机器人 / 具身智能

Data and Learning Where it Matters for Contact-Rich Manipulation

数据与学习在高度依赖接触的操作中的关键作用

Oliver Hausdörfer, Linus Schwarz, Gabor Marko, Christian Dietz, Timo Class, Luka Hofer, Jim Yun-Jin Li, Johannes Hechtl, Ralf Römer, Angela P. Schoellig

机构 * TU Munich（慕尼黑工业大学） ； Siemens AG（西门子公司） 纠错

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

AI总结 研究针对高度依赖接触的操作中数据与学习的问题，提出结合离线深度强化学习的自动数据收集方案，仅用少量自主数据收集，在四个现实任务中平均成功率达96%，为相关任务的数据收集和精密应用高成功率奠定基础。

Comments Project webpage: https://anonymous.4open.science/w/data_and_learning_where_it_matters/

Detector Confidence Signals Presence Rather Than Occlusion in Cluttered Manipulation

检测器在杂乱操作中检测的是物体存在而非遮挡

Yuanzhi He

机构 * School of Computer Science & Informatics, Cardiff University（计算机科学与信息学院，卡迪夫大学） 纠错

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

AI总结 研究开放词汇检测器在物体被遮挡时的表现，通过与几何分割预言机配对审核其对遮挡的反映，发现其置信度与可见性无关，会误判，基于置信度的指标和门控有问题，还将效应与校准错误等联系起来并给出建议。

Comments 12 pages, 3 figure, 6 tables

HABIT: Human-Aware Behavior and Interaction Training Dataset for Robot Manipulation

HABIT：用于机器人操作的人类感知行为与交互训练数据集

Jaehwi Song, Suchae Jeong, Byeongguk Jeon, Sungdong Kim, Minjoon Seo, Hyungmok Son, Kimin Lee

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 提出HABIT数据集，包含10K+集、160+小时的人类在场机器人演示，覆盖协作、共事和监督三类交互任务，训练出人类感知行为（时空同步、避让、手势理解）并支持快速适应新交互任务。

Comments 30 pages, 26 figures

CoRDE: Concept-Prior Routed Diffusion Experts for Structural Generalization in Robot Manipulation

CoRDE：面向机器人操作结构泛化的概念先验路由扩散专家

Haidong Huang, Xixin Zhao, Yaohua Zhou, Jiayu Song, Jiayi Zhang, Jun Ma, Haiyue Zhu, Xiaocong Li

机构 * College of Information Science and Technology, Eastern Institute of Technology, Ningbo（宁波东方理工大学（暂名）信息科学与技术学院） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology, Ningbo（浙江省工业智能与数字孪生重点实验室，宁波东方理工大学（暂名）） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统学域） ； Faculty of Science and Engineering, University of Nottingham Ningbo China（宁波诺丁汉大学理工学院） 纠错

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

AI总结 提出CoRDE框架，通过概念先验引导路由和低秩专家池，解决扩散模型在多任务长时程操作中的结构泛化不足和路由崩溃问题。

Comments 8 pages, 3 figures, Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems

在位优势：LLM推荐系统中的品牌偏见与认知操纵动态

Xi Chu, Yupeng Hou

机构 * Trine University（特莱恩大学） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 研究LLM推荐中的品牌动态，发现知名品牌在同等规格下获100%推荐（IAI=10.0），但微弱评分优势可打破垄断；权威营销语言（如虚假临床证据）以+0.17评分点的偏差剩余价值打破垄断；多品牌GEO竞争存在社会困境，集体优化降低个体收益。

Comments 16 pages, 4 figures, 11 tables

Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom

用于腹腔镜胆囊切除术中自动夹子定位的点云分割（在体模上）

Balázs Gyenes, Nikolai Franke, Paul Maria Scheikl, Pit Henrich, Rayan Younis, Gerhard Neumann, Martin Wagner, Franziska Mathis-Ullrich

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health（亥姆霍兹信息与数据科学健康学校） ； Friedrich-Alexander-University, Erlangen-Nuremberg（弗里德里希-亚历山大大学埃尔朗根-纽伦堡） ； University Hospital Carl Gustav Carus and Centre for Tactile Internet with Human-in-the-loop (CeTI), Dresden University of Technology（卡尔·古斯塔夫·卡鲁斯大学医院及德累斯顿工业大学触觉互联网人机共融卓越中心） 纠错

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

AI总结 提出首个在腹腔镜手术体模上实现自主夹子定位的机器人系统，通过点云分割和样条插值提取目标位置，利用合成数据预训练和两种数据增强克服数据稀缺，达到0.75mm精度和100%成功率。

Comments 8 pages, 5 figures, accepted to IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 8, August 2025)

Thinking Without Images: Internalizing Visual Manipulation with On-Policy Self-Distillation

