机器人 / 具身智能

Structured Mechanical Models for Robot Learning and Control

Jayesh K. Gupta, Kunal Menda, Zachary Manchester, Mykel J. Kochenderfer

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

Comments First two authors contributed equally. Accepted at L4DC2020. Source code and videos at https://sites.google.com/stanford.edu/smm/

Lyceum: An efficient and scalable ecosystem for robot learning

Colin Summers, Kendall Lowrey, Aravind Rajeswaran, Siddhartha Srinivasa, Emanuel Todorov

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

Cross-View Policy Learning for Street Navigation

Ang Li, Huiyi Hu, Piotr Mirowski, Mehrdad Farajtabar

专题命中 机器人学习 ：navigation(title,abstract)；分类 cs.RO、cs.CV、cs.LG

Comments 8 pages

Differentiable Algorithm Networks for Composable Robot Learning

Peter Karkus, Xiao Ma, David Hsu, Leslie Pack Kaelbling, Wee Sun Lee, Tomas Lozano-Perez

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

Comments RSS 2019 camera ready. Video is available at https://youtu.be/4jcYlTSJF4Y

Socially Guided Intrinsic Motivation for Robot Learning of Motor Skills

Sao Mai Nguyen, Pierre-Yves Oudeyer

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

Journal ref Autonomous Robots, Springer Verlag, 2014, 36 (3), pp.273-294

Asymmetric Actor Critic for Image-Based Robot Learning

Lerrel Pinto, Marcin Andrychowicz, Peter Welinder, Wojciech Zaremba, Pieter Abbeel

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

Comments Videos of experiments can be found at http://www.goo.gl/b57WTs

Incremental Robot Learning of New Objects with Fixed Update Time

Raffaello Camoriano, Giulia Pasquale, Carlo Ciliberto, Lorenzo Natale, Lorenzo Rosasco, Giorgio Metta

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

Comments 8 pages, 3 figures

Learning local trajectories for high precision robotic tasks : application to KUKA LBR iiwa Cartesian positioning

Joris Guerin, Olivier Gibaru, Eric Nyiri, Stephane Thiery

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

Comments 6 pages, double column, 6 figures and one table. Published in: Industrial Electronics Society , IECON 2016 - 42nd Annual Conference of the IEEE

Journal ref Industrial Electronics Society, IECON 2016-42nd Annual Conference of the IEEE Pages 5316--5321

Perception Matters: Enhancing Embodied AI with Uncertainty-Aware Semantic Segmentation

Sai Prasanna, Daniel Honerkamp, Kshitij Sirohi, Tim Welschehold, Wolfram Burgard, Abhinav Valada

专题命中 机器人学习 ：embodied AI(title,abstract)；分类 cs.RO、cs.CV；robotics(journal_ref)

Journal ref Proceedings of the International Symposium on Robotics Research (ISRR), 2024

Continual Learning from Demonstration of Robotics Skills

Sayantan Auddy, Jakob Hollenstein, Matteo Saveriano, Antonio Rodríguez-Sánchez, Justus Piater

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

Comments To appear in Robotics and Autonomous Systems

Robot Learning from Randomized Simulations: A Review

Fabio Muratore, Fabio Ramos, Greg Turk, Wenhao Yu, Michael Gienger, Jan Peters

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

Comments submitted to Frontiers in Robotics and AI

Large-scale Kernel Methods and Applications to Lifelong Robot Learning

Raffaello Camoriano

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

Comments Ph. D. Thesis for the Doctoral Course in Bioengineering and Robotics (Curriculum in Humanoid Robotics) at Università degli Studi di Genova, in collaboration with Istituto Italiano di Tecnologia. Advisors: Prof. Giorgio Metta and Prof. Lorenzo Rosasco

PAC-DP: PAC-Bayesian Diffusion Policy Learning

PAC-DP：PAC贝叶斯扩散策略学习

Mohammad Hasan Yeganegi, Dian Yu, Andrea Del Prete, Majid Khadiv, Matteo Saveriano

机构 * University of Trento（特伦托大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） 纠错

专题命中 机器人学习 ：robotics(abstract)；manipulation(abstract)；robot policy(abstract)；robotic(abstract)

AI总结 研究针对扩散策略在有限数据下泛化控制有限的问题，提出PAC-DP，将DP建模为贝叶斯神经网络并定义泛化界导出新训练目标。该方法理论上规范DP训练，实验显示在多基准测试中性能提升，尤其在低数据和复杂任务中效果显著。

Investigating Robot Control Policy Learning for Autonomous X-ray-guided Spine Procedures

自主X光引导脊柱手术的机器人控制策略学习研究

Florence Klitzner, Blanca Inigo, Benjamin D. Killeen, Lalithkumar Seenivasan, Michelle Song, Axel Krieger, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technical University of Munich（慕尼黑技术大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院） 纠错

