机器人 / 具身智能

GAPLE: Generalizable Approaching Policy LEarning for Robotic Object Searching in Indoor Environment

Xin Ye, Zhe Lin, Joon-Young Lee, Jianming Zhang, Shibin Zheng, Yezhou Yang

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

3D Human Pose Estimation in RGBD Images for Robotic Task Learning

Christian Zimmermann, Tim Welschehold, Christian Dornhege, Wolfram Burgard, Thomas Brox

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

Comments Accepted to ICRA 2018. Video and Code (ROS node) are available: http://lmb.informatik.uni-freiburg.de/projects/rgbd-pose3d/

Longitudinal Robot Learning from Demonstration with Care Providers in a Home Environment

居家环境中与照护者协作的纵向演示学习机器人

Nina Moorman, Julianna Schalkwyk, Vriksha Srihari, Qingyu Xiao, Kamel Alrashedy, Hongseok Jeong, Kiersten Lange, Matthew B. Luebbers, Matthew Gombolay

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本研究针对居家环境中无专家反馈时非专业照护者教机器人的障碍，采用预训练与自适应反馈开展多轮人体实验，拟开源相关LfD辅助任务数据集。

Comments ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction

Learning Transferable Motor Skills for Geometry-Aware Robotic Surface Tasks

面向几何感知的机器人表面任务的可迁移运动技能学习

Miroslav David, Karla Stepanova, Robert Babuska

机构 * Czech Institute of Informatics, Robotics, and Cybernetics（捷克信息学、机器人学与自动化研究所） ； Czech Technical University in Prague（布拉格捷克技术大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 提出一种模块化框架，将几何运动规划与执行级专家行为解耦，通过可解释的原子运动规则和神经网络推断，实现跨几何形状的迁移学习。

Comments In: Workshop on Geometry in the Age of Data-Driven Robotics, ICRA 2026, Vienna, 2026

RIO: Flexible Real-Time Robot I/O for Cross-Embodiment Robot Learning

RIO：灵活的实时机器人输入输出用于跨躯体机器人学习

Pablo Ortega-Kral, Eliot Xing, Arthur Bucker, Vernon Luk, Junseo Kim, Owen Kwon, Angchen Xie, Nikhil Sobanbabu, Yifu Yuan, Megan Lee, Deepam Ameria, Bhaswanth Ayapilla, Jaycie Bussell, Guanya Shi, Jonathan Francis, Jean Oh

机构 * Carnegie Mellon University（卡内基梅隆大学） ； TU Delft（代尔夫特理工大学） ； Lavoro AI ； Bosch Center for AI（博世人工智能中心） 纠错

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

AI总结 RIO框架提供灵活的机器人控制和部署组件，支持多种硬件平台和形态，通过开放源代码加速真实机器人学习。

Comments 14 pages, 12 figures, 5 tables. Accepted to Robotics: Science and Systems (RSS) 2026

GUIDES: Guidance Using Instructor-Distilled Embeddings for Pre-trained Robot Policy Enhancement

GUIDES: 利用教师蒸馏嵌入进行预训练机器人策略增强

Minquan Gao, Xinyi Li, Qing Yan, Xiaojian Sun, Xiaopan Zhang, Chien-Ming Huang, Jiachen Li

机构 * University of California, Riverside（加州大学河滨分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 GUIDES通过教师蒸馏嵌入提升预训练机器人策略，实现语义增强与高效升级

Comments IEEE International Conference on Robotics and Automation (ICRA 2026)

ArthroCut: Autonomous Policy Learning for Robotic Bone Resection in Knee Arthroplasty

ArthroCut：膝关节置换术中机器人骨切除的自主策略学习

Xu Lu, Yiling Zhang, Wenquan Cheng, Longfei Ma, Fang Chen, Hongen Liao

机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Longwood Valley MedTech 纠错

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

AI总结 ArthroCut通过结合术前和术中数据，实现膝关节置换术中骨切除的自主策略学习，提升机器人手术的自主性和可解释性。

Comments Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA)

