重点实验室，人工智能工业研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Cambricon Technologies（寒武科技） ； Intelligent Software Research Center, Institute of Software, CAS（软件研究所智能软件研究中心，中国科学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出PrimitiveVLA框架，通过将视觉-语言-动作模型从直接指令到控制映射转向以基元为中心的拆解与组装范式，利用多模态规范表示和自动化流水线，提升数据效率并实现零样本泛化。

Preference-Calibrated Human-in-the-Loop Reinforcement Learning for Robotic Manipulation

偏好校准的人机协同强化学习用于机器人操作

Zeyi Liu, Guangyao Liu, Yinuo Qu, Yuquan Xue, Bofang Jia, Chunhua Yang, Weihua Gui, Keke Huang, Ziwei Wang

机构 * Central South University（中南大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出PACT框架，通过干预隐式偏好信号进行信用重分配和策略对齐，提升人机协同强化学习的样本效率和性能。

Learning Semantic Atomic Skills for Multi-Task Robotic Manipulation

学习多任务机器人操作的语义原子技能

Yihang Zhu, Weiqing Wang, Shijie Wu, Ye Shi, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） 纠错

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

AI总结 提出AtomSkill框架，通过语义对比对齐和关键姿态想象，从演示中学习可重用原子技能，实现多任务机器人操作，优于现有方法。

N2M: Bridging Navigation and Manipulation by Learning Pose Preference from Rollout

N2M：通过从展开中学习姿态偏好连接导航与操作

Kaixin Chai, Hyunjun Lee, Joseph J. Lim

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 针对移动操作中基座定位问题，提出N2M方法，通过学习操作策略对局部场景的偏好来优化基座位置，采用新颖视角增强策略实现数据高效学习，实验表明优于现有方法。

Imagine2Act: Leveraging Object-Action Motion Consistency from Imagined Goals for Robotic Manipulation

Imagine2Act：利用想象目标中的物体-动作运动一致性进行机器人操作

Liang Heng, Jiadong Xu, Yiwen Wang, Xiaoqi Li, Muhe Cai, Yan Shen, Juan Zhu, Guanghui Ren, Hao Dong

机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； PrimeBot ； AGIBOT 纠错

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

AI总结 提出Imagine2Act框架，通过生成想象目标点云并引入物体-动作一致性策略，将语义和几何约束融入策略学习，解决高精度物体重排任务。

RealDexUMI: A Wearable Universal Manipulation Interface for Dexterous Robot Learning

RealDexUMI：用于灵巧机器人学习的可穿戴通用操作接口

Chaoyi Xu, Yixuan Jiang, Jiahui Huan, Yuhui Fu, Haoyu Zhou, Weitian Yuan, Jiayi Yu, Wanpeng Zhang, Haoqi Yuan, Zongqing Lu

机构 * Peking University（北京大学） ； BeingBeyond ； Beihang University（北航） ； LinkerBot ； Tsinghua University（清华大学） 纠错

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

AI总结 提出RealDexUMI，一种基于共享灵巧末端执行器模块的可穿戴通用操作接口，通过掌侧同构遥操作手套实现无重定向、直观精确的手部控制，在八项真实机器人任务中平均成功率达88.75%。

Data Pyramid for Embodied Manipulation: A Survey

用于具身操纵的数据金字塔

Yifan Ye, Yankai Fu, Yaoxu Lv, Bohan Hou, Jun Cen, Lingdong Kong, Duo Zheng, Tianxing Chen, Jiaming Liu, Ziang Cao, Yunfan Lou, Wei Chow, Xian Sun, Yingshuo Wang, Kuangzhi Ge, Xiaowei Chi, Xidong Zhang, Zhibo Pang, Yiwu Zhong, Sirui Han, Zhihe Lu, Weihao Yuan, Qifeng Chen, Michael Yu Wang, Yao Mu, Ziwei Liu, Jianfei Yang, Ping Luo, Shanghang Zhang

机构 * PKU（北京大学） ； NTU（南洋理工大学） ； HKUST（香港科技大学） ； NUS（新加坡国立大学） ； CUHK（香港中文大学） ； HKU（香港大学） ； Duke（杜克大学） ； UCB（加州大学伯克利分校） ； GBU（未提及具体中文名的机构） ； NJU（南京大学） ； SJTU（上海交通大学） 纠错

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

AI总结 研究围绕具身操纵数据生态系统展开，构建跨越五个互补数据源的“数据金字塔”，通过数据配方分析具身基础模型，将数据组成与多种能力联系起来，并讨论了六个开放挑战，为下一代具身系统设计奠定基础。

