机器人 / 具身智能

Multi-Modal Anomaly Detection for Unstructured and Uncertain Environments

Tianchen Ji, Sri Theja Vuppala, Girish Chowdhary, Katherine Driggs-Campbell

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

Comments Conference on Robot Learning (CoRL) 2020

SAM: Squeeze-and-Mimic Networks for Conditional Visual Driving Policy Learning

Albert Zhao, Tong He, Yitao Liang, Haibin Huang, Guy Van den Broeck, Stefano Soatto

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

Comments Conference on Robot Learning (CoRL) 2020

Learning to Communicate and Correct Pose Errors

Nicholas Vadivelu, Mengye Ren, James Tu, Jingkang Wang, Raquel Urtasun

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

Comments Conference on Robot Learning (CoRL) 2020. 16 pages, 7 figures

Unsupervised Monocular Depth Learning in Dynamic Scenes

Hanhan Li, Ariel Gordon, Hang Zhao, Vincent Casser, Anelia Angelova

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

Comments Accepted at 4th Conference on Robot Learning (CoRL 2020)

Masking by Moving: Learning Distraction-Free Radar Odometry from Pose Information

Dan Barnes, Rob Weston, Ingmar Posner

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

Comments Conference on Robot Learning (CoRL), 2019. Video summary: https://youtu.be/eG4Q-j3_6dk

Automated shapeshifting for function recovery in damaged robots

Sam Kriegman, Stephanie Walker, Dylan Shah, Michael Levin, Rebecca Kramer-Bottiglio, Josh Bongard

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

Journal ref Proceedings of Robotics: Science and Systems (2019)

Learning under Misspecified Objective Spaces

Andreea Bobu, Andrea Bajcsy, Jaime F. Fisac, Anca D. Dragan

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

Comments Conference on Robot Learning (CoRL) 2018

Learning to Discern: Imitating Heterogeneous Human Demonstrations with Preference and Representation Learning

Sachit Kuhar, Shuo Cheng, Shivang Chopra, Matthew Bronars, Danfei Xu

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

Comments To appear at the 7th Annual Conference on Robot Learning (CoRL) 2023

Journal ref Proceedings of the 7th Annual Conference on Robot Learning (CoRL 2023), November 6-9, 2023, Atlanta, Georgia, USA

Learning Performance Graphs from Demonstrations via Task-Based Evaluations

Aniruddh G. Puranic, Jyotirmoy V. Deshmukh, Stefanos Nikolaidis

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

Comments Published in IEEE Robotics and Automation Letters (RA-L) Vol. 8 Issue 1

Journal ref in IEEE Robotics and Automation Letters, vol. 8, no. 1, pp. 336-343, Jan. 2023

Concurrent Training of a Control Policy and a State Estimator for Dynamic and Robust Legged Locomotion

Gwanghyeon Ji, Juhyeok Mun, Hyeongjun Kim, Jemin Hwangbo

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

Comments Accepted for IEEE Robotics and Automation Letters (RA-L) and ICRA 2022

Journal ref IEEE Robotics and Automation Letters (Volume: 7, Issue: 2, April 2022)

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

Trajectory-Optimized Density Control with Flow Matching

Xu Duan, Dongmei Chen

专题命中 机器人学习 ：robotics(abstract)

State and Input Constrained Adaptive Tracking Control of Uncertain Euler-Lagrange Systems with Robustness and Feasibility Analysis

Poulomee Ghosh, Shubhendu Bhasin

专题命中 机器人学习 ：robotic(abstract)

Comments arXiv admin note: text overlap with arXiv:2212.08495

Riemannian Accelerated Zeroth-order Algorithm: Improved Robustness and Lower Query Complexity

Chang He, Zhaoye Pan, Xiao Wang, Bo Jiang

专题命中 机器人学习 ：robot learning(abstract)

