机器人 / 具身智能

ChatGPT for Robotics: Design Principles and Model Abilities

Sai Vemprala, Rogerio Bonatti, Arthur Bucker, Ashish Kapoor

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

MQA: Answering the Question via Robotic Manipulation

Yuhong Deng, Di Guo, Xiaofeng Guo, Naifu Zhang, Huaping Liu, Fuchun Sun

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

Comments has been accepted by Robotics: Science and Systems 2021

Journal ref Robotics: Science and System (RSS2021)

ProcTHOR: Large-Scale Embodied AI Using Procedural Generation

Matt Deitke, Eli VanderBilt, Alvaro Herrasti, Luca Weihs, Jordi Salvador, Kiana Ehsani, Winson Han, Eric Kolve, Ali Farhadi, Aniruddha Kembhavi, Roozbeh Mottaghi

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

Comments ProcTHOR website: https://procthor.allenai.org

Scalable Unseen Objects 6-DoF Absolute Pose Estimation with Robotic Integration

可扩展的未知物体六自由度绝对位姿估计与机器人集成

Jian Liu, Wei Sun, Kai Zeng, Jin Zheng, Hui Yang, Hossein Rahmani, Ajmal Mian, Lin Wang

机构 * National Engineering Research Center for Robot Visual Perception and Control Technology, School of Artificial Intelligence and Robotics, Hunan University（机器人视觉感知与控制技术国家工程研究中心，人工智能与机器人学院，湖南大学） ； School of Architecture and Art, Central South University（建筑与艺术学院，中南大学） ； School of Computing and Communications, Lancaster University（计算与通讯学院，兰卡斯特大学） ； Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程学院，南洋理工大学） 纠错

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

AI总结 本文提出SinRef-6D方法，通过单张姿态标注的RGB-D图像实现未知物体六自由度位姿估计，利用状态空间模型解决大位姿差异和单视角信息有限的问题，实验验证其在多个基准和真实场景中的优越可扩展性。

Comments Accepted by TRO 2026, 18 pages, 9 figures

Journal ref IEEE Transactions on Robotics, 2026

Bonnet: An Open-Source Training and Deployment Framework for Semantic Segmentation in Robotics using CNNs

Andres Milioto, Cyrill Stachniss

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

Comments To be published in to IEEE International Conference on Robotics and Automation 2019

MANIGUARD: A Benchmark and Data Suite for Specification-Grounded Safety Evaluation and Improvement of Robotic Manipulation

MANIGUARD：用于基于规范的机器人操作安全评估与改进的基准及数据集套件

Yiyan Peng, Philip Wang, Simon Sinong Zhan, Yiqi Lyu, Zhenyang Ni, Jixin Yan, Fiorelli Wong, Ruochen Jiao, Hang Yin, Xinyu Cao, Huajie Shao, Manling Li, Ruohan Zhang, Qi Zhu

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； William & Mary（威廉玛丽学院） 纠错

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

AI总结 本研究提出ManiGuard基准与数据集套件，针对机器人操作基础模型策略，通过含23000余次滚动的实验证实安全需独立于任务成功评估，微调可提升安全表现但仍存差距。

Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation

机器人基于视觉的触觉智能：感知、学习与具身操作

Peng Zhou, Jun Hu, Sihan Chen, Zeqing Zhang, Haofei Ma, Zhenyu Lu, Sichao Liu, Xueqian Wang, Pai Zheng, Xiang Li, Shan Luo, Jia Pan, David Navarro-Alarcon, Chenguang Yang, Michael Yu Wang

机构 * Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； King’s College London（伦敦国王学院） 纠错

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

AI总结 本综述调研机器人领域基于视觉的触觉传感器（VBTSs）全流程，对其硬件分类、学习方法、仿真与数据集等展开分析，指出开放挑战，以推进接触密集型机器人任务的触觉智能。

FlatLab: A Unified Methodology Framework and Simulation-Based Benchmark for Robotic Manipulation of Flat Objects

FlatLab：面向扁平物体机器人操作的统一方法论框架及基于仿真的基准测试

Xingyu Zhu, Wenshuo Han, Zhouyu Wang, Yuran Wang, Ruihai Wu, Hao Dong, Fan Tang, Hechang Chen, Hyung Jin Chang, Yixing Gao

