机器人 / 具身智能

GraspSense: Physically Grounded Grasp and Grip Planning for a Dexterous Robotic Hand via Language-Guided Perception and Force Maps

GraspSense: 为灵活机械手提供基于语言引导感知和力图的抓取与握力规划

Elizaveta Semenyakina, Ivan Snegirev, Mariya Lezina, Miguel Altamirano Cabrera, Safina Gulyamova, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯科尔科沃科技学院智能空间机器人实验室） 纠错

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

AI总结 本文提出一种基于力图的抓取与握力规划方法，通过物理建模和力图分析，使机械手能选择结构更坚固的接触区域并保持安全的抓取力。

Comments 6 pages, 4 figures, 4 tables. Minor non-semantic changes in the main scheme

F2F-AP: Flow-to-Future Asynchronous Policy for Real-time Dynamic Manipulation

F2F-AP: 流向未来异步策略用于实时动态操控

Haoyu Wei, Xiuwei Xu, Ziyang Cheng, Hang Yin, Angyuan Ma, Bingyao Yu, Jie Zhou, Jiwen Lu

机构 * Department of Automation, Tsinghua University（清华大学自动化系） 纠错

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

AI总结 本文提出F2F-AP策略，通过预测物体流合成未来观测，利用基于流的对比学习目标对齐视觉特征，提升实时动态操控任务的响应性和成功率。

Comments Tsinghua University, 14pages,12 fugures

ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration

ActiveGlasses: 从第一人称人类示范中学习 manipulation 与 active vision

Yanwen Zou, Chenyang Shi, Wenye Yu, Han Xue, Jun Lv, Ye Pan, Chuan Wen, Cewu Lu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd（Noematrix有限公司） 纠错

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

AI总结 ActiveGlasses 通过主动视觉从第一人称人类示范中学习机器人 manipulation，实现零样本迁移，优于基线方法并在不同机器人平台间泛化。

Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery

基于EEG的混合视觉和运动想象的机器人抓取与放置控制

Yichang Liu, Tianyu Wang, Ziyi Ye, Yawei Li, Yu-Gang Jiang, Shouyan Wang, Yanwei Fu

机构 * Institute of Science and Technology for Brain-inspired Intelligence (ISTBI), Fudan University（复旦大学类脑智能科学与技术研究院） ； School of Data Science, Fudan University（复旦大学大数据学院） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身智能重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出一种整合EEG视觉和运动想象与机器人控制的框架，实现实时意图驱动的抓取与放置。系统通过离线预训练解码器在在线流式管道中零样本方式实现神经信号与物理控制的连接，实现视觉意图到机器人动作的转换，验证了纯想象基BCI范式在实际人机协作中的灵活性。

Comments ICRA 2026

Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation

触觉反馈阵列手套：用于灵巧操作的触觉反馈手套

Feiyu Jia, Xiaojie Niu, Sizhe Yang, Qingwei Ben, Tao Huang, Feng zhao, Jingbo Wang, Jiangmiao Pang

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

AI总结 本文提出TAG手套，通过高精度手部运动捕捉与高分辨率触觉反馈，实现灵巧操作的触觉闭环远程操控，提升接触几何和动态力的实时感知能力。

Comments 13 pages, 16 figures

Probe-to-Grasp Manipulation Using Self-Sensing Pneumatic Variable-Stiffness Joints

利用自感知气动可变刚度关节的探针到抓取操作

Ngoc Duy Tran, Yeman Fan, Feng Dai, Khang Nguyen, Anh Nguyen, Hoang Hiep Ly, Tung D. Ta, Shigeru Chiba

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

AI总结 本文提出一种利用被动软刚两指混合夹具的探针到抓取框架，通过自感知气动可变刚度关节估计物体相对刚度，实现对变形物体的稳定抓取。

CycleManip: Enabling Cyclic Task Manipulation via Effective Historical Perception and Understanding

CycleManip: 通过有效的历史感知和理解实现循环任务操控

Yi-Lin Wei, Haoran Liao, Yuhao Lin, Pengyue Wang, Zhizhao Liang, Guiliang Liu, Wei-Shi Zheng