无图像思考：通过在线自我蒸馏内化视觉操作

Yishuo Cai, Jiahui Liu, Yuanxin Liu, Haobo Deng, Linli Yao, Yuhao Zheng, Kun Ouyang, Zhimo Li, Ziyue Wang, Xu Sun, Haoli Bai, Xiaohui Li

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Central South University（中南大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Huawei Technologies（华为技术有限公司） 纠错

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

AI总结 提出Imagine-OPD框架，通过在线自我蒸馏将“用图像思考”的视觉推理能力内化为“用想象思考”，在不调用外部工具的情况下生成内部视觉线索，在保持性能的同时显著降低推理开销。

SG-WAM: Text-Grounded and Spatial-aware Semantic Guidance for World-Action Models

SG-WAM：面向世界-动作模型的文本 grounded 与空间感知语义引导

Junjie He, Junfeng Li, Zhide Zhong, Haodong Yan, Ruixin Li, Yangyang Zheng, Jiaguan Zhu, Tianran Zhang, Yuqiao Du, Wen Chen, Shunbo Zhou, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Ola Dimensions（奥拉维度公司） 纠错

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

AI总结 针对现有世界-动作模型（WAM）存在的视频与指令语义不对齐问题，提出基于视觉-语言模型（VLM）的SG-WAM语义引导方法，通过注入文本接地且空间感知的语义前瞻，提升了WAM的指令遵循与操纵精度，经仿真和真实实验验证有效。

Decoupling Intention from Trajectory: A Representational Deduction Framework for World Action Models

将意图与轨迹解耦：面向世界动作模型的表示演绎框架

Xiangkai Ma, Yue Ma, Junjie Wang, Sheng Xu, Mingyang Li, Han Zhang, Yuzheng Zhuang, Wenzhong Li, Zhihao Yuan

机构 * NJU（南京大学） ； HKUST（香港科技大学） ； CUHK-SZ（香港中文大学（深圳）） ； THU（清华大学） ； Joy Future Academy, JD（京东探索研究院） 纠错

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

AI总结 针对现有世界动作模型的表示纠缠问题，提出PILOT的表示演绎框架，解耦运动语义与轨迹细节，提升复杂机器人操纵任务的性能与可解释性，兼具少样本微调及架构迁移的可扩展性。

Hijacking Robots with a Piece of Paper: A Systematic Study of Physical Prompt Injection in VLM-Controlled Robots

用一张纸劫持机器人：对VLM控制机器人的物理提示注入的系统研究

S. M . Bhagya P. Samarakoon, M. A. Viraj J. Muthugala, W. K. R. Sachinthana, Mohan Rajesh Elara

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

AI总结 该研究针对VLM控制的分拣机器人，系统分析了四类物理提示注入攻击的成功率，发现其存在显著脆弱性，且三种简单防御措施可大幅降低风险。

Differential 6-DOF Pose Estimation with Provable First-Order Immunity to Camera Calibration Errors

抗相机标定误差的可证一阶差分6自由度位姿估计

Yueqiang Zhang, Liang Deng, Yi Zhang, Baoqiong Wang, Wenjun Chen, Shuixin Pan, Yulan Guo, Qifeng Yu

机构 * Shenzhen University（深圳大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 提出差分6-DOF位姿估计方法，避免独立绝对位姿估计，可证抗一阶相机外参误差，在微运动估计上优于PnP等方法，单目、双目求解器精度与效率优异。

Comments 16 pages, 15 figures

EgoGenesis: Egocentric World-Action Modeling with Online Anchored Projective Memory and Action-3D RoPE

EgoGenesis：基于在线锚定投影记忆与Action-3D RoPE的自我中心世界-动作建模

Zexuan Yan, Yuzhou Wu, Yue Ma, Zonghang He, Kaibo Yin, Xiaobing Tu, Yinggui Wang, Jinkui Ren, Xiantao Zhang, Shijian Wang, Jinghong Liu, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Tianji KernalMind Co., Ltd.（天机芯智有限公司） ； The Hong Kong University of Science and Technology（香港科技大学） ； Southeast University（东南大学） ； Renmin University of China（中国人民大学） ； The University of Tokyo（东京大学） 纠错

专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出EgoGenesis模拟器，通过在线锚定投影记忆与Action-3D RoPE合成自我中心操作视频，扩充训练数据，显著提升了真实机器人单臂、双臂任务的分布外操作成功率。

Comments project page: https://egogenesis.github.io/

An Interactive Vision Language Platform for Cognitive Remediation in Schizophrenia

用于精神分裂症认知康复的交互式视觉语言平台

Nassira Ait Mehdi, Milissa Temmam, Slimane Larabi

机构 * Computer Science Faculty, USTHB University（USTHB大学计算机科学学院） ； RIIMA Laboratory（RIIMA实验室） 纠错