Comments Accepted by ICML 2024

Optimizing Consensus-based Multi-target Tracking with Multiagent Rollout Control Policies

Tianqi Li, Lucas W. Krakow, Swaminathan Gopalswamy

专题命中 机器人学习 ：robotic(abstract)

Data-Driven Hierarchical Predictive Learning in Unknown Environments

Charlott Vallon, Francesco Borrelli

专题命中 机器人学习 ：robotic(abstract)

A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI

具身智能时代基于物理模拟器的机器人导航与操作综述

Lik Hang Kenny Wong, Xueyang Kang, Kaixin Bai, Jianwei Zhang

机构 * Department of Computer Science, City University of Hong Kong（城市大学计算机科学系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Department of Informatics, Universität Hamburg（汉堡大学信息学院） 纠错

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

AI总结 本文综述了物理模拟器在缩小具身智能中导航与操作的模拟到现实差距方面的关键特性、任务支持及硬件需求，并提供了基准数据集、指标、平台和方法资源。

Comments Under Review

A Step Toward World Models: A Survey on Robotic Manipulation

Peng-Fei Zhang, Ying Cheng, Xiaofan Sun, Shijie Wang, Fengling Li, Lei Zhu, Heng Tao Shen

机构 * School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；robotics(abstract)

Comments 24 pages, 5 figures

WEAVER, Better, Faster, Longer: An Effective World Model for Robotic Manipulation

$\texttt{WEAVER}$：更好、更快、更长——一种有效的机器人操作世界模型

Arnav Kumar Jain, Yilin Wu, Jesse Farebrother, Gokul Swamy, Andrea Bajcsy

机构 * Mila - Québec AI Institute（Mila - 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； McGill University（麦吉尔大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；robotics(abstract)

AI总结 提出WEAVER世界模型架构，通过流匹配损失训练多视图潜在预测，同时实现高保真度、长程一致性和高效推理，在机器人操作任务中显著提升策略评估、改进和测试时规划性能。

PIVOT-R: Primitive-Driven Waypoint-Aware World Model for Robotic Manipulation

Kaidong Zhang, Pengzhen Ren, Bingqian Lin, Junfan Lin, Shikui Ma, Hang Xu, Xiaodan Liang

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；embodied agent(abstract)

Comments Accepted to NeurIPS 2024

RoboWM-Bench: A Benchmark for Evaluating World Models in Robotic Manipulation

RoboWM-Bench：用于评估机器人操作中世界模型的基准

Feng Jiang, Yang Chen, Kyle Xu, Yuchen Liu, Haifeng Wang, Zhenhao Shen, Jasper Lu, Shengze Huang, Yuanfei Wang, Chen Xie, Ruihai Wu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Lightwheel 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；robot learning(abstract)

AI总结 本文提出RoboWM-Bench，用于评估视频世界模型在机器人操作中的执行能力，发现视觉合理性与实际执行性不一致，并分析了影响执行性能的因素。

WheelArm-Sim: A Manipulation and Navigation Combined Multimodal Synthetic Data Generation Simulator for Unified Control in Assistive Robotics

WheelArm-Sim: 一种结合 manipulation 和 navigation 的多模态合成数据生成模拟器，用于辅助机器人中的统一控制

Guangping Liu, Tipu Sultan, Vittorio Di Giorgio, Nick Hawkins, Flavio Esposito, Madi Babaiasl

机构 * Aerospace and Mechanical Engineering Department, Saint Louis University（圣路易斯大学航空航天与机械工程系） ； Computer Science Department, Saint Louis University（圣路易斯大学计算机科学系） 纠错

专题命中 机器人操作 ：robotics(title,abstract)；manipulation(title,abstract)；navigation(title,abstract)；robotic(abstract)

AI总结 WheelArm-Sim 是一种用于辅助机器人统一控制的多模态合成数据生成模拟器，通过集成轮椅和机械臂控制，为数据驱动的机器学习模型提供支持。

Comments Accepted to IEEE International Symposium on Medical Robotics (ISMR) 2026