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出CycleManip框架，通过端到端模仿方法实现循环任务操控，解决了历史利用不足和缺乏评估基准的问题，实验表明方法在模拟和现实环境中均表现出高成功率和良好的适应性。

Comments Accepted by CVPR2026. Project page: https://isee-laboratory.github.io/CycleManip/

Surface-Constrained Offline Warping with Contact-Aware Online Pose Projection for Safe Robotic Trajectory Execution

表面约束的离线变形与接触感知的在线姿态投影用于安全的机器人轨迹执行

Farong Wang, Sai Swaminathan, Fei Liu

机构 * Min H. Kao Department of Electrical Engineering and Computer Science (EECS), University of Tennessee, Knoxville (UTK)（田纳西大学诺克斯维尔分校电气工程与计算机科学系） 纠错

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

AI总结 本文提出一种两阶段框架，通过表面约束的离线变形和接触感知的在线投影，实现稳定且可重复的表面嵌入轨迹执行，减少几何不连续性和大角度跳跃。

Comments 7 pages, 7 figures. Submitted to IROS 2026

$π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation

$π$, 但使其飞行：基于物理的VLA模型向空中操作的转移

Johnathan Tucker, Denis Liu, Aiden Swann, Allen Ren, Javier Yu, Jiankai Sun, Brandon Kim, Lachlain McGranahan, Quan Vuong, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Physical Intelligence 纠错

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

AI总结 本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。

TacVLA: Contact-Aware Tactile Fusion for Robust Vision-Language-Action Manipulation

TacVLA: 基于接触感知的触觉融合用于鲁棒的视觉-语言-动作操控

Kaidi Zhang, Heng Zhang, Zhengtong Xu, Zhiyuan Zhang, Md Rakibul Islam Prince, Xiang Li, Xiaojing Han, Yuhao Zhou, Arash Ajoudani, Yu She

机构 * Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia（人机交互实验室，意大利理工学院） ； Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova（机器人与智能机器国家级博士项目（DRIM）和热那亚大学） ； Edwardson School of Industrial Engineering, Purdue University（工业工程学院，普渡大学） 纠错

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

AI总结 TacVLA通过引入触觉模态提升视觉-语言-动作操控的鲁棒性，采用接触感知门控机制实现多模态融合，实验显示在拆解、箱内拾取和视觉遮挡场景中性能提升显著。

Comments 9 pages, 7 figures

Efficient Hybrid SE(3)-Equivariant Visuomotor Flow Policy via Spherical Harmonics for Robot Manipulation

基于球面谐波的高效混合SE(3)-等变视觉运动流策略用于机器人操作

Qinglun Zhang, Shen Cheng, Tian Dan, Haoqiang Fan, Guanghui Liu, Shuaicheng Liu

机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Dexmal 纠错

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

AI总结 本文提出E3Flow框架，通过球面谐波表示实现高效且稳定的多模态等变学习，提升机器人操作的性能、效率和数据效率。

Comments Accepted by CVPR 2026

SG-VLA: Learning Spatially-Grounded Vision-Language-Action Models for Mobile Manipulation

SG-VLA：学习空间接地的视觉-语言-动作模型用于移动操作

Ruisen Tu, Arth Shukla, Sohyun Yoo, Xuanlin Li, Junxi Li, Jianwen Xie, Hao Su, Zhuowen Tu

机构 * UC San Diego（南加洲大学） ； Lambda, Inc（Lambda公司） 纠错

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

AI总结 本文提出SG-VLA模型，通过辅助任务协同训练和多模态输入增强，提升移动操作中视觉-语言-动作模型的空间感知与表征能力，实现在家庭环境中更高效的物体抓取与操作。

NL2SpaTiaL: Generating Geometric Spatio-Temporal Logic Specifications from Natural Language for Manipulation Tasks

NL2SpaTiaL: 从自然语言生成几何时空逻辑规范用于操作任务

Licheng Luo, Kaier Liang, Yu Xia, Mingyu Cai

机构 * University of California, Riverside（加州大学河滨分校） ； Lehigh University（莱恩大学） 纠错

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

AI总结 本文提出NL2SpaTiaL框架，通过生成层次化逻辑树实现自然语言到时空逻辑规范的高效转换，解决了传统方法在深度嵌套下的性能问题，验证了结构化方法在操作任务验证中的有效性。

