Real-time Active Vision for a Humanoid Soccer Robot Using Deep Reinforcement Learning
Qazvin Azad University(加兹温伊斯兰阿扎德大学);University of Leeds(利兹大学)
在本文中,我们提出了一种主动视觉方法,使用深度强化学习方法的人形足球机器人。所提出的方法自适应优化的机器人的观点,以获得最有用的地标自我定位,同时保持球进入其观点。主动视觉对于具有有限视野的类人决策机器人至关重要。为了处理主动视觉问题,先前已经提出了几种基于概率熵的方法,这些方法高度依赖于自定位模型的准确性。然而,在这项研究中,我们将这个问题描述为一个情景强化学习问题,并采用深度Q学习方法来解决它。所提出的网络只需要相机的原始图像将机器人的头部移向最佳视点。该模型显示出非常有竞争力的80%的成功率,在实现最佳的观点。我们实现了所提出的方法在Webots模拟器中模拟的人形机器人。我们的评估和实验结果表明,所提出的方法优于基于熵的方法在RoboCup的上下文中,在高自我定位错误的情况下。
2020-11-27 cs.AI cs.CV cs.LG
Selective Reviews of Bandit Problems in AI via a Statistical View
Institute of Artificial Intelligence, Beihang University(北京航空航天大学人工智能研究院);University of California San Diego(加利福尼亚大学圣迭戈分校)
本文从统计学视角综述 MAB、K 臂上下文 Bandit 与 SCAB 的模型假设、非渐近理论、频率派与贝叶斯算法、遗憾分析及函数数据分析联系,并指出进展与挑战。
2025-02-19 cs.AI cs.LG econ.EM
TwinVLA: Data-Efficient Bimanual Manipulation with Twin Single-Arm Vision-Language-Action Models
Department of Artificial Intelligence, Yonsei University(人工智能系,延世大学);Microsoft Research(微软研究院)
TwinVLA通过模块化组合预训练的单臂视觉-语言-动作模型,实现了高效双臂操作,无需额外双臂数据训练。
2026-02-23 cs.LG cs.RO
Where Does the Union Bound Go? Best-Arm Identification and Strong FWER Control
University of Twente(特温特大学);Centrum Wiskunde & Informatica(数学与计算机科学中心)
本研究探讨固定置信度最优臂识别中联合界的困惑,明确最优臂识别的两种假设定向方式,解释多重性的不同呈现形式,以跨领域术语明确其等价性。
2026-08-21 cs.LG stat.ME stat.ML
Vision-Based Shape Reconstruction of Soft Continuum Arms Using a Geometric Strain Parametrization
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Georgia Institute of Technology(佐治亚理工学院)
针对软体连续臂自主运行所需的精准形状感知需求,提出采用几何应变表示的视觉形状估计器,通过基函数降维实现高效优化,实验验证其末端估计误差小于臂半径,并对比了多种基函数效果。
2020-11-18 cs.RO
Enhancing Robotic Arm Activity Recognition with Vision Transformers and Wavelet-Transformed Channel State Information
Northeastern University(东北大学);Mayo Clinic(梅奥诊所)
针对传统视觉式机械臂活动识别依赖视距、存在隐私隐患的问题,提出结合离散小波变换与视觉Transformer的CSI感知识别方法,在多场景多活动实验中准确率优于CNN和LSTM,且视距遮挡下仍有效。
2024-07-08 cs.RO
From Vision to Harvest: Benchmarking Vision-Language Models for Multi-Arm Robotic Fruit Harvesting
University of California, Merced(加州大学默塞德分校);University of California, Davis(加州大学戴维斯分校)
该研究首次提出多臂机器人水果采摘的视觉语言模型基准测试,验证了VLM零样本规划的有效性,并指出3D路径点生成与碰撞协调是实际部署的主要瓶颈。
2026-09-15 cs.CV cs.RO
Learning Bimanual Cloth Manipulation with Vision-based Tactile Sensing via Single Robotic Arm
本文提出Touch G.O.G.,通过单个机械臂实现基于视觉的触觉感知的双臂布料操作,结合新颖抓取器设计、视觉Transformer流程和合成数据生成器,实现高精度布料识别与操作。
2026-03-11 cs.RO
Vision-based Robotic Arm Imitation by Human Gesture