World Models for Robotic Manipulation: A Survey

机器人操作的世界模型：综述

Fangyuan Wang, Ziyuan Wang, Guorui Pei, Mengshi Zhang, Canxi Liang, Jun Hu, Zhongxuan Li, Jinsong Wu, Ning Han, Zeqing Zhang, Jiaming Qi, Hongmin Wu, Shiyao Zhang, Pai Zheng, Jia Pan, David Navarro-Alarcon, Sichao Liu, Peng Zhou

机构 * Department of Mechanical Engineering, The Hong Kong Polytechnic University（香港理工大学机械工程系） ； Department of Mechanical Engineering and Automation, Harbin Institute of Technology（哈尔滨工业大学机械工程与自动化系） ； School of Advanced Engineering, Great Bay University（大湾大学先进工程学院） ； College of Robotics Science and Engineering, Taiyuan University of Technology（太原科技大学机器人科学与工程学院） ； School of Data Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）数据科学学院） ； Department of Mechatronic Engineering, Guangdong Polytechnic Normal University（广东 polytechnic 正常大学机电工程系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； College of Mechanical and Electrical Engineering, Northeast Forestry University（东北林业大学机械与电气工程学院） ； Greater Bay Area National Center of Technology Innovation（粤港澳大湾区国家技术创新中心） ； Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（香港理工大学工业与系统工程系） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；robot learning(abstract)

AI总结 本文通过三个问题（预测什么未来表示、预测如何与动作连接、何时在机器人学习流程中使用预测）系统综述了机器人操作中的世界模型，将其定义为动作条件预测系统，并分类为五种表示族，提出了功能分类法，总结了基础设施角色、数据集和评估协议，揭示了从任务特定动力学预测器向预测基础设施的演变及开放挑战。

GWM: Towards Scalable Gaussian World Models for Robotic Manipulation

Guanxing Lu, Baoxiong Jia, Puhao Li, Yixin Chen, Ziwei Wang, Yansong Tang, Siyuan Huang

机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

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

Comments Published at ICCV 2025. Project page: https://gaussian-world-model.github.io/

Surfer: Progressive Reasoning with World Models for Robotic Manipulation

Pengzhen Ren, Kaidong Zhang, Hetao Zheng, Zixuan Li, Yuhang Wen, Fengda Zhu, Mas Ma, Xiaodan Liang

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

PointWorld: Scaling 3D World Models for In-The-Wild Robotic Manipulation

PointWorld: 为真实世界机器人操作扩展3D世界模型

Wenlong Huang, Yu-Wei Chao, Arsalan Mousavian, Ming-Yu Liu, Dieter Fox, Kaichun Mo, Li Fei-Fei

机构 * Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

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

AI总结 PointWorld通过统一状态和动作的3D点流模型，实现了在真实世界中机器人操作的高效预测与控制，无需额外演示或训练。

Multi-View Masked World Models for Visual Robotic Manipulation

Younggyo Seo, Junsu Kim, Stephen James, Kimin Lee, Jinwoo Shin, Pieter Abbeel

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

Comments Accepted to ICML 2023. First two authors contributed equally. Project webpage: https://sites.google.com/view/mv-mwm

DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation

DreamX-Phi 1.0：面向机器人操控的动作条件视频世界模型

DreamX Team, Rui Chen, Xiangxiang Chu, Geng Li, Jifan Li, Qingfeng Shi, Datao Tang, Jing Tang, Jun Wang, Pengfei Zhang

机构 * DreamX 纠错

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

AI总结 DreamX-Phi 1.0是面向机器人操控的动作条件视频世界模型，通过几何编码、深度分支等优化，在WorldArena 2.0挑战赛获Track1第一、Track2第二，模型与代码将公开。

Comments Code: https://github.com/AMAP-ML/DreamX-Phi