Transformer-XL for Long Sequence Tasks in Robotic Learning from Demonstration

Transformer-XL在机器人学习从示范中的长序列任务应用

Gao Tianci

机构 * Bauman Moscow State Technical University（巴甫洛夫莫斯科国立技术大学） 纠错

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

AI总结 本文提出利用Transformer-XL处理机器人学习从示范中的长序列任务，通过多模态传感器输入提升任务成功率和计算效率。

Comments 11 pages,4 figures

Journal ref Tianci G. Transformer-xl for long sequence tasks in robotic learning from demonstrations[C]//International Conference on Intelligent Systems. Cham: Springer Nature Switzerland, 2024: 25-36

ClutterGen: A Cluttered Scene Generator for Robot Learning

Yinsen Jia, Boyuan Chen

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

Comments Accepted by 8th Annual Conference on Robot Learning

Adversarial Training is Not Ready for Robot Learning

Mathias Lechner, Ramin Hasani, Radu Grosu, Daniela Rus, Thomas A. Henzinger

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

Comments Accepted at the IEEE International Conference on Robotics and Automation (ICRA) 2021

Task-Adaptive Robot Learning from Demonstration with Gaussian Process Models under Replication

Miguel Arduengo, Adrià Colomé, Júlia Borràs, Luis Sentis, Carme Torras

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

Comments 8 pages, 9 figures

Journal ref IEEE Robotics and Automation Letters, 2021

Small Variance Asymptotics for Non-Parametric Online Robot Learning

Ajay Kumar Tanwani, Sylvain Calinon

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

Comments accepted in International Journal of Robotics and Research (IJRR)

VideoVLA: Video Generators Can Be Generalizable Robot Manipulators

VideoVLA: 视频生成器可以成为通用的机器人操作器

Yichao Shen, Fangyun Wei, Zhiying Du, Yaobo Liang, Yan Lu, Jiaolong Yang, Nanning Zheng, Baining Guo

机构 * IAIR, Xi’an Jiaotong University（人工智能研究院、西安交通大学） ； Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学） 纠错

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

AI总结 VideoVLA通过将视频生成模型转化为机器人VLA操作器，实现了动作与视觉后果的双预测，提升机器人操作的泛化能力。

Comments Project page: https://videovla-nips2025.github.io

Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems(NeurIPS2025)

MoSE: Skill-by-Skill Mixture-of-Experts Learning for Embodied Autonomous Machines

Lu Xu, Jiaqian Yu, Xiongfeng Peng, Yiwei Chen, Weiming Li, Jaewook Yoo, Sunghyun Chunag, Dongwook Lee, Daehyun Ji, Chao Zhang

机构 * Advanced Research Lab, Samsung Research China-Beijing（三星研究院中国北京先进研究实验室） ； Manufacturing/Material Handling AI Lab (DS AI Center)（制造/物料处理AI实验室（DS AI中心）） 纠错

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

Learning an Actionable Discrete Diffusion Policy via Large-Scale Actionless Video Pre-Training

Haoran He, Chenjia Bai, Ling Pan, Weinan Zhang, Bin Zhao, Xuelong Li

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

Comments Accepted by NeurIPS 2024. 24 pages

Deep Movement Primitives: toward Breast Cancer Examination Robot

Oluwatoyin Sanni, Giorgio Bonvicini, Muhammad Arshad Khan, Pablo C. Lopez-Custodio, Kiyanoush Nazari, Amir M. Ghalamzan E.