GAPG: Geometry Aware Push-Grasping Synergy for Goal-Oriented Manipulation in Clutter

GAPG：面向目标操作的几何感知推抓取协同

Lijingze Xiao, Jinhong Du, Yang Cong, Supeng Diao, Yu Ren

机构 * College of Automation Science and Engineering, South China University of Technology（华南理工大学自动化科学与工程学院） 纠错

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

AI总结 本文提出GAPG框架，通过整合点云数据，利用几何关系评估抓取与推动作，提升机器人在杂乱环境中的安全性和效率。

Comments Accepted to ICRA 2026

Speedup Patch: Learning a Plug-and-Play Policy to Accelerate Embodied Manipulation

加速补丁：学习一种插件式策略以加快具身操作

Zhichao Wu, Junyin Ye, Zhilong Zhang, Yihao Sun, Haoxin Lin, Jiaheng Luo, Haoxiang Ren, Lei Yuan, Yang Yu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China ； School of Artificial Intelligence, Nanjing University, China ； Mila-Quebec AI Institute \& Université de Montréal, Canada 纠错

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

AI总结 本文提出Speedup Patch，一种轻量且策略无关的框架，通过仅使用离线数据实现插件式加速，通过约束马尔可夫决策过程优化调度器，提升执行效率而不牺牲任务性能。

Rapid Adaptation of Particle Dynamics for Generalized Deformable Object Mobile Manipulation

粒子动力学快速适应用于广义变形物体移动操作

Bohan Wu, Roberto Martín-Martín, Li Fei-Fei

机构 * Stanford University（斯坦福大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出RAPiD方法，通过学习视觉-运动策略和动态嵌入推理，实现变形物体移动操作的高成功率。

Comments 8 pages, ICRA 2026

U-ARM : Ultra low-cost general teleoperation interface for robot manipulation

U-ARM：超低成本通用机器人操控接口

Yanwen Zou, Zhaoye Zhou, Chenyang Shi, Zewei Ye, Junda Huang, Yan Ding, Bo Zhao

机构 * School of AI, SJTU（1 人工智能学院，上海交通大学） ； EvoMind Tech（2 EvoMind科技） ； IAAR-Shanghai（3 上海IAAR） 纠错

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

AI总结 U-ARM提出一种低成本且快速适应的遥控框架，通过三种结构不同的3D打印领导者臂实现与多数商用机械臂的兼容，成本仅为50.5美元和56.8美元，提升了操控效率和任务成功率。

DexViTac: Collecting Human Visuo-Tactile-Kinematic Demonstrations for Contact-Rich Dexterous Manipulation

DexViTac：收集人类视觉-触觉-运动示范以实现富接触的灵巧操作

Xitong Chen, Yifeng Pan, Min Li, Xiaotian Ding

机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology（智能制造装备与技术国家重点实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Wuhan Huaweike Intelligent Technology Co., Ltd.（武汉华为凯科技有限公司） 纠错

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

AI总结 DexViTac通过高保真采集第一人称视觉、高密度触觉感知、末端执行器姿态和手部运动学，构建了超过2400个视觉-触觉-运动学示范的多模态数据集，提升了接触丰富灵巧操作的学习效率和成功率。

Comments 9 pages, 9 figures.Project page: https://xitong-c.github.io/DexViTac/

Push, Press, Slide: Mode-Aware Planar Contact Manipulation via Reduced-Order Models

推、按、滑：基于降阶模型的模式感知平面接触操作

Melih Özcan, Umut Orguner, Ozgur S. Oguz

机构 * Dept. of Electrical and Electronics Engineering, Middle East Technical University（电子工程系，中东技术大学） ； Dept. of Computer Engineering, Bilkent University（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(abstract)；分类 cs.RO

AI总结 本文提出一种基于接触拓扑选择和降阶运动学建模的平面操作框架，通过将复杂力矩-扭动极限面力学抽象为物理直观的离散库，实现高效接触力分配与轨迹生成。

Comments 8 pages, 13 figures. Submitted to IEEE IROS 2026

DySL-VLA: Efficient Vision-Language-Action Model Inference via Dynamic-Static Layer-Skipping for Robot Manipulation

