机器人 / 具身智能

LEMURS: Learning Distributed Multi-Robot Interactions

Eduardo Sebastian, Thai Duong, Nikolay Atanasov, Eduardo Montijano, Carlos Sagues

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

Comments Accepted for publication at IEEE International Conference on Robotics and Automation 2023

Guided Learning from Demonstration for Robust Transferability

Fouad Sukkar, Victor Hernandez Moreno, Teresa Vidal-Calleja, Jochen Deuse

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

Comments 7 Pages, 7 Figures, accepted to the 2023 IEEE International Conference on Robotics and Automation (ICRA)

Ex-DoF: Expansion of Action Degree-of-Freedom with Virtual Camera Rotation for Omnidirectional Image

Kosuke Tahara, Noriaki Hirose

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

Comments 8 pages, 9 figures, 2 tables, IEEE International Conference on Robotics and Automation (ICRA2022)

Lyapunov-stable neural-network control

Hongkai Dai, Benoit Landry, Lujie Yang, Marco Pavone, Russ Tedrake

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

Comments Published at Robotics: Science and Systems (RSS) in July, 2021

Ergodic imitation: Learning from what to do and what not to do

Aleksandra Kalinowska, Ahalya Prabhakar, Kathleen Fitzsimons, Todd Murphey

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

Comments Kalinowska and Prabhakar contributed equally to this work

Journal ref International Conference on Robotics and Automation, 2021

Learning Certified Control using Contraction Metric

Dawei Sun, Susmit Jha, Chuchu Fan

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

Comments Accepted to Conference on Robot Learning (CoRL) 2020

Robust Semi-Supervised Monocular Depth Estimation with Reprojected Distances

Vitor Guizilini, Jie Li, Rares Ambrus, Sudeep Pillai, Adrien Gaidon

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

Comments Conference on Robot Learning (CoRL 2019)

Benchmark for Skill Learning from Demonstration: Impact of User Experience, Task Complexity, and Start Configuration on Performance

M. Asif Rana, Daphne Chen, S. Reza Ahmadzadeh, Jacob Williams, Vivian Chu, Sonia Chernova

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

Comments 8 pages, 8 figures, submitted to IEEE Robotics and Automation Letters, videos and website can be found at https://sites.google.com/view/rail-lfd

Multi-Objective Policy Generation for Multi-Robot Systems Using Riemannian Motion Policies

Anqi Li, Mustafa Mukadam, Magnus Egerstedt, Byron Boots

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

Comments The International Symposium on Robotics Research (ISRR), 2019

Learning to serve: an experimental study for a new learning from demonstrations framework

Okan Koc, Jan Peters

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

Journal ref IEEE Robotics and Automation Letters, vol. 4, no. 2, pp. 1784-1791, April 2019. URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8630019&isnumber=8581687

Prioritized Optimal Control

Andrea Del Prete, Francesco Romano, Lorenzo Natale, Giorgio Metta, Giulio Sandini, Francesco Nori

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

Comments Pre-print of the paper presented at Robotics and Automation (ICRA), IEEE International Conference on, Hong Kong, China, 2014

Interactive incremental learning of generalizable skills with local trajectory modulation

Markus Knauer, Alin Albu-Schäffer, Freek Stulp, João Silvério

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

Comments Accepted at IEEE Robotics and Automation Letters (RA-L), 16 pages, 19 figures, 6 tables. See https://github.com/DLR-RM/interactive-incremental-learning for further information and video

Journal ref IEEE Robotics and Automation Letters (RA-L). Volume: 10, Issue: 4, April 2025, Pages 3398 - 3405

Hand-Object Interaction in the Age of Large Foundation Models:Reconstruction, Generation, and Embodied Transfer

大基础模型时代的手物交互：重建、生成与具身迁移

Weiquan Lin, Yu Deng, Shiyang Liu, Luping Xiao, Xu Tang, Junzhi Yu, Jiaolong Yang, Lei Zhang, Xingyu Chen

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

AI总结 本综述系统梳理大基础模型在手物交互（HOI）领域的应用，建立基础模型子先验分类，分析其在HOI任务与机器人学习中的作用，总结数据集与评估协议并展望未来方向。

Sling2Sim2Real: One-Shot Elastic System Identification for Non-Destructive Slingshot Policy Learning

Sling2Sim2Real：用于无损弹弓策略学习的一次性弹性系统识别

Wonjae Kang, Geonwoo Kim, Minseok Song, Daehyung Park

机构 * School of Computing, Korea Advanced Institute of Science and Technology（韩国科学技术院计算机学院） 纠错