Comments Awesome Embodied Data Pyramid; Project Page at https://jasper-aaa.github.io/embodied-data-pyramid/ GitHub Repo at https://github.com/worldbench/awesome-embodied-data-pyramid

Open-AoE: An Open Egocentric Manipulation Dataset and Toolchain for Embodied Learning

Open-AoE：用于具身学习的开放自我中心操纵数据集和工具链

Zishuo Li, Bowen Yang, Changtao Miao, Kai Zhu, Hao Chen, Qingze Guan, Zhengxing Wu, Wanke Zhan, Yang Sun, Zhiyi Huang, Zitong Shan, Zhenchao Jin, Jiadong Hong, Taowen Wang, Yushi Feng, You Liu, Yibo Wang, Yifan Yang, Zhaowen Zhou, Man Luo, Hao Cheng, Bo Zhang, Jianshu Li, Jiansheng Cai, Guocai Yao, Jize Zhang, Chenhao Lin, Renjing Xu, Lequan Yu, Chao Shen, Chunhua Shen, Zhe Li

机构 * Ant Group（蚂蚁集团） 纠错

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

AI总结 研究旨在为具身学习提供数据集和工具链，提出Open-AoE。它涵盖从手机捕捉到模型训练全流程，含约2000小时视频及多种注释等。通过整合多环节，降低数据贡献与重用障碍，为相关研究提供实用开放基础设施。

Do Robots Really Need Anthropomorphic Hands? A Comparison of Human and Robotic Hands

机器人真的需要拟人化的手吗？人类手与机器人手的比较

Alexander Fabisch, Wadhah Zai El Amri, Chandandeep Singh, Nicolás Navarro-Guerrero

机构 * Robotics Innovation Center, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)（德意志人工智能研究中心机器人创新中心） ； Leibniz Universität Hannover, L3S Research Center（汉诺威莱布尼茨大学L3S研究中心） 纠错

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

AI总结 本文通过比较人类手与机器人手的生物力学、感知和控制机制，探讨机器人是否需要拟人化手，发现复杂的手部设计并非所有任务所必需，而手部机制的复杂性与执行任务的广度相关，同时指出传感器集成和智能操作策略仍需进一步研究。

Journal ref Journal of Intelligent and Robotic Systems 112 (2026)

Robotic Nanoparticle Synthesis via Solution-based Processes

基于溶液过程的机器人纳米粒子合成

Dasharadhan Mahalingam, Michael Gallagher, Nilanjan Chakraborty, Stanislaus S. Wong

机构 * Department of Mechanical Engineering, Stony Brook University（石溪大学机械工程系） ； Department of Chemistry, Stony Brook University（石溪大学化学系） 纠错

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

AI总结 本文提出一种基于螺旋几何的操控规划框架，用于实现基于溶液的合成自动化，通过金和磁铁矿纳米粒子的制备进行演示。该框架通过编程演示提取约束，实现化学家无需机器人知识即可重新编程系统。

Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation

工业灵巧性基准测试：一个用于工业灵巧操作的硬件-软件基准测试平台

Honglu He, Jacob Laufer, Zhiwu Zheng, David Elkan-gonzalez, Raman Goyal, Xinyi Li, Su Lu, Mishek Musa, Berke Saat, Nicolas Tan, Colm Prendergast

机构 * Analog Devices, Inc.（亚德诺半导体技术有限公司） 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 针对工业灵巧操作瓶颈，提出从经典流程到端到端多模态模仿学习框架的转变，介绍了IDB板、DAG-ROS框架和AG-iDP3策略框架，通过数据中心电缆操作实验表明新策略在多方面优于传统方法，推动向可扩展机器人自动化发展。

EquiBim: Learning Symmetry-Equivariant Policy for Bimanual Manipulation

EquiBim: 学习双臂操作的对称等变策略

Zhiyuan Zhang, Aditya Mohan, Seungho Han, Wan Shou, Dongyi Wang, Yu She

机构 * Purdue University（普渡大学） ； University of Arkansas（阿肯色大学） 纠错

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

AI总结 本文提出EquiBim框架，通过强制对称性等变性提升双臂操作的性能和鲁棒性，适用于多种感知与动作表示。

Comments Accepted to IROS 2026. Project page: https://zhangzhiyuanzhang.github.io/equibim-website/