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 To appear in the 36th AAAI conference

Hierarchically Decoupled Imitation for Morphological Transfer

Donald J. Hejna, Pieter Abbeel, Lerrel Pinto

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

Comments International Conference on Machine Learning (ICML) 2020 camera ready submission

Bridging Teacher Expectations and Robot Learning via Coupling Dynamics

通过耦合动力学弥合教师期望与机器人学习之间的差距

Evan Dallas, Sean Dallas, Wing-Yue Geoffrey Louie

机构 * Oakland University（奥克兰大学） 纠错

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

AI总结 本文提出一种基于耦合动力学的人机教学交互分类量表，应用于相关文献以探究耦合动力学与教师心智模型不匹配对教学有效性及人类感知的影响。

Comments 8 pages, 1 figure

Teaching is a Process: The TOSS Framework for Modeling Human Teaching Decisions in Human-Interactive Robot Learning

教学是一个过程：用于建模人机交互机器人学习中人类教学决策的TOSS框架

Bernhard Hilpert, Kim Baraka, Joost Broekens

机构 * LIACS, Leiden University（莱顿大学LIACS学院） ； VU Amsterdam（阿姆斯特丹自由大学） 纠错

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

AI总结 本研究通过34名参与者的实验揭示人类教学决策的构成，提出TOSS框架，为理解教学决策、模拟神谕及设计机器人学习算法提供数据集与理论基础。

Seeing the Bigger Picture: 3D Latent Mapping for Mobile Manipulation Policy Learning

看见更大的图景：用于移动操作策略学习的3D潜在映射

Sunghwan Kim, Woojeh Chung, Zhirui Dai, Dwait Bhatt, Arth Shukla, Hao Su, Yulun Tian, Nikolay Atanasov

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

AI总结 本文提出SBP方法，通过3D潜在映射提升移动操作策略的学习性能，实现更强的空间和时间推理能力。

Comments ICRA 2026, project page: https://existentialrobotics.org/sbp_page/

Temporal Policy: History-Initialized Action Generation for Robotic Learning from Demonstration

时间策略：用于机器人演示学习的历史初始化动作生成

Dylan Miller, Martin Jagersand

机构 * University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 本文提出Temporal Policy生成框架，将动作生成为时间耦合传输问题，在降低近一个数量级传输成本的同时匹配基线成功率，实现高频闭环控制。

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

P3: Probabilistic Policy Propagation for Stable VAE-Based Robot Learning

P3：基于稳定变分自编码器的机器人学习的概率策略传播

Liyun Yan, Jianming Ma, Yang Zhang, Shengcheng Fu, Zhanxiang Cao, Keqi Zhu, Yizhi Chen, Yue Gao

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

AI总结 研究基于变分自编码器的机器人学习中随机潜变量与近端策略优化不匹配问题，提出P³框架，它结合概率方法与采样校准，实验表明可提高数据效率、减少收敛步数，为人形跑酷任务的基于变分自编码器的PPO奠定基础。

Progress Reward Modeling for Robotic Learning: A Comprehensive Survey

机器人学习中的进度奖励建模：全面综述

Jianshu Zhang, Keliang Wu, Haoran Lu, Anbang Liu, Ce Zhang, Weijie Yin, Chengxuan Qian, Xiyuan Yang, Zhenyu Pan, Guo Ye, Han Liu

机构 * Northwestern University（西北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Santa Barbara（加利福尼亚大学圣塔芭芭拉分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 该综述针对机器人学习中进度奖励建模缺乏共享框架的问题，分三步组织领域研究，包括研究进度模型接口、构建信号方法及支持数据基准，将模型相关要点联系起来，还总结了局限并探讨未来方向。

Comments Project page: https://github.com/sterzhang/Awesome-Progress-Models

RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation

RoboSnap：用于可泛化机器人学习与评估的一次性真实到模拟场景生成

Shujie Zhang, Jingkun Yi, Weipeng Zhong, Zirui Zhou, Yangkun Zhu, Hanqing Wang, Xudong Xu, Weinan Zhang, Chunhua Shen

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； 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

AI总结 针对构建物理稳定且视觉逼真场景缓慢昂贵的问题，提出RoboSnap框架，通过分层设计将单张RGB图像转为模拟场景，实验证明其能实现轨迹重放等，还引入DROID-Sim数据集，凸显真实到模拟方法对机器人学习评估的价值。

