机器人 / 具身智能

RGB-S: Image-Aligned Tactile Saliency for Robust Dexterous Manipulation

RGB-S: 用于鲁棒灵巧操作的图像对齐触觉显著性

Shengcheng Luo, Kefei Wu, Xiaoying Zhou, Wanlin Li, Ziyuan Jiao, Chenxi Xiao

机构 * ShanghaiTech University（上海科技大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） 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 提出RGB-S框架，通过正向运动学和相机标定将触觉传感器位置投影到RGB图像平面，生成力调制高斯显著性图，显式对齐触觉与视觉，在严重遮挡下灵巧操作成功率提升26.7个百分点。

Comments 20 pages, 7 figures

Autonomous Aerial Manipulation via Contextual Contrastive Meta Reinforcement Learning

通过上下文对比元强化学习的自主空中操控

Lixuan Jin, Bingxuan Lan, Xinyi Bao, Xiangyuan Xie, Chunjie Zhang, Zheng Chen, Tianshuo Liu, Ruijie Tian, Jinyu Ru, Gang Wang, Lei Yuan, Yang Yu

机构 * National Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院） ； National Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（北京理工大学自主智能无人系统国家重点实验室） 纠错

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

AI总结 提出Aco2方法，通过上下文对比元强化学习，使四旋翼无人机在无需人工干预下自主完成不同载荷的抓取、运输和投递，并直接迁移到真实世界。

GraspFoM: Towards Reconstruction-Driven Robotic Grasping with 3D Foundation Priors

GraspFoM：基于3D基础先验的重建驱动机器人抓取

Dongli Wu, Xiaobao Wei, Hao Wang, Qiaochu Dong, Ying Li, Qingpo Wuwu, Ming Lu, Wufan Zhao

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出GraspFoM框架，利用3D基础先验（SAM3D）构建共享3D物体潜变量，联合优化重建与抓取姿态预测，通过锚点初始化的截断姿态推理扩散器生成连续多模态抓取，实现高保真重建与最优抓取。

PACT: Self-Evolving Physical Safety Alignment for Diffusion Policies in Embodied Manipulation

PACT: 具身操作中扩散策略的自我演化物理安全对齐

Lingxuan Wu, Zijian Zhu, Lizhong Wang, Chengyang Ying, Huayu Chen, Xiao Yang, Fangming Liu, Jun Zhu

机构 * Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua-Bosch Joint ML Center, THBI Lab, BNRist Center, Tsinghua University, Beijing, 100084, China（计算机科学与技术系，人工智能研究院，清华-博世联合机器学习中心，THBI实验室，BNRist中心，清华大学，北京，100084，中国） ； Peng Cheng Laboratory, 518108, China（鹏城实验室，518108，中国） 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 提出PACT框架，通过自演化后训练将预训练扩散策略投影到约束可行区域，无需演示数据或任务奖励，在降低31.0%安全违规的同时提升30.7%任务成功率。

Revisiting Articulated Parts Perception in Robot Manipulation

重新审视机器人操作中的关节部件感知

Xiaoqian Wu, Yejie Guo, Xiaoyang Chen, Lixin Yang, Cewu Lu, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） 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 提出几何主结构（GPS）作为关节部件的新表示，结合VR设备实现高效标注，训练通用模型，在零样本下达到73%操作成功率。

Comments CVPR2026

EgoAERO: Learning Dexterous Manipulation from a Single Egocentric Video without Object Assets

EgoAERO：无需物体资产，从单个第一人称视频学习灵巧操作

Yichen Niu, Haoran Lv, Xinrui Zhang, Xueyao Wan, Shiyu Gao, Ying Ai, Hui Xu, Yongqi Hu, Hengyi Zhang, Yang Xie, Zhaxizhuoma, Yue Zhao, Zhenshan Bing, Yan Ding, Jianxing Liu

机构 * School of Astronautics, Harbin Institute of Technology（哈尔滨工业大学航天学院） ； Lumos Robotic ； Suzhou Research Institute, Harbin Institute of Technology（哈尔滨工业大学苏州研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Nanjing University（南京大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； Fudan University（复旦大学） 纠错