机构 * Jilin University（吉林大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 该研究针对扁平物体机器人操作泛化能力有限的问题，提出含策略生成器与执行模块的统一框架，并构建FlatLab仿真基准，方法泛化效果优于现有基线。

Comments This paper is accepted to ICML 2026

S2-HWM: Sparse Event-Structured Hierarchical World Model for Long-Horizon Surgical Robot Manipulation

S2-HWM：用于长程外科机器人操作的稀疏事件结构化分层世界模型

Shuzhe Zhang, Xin Zhu, Yinling Qian, Qiong Wang

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

AI总结 针对长程外科机器人操作奖励稀疏、进展隐含的问题，提出S2-HWM模型，通过事件证据协调管理器与工作器，在SurRoL的PegTransfer任务上成功率达98.7%，优于基准模型。

RoboSeg: Online Part-Level Semantic Reconstruction for Robotic Manipulation via a Single Eye-in-Hand Camera

RoboSeg：基于单眼在手相机的机器人操作的在线部件级语义重建

Zhaochen Lan, Mengxiang Lin

机构 * School of Mechanical Engineering and Automation, Beihang University（北京航空航天大学机械工程及自动化学院） 纠错

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

AI总结 RoboSeg是无需CAD模型的部件级语义重建系统，结合VLM、TSDF融合与SAM3，实现机器人操作的部件语义索引，在24次物理试验中21次完成综合任务。

Self Supervised Learning from Automatically Generated Demonstrations for Visual Robotic Manipulation

面向视觉机器人操纵的自动生成演示的自监督学习

Andres Rivas, Anselmo R. Cukla, Rodrigo S. Guerra, Bruna V. Guterres, Ricardo B. Grando

机构 * Technological University of Uruguay（乌拉圭技术大学） ； Federal University of Santa Maria（圣玛丽亚联邦大学） ； Federal University of Rio Grande（里奥格兰德联邦大学） 纠错

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

AI总结 该研究提出一种基于ROS 2和Isaac Sim的自监督视觉机器人操纵方法，通过自动生成演示训练卷积网络，在仿真和真实UR5e机器人上验证了其抓取成功率，为视觉操纵提供了低部署成本的方案。

Comments Paper accepted at the ICCAS 2026

RoboProcessBench: Benchmarking Process-Aware Understanding in Vision-Language Robotic Manipulation

RoboProcessBench：视觉语言机器人操作中的过程感知理解基准测试

Dayu Xia, Yue Shi, Yao Mu, Huiting Ji, Chaofan Ma, Yingjie Zhou, Hua Chen, Yang Liu, Jiezhang Cao, Guangtao Zhai

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； China University of Mining Technology（中国矿业大学） 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RoboProcessBench基准，通过静态监控和动态推理两个维度、12个诊断问题家族，评估视觉语言模型在机器人操作中的过程感知理解能力，并基于58k问答对数据集验证了当前模型的局限性及后训练的有效性。

DreamTrajectory: Trajectory-Guided Action Generation with World Model Alignment for Mobile Manipulation

DreamTrajectory：面向移动操作的、结合世界模型对齐的轨迹引导动作生成方法

Zheng Yang, Wenjie Zhang, Xiangyu Chen, Wenxuan Song, Xianpeng Wang, Yihang Kang, Wen Chen, Lujia Wang, Renjing Xu, Xiaowen Chu

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

AI总结 DreamTrajectory是面向移动操作的轨迹引导框架，通过联合预测末端执行器轨迹与全身动作块、结合轨迹世界模型的测试时细化，在MS-HAB及真实任务中大幅提升操作成功率。

ACDC: Adaptive Curriculum Planning with Dynamic Contrastive Control for Goal-Conditioned Reinforcement Learning in Robotic Manipulation

ACDC：基于动态对比控制的自适应课程规划用于机器人操控的面向目标强化学习

Xuerui Wang, Guangyu Ren, Tianhong Dai, Bintao Hu, Shuangyao Huang, Wenzhang Zhang, Hengyan Liu

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ACDC方法，结合自适应课程规划与动态对比控制，提升机器人操控任务中的样本效率和任务成功率。