专题命中 机器人学习 ：robotics(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本文研究基于模仿学习的机器人控制策略在稀疏输入（双平面X光）下进行椎体成形术中的可行性，通过模拟环境训练策略实现基于视觉的套管针迭代对齐，首次尝试成功率达68.5%，并展示了向复杂解剖结构和真实X光的迁移能力，但存在入口点精度不足等局限。

ViPRA: Video Prediction for Robot Actions

ViPRA：用于机器人动作的视频预测

Sandeep Routray, Hengkai Pan, Unnat Jain, Shikhar Bahl, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Skild AI ； University of California, Irvine（加州大学尔湾分校） 纠错

专题命中 机器人学习 ：robot learning(abstract)；manipulation(abstract)；robot policy(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 ViPRA通过预训练和微调框架，从无标注视频中学习连续机器人控制，利用视频语言模型预测视觉观察和运动中心潜在动作，支持跨机器人形态的泛化和高频率连续控制。

Comments In ICLR 2026. Website: https://vipra-project.github.io

DiT4DiT: Jointly Modeling Video Dynamics and Actions for Generalizable Robot Control

DiT4DiT：联合建模视频动态与动作以实现通用机器人控制

Teli Ma, Jia Zheng, Zifan Wang, Chunli Jiang, Andy Cui, Junwei Liang, Shuo Yang

机构 * Mondo Robotics（Mondo机器人公司） ； HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） 纠错

专题命中 机器人学习 ：robot learning(abstract)；manipulation(abstract)；robot policy(abstract)；robotic(abstract)

AI总结 本文提出DiT4DiT模型，通过结合视频扩散变换器与动作扩散变换器，实现视频动态与动作的联合建模，提升机器人控制的泛化能力与样本效率。

Comments https://dit4dit.github.io/

Leader-follower formation enabled by pressure sensing in free-swimming undulatory robotic fish

Kundan Panta, Hankun Deng, Micah DeLattre, Bo Cheng

机构 * Department of Mechanical Engineering, The Pennsylvania State University（机械工程系，宾夕法尼亚州立大学） 纠错

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

Comments 7 pages, 10 figures. Accepted for 2025 IEEE International Conference on Robotics and Automation (ICRA). Supplementary video: https://youtu.be/DIDYGi9Td0I

Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA), Atlanta, GA, USA, 2025, pp. 14685-14691

Visual Representation Learning with Stochastic Frame Prediction

Huiwon Jang, Dongyoung Kim, Junsu Kim, Jinwoo Shin, Pieter Abbeel, Younggyo Seo

专题命中 机器人学习 ：robot learning(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV

Comments International Conference on Machine Learning (ICML) 2024

Policy Transfer across Visual and Dynamics Domain Gaps via Iterative Grounding

Grace Zhang, Linghan Zhong, Youngwoon Lee, Joseph J. Lim

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

Comments Robotics: Science and Systems (RSS), 2021

DeVA: Decoupled Video-Action Model with physical guidance for robot policy learning

DeVA：用于机器人策略学习的具有物理引导的解耦视频-动作模型

Mengqi Zhang, Sahil Khose, Simar Kareer, Yuchen Song, Unnat Jain, Judy Hoffman

机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 研究可泛化机器人操纵策略，提出DeVA模型，通过专门的视频和动作专家、多级特征转移及物理显著引导，实现丰富信息交换，使策略学习更易处理，在模拟和实际实验中展现良好性能。

Comments Project page with videos, code, and checkpoints: https://deva-model.github.io/

Robot Learning to Communicate through Projected Visual Abstractions

机器人通过投影视觉抽象进行通信学习

Danyang Yan, Boyuan Wang, Jiaxun Liu, Boyuan Chen

机构 * Duke University（杜克大学） 纠错

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

AI总结 研究让机器人通过投影视觉抽象通信，提出含21自由度灵巧手和影子自我模型的系统，能动态表达影子。通过自我探索学习映射，依目标优化配置，经模拟获可行运动，还引入多种优化，在多场景展示影子表达，建立相关框架。

Comments Our project website is at:https://generalroboticslab.com/shadow

Hy-Embodied-0.5-VLA: From Vision-Language-Action Models to a Real-World Robot Learning Stack

Hy-Embodied-0.5-VLA：从视觉-语言-动作模型到真实世界机器人学习栈

He Zhang, Lingzhu Xiang, Haitao Lin, Zeyu Huang, Minghui Wang, Dingyan Zhong, Yubo Dong, Yihao Wu, Yongming Rao, Dongsheng Zhang, Wanjia He, Ling Chen, Kai Huang, Jiahao Chen, Sichang Su, Xumin Yu, Ziyi Wang, Chengwei Zhu, Xiao Teng, Yuchun Guo, Yufeng Zhang, Yuandong Liu, Rui Wang, Zisheng Lu, Han Hu, Zhengyou Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出端到端机器人学习栈HyVLA-0.5，涵盖数据收集、模型设计、预训练与微调、RL后训练及真实部署，各组件协同工作。