LaST$_{0}$: Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model

LaST$_{0}$：面向机器人视觉-语言-动作模型的潜在时空思维链

Zhuoyang Liu, Jiaming Liu, Hao Chen, Jiale Yu, Ziyu Guo, Chengkai Hou, Chenyang Gu, Xiangju Mi, Renrui Zhang, Kun Wu, Zhengping Che, Jian Tang, Pheng-Ann Heng, Shanghang Zhang

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出LaST$_0$框架，通过潜在时空思维链在隐空间进行高效推理，避免显式推理的延迟和语言瓶颈，在10个真实世界任务中平均成功率提升13%-14%。

Comments Project page: https://vla-last0.github.io/

MOSAIC: Skill-Centric Manipulation Planning with Physics Simulation

MOSAIC：基于物理模拟的以技能为中心的操作规划

Itamar Mishani, Yorai Shaoul, Maxim Likhachev

机构 * Robotics Institute, School of Computer Science（机器人研究所、计算机科学学院） 纠错

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

AI总结 研究用预定义技能规划长期操作运动的问题，核心方法是利用物理模拟估计技能执行结果，贡献是引入MOSAIC方法，通过两个互补技能家族有效发现基于物理的解决方案。

Comments Accepted for Publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA). Project page: https://skill-mosaic.github.io

DFM-VLA: Iterative Action Refinement for Robot Manipulation via Discrete Flow Matching

DFM-VLA：通过离散流匹配实现机器人操作的迭代动作细化

Jiayi Chen, Wenxuan Song, Jiaxin Fang, Ruiqing Yin, Jingbo Wang, Shuai Chen, Jieyuan Pei, Yikai Qin, Feifan Chen, Haodong Yan, Zhide Zhong, Wen Chen, Yan Wang, Yuxiang Gao, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology（哈尔滨工业大学） ； ShanghaiTech University（上海科技大学） ； Shanghai Institute of Technical Physics, CAS（中国科学院上海技术物理研究所） 纠错

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

AI总结 DFM-VLA通过离散流匹配实现机器人操作中动作token的迭代细化，采用动态概率速度场和双阶段解码策略，提升了动作生成的准确性和效率。

TransDex: Pre-training Visuo-Tactile Policy with Point Cloud Reconstruction for Dexterous Manipulation of Transparent Objects

TransDex：基于点云重建的视觉-触觉政策预训练用于透明物体的精细操作

Fengguan Li, Yifan Ma, Chen Qian, Wentao Rao, Weiwei Shang

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

AI总结 TransDex通过点云重建预训练实现视觉-触觉融合政策，解决透明物体操作中的自遮挡和深度噪声问题，提升真实机器人系统中精细操作性能。

Comments Project page: https://transdex.github.io/

LHM-Humanoid: Long-Horizon Human Motion Control for Continuous Object Transport in Cluttered Scenes

LHM-Humanoid：学习一种统一的政策以在多样化的混乱环境中实现长视距人形全身体术操作

Haozhuo Zhang, Jingkai Sun, Michele Caprio, Angelo Cangelosi, Jian Tang, Shanghang Zhang, Qiang Zhang, Wei Pan

机构 * The University of Manchester（曼彻斯特大学） ； X-Humanoid ； Peking University（北京大学） ； University of Hong Kong（香港大学） 纠错

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

AI总结 LHM-Humanoid通过统一政策实现人形在复杂环境中长视距全身体术操作，结合强化学习与知识蒸馏，提升跨场景泛化与鲁棒性。

CABTO: Context-Aware Behavior Tree Grounding for Robot Manipulation

CABTO：面向机器人操作的上下文感知行为树接地

Yishuai Cai, Xinglin Chen, Yunxin Mao, Kun Hu, Yaodong Yang, Yuanpei Chen, Wenjing Yang, Ji Wang, Minglong Li

机构 * National University of Defense Technology（国防科技大学） ； PsiBot ； Peking University（北京大学） ； PKU-Psibot Lab（北京大学-PsiBot实验室） 纠错

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

AI总结 本文提出CABTO框架，通过预训练大模型和上下文反馈，自动构建完整且一致的行为树系统，解决机器人操作中行为树接地的复杂性问题。

Movement Primitives in Robotics: A Comprehensive Survey

机器人运动基元：综合综述

Nolan B. Gutierrez, Joseph M. Cloud, William J. Beksi

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington, Arlington, USA（计算机科学与工程系，德克萨斯理工大学阿灵顿分校，阿灵顿，美国） 纠错

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

AI总结 综述机器人运动基元框架，涵盖从人类示教中编码轨迹的方法，分析弹簧-阻尼系统、概率耦合、神经网络等特性，并讨论应用与挑战。

Comments 105 pages, 3 figures, and 6 tables