机器人 / 具身智能

UniTeam: Open Vocabulary Mobile Manipulation Challenge

Andrew Melnik, Michael Büttner, Leon Harz, Lyon Brown, Gora Chand Nandi, Arjun PS, Gaurav Kumar Yadav, Rahul Kala, Robert Haschke

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

EDGI: Equivariant Diffusion for Planning with Embodied Agents

Johann Brehmer, Joey Bose, Pim de Haan, Taco Cohen

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

Comments Accepted at NeurIPS 2023. v2: matches camera-ready version

Towards Disturbance-Free Visual Mobile Manipulation

Tianwei Ni, Kiana Ehsani, Luca Weihs, Jordi Salvador

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

Comments WACV 2023

VLMbench: A Compositional Benchmark for Vision-and-Language Manipulation

Kaizhi Zheng, Xiaotong Chen, Odest Chadwicke Jenkins, Xin Eric Wang

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

Spatial Action Maps for Mobile Manipulation

Jimmy Wu, Xingyuan Sun, Andy Zeng, Shuran Song, Johnny Lee, Szymon Rusinkiewicz, Thomas Funkhouser

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

Comments To appear at Robotics: Science and Systems (RSS), 2020. Project page: https://spatial-action-maps.cs.princeton.edu

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/

SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects

SoftVTBench：用于物理约束下可变形物体机器人操作的安全感知视觉触觉基准测试

Bowen Jing, Mingxin Wang, Ruiyang Hao, Chenchen Ge, Hanwen Shen, Junjie He, Yang Cui, Yiming Hou, Weitao Zhou, Jiawei Wang, Minglei Li, Dandan Zhang, Ding Zhao, Houde Liu, Xiaofan Li, Si Liu, Ping Luo, Haibao Yu

机构 * Tuojing Intelligence（拓景智能） ； Tsinghua University（清华大学） ； King’s College London（伦敦国王学院） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI（简单人工智能公司） ； Imperial College London（伦敦帝国学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（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 研究物理约束下可变形物体操作，提出SoftVTBench基准测试，通过有限元模拟可变形物体，定义任务套件，分别报告目标成功和安全成功，实现基线并实验，表明仅成功评估高估策略性能，触觉传感可提升安全性。

Altered Thoughts, Altered Actions: Probing Chain-of-Thought Vulnerabilities in VLA Robotic Manipulation

改变的思维，改变的行为：探测VLA机器人操作中的链式思维漏洞

Tuan Duong Trinh, Naveed Akhtar, Basim Azam

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

AI总结 研究探讨VLA模型中链式思维的脆弱性，发现仅篡改推理轨迹中的物体名称即可显著降低任务成功率，而其他篡改方式影响较小，表明动作解码器依赖实体引用完整性而非推理质量。

Chain-of-Action: Trajectory Autoregressive Modeling for Robotic Manipulation

动作链：用于机器人操作的轨迹自回归建模

Wenbo Zhang, Tianrun Hu, Hanbo Zhang, Yanyuan Qiao, Yuchu Qin, Yang Li, Jiajun Liu, Tao Kong, Lingqiao Liu, Xiao Ma

机构 * The University of Adelaide（阿德莱德大学） 纠错

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

AI总结 CoA通过逆向推理生成完整轨迹，结合连续动作表示、动态停止等设计，实现视觉-运动策略在机器人操作中的高效与灵活表现。

Explainable Adversarial-Robust Vision-Language-Action Model for Robotic Manipulation

可解释的对抗鲁棒视觉-语言-动作模型用于机器人操作

Ju-Young Kim, Ji-Hong Park, Myeongjun Kim, Gun-Woo Kim

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Department of AI Convergence Engineering（人工智能融合工程系） ； Gyeongsang National University（庆尚国立大学） 纠错

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

AI总结 本文提出了一种可解释的对抗鲁棒视觉-语言-动作模型，用于提升机器人操作在对抗攻击下的动作预测精度和可解释性。

Comments Accepted to MobieSec 2025 (poster session)