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

AI总结 提出EgoAERO框架，无需物体资产，从单个第一人称RGB-D视频中通过无资产物体跟踪与重建、自我运动补偿和自适应接触优化重建接触一致的手-物轨迹，并利用两阶段残差学习转化为机器人策略，实现单次演示的灵巧操作。

FCBV-Net: Category-Level Robotic Garment Smoothing via Feature-Conditioned Bimanual Value Prediction

FCBV-Net：通过特征条件双臂价值预测实现类别级机器人服装平滑

Mohammed Daba, Jing Qiu

机构 * University of Waterloo（多伦多大学） 纠错

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

AI总结 本文提出FCBV-Net，通过预训练的密集几何特征条件预测双臂动作价值，提升机器人服装平滑任务的类别级泛化能力，实验显示其在未见过的服装上效率下降仅为11.5%。

Comments 9 pages, 7 figures, 1 table

Journal ref Electronics 2026, 15(11), 2468

Synthetic Data Generation and Vision-based Wrinkle and Keypoint Detection for Bimanual Cloth Manipulation

合成数据生成与基于视觉的褶皱和关键点检测用于双手布料操作

Ariel Herrera, Xueyang Kang, Atal Anil Kumar

机构 * Department of Engineering, University of Luxembourg（卢森堡大学工程系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Université de Lorraine, Arts et Metiers Institute of Technology, LCFC（洛林大学，艺术与工艺技术学院，LCFC） 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 针对布料操作中视觉感知难题，提出基于Blender的合成数据生成管道和结合CNN与YOLOv8-OpenCV的感知框架，实现褶皱抓取和关键点熨烫，关键点模型平均位置误差1.7615像素。

ContactExplorer: Contact Coverage-Guided Exploration for General-Purpose Dexterous Manipulation

ContactExplorer: 接触覆盖引导的通用灵巧操作探索

Zixuan Liu, Ruoyi Qiao, Chenrui Tie, Xuanwei Liu, Yunfan Lou, Chongkai Gao, Zhixuan Xu, Lin Shao

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； RoboScience（机器人科学） 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 提出ContactExplorer方法，通过接触覆盖奖励和能量引导奖励，在灵巧操作任务中高效探索接触模式，提升样本效率和成功率。

Comments 24 pages

Coupled Local and Global World Models for Efficient First Order RL

耦合局部与全局世界模型的高效一阶强化学习

Joseph Amigo, Rooholla Khorrambakht, Nicolas Mansard, Ludovic Righetti

机构 * Machines in Motion Laboratory, New York University, USA（纽约大学运动机器实验室） ； LAAS-CNRS, Université de Toulouse, CNRS, Toulouse, France（图卢兹大学LAAS-CNRS中心） ； Artificial and Natural Intelligence Toulouse Institute, Toulouse, France（图卢兹人工智能与自然智能研究所） 纠错

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

AI总结 提出一种通过解耦一阶梯度方法在数据驱动的世界模型内训练策略的方法，结合局部和全局世界模型实现高效梯度计算，在Push-T任务和四足机器人操作任务中显著优于PPO。

Comments Project website: https://coupled-global-local-wm-rl.pages.dev/

AffordGen: Generating Diverse Demonstrations for Generalizable Object Manipulation with Afford Correspondence

AffordGen: 通过可供性对应生成多样化演示以实现通用物体操作

Jiawei Zhang, Kaizhe Hu, Yingqian Huang, Yuanchen Ju, Zhengrong Xue, Huazhe Xu

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； UC Berkeley（伯克利大学） 纠错

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

AI总结 提出AffordGen框架，利用3D生成模型和视觉基础模型在大规模3D网格上的语义对应生成多样化操作轨迹，训练鲁棒的闭环视觉运动策略，实现零样本泛化到未见物体。

GIFT: Geometry-Induced Functional Transfer for Category-level Object Manipulation

GIFT: 几何诱导的功能迁移用于类别级物体操作

Cristiana de Farias, Luis Figueredo, Riddhiman Laha, Maxime Adjigble, Brahim Tamadazte, Rustam Stolkin, Sami Haddadin, Naresh Marturi