Comments 24 pages, 16 figures, Project page: https://robosnap.github.io

X-Morph: Human Motion Priors for Scalable Robot Learning Across Morphologies

X-Morph：跨形态可扩展机器人学习的人类运动先验

Ritwik Sharma, Shivam Sood, Arhaan Jain, Shyam Charan Kesavamoorthi, Chengyang He, Guillaume Sartoretti

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出X-Morph流水线，将人类运动转化为适用于多种非人形腿式机器人（四足、六足、四足操作器）的可部署运动与操作策略，通过跨形态重定向和强化学习实现，支持视频遥操作等下游任务。

STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning

STEAM: 面向真实世界机器人学习的自监督时间集成优势建模

Zhihao Liu, Qiuyi Gu, Yitao Wang, Dongming Qiao, Yixian Zhang, Shuaihang Chen, Liangzhi Shi, Tianxing Zhou, Zefang Huang, Kang Chen, Zhen Guo, Quanlu Zhang, Jincheng Yu, Xiaodan Liang, Guoliang Fan, Yu Wang, Feng Gao, Xinlei Chen, Chao Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Striding AI ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy（中关村学院） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Infinigence AI 纠错

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

AI总结 提出自监督时间集成优势建模（STEAM），利用专家轨迹中帧对的时间偏移作为自监督信号，学习帧级优势以区分进展与失败，结合CFGRL在多种真实任务中提升策略成功率。

DeformGen: Dynamics-Based Topology Augmentation for Deformable Manipulation Policy Learning

DeformGen: 基于动力学的拓扑增强用于可变形操作策略学习

Zili Lin, Wenyao Zhang, Yuyang Zhang, Zekun Qi, Junyan Lin, Hanxin Zhu, Jiaolong Yang, Zhibo Chen, Yao Mu, Xiaokang Yang, Xin Jin, Wenjun Zeng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Microsoft Research（微软研究院） 纠错

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

AI总结 提出DeformGen框架，通过局部物理扰动和动力学前向模拟生成拓扑一致的可变形状态，并利用变形场扭曲转移操作轨迹，联合增强状态分布与操作行为，提升可变形操作策略学习。

Neural Associative Skill Memories for safer robotics and modelling human sensorimotor repertoires

神经关联技能记忆用于更安全的机器人及建模人类传感器运动 repertoire

Pranav Mahajan, Mufeng Tang, T. Ed Li, Ioannis Havoutis, Ben Seymour

机构 * University of Oxford（牛津大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文提出神经关联技能记忆框架，通过自监督预测编码统一技能学习与表达，实现故障检测与上下文感知执行，提升机器人安全性和生物传感器运动学习研究。

Journal ref Neural Computation (2026) 38 (1): 1-27

Learning from Demonstration with Failure Awareness for Safe Robot Navigation

基于失败意识的学习用于安全机器人导航

Xianghui Wang, Siwei Cheng, Shanze Wang, Xinming Zhang, Dan Zhang, Wei Zhang

机构 * Department of Mechanical Engineering, The Hong Kong Polytechnic University（香港理工大学机械工程系） ； College of Information Science and Technology, Eastern Institute of Technology（东华理工大学信息科学学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空与航空工程系） 纠错

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

AI总结 本文提出一种失败意识学习框架，通过分离成功与失败数据提升机器人导航安全性，减少碰撞并保持任务成功率。

Conservative Offline Robot Policy Learning via Posterior-Transition Reweighting

通过后过渡重加权实现保守的离线机器人策略学习

Wanpeng Zhang, Hao Luo, Sipeng Zheng, Yicheng Feng, Haiweng Xu, Ziheng Xi, Chaoyi Xu, Haoqi Yuan, Zongqing Lu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BeingBeyond 纠错

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

AI总结 本文提出PTR方法，通过后验过渡重加权实现保守的离线机器人策略学习，根据样本后作用后果的可归因性分配信用，提升对异质机器人数据的适应性。