Merging and Disentangling Views in Visual Reinforcement Learning for Robotic Manipulation

Abdulaziz Almuzairee, Rohan Patil, Dwait Bhatt, Henrik I. Christensen

机构 * UC San Diego（圣迭戈大学） 纠错

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

Comments Accepted at CoRL 2025. For project website and code, see https://aalmuzairee.github.io/mad

Industrial Application of 6D Pose Estimation for Robotic Manipulation in Automotive Internal Logistics

Philipp Quentin, Dino Knoll, Daniel Goehring

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

Comments Accepted for publication at IEEE International Conference on Automation Science and Engineering (CASE 2023)

Enhancing Robotic Manipulation with AI Feedback from Multimodal Large Language Models

Jinyi Liu, Yifu Yuan, Jianye Hao, Fei Ni, Lingzhi Fu, Yibin Chen, Yan Zheng

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

Comments Presented at AAAI 2024 RL+LLMs Workshop

Act3D: 3D Feature Field Transformers for Multi-Task Robotic Manipulation

Theophile Gervet, Zhou Xian, Nikolaos Gkanatsios, Katerina Fragkiadaki

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

Grasping Student: semi-supervised learning for robotic manipulation

Piotr Krzywicki, Krzysztof Ciebiera, Rafał Michaluk, Inga Maziarz, Marek Cygan

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

"No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy

Yuchen Cui, Siddharth Karamcheti, Raj Palleti, Nidhya Shivakumar, Percy Liang, Dorsa Sadigh

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

Comments Accepted to the 18th ACM/IEEE International Conference on Human Robot Interaction (HRI), Marc 2023. First two authors contributed equally. 9 Pages, 7 Figures

CLIPort: What and Where Pathways for Robotic Manipulation

Mohit Shridhar, Lucas Manuelli, Dieter Fox

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

Comments CoRL 2021. Project Website: https://cliport.github.io/

Neural Task Success Classifiers for Robotic Manipulation from Few Real Demonstrations

Abdalkarim Mohtasib, Amir Ghalamzan E., Nicola Bellotto, Heriberto Cuayáhuitl

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

Comments 8 pages

Learning to Compose Hierarchical Object-Centric Controllers for Robotic Manipulation

Mohit Sharma, Jacky Liang, Jialiang Zhao, Alex LaGrassa, Oliver Kroemer

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

Comments Accepted as Plenary Talk at CoRL'20. First two authors contributed equally. For results see https://sites.google.com/view/compositional-object-control/

On Policy Learning Robust to Irreversible Events: An Application to Robotic In-Hand Manipulation

Pietro Falco, Abdallah Attawia, Matteo Saveriano, Dongheui Lee

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

A Landauer Limit for Robotic Manipulation

Henry Hess

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

Comments 3 pages, 3 figures

Information-theoretic Model Identification and Policy Search using Physics Engines with Application to Robotic Manipulation

Shaojun Zhu, Andrew Kimmel, Abdeslam Boularias

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

Learning Structural Latent Points for Efficient Visual Representations in Robotic Manipulation

为机器人操作中的高效视觉表征学习结构潜在点

Yicheng Jiang, Jiaxu Wang, Junhao He, Zesen Gan, Junhao Li, Qiang Zhang, Jingkai Sun, Jiahang Cao, Mingyuan Sun, Xiangyu Yue, Qiming Shao

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； X-Humanoid Robots（X-Humanoid机器人） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出了一种新的预训练框架，通过学习混合表示-结构潜在点，结合隐式表示的表达能力和显式表示的结构先验，以提高机器人操作中的视觉表征效率和鲁棒性。

Journal ref International Conference on Robotics and Automation 2026

CoRAL: Contact-Rich Adaptive LLM-based Control for Robotic Manipulation

CoRAL：富含接触的自适应LLM基于控制用于机械臂操作

Berk Çiçek, Mert K. Er, Ozgur S. Oguz

机构 * LiRA Lab, Department of Computer Engineering Bilkent University（LiRA实验室，计算机工程系，比尔肯特大学） 纠错