Tsinghua University(清华大学);University of Alberta(阿尔伯塔大学)
对于基于学习的机器人手臂来说,学习人类处理复杂任务的最有效方法之一是直接从观察人类如何完成这些任务中学习,然后模仿。我们的思想是基于深度Q学习(DQN)算法的成功,根据强化学习,然后扩展到深度确定性策略梯度(DDPG)算法。我们开发了一种基于学习的方法,结合改进的DDPG和视觉模仿网络。我们的方法仅从单目相机获取帧,并且不需要构建3D环境或生成实际点。我们在训练中预期的结果是,机器人将能够像人手一样移动。
2018-10-04 cs.RO
TAO-DA: Towards Autonomous Operation--A Dual-Arm Vision-Language-Action Model for Coordinated Manipulation
针对现有VLA模型在双臂操作中缺乏双臂状态解耦导致交叉干扰的问题,提出对称双臂专家架构与两阶段意图路由及任务进度预测模块,实现协调操作,并验证了技能泛化与迁移。
2026-09-29 cs.AI cs.RO
Arm-wise Compositional Generalization in Dual-Arm Vision-Language-Action Models
本文提出ACG-Bench基准,研究双臂策略的臂级组合泛化,并构建AE-VLA模型,在模拟和物理机器人上显著提升泛化成功率。
2026-10-06 cs.RO
Robot Vision Architecture for Autonomous Clothes Manipulation
University of Glasgow(格拉斯哥大学)
本文提出了一种新的机器人视觉体系结构感知通用的三维服装配置。我们的体系结构是分层结构,从低级别的曲率,中间层的几何形状\拓扑结构描述,并最终接近高层次的语义表面结构描述。我们展示了我们的机器人视觉架构在一个定制的双臂工业机器人与我们自己设计的,离我的立体视觉系统,进行自主抓取和双臂展平。值得注意的是,所提出的双臂展平方法是唯一的国家的最先进的机器人自主系统,这是本文的主要贡献。实验结果表明,提出的双臂扁平化立体视觉系统显着优于单臂扁平化和广泛引用的Kinect为基础的传感系统灵巧的操作任务。此外,所提出的抓取方法取得了令人满意的性能,抓住各种服装,验证了所提出的视觉感知体系结构的能力,以适应多个服装操作任务。
2016-10-18 cs.CV cs.RO
AnyTeleop: A General Vision-Based Dexterous Robot Arm-Hand Teleoperation System
UC San Diego(加州大学圣迭戈分校);NVIDIA(英伟达公司)
针对现有视觉遥操作系统适配性差的问题,提出通用系统AnyTeleop,支持多类硬件、虚实场景和相机配置,在真实与模拟实验中性能均优于专用系统。
2024-05-16 cs.CV cs.LG cs.RO
Embed System for Robotic Arm with 3 Degree of Freedom Controller using Computational Vision on Real-Time
Instituto de Ensinos Superiores da Amazonia(亚马逊高等教育学院);Instituto Federal do Pará(帕拉联邦学院)
本文提出一种基于协议通信的分布式嵌入式控制系统,利用手套手势进行三维识别,通过模糊实现设置x、y、z坐标,实现机器人臂的实时控制。
2014-04-12 cs.RO cs.SY eess.SY
Vision-guided Autonomous Dual-arm Extraction Robot for Bell Pepper Harvesting
本文提出VADER双臂机器人,用于室外环境中的自主辣椒采摘,通过鲁棒感知和双臂规划框架实现高精度采摘,实验显示采摘成功率超60%。
2026-03-14 cs.RO
MA-VLA: Multi-Arm Vision-Language-Action Model for Collaboration and Compositional Generalization
Dalian University of Technology(大连理工大学);University of Oxford(牛津大学);Sun Yat-sen University(中山大学);Shanghai Jiao Tong University(上海交通大学);University of Science and Technology of China(中国科学技术大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Beihang University(北京航空航天大学)
MA-VLA通过将协作行为分解为原子提示并引入Arm Shuffle训练方法,解决了多臂VLA模型的协作泛化问题,在未见过的协作模式下表现优于现有模型。
2026-08-27 cs.RO
DexPilot: Vision Based Teleoperation of Dexterous Robotic Hand-Arm System
NVIDIA(英伟达);CMU(卡内基梅隆大学)