Comments Withdrawn by the authors after identifying inconsistencies between the described adaptive curriculum and the implementation used to generate the reported experiments, particularly in the success-rate feedback mechanism and replay-weight schedule. These issues require the experiments and conclusions to be reevaluated

MemoAct: Atkinson-Shiffrin-Inspired Hierarchical Memory-Augmented Policy for Robotic Manipulation

MemoAct：受Atkinson-Shiffrin启发的内存增强视觉-运动策略用于机器人操作

Liufan Tan, Jiale Li, Gangshan Jing

机构 * Chongqing University（重庆大学） 纠错

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

AI总结 本文提出MemoAct，一种基于层次内存的策略，通过不同内存层级解决任务状态跟踪和长周期记忆保留的问题，并通过MemoryRTBench验证其在模拟和现实场景中的优越性能。

CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation

CheckVLA：面向长 horizon 移动操作的基于动作条件世界模型的执行时验证

Yushan Liu, Peibo Sun, Xintao Chao, Zhenyang Yang, Yifan Xie, Lingfeng Zhang, Shoujie Li, Chenyu Tang, Fang Chen, Xiao-Ping Zhang, Wenbo Ding

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

AI总结 CheckVLA 是基于动作条件世界模型的长 horizon 移动操作执行时验证方法，在 RoboCasa365 上其平均成功率比定期重规划提升 8.5 个百分点，且及时召回率显著优于仅观测及动作打乱的对照方法。

Towards Human-like Physical Intelligence: Lifelong Vision-Language-Action Learning for Robotic Manipulation

迈向类人物理智能：用于机器人操作的终身视觉-语言-动作学习

Yao He, Gan Sun, Wenqi Liang, Fazeng Li, Yang Cong

机构 * South China University of Technology（华南理工大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究针对机器人操作中可塑性-稳定性权衡难题，提出缓存高效的终身视觉-语言-动作学习框架LifelongVLA。通过双时间尺度LoRA门控模块及缓存高效随机重放策略，有效缓解权衡问题，实现技能扩展、行为保留，减少再训练依赖，优于现有基线。

Learning Robust Execution in Robotic Manipulation with Agentic Reinforcement Learning

通过智能强化学习在机器人操作中学习鲁棒执行

Xiaopeng Zhang, Yueyang Weng, Qi Liu, Yongjin Mu, Yanjie Li

机构 * School of Inteligence Science and Engineering, the Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）智能科学与工程学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院） 纠错

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

AI总结 针对机器人操作面临的挑战，提出用两个互补指标评估执行质量，构建智能强化学习框架，通过高级决策恢复有效执行，在LIBERO基准测试中提升了执行成功率，增强了执行鲁棒性。

Move-Then-Operate: Behavioral Phasing for Human-Like Robotic Manipulation

移动-然后-操作：用于类人机器人操作的行为相位

Haoming Xu, Lei Lei, Jie Gu, Chu Tang, Jingmin Chen, Ruiqi Wang

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences, Hangzhou, China.（杭州高等研究院，中国科学院大学，中国杭州） ； University of Science and Technology of China, Hefei, China.（中国科学技术大学，中国合肥） ； School of Aritificial intelligence, Institute of Artificial Intelligence, University of Science and Technology Beijing, Beijing, China（人工智能学院，人工智能研究院，北京科技大学，中国北京） 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Move-Then-Operate框架，将机器人操作分为粗略移动和接触关键交互两个阶段，通过双专家策略提升操作精度与效率。

Comments 15 pages, 10 figures

EDAR: Learning Environment-Dependent Action Representations for Robotic Manipulation

EDAR：学习用于机器人操作的环境相关动作表示

Yuecheng Xu, Tong Yang, Jingkai Jia, Chi Zhang, Xuelong Li, Wenqiang Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院智能信息处理上海市重点实验室） ； TeleAI, China Telecom（中国电信天翼人工智能公司） 纠错

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

AI总结 研究针对机器人操作中动作表示难的问题，提出EDAR方法，将动作令牌与可执行控制结构和预期视觉后果关联，通过实验证明该方法能改善下游策略学习，突出环境相关动作表示的重要性。