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

AI总结 CoRAL通过解耦高层推理与低层控制，利用LLM设计成本函数，结合神经符号适应循环和记忆单元，实现接触密集任务的自适应控制，提升成功率50%以上。

Comments 22 pages, 9 figures, 3 tables. Accepted to Robotics: Science and Systems (RSS) 2026. Updated to camera-ready version with appendix and text/formatting revisions

BiKC: Keypose-Conditioned Consistency Policy for Bimanual Robotic Manipulation

Dongjie Yu, Hang Xu, Yizhou Chen, Yi Ren, Jia Pan

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

Comments Accepted by The 16th International Workshop on the Algorithmic Foundations of Robotics (WAFR 2024)

Autonomous Robotic Arm Manipulation for Planetary Missions using Causal Machine Learning

C. McDonnell, M. Arana-Catania, S. Upadhyay

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

Comments 8 pages, ASTRA 2023: 17th Symposium on Advanced Space Technologies in Robotics and Automation, 18-20 October 2023, Leiden, The Netherlands

Frame Mining: a Free Lunch for Learning Robotic Manipulation from 3D Point Clouds

Minghua Liu, Xuanlin Li, Zhan Ling, Yangyan Li, Hao Su

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

Comments Conference on Robot Learning (CoRL) 2022; Project Website: https://colin97.github.io/FrameMining/

Qwen-RobotWorld Technical Report: Unifying Embodied World Modeling through Language-Conditioned Video Generation

Qwen-RobotWorld技术报告：通过语言条件视频生成统一具身世界模型

Jie Zhang, Xiaoyue Chen, Anzhe Chen, Dayiheng Liu, Deqing Li, Gengze Zhou, Hale Yin, Haoqi Yuan, Haoyang Li, Jiahao Li, Jiazhao Zhang, Jingren Zhou, Kaiyuan Gao, Kun Yan, Lihan Jiang, Ningyuan Tang, Pei Lin, Qihang Peng, Shengming Yin, Tianhe Wu, Tianyi Yan, Xiao Xu, Yan Shu, Yanran Zhang, Ye Wang, Yi Wang, Yilei Chen, Yixian Xu, Yiyang Huang, Yuxiang Chen, Zekai Zhang, Zhendong Wang, Zixing Lei, Zhixuan Liang, Zihao Liu, Zikai Zhou, Chenxu Lv, Xiong-Hui Chen, Chenfei Wu

机构 * Qwen Team（Qwen团队） 纠错

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

AI总结 提出Qwen-RobotWorld，一种以自然语言为统一动作接口的语言条件视频世界模型，通过双流MMDiT、大规模具身世界知识语料和渐进式课程训练，在机器人操作、自动驾驶等任务中实现物理一致的未来视觉轨迹预测，在多个基准上取得最优结果。

Force Policy: Learning Hybrid Force-Position Control Policy under Interaction Frame for Contact-Rich Manipulation

力政策：在交互框架下学习混合力-位置控制策略以进行密集接触 manipulation

Hongjie Fang, Shirun Tang, Mingyu Mei, Haoxiang Qin, Zihao He, Jingjing Chen, Ying Feng, Chenxi Wang, Wanxi Liu, Zaixing He, Cewu Lu, Shiquan Wang

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

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

AI总结 本文提出力政策，通过视觉和力反馈实现全局-局部控制，提升接触稳定性和执行质量，适用于复杂接触任务。

Comments accepted by RSS 2026

DockAnywhere: Data-Efficient Visuomotor Policy Learning for Mobile Manipulation via Novel Demonstration Generation

DockAnywhere: 通过新颖的示范生成实现移动操作的数据高效视觉-运动策略学习

Ziyu Shan, Yuheng Zhou, Gaoyuan Wu, Ziheng Ji, Zhenyu Wu, Ziwei Wang

机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学） 纠错

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

AI总结 本文提出DockAnywhere方法，通过解耦基座运动与不变的 manipulation 技能，提升移动操作在不同 docking 点下的视角泛化能力，实验表明其显著提高了策略成功率和泛化能力。

Comments Accepted to RA-L