遥操作提供了赋予机器人系统复杂的推理技能,直觉和创造力来执行任务的可能性。然而,目前的遥操作解决方案的高致动度(DoA),多指机器人通常是成本高昂,而低成本的产品通常提供降低程度的控制。在此,开发了一种低成本的基于视觉的遥操作系统DexPilot,该系统仅通过观察裸露的人手就可以完全控制整个23 DoA机器人系统。DexPilot使操作员能够执行各种复杂的操作任务,而不仅仅是简单的取放操作。这允许收集高维度、多模态、状态动作数据,这些数据可以在未来被利用来学习用于具有挑战性的操纵任务的感觉运动策略。系统性能是通过两个人类演示者在各种任务上的速度和可靠性指标来测量的。实验的视频可以在https://sites.google.com/view/dex-pilot上找到。
2019-10-14 cs.CV cs.LG cs.RO
Autonomous Aggregate Sorting in Construction and Mining via Computer Vision-Aided Robotic Arm Systems
针对传统集料分拣精度低、灵活性差等问题,本研究提出集成视觉检测、立体定位与运动控制的计算机视觉辅助机械臂分拣系统,实验验证分拣成功率达97.5%,为相关行业智能自动化提供可扩展框架。
2025-08-30 cs.RO
Towards vision-based dual arm robotic fruit harvesting
LIRMM;Univ. Montpellier(蒙彼利埃大学);CNRS(法国国家科学研究中心);Monash University(莫纳什大学);Deakin University(迪肯大学)
针对非结构化环境下农业机器人采摘难题,提出双臂采摘方案,设计基于层次二次规划的控制策略满足多类硬约束,结合深度学习与图像处理实现水果和树干检测跟踪,通过真实图像和仿真实验验证了方法有效性。
2023-06-16 cs.RO
Vision-Guided Dual-Arm Humanoid Robotic Disassembly of End-of-Life 18650 Lithium-ion Battery Packs
KTH Royal Institute of Technology(瑞典皇家理工学院)
提出一种视觉引导的双臂拆解流水线,利用通用平行爪夹持器、RGB-D感知和预训练抓取检测器,在无夹具条件下从任意初始姿态拆解21节18650电池组,实现80%端到端成功率。
2026-06-06 cs.RO
A Mobile Robot Hand-Arm Teleoperation System by Vision and IMU
Universität Hamburg(汉堡大学);RWTH Aachen University(亚琛工业大学);University of California, Los Angeles(加州大学洛杉矶分校);Tsinghua University(清华大学)
在本文中,我们提出了一个多模式的移动遥操作系统,包括一个新的基于视觉的手姿态回归网络(Transteleop)和基于IMU的手臂跟踪方法。Transteleop通过低成本的深度相机观察人手,不仅生成关节角度,还通过图像到图像转换过程生成配对机器人手姿势的深度图像。一个基于关键点的重建损失探索人类和机器人之间的外观和解剖结构的相似性,并丰富了重建图像的局部特征。可穿戴摄像头支架可实现同时的手臂控制,并促进整个遥操作系统的移动性。测试数据集和各种复杂的操作任务,超越简单的取放操作的网络评估结果表明,我们的多模式遥操作系统的效率和稳定性。
2020-03-11 cs.CV cs.HC cs.RO
AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning
Shanghai Jiao Tong University(上海交通大学);Ant Group(蚂蚁集团);Shanghai Innovation Institute(上海创新研究院);Beijing Institute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院)
提出臂戴式设备AetheRock采集夹爪力、视觉和触觉数据,并设计ForceVT框架利用力和视觉引导触觉学习,解决力感知机器人学习中传感器装配不兼容问题。
2026-11-10 cs.RO
Vision-based Obstacle Removal System for Autonomous Ground Vehicles Using a Robotic Arm
North Carolina State University(北卡罗来纳州立大学);Indian Institute of Technology Patna(印度理工学院巴特那分校);Zhejiang University(浙江大学)
在过去的几年里,用于数据汇集和视觉监控应用的配备摄像头的机器人平台的使用呈指数级增长。有许多物体的杂乱建筑工地(例如,砖、管道等)地面上的环境对于移动无人驾驶地面车辆(UGV)导航是具有挑战性的环境。为了解决这个问题,本研究提出了一种移动UGV配备了一个立体摄像机和一个机械臂,可以清除沿UGV的路径障碍物。为了实现这一目标,周围的环境是由立体摄像机捕获和障碍物检测。通过机器人操作系统(ROS)将障碍物相对于UGV的位置发送到机械臂模块。然后,机械臂拾起并移除障碍物。该方法将大大提高施工监测的自动化程度和数据汇集频率。该系统通过两个案例进行了验证。结果成功地证明了障碍物的检测和清除,作为开发具有各种施工操作应用的自主UGV的有利因素之一。
2019-01-24 cs.RO
CoFreeVLA: Short-Horizon Collision-Free Dual-Arm Manipulation via Vision-Language-Action Model and Risk Estimation