DySL-VLA：通过动态-静态层跳过实现高效的视觉-语言-动作模型推理以用于机器人操作

Zebin Yang, Yijiahao Qi, Tong Xie, Bo Yu, Shaoshan Liu, Meng Li

机构 * Institute for Artificial Intelligence（人工智能研究院） ； School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； Shenzhen Institute of Artificial Intelligence（深圳人工智能研究所） ； School of Electronics Engineering and Computer Science, Peking University（电子工程与计算机科学学院，北京大学） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进制造创新中心） 纠错

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

AI总结 本文提出DySL-VLA框架，通过动态跳过视觉-语言-动作层来降低计算成本，提升机器人操作任务的实时性能，实验表明在Calvin数据集上成功长度提升2.1%，参数减少85.7倍，速度提升3.75倍。

Comments DAC 2026

CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation

CompliantVLA-adaptor：基于视觉-语言模型的变量阻抗控制用于安全的高接触密度操作

Heng Zhang, Wei-Hsing Huang, Qiyi Tong, Gokhan Solak, Puze Liu, Kaidi Zhang, Sheng Liu, Jan Peters, Yu She, Arash Ajoudani

机构 * Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy（人机交互实验室，意大利理工学院，热那亚，意大利） ； Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova, Genoa, Italy（机器人与智能机器国家利益博士项目和热那亚大学，热那亚，意大利） ； Edwardson School of Industrial Engineering, Purdue University, West Lafayette, IN 47907, USA（工业工程埃德华森学校，普渡大学，西拉法克萨，印第安纳州47907，美国） ； Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院，亚特兰大，美国） ； German Research Center for AI, Germany（德国人工智能研究中心，德国） ； TU Darmstadt, Darmstadt, Germany（图宾根大学，图宾根，德国） ； Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄理工学院，卡尔斯鲁厄，德国） 纠错

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

AI总结 本文提出CompliantVLA-adaptor，通过引入基于视觉语言模型的上下文感知变量阻抗控制，提升接触密集任务的安全性和有效性。方法通过图像和自然语言解读任务上下文，调节阻抗控制器的刚度和阻尼参数，并利用实时力/扭矩反馈确保安全。实验表明在模拟和现实任务中均优于基线方法。

Comments under review

MoE-ACT: Scaling Multi-Task Bimanual Manipulation with Sparse Language-Conditioned Mixture-of-Experts Transformers

MoE-ACT：通过稀疏语言条件混合专家变压器扩展多任务双臂操作

Kangjun Guo, Haichao Liu, Yanji Sun, Ruhan Zhao, Jinni Zhou, Jun Ma

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

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

AI总结 本文提出MoE-ACT框架，通过稀疏混合专家模块和FiLM动态调节，提升多任务双臂操作的鲁棒性和泛化能力，实验显示成功率提升33%。

Master Micro Residual Correction with Adaptive Tactile Fusion and Force-Mixed Control for Contact-Rich Manipulation

通过自适应触觉融合和力混合控制实现接触密集操作的主微残差校正

Xingting Li, Yifan Xie, Han Liu, Wei Hou, Guangyu Chen, Shoujie Li, Wenbo Ding

机构 * Shenzhen Ubiquitous Data Enabling Key Lab, Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China（深圳智能数据赋能重点实验室，深圳国际研究生院，清华大学，深圳518055，中国） ； School of Electronics and Communication Engineering, Sun Yat-sen University, Shenzhen 518107, China（电子与通信工程学院，中山大学，深圳518107，中国） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore 639956, Singapore（机械与航空航天工程学院，南洋理工大学，新加坡639956，新加坡） 纠错

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

AI总结 本文提出M2-ResiPolicy，结合高阶动作指导与低阶校正，通过触觉强度驱动的自适应融合机制和力混合PBIC执行层，提升接触密集操作的精度与安全性。

Learning Dexterous Manipulation with Quantized Hand State

通过量化手状态学习灵巧操作

Ying Feng, Hongjie Fang, Yinong He, Jingjing Chen, Chenxi Wang, Zihao He, Ruonan Liu, Cewu Lu