机构 * Extreme Robotics Laboratory, School of Metallurgy and Materials, University of Birmingham（伯明翰大学冶金与材料学院极端机器人实验室） ； Munich Institute of Robotics & Machine Intelligence, Technische Universität München (TUM)（慕尼黑工业大学机器人与人工智能研究所） ； School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； Sorbonne Université, ISIR, Paris, France（巴黎法国索邦大学ISIR研究所） 纠错

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

AI总结 提出GIFT框架，利用功能映射和螺旋插值，从单次人类演示中迁移复杂物体操作技能到新物体，无需额外训练。

Comments 8 pages, 6 figures. ICRA 2026

6G Communication Networks Enabling Embodied Agents: Architecture and Prototype

6G通信网络赋能具身智能体：架构与原型

Lipeng Dai, Luping Xiang, Kun Yang

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Institute of Intelligent Networks and Communications (NINE), Nanjing University (Suzhou Campus)（南京大学智能网络与通信研究所（苏州校区）） 纠错

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

AI总结 本文提出一种分层通信架构（包括人类意图感知层、基于O-RAN的传输层、智能中间层和具身层），并通过集成触觉设备、工业机械臂、中间平台和5G O-RAN测试床的原型验证了毫秒级延迟和稳定闭环操作。

Hand-in-the-Loop: Improving VLA Policies for Dexterous Manipulation via Seamless Hand-Arm Intervention

手在环中：通过无缝手臂干预改进VLA策略以实现灵巧操作

Zhuohang Li, Liqun Huang, Wei Xu, Zhengming Zhu, Nie Lin, Xiao Ma, Xinjun Sheng, Ruoshi Wen

机构 * State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University（机械系统与振动国家重点实验室，机械工程学院，上海交通大学） ； Shanghai Key Laboratory of Intelligent Robotics, Meta Robotics Institute, Shanghai Jiao Tong University, Shanghai 200240, China（智能机器人上海市重点实验室，元机器人研究院，上海交通大学，上海200240，中国） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出Hand-in-the-Loop方法，通过无缝整合人类干预与自主策略执行，减少手部操作中的突兀变化，提升双臂灵巧操作的鲁棒性和效率。

Learning Sim-Grounded Policies for Bimanual Rope Manipulation from Human Teleoperation Data

从人类遥控数据中学习双臂绳子操作的模拟 grounded 策略

Gina Wigginghaus, Tim Missal, Berk Guler, Simon Manschitz, Jan Peters

机构 * Technical University of Darmstadt（德累斯顿技术大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； Centre for Cognitive Science（认知科学研究中心） ； Honda Research Institute Europe GmbH（本田欧洲研究院） 纠错

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

AI总结 本文研究了基于视觉的策略在解结任务中泛化能力不足是否源于观察空间而非策略架构或数据规模，通过比较两种基于动作分块与变压器的策略，发现基于物理状态的策略在预测初始抓取和拉拽动作时L1误差降低了30.8%。

Comments Accepted to the Beyond Teleoperation Workshop at ICRA 2026, 5 pages, 2 figures

GAP: Geometric Anchor Pre-training for Data-Efficient Visuomotor Learning of Manipulation Tasks

GAP：用于操作任务数据高效视觉运动学习的几何锚预训练

Davide Buoso, Andrea Protopapa, Stefano Di Carlo, Francesca Pistilli, Giuseppe Averta

机构 * Department of Control and Computer Engineering, Polytechnic University of Turin（控制与计算机工程系，都灵理工大学） 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GAP，通过预训练空间适配器生成稳定的几何锚点，提升在稀疏数据下的视觉运动策略学习性能，实验显示其在多个任务中优于其他方法。

Comments Project webpage at https://lambdavi.github.io/gap

Offline Policy Evaluation for Manipulation Policies via Discounted Liveness Formulation

通过折扣存活公式评估操纵策略的离线策略评估

Hao Wang, Joshua Bowden, Colton Crosby, Somil Bansal

机构 * University of Southern California（南加州大学） ； Stanford University（斯坦福大学） 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 本文提出基于存活Bellman算子的离线策略评估框架，解决稀疏奖励下任务完成问题，通过保守固定点值函数降低截断偏差，实验证明在折叠任务中优于传统基线方法。