CoFreeVLA通过视觉-语言-动作模型和风险估计实现双臂操作的安全性提升,有效减少自我碰撞并提高任务成功率。
2026-09-07 cs.RO
A Vision-Based Shared-Control Teleoperation Scheme for Controlling the Robotic Arm of a Four-Legged Robot
Department of Mechanical Engineering, University of São Paulo(机械工程系,圣保罗大学);Instituto Israelita de Ensino e Pesquisa Albert Einstein, Hospital Israelita Albert Einstein(艾利哈德研究所,以色列医院)
本文提出了一种基于视觉的姿态估计方法,通过检测操作员手腕位置来实现四足机器人机械臂的直观远程控制,提高了安全性和易用性。
2025-10-11 cs.CV cs.LG cs.RO
A Vision-based Sensing Approach for a Spherical Soft Robotic Arm
ETH Zurich(苏黎世联邦理工学院)
针对软体机械臂外部感知受限场景下的本体感受需求,提出一种集成相机的织物波纹管致动器视觉感知方案,通过卷积神经网络从图像预测姿态角,实现约1度精度的实时姿态估计,并经闭环控制验证了可靠性。
2020-12-11 cs.RO
Robustness Evaluation of Machine Learning Models for Robot Arm Action Recognition in Noisy Environments
Northeastern University(东北大学)
针对噪声环境下空间相近机械臂动作难以识别的问题,本文结合视觉跟踪与深度学习关键点提取,并通过井字棋案例验证其在含噪数据上的检测与分类鲁棒性。
2024-01-17 cs.CV cs.LG cs.RO
Vision-Guided Reorientation and Color Sorting of Writing Utensils Using a Low-Cost 4-DoF Arm
Dougherty Valley High School(多切蒂谷高中);University of Pennsylvania(宾夕法尼亚大学)
该研究利用感知与运动规划,让无腕部旋转关节的4自由度Waveshare RoArm-M2-S机械臂,通过YOLO11n-OBB等算法,实现了桌面书写工具的检测、校正与颜色分类,补偿了缺失的自由度。
2026-11-05 cs.RO
Self-Refining Vision Language Model for Robotic Failure Detection and Reasoning
UT Austin(德克萨斯大学);Amazon Robotics(亚马逊机器人技术);Carnegie Mellon University(卡内基梅隆大学)
ARMOR是一种自适应多任务视觉语言模型,通过多任务自 refinement 过程提升机器人故障检测与推理性能,实现故障检测率提升30%和推理表现提升100%。
2026-10-16 cs.LG cs.RO
Graph-Fused Vision-Language-Action for Policy Reasoning in Multi-Arm Robotic Manipulation
Machine Learning and I-health International Cooperation Base of Zhejiang Province, Artificial Intelligence Institute, Hangzhou Dianzi University, Zhejiang(浙江省机器学习与健康国际合作基地、人工智能学院、杭州电子大学);Electrical and Computer Engineering Department, The University of New Mexico(新墨西哥大学电气与计算机工程系);School of Computation, Information and Technology, Technical University of Munich(慕尼黑技术大学计算、信息与技术学院)
提出图融合视觉-语言-动作框架GF-VLA,从RGB-D人类演示中提取交互线索构建场景图,结合语言条件变换器生成行为树和运动原语,实现双臂任务级推理与执行,在四个基准上达到高准确率和成功率。
2025-09-09 cs.RO
Co-VLA: Coordination-Aware Structured Action Modeling for Dual-Arm Vision-Language-Action Systems
Donghua University(东华大学);Samsung R&D Institute China-Beijing (SRCB)(三星中国北京研究院);Samsung AI Center, DS Division(三星DS部门AI中心)
针对双臂紧耦合任务中隐式协调不足的问题,提出Co-VLA框架,通过结构化动作专家和潜在感知控制器显式引入协调先验,在仿真和真实场景中显著提升成功率和效率。
2026-06-19 cs.RO
TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation
Cornell University(康奈尔大学);Carnegie Mellon University(卡内基梅隆大学);Toyota Research Institute(丰田研究机构)
研究全臂操作问题,提出TACTIC控制器,它采用以接触为中心的混合预测模型,结合多种传感,通过接触雅可比矩阵耦合动力学与运动学,集成到MPC规划器,在模拟和实际任务中表现出色,优于其他方法。
2026-07-14 cs.AI cs.RO
Cyborg Insect Factory: Automatic Assembly System to Build up Insect-computer Hybrid Robot Based on Vision-guided Robotic Arm Manipulation of Custom Bipolar Electrodes
Nanyang Technological University(南洋理工大学)
本文提出基于视觉引导机械臂和定制双极电极的昆虫-计算机混合机器人自动装配系统,实现68秒完成装配,转向与减速控制性能与手动装配相当,并通过4机器人多智能体系统验证了室外复杂地形覆盖能力,为规模化生产奠定基础。
2024-11-20 cs.RO
Active Robot Vision for Distant Object Change Detection: A Lightweight Training Simulator Inspired by Multi-Armed Bandits
University of Fukui(福井大学)
针对无地图导航检测远处物体变化成本过高的问题,提出一种受多臂老虎机启发的轻量级训练模拟器与分层行动规划器,通过单次真实行程经验即可高效评估主动视觉框架的可行性,并在“沙发作为书架”场景中验证了其有效性。
2023-10-24 cs.RO
A Neurorobotic Embodiment for Exploring the Dynamical Interactions of a Spiking Cerebellar Model and a Robot Arm During Vision-based Manipulation Tasks
The Hong Kong Polytechnic University(香港理工大学);Technical University of Denmark(丹麦技术大学)
虽然开发机器人的最初目标是在危险和繁琐的任务中取代人类,但最终目标应该是完全模仿人类的认知和运动行为。因此,为人脑建立详细的计算模型是实现这一目标的合理途径之一。小脑是我们神经系统中的关键角色之一,以保证灵巧的操作和协调的运动,这是从该区域的病变中得出的结论。研究表明,它作为一个前向模型,提供预期的校正的基础上观察到的差异,从参考值的感觉信号。虽然大多数研究认为提供的教学信号在联合空间的错误,很少有研究认为在任务空间的错误,甚至更少的考虑细胞水平上的小脑尖峰性质。在这项研究中,一个详细的细胞水平的前向小脑模型,包括高尔基体和篮状细胞的建模,通常被忽略在以前的研究。为了在开发的模型中保留小脑的生物学特征,超参数优化方法相应地调整网络。建议的基于小脑的控制器的效率和生物相容性,然后证明在不同的机器人操作任务再现人类达到实验中观察到的运动行为。
2021-02-03 cs.RO
Behavioural self-monitoring for autonomous earth observation agents: The attribute reliability monitor (ARM)
Thales Alenia Space España(泰雷兹阿莱尼亚航天西班牙公司)
本研究提出属性可靠性监控器(ARM)框架,通过黑盒行为监控评估语义属性可靠性,可适配不同检测器与监控方法,经卫星热红外图像专用视觉语言模型验证,能区分操作怀疑与语义正确性,指导模型输出使用。
2026-10-14 cs.RO
Observer-Actor: Active Vision Imitation Learning with Sparse-View Gaussian Splatting
ObAct通过主动视觉探索提升双臂机器人模仿学习的鲁棒性,利用稀疏视角高斯点云增强观测清晰度,实验显示其在无遮挡和有遮挡情况下均显著优于固定相机设置。
2026-03-04 cs.CV cs.LG cs.RO
DARP: A Calibrated Dual-Arm RGB-D-IR Dataset for Multi-View Robotic Perception
The University of Alabama(阿拉巴马大学)
本文提出DARP双臂机器人感知数据集,含10种桌面物体,经评估几何一致性良好,可用于多视角重建等多类机器人感知相关研究。
2026-09-04 cs.CV cs.RO
Vision-Based Multi-Task Manipulation for Inexpensive Robots Using End-To-End Learning from Demonstration
University of Central Florida(中佛罗里达大学);University of California Berkeley(加州大学伯克利分校)
我们提出了一种多任务的示教学习技术,从演示,培训控制器的低成本的机器人手臂,以完成几个复杂的拾取和放置任务,以及非易失性操作。控制器是一个递归神经网络,使用原始图像作为输入并生成机器人手臂轨迹,其中参数在任务之间共享。该控制器还将基于VAE-GAN的重构与自回归多模态动作预测相结合。我们的研究结果表明,它是可以学习复杂的操作任务,如拿起毛巾,擦拭物体,并存放毛巾到其先前的位置,完全从原始图像与直接行为克隆。我们发现,权重共享和基于重建的正则化大大提高了泛化能力和鲁棒性,同时对多个任务进行训练可以提高所有任务的成功率。