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

AI总结 本文提出DQ-RISE方法，通过量化手状态简化手部动作预测，同时允许手臂动作与紧凑手状态协同扩散，从而实现更平衡高效的灵巧操作学习。

Comments accepted by ICRA 2026

ST-VLA: Enabling 4D-Aware Spatiotemporal Understanding for General Robot Manipulation

ST-VLA：为通用机器人操作实现4D感知的时空理解

You Wu, Zixuan Chen, Cunxu Ou, Wenxuan Wang, Wenbo Huang, Lin Cao, Yangtao Chen, Weichao Qiu, Xingyue Quan, Jieqi Shi, Jing Huo, Yang Gao

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

AI总结 ST-VLA通过统一的3D-4D表示连接感知与动作，利用ST-Human数据集训练时空视觉语言模型，提升复杂3D场景中的鲁棒性和泛化能力。

Comments 25 pages, under review

Coordinated Manipulation of Hybrid Deformable-Rigid Objects in Constrained Environments

在受限环境中协调操控混合变形-刚性物体

Anees Peringal, Anup Teejo Mathew, Panagiotis liatsis, Federico Renda

机构 * Department of Mechanical and Nuclear Engineering, Khalifa University（卡利法大学机械与核工程系） ； Khalifa University Center for Autonomous Robotic Systems (KUCARS)（卡利法大学自主机器人系统中心） ； Department of Computer Science, Khalifa University（卡利法大学计算机科学系） 纠错

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

AI总结 本文提出基于准静态优化的操控规划器，利用应变基的Cosserat杆模型处理混合变形-刚性物体，实现通过约束环境中的任务空间目标，实验验证了其在受限环境中的有效性。

Comments 15 pages, 10 figures

COAD: Constant-Time Planning for Continuous Goal Manipulation with Compressed Library and Online Adaptation

COAD：基于压缩库和在线适应的连续目标操纵的常数时间规划

Adil Shiyas, Zhuoyun Zhong, Constantinos Chamzas

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute (WPI)（机器人工程系，沃斯特理工学院（WPI）） 纠错

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

AI总结 COAD通过压缩库和在线适应实现连续目标参数化任务空间的常数时间规划，减少运动库规模并提升规划效率与路径质量。

Comments Adil Shiyas and Zhuoyun Zhong contributed equally to this work

AOMGen: Photoreal, Physics-Consistent Demonstration Generation for Articulated Object Manipulation

AOMGen: 为关节物体操控生成逼真、物理一致的演示

Yulu Wu, Jiujun Cheng, Haowen Wang, Dengyang Suo, Pei Ren, Qichao Mao, Shangce Gao, Yakun Huang

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

AI总结 本文提出AOMGen框架，通过单次真实扫描、演示和数字资产库生成逼真训练数据，提升机器人操控任务的成功率。

Comments Accepted by CVPR Findings2026

Scalable Surface-Based Manipulation Through Modularity and Inter-Module Object Transfer

通过模块化和模块间物体转移实现可扩展的表面操控

Pratik Ingle, Jørn Lambertsen, Kasper Støy, Andres Faina

机构 * IT University（丹麦技术大学） 纠错

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

AI总结 本文提出了一种多模块柔软操控平台，通过模块间物体转移和共享边界驱动实现亚厘米级定位，同时减少驱动器数量并降低模块间干扰，为食品加工和物流等应用提供可扩展的柔软操控解决方案。

Comments 8 pages

FreeTacMan: Robot-free Visuo-Tactile Data Collection System for Contact-rich Manipulation

FreeTacMan: 无需机器人的人工智能视觉-触觉数据采集系统用于接触密集的 manipulation

Longyan Wu, Checheng Yu, Jieji Ren, Li Chen, Yufei Jiang, Ran Huang, Guoying Gu, Hongyang Li

机构 * Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Shanghai University（上海大学） 纠错

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

AI总结 FreeTacMan 提出了一种无需机器人的视觉-触觉数据采集系统，通过可穿戴抓取器和高精度光学跟踪系统，实现了高效的数据收集和多模态数据集的构建，推动了机器人 manipulation 的研究。