Comments Published at RSS 2026

HeteroGenManip: Generalizable Manipulation For Heterogeneous Object Interactions

HeteroGenManip：异构物体交互的通用操作

Zhenhao Shen, Zeming Yang, Yue Chen, Yuran Wang, Shengqiang Xu, Mingleyang Li, Hao Dong, Ruihai Wu

机构 * Peking University（北京大学） ； Tianjin University（天津大学） 纠错

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

AI总结 本文提出HeteroGenManip框架，通过两阶段方法解决机器人异构物体交互中的接触点定位和轨迹规划问题，实现跨类型物体的鲁棒泛化。

TriRelVLA: Triadic Relational Structure for Generalizable Embodied Manipulation

TriRelVLA：三元关系结构用于可迁移的具身操作

Hanyu Zhou, Chuanhao Ma, Gim Hee Lee

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 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 TriRelVLA通过构建三元关系结构，解决视觉语言动作模型在未见场景和物体上的泛化问题，提升具身操作的迁移能力。

Thinking in Text and Images: Interleaved Vision--Language Reasoning Traces for Long-Horizon Robot Manipulation

文本与图像思考：用于长周期机器人操作的交错视觉-语言推理轨迹

Jinkun Liu, Haohan Chi, Lingfeng Zhang, Yifan Xie, YuAn Wang, Long Chen, Hangjun Ye, Xiaoshuai Hao, Wenbo Ding

机构 * Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学） ； Xiaomi Group（小米集团） 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IVLR框架，通过显式轨迹表示交替文本子目标与视觉关键帧，提升长周期机器人操作的逻辑与几何一致性，实验显示在LIBERO和SimplerEnv-WidowX上取得高成功率。

R2RGEN: Real-to-Real 3D Data Generation for Spatially Generalized Manipulation

R2RGEN：用于空间通用操作的实现实体3D数据生成

Xiuwei Xu, Angyuan Ma, Hankun Li, Bingyao Yu, Zheng Zhu, Jie Zhou, Jiwen Lu

机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Beijing Key Laboratory of Embodied Intelligence Systems（北京智能体智能系统重点实验室） ； Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学智能体与机器人研究院） ； GigaAI 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 本文提出R2RGen框架，通过实现实体3D数据生成提升空间通用操作的鲁棒性，采用统一三阶段方法增强数据效率，适用于移动操作场景。

Comments Accepted to RSS 2026. Project page: https://r2rgen.github.io/

Neuro-Symbolic Manipulation Understanding with Enriched Semantic Event Chains

具有丰富语义事件链的神经符号操控理解

Fatemeh Ziaeetabar

机构 * Department of Computer Science, School of Mathematics, Statistics and Computer Science, College of Science, University of Tehran（德黑兰大学数学、统计学与计算机科学学院计算机科学系） ； Computer Science, College of Science, University of Tehran（德黑兰大学科学学院计算机科学系） 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 本文提出eSEC-LAM框架，通过将eSEC转化为显式事件级符号状态，提升操控理解的不确定性处理能力，在动作识别、下一步操作预测和感知噪声鲁棒性方面表现优异。

BINDER: Instantly Adaptive Mobile Manipulation with Open-Vocabulary Commands

BINDER: 基于开放词汇命令的即时自适应移动操作

Seongwon Cho, Daechul Ahn, Donghyun Shin, Hyeonbeom Choi, San Kim, Jonghyun Choi

机构 * Seoul National University（首尔国立大学） ； ECE, ASRI and IPAI in SNU（SNU的电子工程系、先进机器人研究所和智能感知与人工智能实验室） 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 BINDER通过分离战略规划与连续环境监控，结合多模态大语言模型和视频大语言模型，实现动态环境下的高效移动操作，提升鲁棒性和适应性。

Comments 12 pages, 8 figures

GeoPredict: Leveraging Predictive Kinematics and 3D Gaussian Geometry for Precise VLA Manipulation

GeoPredict: 借助预测运动学和3D高斯几何实现精确VLA操作

Jingjing Qian, Boyao Han, Chen Shi, Lei Xiao, Long Yang, Shaoshuai Shi, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hunan University（湖南大学） ； Voyager Research, Didi Chuxing（滴滴出行沃歌研究） 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 GeoPredict通过引入轨迹级模块和预测3D高斯几何模块，提升VLA模型在3D空间推理中的精度，实验表明其在几何密集和空间要求高的任务中表现优异。