2018-04-22 cs.AI cs.LG cs.RO
Design, Integration, and Evaluation of a Dual-Arm Robotic System for High Throughput Tissue Sampling from Potato Tubers
Washington State University(华盛顿州立大学);Cornell University(康奈尔大学)
本研究提出一种基于机器视觉引导的双臂协调机器人系统,集成块茎抓取与活检穿刺取样机构,实现了马铃薯块茎高通量低成本自动组织提取,成功率达81.5%。
2025-05-01 cs.RO
An Open Source Computer Vision and Machine Learning Framework for Affordable Life Science Robotic Automation
本文提出一个开源机器人框架,结合计算机视觉和机器学习逆运动学,实现低成本实验室自动化任务,如菌落分拣和液体处理。
2026-03-20 cs.RO
Daily Assistive View Control Learning of Low-Cost Low-Rigidity Robot via Large-Scale Vision-Language Model
The University of Tokyo(东京大学)
本研究开发了一种结合大规模视觉语言模型与低成本低刚度机械臂的日常辅助机器人,通过神经网络概率学习物理与视觉关联,并利用参数偏置适应环境变化,实现了基于语言指令的开放词汇视角控制。
2023-12-12 cs.RO
DexTele: A Dual-Arm Dexterous Teleoperation System Based on Motion Retargeting and Adaptive Force Control
School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen(人工智能学院,香港中文大学(深圳));School of Computing, University of Portsmouth(计算学院,朴茨茅斯大学)
研究针对双臂灵巧遥操作中运动重定向和抓取的挑战,提出DexTele系统,通过视觉运动重定向模块和自适应抓取模块,结合运动图编码器、视觉语言模型等技术,实现多平台精确运动重定向与柔顺抓取。
2026-07-08 cs.RO
Vision-assisted Avocado Harvesting with Aerial Bimanual Manipulation
University of California, Riverside(加州大学河滨分校)
针对牛油果等作物地面采收效率低的问题,研究设计了搭载视觉感知与双臂系统的无人机,通过固定臂稳果梗、夹持臂旋转采收,经实验验证了各组件及整体系统的采收有效性。
2024-08-17 cs.RO
REPLAB: A Reproducible Low-Cost Arm Benchmark Platform for Robotic Learning
UC Berkeley(加州大学伯克利分校)
标准化的评估措施有助于机器学习方法在计算机视觉和机器翻译等学科中的进步。在本文中,我们提出了机器人学习也将受益于基准测试的情况,并提出了“REPLAB”平台,用于基准测试基于视觉的操作任务。REPLAB是一个可复制和自包含的硬件堆栈(机器人手臂,摄像头和工作空间),成本约为2000美元,占地面积为70x40x60 cm的长方体,并允许在几个小时内完全组装。通过这种低成本、紧凑的设计,REPLAB旨在通过降低进入机器人领域的门槛来推动广泛的参与,并使许多机器人能够轻松扩展。我们设想REPLAB作为跨操作任务的可重复研究的框架,并作为在这个方向上的一步,我们定义了一个模板,包括任务定义,评估协议,性能指标,和92k抓取尝试的数据集的把握基准。我们实施,评估和分析几个以前提出的抓方法,建立基准。最后,我们还在REPLAB平台上实现并评估了一种用于3D到达任务的深度强化学习方法。包含汇编说明、代码和视频的项目页面:https://goo.gl/5F9dP4。
2019-05-17 cs.CV cs.LG cs.RO
RGBGrasp: Image-based Object Grasping by Capturing Multiple Views during Robot Arm Movement with Neural Radiance Fields
Peking University(北京大学);Imperial College London(伦敦帝国学院);Oxford University(牛津大学);Tianjin University of Technology(天津理工大学);Beijing Academy of Artificial Intelligence(北京人工智能研究院)
RGBGrasp利用神经辐射场,通过有限RGB视图和预训练深度模型实现透明及镜面物体的精确抓取,并加速3D重建,提升现实场景适应性。
2024-03-14 cs.RO
Robotic Arm Platform for Multi-View Image Acquisition and 3D Reconstruction in Minimally Invasive Surgery