SIR: Structured Image Representations for Explainable Robot Learning

SIR: 用于可解释机器人学习的结构化图像表示

Paul Mattes, Jan Schwab, Jens Bosch, Nils Blank, Maximilian Xiling Li, Minh-Trung Tang, Moritz Haberland, Rudolf Lioutikov

机构 * Intuitive Robots Lab, Karlsruhe Institute of Technology, Germany（直观机器人实验室，卡尔斯鲁厄理工学院，德国） ； Robotics Institute Germany（德国机器人研究所） 纠错

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

AI总结 提出结构化图像表示（SIR），利用场景图作为中间表示，通过端到端稀疏化图结构学习任务相关子图，实现内在可解释性，在RoboCasa上平均成功率19.5%优于基线14.81%，并揭示数据集偏差。

Comments Published at CVPR 2026

Journal ref In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2026. S. 42484-42493

CoMo: Learning Continuous Latent Motion from Internet Videos for Scalable Robot Learning

CoMo: 从互联网视频中学习连续潜在运动以实现可扩展的机器人学习

Jiange Yang, Yansong Shi, Haoyi Zhu, Mingyu Liu, Kaijing Ma, Yating Wang, Gangshan Wu, Tong He, Limin Wang

机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tongji University（同济大学） 纠错

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

AI总结 提出CoMo方法，通过早期时间差分和时序对比学习从互联网视频中学习连续潜在运动，避免离散化信息损失，实现零样本泛化生成伪动作标签，联合训练策略在仿真和真实实验中表现优异。

Comments CVPR 2026

Dynamic Mixture of Progressive Parameter-Efficient Expert Library for Lifelong Robot Learning

动态渐进式参数高效专家库混合用于终身机器人学习

Yuheng Lei, Sitong Mao, Shunbo Zhou, Hongyuan Zhang, Xuelong Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Huawei Cloud Computing Technologies（华为云计算技术） ； Ola Dimensions ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

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

AI总结 针对终身学习中任务标识不可用和知识隔离问题，提出动态渐进式参数高效专家库混合（DMPEL），通过构建低秩专家库和轻量路由器实现灵活的前向迁移，并引入专家系数回放缓解遗忘，在LIBERO基准上以最少可训练参数和存储超越现有方法。

Comments Accepted to Transactions on Machine Learning Research (TMLR) at https://openreview.net/forum?id=MHVBrjS8cG . Code is available at https://github.com/HarryLui98/DMPEL

Exploring Conditions for Diffusion models in Robotic Control

探索扩散模型在机器人控制中的条件

Heeseong Shin, Byeongho Heo, Dongyoon Han, Seungryong Kim, Taekyung Kim

机构 * KAIST AI（韩国科学技术院人工智能学院） ； NAVER AI Lab（NAVER人工智能实验室） 纠错

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

AI总结 本文研究利用预训练文本到图像扩散模型获取任务适应的视觉表示，提出ORCA方法以动态视觉信息提升机器人控制性能。

Comments Accepted to CVPR 2026. Project page: https://orca-rc.github.io/

Learning Additively Compositional Latent Actions for Embodied AI

学习可加性组合的潜在动作以实现具身AI

Hangxing Wei, Xiaoyu Chen, Chuheng Zhang, Tim Pearce, Jianyu Chen, Alex Lamb, Li Zhao, Jiang Bian

机构 * Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

专题命中 机器人学习 ：embodied AI(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出AC-LAM模型，通过强制潜在动作空间上的可加性组合结构，提升动作表示的结构性和准确性，优于现有方法。

PvP: Data-Efficient Humanoid Robot Learning with Proprioceptive-Privileged Contrastive Representations

PvP: 通过体感优先对比表示实现数据高效的类人机器人学习

Mingqi Yuan, Tao Yu, Haolin Song, Bo Li, Xin Jin, Hua Chen, Wenjun Zeng

机构 * HK PolyU（香港理工大学） ； LimX Dynamics ； EIT, Ningbo（宁波工程学院） ； USTC（中国科学技术大学） ； ZJU-UIUC（浙江大学-UIUC） ； ZGCA（浙江工业大学） 纠错

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

AI总结 PvP通过体感优先对比学习提升类人机器人学习的样本效率和性能。

Comments 15 pages, 17 figures

Journal ref 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning

质量优于数量：通过影响函数进行演示数据的 curated

Haeone Lee, Taywon Min, Junsu Kim, Sinjae Kang, Fangchen Liu, Lerrel Pinto, Kimin Lee

机构 * KAIST（韩国科学技术院） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） 纠错

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

AI总结 本文提出 QoQ 方法，通过影响函数识别高质量演示数据，提升机器人学习性能。

Comments Accepted to ICRA 2026, 8 pages

Using Temperature Sampling to Effectively Train Robot Learning Policies on Imbalanced Datasets

Basavasagar Patil, Sydney Belt, Jayjun Lee, Nima Fazeli, Bernadette Bucher

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

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