Ruka-v2: Tendon Driven Open-Source Dexterous Hand with Wrist and Abduction for Robot Learning

Ruka-v2：具备腕关节和关节活动能力的 tendon 驱动开放式灵巧手

Xinqi Lucas Liu, Ruoxi Hu, Alejandro Ojeda Olarte, Zhuoran Chen, Kenny Ma, Charles Cheng Ji, Lerrel Pinto, Raunaq Bhirangi, Irmak Guzey

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

AI总结 Ruka-v2 是一种开放式源代码的 tendon 驱动人形手，具备腕关节和手指的关节活动能力，通过用户研究验证其在机器人学习中的有效性，包括双臂和单臂遥控任务及自主策略学习。

Constant-Time Motion Planning with Manipulation Behaviors

具有操纵行为的常时间运动规划

Nayesha Gandotra, Itamar Mishani, Maxim Likhachev

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B-CTMP算法，通过预计算紧凑数据结构，在固定时间内完成两步操纵任务，确保在半结构化环境中实现安全高效的操纵。

Comments In submission

3D Dynamics-Aware Manipulation: Endowing Manipulation Policies with 3D Foresight

3D动态感知操控：赋予操控策略三维前瞻性

Yuxin He, Ruihao Zhang, Xianzu Wu, Zhiyuan Zhang, Cheng Ding, Qiang Nie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； JAKA Robotics Co., Ltd.（JAKA机器人有限公司） 纠错

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

AI总结 本文提出一种融合3D世界建模与策略学习的框架，通过引入三个自监督任务提升操控策略的3D前瞻性，实验表明在仿真和现实环境中显著提升操控性能。

Comments ICRA 2026

Toward Generalist Neural Motion Planners for Robotic Manipulators: Challenges and Opportunities

迈向通用神经运动规划器的机器人机械臂：挑战与机遇

Davood Soleymanzadeh, Ivan Lopez-Sanchez, Hao Su, Yunzhu Li, Xiao Liang, Minghui Zheng

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学） ； Lab of Biomechatronics and Intelligent Robotics, Department of Biomedical Engineering, Tandon School of Engineering, New York University（生物机械与智能机器人实验室，生物医学工程系，Tandon工程学院，纽约大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University（土木与环境工程系，德克萨斯A&M大学） 纠错

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

AI总结 本文探讨了通用神经运动规划器在机器人机械臂中的挑战与机遇，分析了现有方法的优缺点，并提出了改进方向。

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 23, pp. 4488-4531, 2026

EgoSpot:Egocentric Multimodal Control for Hands-Free Mobile Manipulation

EgoSpot：面向无手移动操作的视角多模态控制

Ganlin Zhang, Deheng Zhang, Longteng Duan, Guo Han, Yuqian Fu, Danda Pani Paudel, Luc Van Gool, Eric Vollenweider

机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院） ； SJTU（上海交通大学） ； Microsoft（微软公司） 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 本文提出一种基于微软HoloLens 2混合现实头显的无手控制框架，通过眼动、头部动作和语音指令融合实现机器人移动和机械臂操作的实时控制，提升无障碍交互体验。

$χ_{0}$: Resource-Aware Robust Manipulation via Taming Distributional Inconsistencies

$χ_{0}$：通过驯服分布不一致性实现资源感知的鲁棒操作

Checheng Yu, Chonghao Sima, Gangcheng Jiang, Hai Zhang, Haoguang Mai, Hongyang Li, Huijie Wang, Jin Chen, Kaiyang Wu, Li Chen, Lirui Zhao, Modi Shi, Ping Luo, Qingwen Bu, Shijia Peng, Tianyu Li, Yibo Yuan

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

AI总结 本文提出$χ_{0}$框架，通过模型算术、阶段优势和训练部署对齐三个技术支柱，解决人示范分布、策略学习偏倚与测试分布之间的分布不一致性问题，实现长周期衣物操作的高可靠性自主性。