University College London(伦敦大学学院)
本文提出一种机器人臂平台,通过适配腹腔镜在不同光照和轨迹下采集多视角图像并结合COLMAP进行三维重建,在微创手术场景中实现了接近亚毫米级的重建精度。
2024-10-15 cs.CV cs.RO
A Food Package Recognition and Sorting System Based on Structured Light and Deep Learning
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);Guangdong University of Finance & Economics(广东财经大学)
针对透明或反光食品包装识别困难及z轴定位需手动设置参数的问题,提出结合深度学习与结构光3D重建的自动化分拣系统,实现高精度识别与抓取,助力降本增效。
2023-09-07 cs.RO
ManiSoft: Towards Vision-Language Manipulation for Soft Continuum Robotics
Beihang University(北京航空航天大学);National University of Singapore(新加坡国立大学);Hangzhou Innovation Institute, Beihang University(北京航空航天大学杭州创新研究院)
本文提出ManiSoft基准,用于研究柔软连续机器人的视觉-语言操控,通过定制模拟器结合真实柔软体动力学和丰富的接触交互,定义了四个任务以展示变形控制的不同方面,并通过自动化流程生成6300个多样场景和专家轨迹,评估了三种代表性策略模型的性能。
2026-05-18 cs.AI cs.CV cs.RO
3D Vision-guided Pick-and-Place Using Kuka LBR iiwa Robot
The University of Manchester(曼彻斯特大学);Cardiff University(卡迪夫大学)
本文提出了一种控制系统的发展,视觉引导的拾取和放置任务,使用机器人手臂配备了一个3D摄像头。其主要步骤包括摄像机内外标定、手眼标定、初始物体位姿配准、物体位姿对准算法和取放执行。所提出的系统允许机器人能够拾取和放置对象与有限的时间注册一个新的对象和开发的软件可以应用于新的对象场景迅速。使用kuka iiwa、Robotiq夹持器(两指夹持器和三指夹持器)和3D摄像头(Intel realsense D415摄像头、Intel realsense D435摄像头、Microsoft Kinect V2)的硬件组合测试了集成系统。整个系统也可以修改为其他机械臂,夹具和3D相机的组合。
2021-02-23 cs.CV cs.RO
Hi Robot: Open-Ended Instruction Following with Hierarchical Vision-Language-Action Models
Stanford University(斯坦福大学);University of California, Berkeley(加州大学伯克利分校)
提出一种基于分层视觉-语言-动作模型的开放式指令遵循系统,通过高层推理处理复杂指令与情境反馈,并利用低级动作执行任务,在单臂、双臂及移动机器人上验证了其执行清理桌面、制作三明治等复杂任务的能力。
2025-07-15 cs.AI cs.LG cs.RO
DAM-VLA: A Dynamic Action Model-Based Vision-Language-Action Framework for Robot Manipulation
Advanced Research Lab, Samsung R&D Institute China-Beijing (SRCB)(三星研发中心中国北京先进研究实验室);Samsung AI Center, DS Division(三星人工智能中心,DS部门);Hanyang University ERICA(翰洋大学ERICA)
DAM-VLA提出了一种基于动态动作模型的视觉-语言-动作框架,通过整合视觉语言模型与扩散动作模型,提升机器人在复杂任务中的操作精度和适应性。
2026-03-01 cs.RO
ViDAL: A Visual Dynamics-Grounded Action Latent Space for Vision-Language-Action Models
CASIA(中国科学院自动化研究所);UCAS(中国科学院大学);Alibaba Group(阿里巴巴集团);FiveAges(五时代)
ViDAL通过动作变分自编码器将连续动作潜变量锚定于未来视觉动力学,构建视觉动力学接地动作潜空间,兼容多种VLA架构,在LIBERO、RoboTwin及真实机器人上显著提升成功率。
2026-10-07 cs.RO
DexHiL: A Human-in-the-Loop Framework for Vision-Language-Action Model Post-Training in Dexterous Manipulation
CASIA(中国科学院自动化研究所);SJTU(上海交通大学);Shanghai AI Laboratory(上海人工智能实验室)
DexHiL是一种用于灵巧操作中视觉-语言-动作模型后训练的人机协同框架,通过干预意识的数据采样策略和轻量级远程操作界面,显著提升了模型在不同任务中的成功率。
2026-03-10 cs.AI cs.RO