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

AI总结 针对弹性物体操纵中校准现实与模拟弹性行为的挑战，提出Sling2Sim2Real框架；通过多起点Real2Sim系统识别方法及模拟策略学习等，从单次无损交互识别弹性参数，实现准确策略学习与稳健泛化，减少现实交互量。

Comments Accepted by IROS 2026

ChronoFlow-Policy: Unifying Past-Current-Future Interaction Flow in Visuomotor Policy Learning

ChronoFlow-Policy：在视觉运动策略学习中统一过去-当前-未来交互流

Bokai Lin, Yifu Xu, Xinyu Zhan, Hongjie Fang, Jialin Tian, Fu-Cheng Zhang, Yong-Lu Li, Cewu Lu, Lixin Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix 纠错

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

AI总结 提出ChronoFlow统一表示过去、当前和未来的交互动态，并基于此设计扩散策略ChronoFlow-Policy，在模拟和真实操作任务中优于基线方法。

User-Driven Learning from Demonstration: A Trajectory and Impedance Learning Method

用户驱动的示范学习：一种轨迹和阻抗学习方法

Zi-Qi Yang, Mehrdad R. Kermani

机构 * Department of Electrical and Computer Engineering, Western University（西安大略大学电气与计算机工程系） 纠错

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

AI总结 本文提出一种用户驱动的机器人示范学习方法，结合三维快速微分同胚匹配算法与基于动态系统的运动生成器，利用扩展卡尔曼滤波器补偿误差，引入阻抗参数化函数学习阻抗变化，经实验验证可减少用户工作量，确保动作精确再现并提升人机交互安全性。

Comments Accepted at IEEE International Conference on Automation Science and Engineering (CASE) 2026, 7 pages

Reverse to Advance: Teleoperation-Cost Effective Hard Policy Learning from Reversed Easy Tasks

逆向推进：从逆向简单任务中进行遥操作成本有效的硬策略学习

Qiyuan Qiao, Ge Yuan, Can Wang, Dong Xu

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 研究针对高质量遥操作数据集收集成本高的问题，提出通过逆向简单任务进行硬策略学习的框架，含闭环数据收集、分层数据细化和迭代策略学习方法，经实验验证该方法能高效稳定地训练复杂操作任务，提升硬任务成功率。

Comments 17 pages, 17 figures

Perfect Demo Makes Poor Teacher: Learning Robust Alignment from Critical Motion Segments

完美演示造就差劲教师：从关键运动片段学习鲁棒对齐

Mingyu Liu, Zeju Li, Jiuhe Shu, Hanqing Wang, Yuhao Chao, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Nanjing University（南京大学） 纠错

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

AI总结 针对精细操作中流畅演示因压缩关键对齐动作导致策略学习不足的问题，提出数据级重采样和表示级STAIR特征，利用稠密运动感知监督提升策略鲁棒性。

Spatial Attention: Adapting Execution Horizons for Diffusion Policies via Observation Sensitivity

空间注意力：通过观测敏感度调整扩散策略的执行范围

Che-Sang Park, Junsu Ha, Jianlong Fu, Frank C. Park

机构 * Robotics Laboratory, Seoul National University（首尔国立大学机器人实验室） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 研究如何在机器人学习中自适应调整采样动作块的执行范围以平衡响应性和计算成本，引入空间注意力概念，通过预测未来值动态分配执行范围，实验表明该方法可提高成功率。

Latent Policy Barrier: Learning Robust Visuomotor Policies by Staying In-Distribution

潜在策略屏障：通过保持分布内学习鲁棒的视觉运动策略

Zhanyi Sun, Shuran Song

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 提出潜在策略屏障（LPB）框架，通过将专家演示的潜在嵌入作为隐式屏障，分离精确模仿与分布外恢复，利用基础扩散策略和动力学模型提升视觉运动策略的鲁棒性和数据效率。

Human-as-Humanoid: Enabling Zero-Shot Humanoid Learning from Ego-Exo Human Videos with Human-Aligned Embodiments

人类作为人形机器人：通过人类对齐的具身从自我-外部人类视频实现零样本人形机器人学习

Xiaopeng Lin, Ruoqi Yang, Shijie Lian, Zhaolong Shen, Bin Yu, Changti Wu, Haibao Liu, Yuxiang Zhang, Hong Li, Qiyuan Su, Haochen Liu, Xuguo He, Yukun Shi, Cong Huang, Zhirui Zhang, Bojun Cheng, Kai Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DeepCybo ； ZGCA ； ZGCI ； Harbin Institute of Technology（哈尔滨工业大学） ； Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 提出Human-as-Humanoid框架，通过对齐机器人本体、感知设置和动作标签接口，将大规模人类演示视频转化为可执行的动作监督，实现高自由度人形机器人的零样本学习。