SkillPlug: Unsupervised Skill Mining for Few-Shot Adaptation in Robotic Manipulation

SkillPlug：用于机器人操作中少样本适应的无监督技能挖掘

Zi-han Ding, Ziwei Wang

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） 纠错

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

AI总结 针对机器人操作中学习可转移视觉运动模仿策略的挑战，提出SkillPlug框架，通过技能调节模块挖掘共享可转移技能库，经自监督学习形成任务共享先验，微调轻量级组件实现少样本适应，提升多任务和少样本适应性能。

Comments 8 pages, 8 figures, published to RA-L

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9511-9518, Aug. 2026

Context-Aware Force Estimation for Deformable Tool Manipulation in Robotic Environmental Swabbing via Few-Shot Continual Adaptation

通过少样本持续适应实现机器人环境擦拭中可变形工具操作的上下文感知力估计

Siavash Mahmoudi, Chaitainya Kuppar Reddy, Yang Tian, Dongyi Wang

机构 * Department of Biological and Agricultural Engineering, University of Arkansas（阿肯色大学，生物与农业工程系） ； Department of Food Science, University of Arkansas（阿肯色大学，食品科学系） 纠错

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

AI总结 研究机器人环境擦拭中可变形工具操作的接触力估计问题，提出利用本体感知的数据驱动框架，通过比较评估确定循环架构，引入少样本适应策略，实验证明该方法能提高域转移下的鲁棒性，可靠估计力。

PriGo: Test-Time Primitive Guidance to Diffusion and Flow Policies for Adaptive Robotic Manipulation

PriGo：用于自适应机器人操作的扩散和流策略的测试时原语引导

Zezeng Li, Enda Xiang, Thuy Tran, Di Huang, Momath Thiam, Liming Chen

机构 * École Centrale de Lyon（里昂中央理工学院） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 针对机器人操作中现有策略泛化性不足问题，提出PriGo框架，引入PANet模块及可微原语引导机制，能在测试时无缝集成到预训练策略，实验证明其提升了扩散和流策略的鲁棒性、执行及泛化能力。

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。

ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications

ROBOCYCLE：用于回收应用的自主双臂机器人操作与协调

Rubén de J. Hilario-Cruz, Jesus A. García-González, Enrique Coronado, Arturo E. Cerón-López

机构 * Tecnologico de Monterrey, School of Engineering and Sciences, Department of Computer Science（墨西哥蒙特雷理工大学工程学院与科学学院计算机科学系） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） 纠错

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

AI总结 针对城市垃圾处理难题，介绍ROBOCYCLE平台，集成多视图RGB-D感知、基于变压器的实例分割及6自由度抓取规划，有效处理不规则和可变形垃圾，取得高成功率，为现实环境自主垃圾管理提供方案。

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。

RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation

RelAfford6D：用于约束驱动机器人操作的关系型6D可操作图

Guodong Zhang, Qichen He, Wenyuan Xie, Shaokai Wu, Yanbiao Ji, Qiuchang Li, Bayram Bayramli, Yue Ding, Hongtao Lu

机构 * School of Computer Science, Shanghai Jiaotong University（上海交通大学计算机科学学院） 纠错

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

AI总结 提出RelAfford6D框架，通过构建关系型6D可操作图将语义指令转化为SE(3)位姿约束，并利用运动学约束求解实现零样本操作，在仿真和真实环境中优于数据驱动方法。

SSI-Policy: Learning Structured Scene Interfaces for Vision-Language Robotic Manipulation

SSI-Policy: 学习用于视觉语言机器人操作的结构化场景接口

Kaijun Wang, Zikai Ouyang, Xuping Wu, Jinyi Hong, Wei Pan, Haibo Lu, Jia Pan, Wei Zhang, Linfang Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng Laboratory（鹏城实验室） ； The University of Hong Kong（香港大学） ； LimX Dynamics 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SSI-Policy框架，通过统一的结构化场景接口（SSI）联合编码单目深度、语言锚定的物体布局和指令条件化的2D运动轨迹，实现从少量演示中学习机器人操作，在LIBERO基准上仅用10个演示即提升15%性能。

Comments Accepted by 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

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