Comments 20 pages, 9 figures

Hierarchical Policy Learning via Spectral Decomposition

基于谱分解的层次化策略学习

Shuxin Cao, Liquan Wang, Walker Byrnes, Yiye Chen, Yilun Du, Animesh Garg

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

AI总结 提出Causal Spectral Policy (CSP)，利用离散余弦变换将机器人动作分解为低频全局轨迹和高频精细修正，实现因果粗到细的动作生成，在精密操作任务中优于基线方法。

SPACE: Enabling Learning from Cross-Robot Data Toward Generalist Policies

SPACE：从跨机器人数据中学习通用策略

Haeone Lee, Byeongguk Jeon, Suchae Jeong, Jian Kim, Kimin Lee

机构 * KAIST（韩国科学技术院） ； Config ； Yonsei University（延世大学） 纠错

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

AI总结 提出SPACE框架，通过笛卡尔状态增量作为通用动作表示，结合动作适配器处理机器人动力学差异，实现跨本体和硬件的策略学习，显著优于直接预测控制命令的方法。

Comments Project page: http://haeone.site/space-website

Agentic AutoResearch forSpace Autonomy: An Auditable, LLM-Driven Research Agent for Aerospace Control Problems

面向空间自主性的智能体自动研究：用于航空航天控制问题的可审计、LLM驱动的研究代理

Amit Jain, Richard Linares

机构 * Department of Aeronautics and Astronautics（航空航天学系） 纠错

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

AI总结 提出AutoResearch框架，利用大语言模型作为离线研究代理，自动迭代开发航天控制策略，并通过内置可信层审计结果，消除种子噪声影响，在交会和对接问题上验证了有效性。

VENOM: Versatile Embodied Network for Omni-bodied Motion tracking

VENOM: 用于全身运动追踪的多功能具身网络

Siddharth Padmanabhan, Kazuki Miyazawa, Takato Horii

机构 * Graduate School of Engineering Science, University of Osaka（大阪大学工学研究科） 纠错

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

AI总结 提出VENOM，一种基于GPT的跨具身全身运动追踪模型，在仿真中实现多个人形机器人的全身运动追踪，无需分离上下身控制。

Discrete-WAM: Unified Discrete Vision-Action Token Editing for World-Policy Learning

Discrete-WAM：面向世界-策略学习的统一离散视觉-动作标记编辑

Ziyang Yao, Haochen Liu, Yuncheng Jiang, Zeyu Zhu, Zibin Guo, Jingru Wang, Tianle Liu, Jianwei Cui, Kuiyuan Yang, Hongwei Xie, Jingwei Zhao, Guang Chen, Hangjun Ye

机构 * Xiaomi EV（小米电动车） 纠错

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

AI总结 提出Discrete-WAM，通过将未来视觉状态和自车动作对齐为离散标记，构建统一离散扩散框架，实现世界建模、世界-动作策略和分层决策策略的联合学习，支持可控生成和反事实推理，提升自动驾驶决策可靠性。

Goal Sets, Not Goal States: Queryable Robot Goals through Goal-Set Hindsight Relabeling

目标集，而非目标状态：通过目标集事后重标记实现可查询的机器人目标

Carlos Vélez García, Miguel Cazorla, Jorge Pomares

机构 * INESCOP（西班牙鞋类及相关技术研究所） ； University of Alicante（阿利坎特大学） 纠错

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

AI总结 提出目标集事后重标记（GS-HER），将事后重标记从单目标状态推广到谓词级目标集，通过可查询的二值谓词解耦成功条件与状态维度，提升离线GCRL在冗余维度下的性能，并实现单一模型支持多目标谓词。

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

PHASOR: Phase-Anchored Universal Action Representations for Humanoid Embodiments

PHASOR: 面向人形本体的相位锚定通用动作表示

Kihyun Kim, Chaeyun Kim, Jongho Shin, Taeyoun Kwon, Junghyun Kim, Mijin Koo, Haon Park

机构 * AIM Intelligence ； Seoul National University（首尔国立大学） ； LG Electronics（LG电子） ； MAUM AI ； OpenMind 纠错

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

AI总结 提出PHASOR方法，通过将动作嵌入空间分解为相位流形和姿态分支，并结合运动语义蒸馏，构建跨本体的通用动作表示，实现人形机器人的跨本体检索和下游任务性能提升。

Comments * Equal contribution