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

AI总结 针对精神分裂症患者认知康复任务中动作评估依赖人工观察的问题，提出基于视觉语言模型的自动化框架，通过分析视频和微调模型验证动作，收集数据集评估，有效连接物理与临床反馈，提供可扩展客观方案。

Deep learning-based prediction of time-resolved adhesive forces in viscoelastic Hertzian contacts

基于深度学习的粘弹性赫兹接触中时间分辨粘附力预测

Ali Maghami, Merten Stender, Michele Ciavarella, Antonio Papangelo

机构 * Chair of Cyber-Physical Systems in Mechanical Engineering, Technische Universität Berlin（柏林工业大学机械工程系网络物理系统主席） ； TriboDynamics Lab, Department of Mechanics, Mathematics and Management, Polytechnic University of Bari（巴里理工大学力学、数学与管理系摩擦动力学实验室） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 研究针对软机器人等领域中快速预测粘弹性接触响应的挑战，训练标量条件、序列到序列的深度学习模型，引入FMS表示，经多种架构训练比较，最佳模型有LSTM架构，能快速预测力轨迹，为数值评估提供替代，可用于控制应用。

Asynchronous Multimodal Diffusion Policy Composition via Latency-Aware Guidance Fusion

通过延迟感知引导融合实现异步多模态扩散策略组合

Zihao He, Hongjie Fang, Shirun Tang, Cewu Lu, Haoshu Fang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Noematrix（无矩阵） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 研究针对多模态扩散策略在模态差异下的融合问题，提出LAG - Fusion框架，通过延迟感知引导融合实现异步策略组合，推导参考帧重定位规则，在接触丰富操纵实验中提升了策略响应性和任务性能。

DiMaS: Distribution Matching for Steering Vision-Language-Action Models

DiMaS：用于引导视觉-语言-动作模型的分布匹配

Pegah Khayatan, Sara Meziane, Jayneel Parekh, Matthieu Cord

机构 * ISIR, Sorbonne Université（法国国家信息与自动化研究所，索邦大学） 纠错

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

AI总结 研究针对基于流匹配的视觉-语言-动作模型细粒度行为控制不足的问题，提出DiMaS分布匹配引导策略，能有效控制行为，研究其泛化性并分析原因，推动了视觉运动设置下的分布匹配设计。

SPINE: Bridging the Cyber-Physical Gap with Agentic AI

SPINE：用智能体人工智能弥合网络物理差距

Minkyu Ham, Dongho Kim, Chan Lee, Jiayi Wang, Min Jun Kim, Yixi Zhang, Guo Ye, Jihai Zhao, Soyeon Park, Han Liu

机构 * Northwestern University（西北大学） 纠错

专题命中 机器人操作 ：robotics(abstract)；embodied AI(abstract)；分类 cs.RO、cs.AI

AI总结 研究针对机器人智能部署到物理平台存在的校准瓶颈，提出SPINE框架。该框架含两个多智能体工作流程，经实验验证，能跨双臂平台转移，减少对专家校准的依赖，提高操作成功率，缩短遥操作时间，推动具身人工智能向实际部署发展。

A Glimpse into Long-term Physical Coexistence with Intelligent Robots

深入了解与智能机器人的长期物理共存

Weiqi Jin, Peijun Tang, Kuncheng Luo, Baifu Huang, Binyan Sun, Haotian Yang, Shangjin Xie, Jianan Wang

机构 * Astribot Team（Astribot团队） 纠错

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

AI总结 研究与智能机器人长期物理共存问题，提出基于机器人网关抽象的多机器人代理PHILIA，解耦代理推理与机器人执行，实现即插即用集成，在Astribot S1机器人上验证架构，展示用例，强调人机交互流程对有效协助的重要性。

More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning

更多结构，而非更多容量：用于视觉运动模仿学习的以对象为中心的表示

Yi Li, Alexandre Chapin, Liming Chen, Jan Peters, Alap Kshirsagar

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

AI总结 研究视觉运动模仿学习，对比全局场景嵌入等传统视觉模型，测试以对象为中心的插槽表示，发现其结构优势，如更高成功率，还通过故障分类法分析故障类型，指出遮挡是主要瓶颈，为视觉运动模仿学习提供新方法和见解。

Training and Evaluating Diffusion Policies with Long Context Lengths

训练和评估具有长上下文长度的扩散策略

Abhinav Agarwal, Adam Wei, Taylan Kargin, Michael Zeng, Cole Becker, Arif Kerem Dayi, Pablo Parrilo, Asuman Ozdaglar, Russ Tedrake

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文首次详细研究模仿学习中上下文长度的影响，发现简单扩展上下文长度并不脆弱，并提出联合训练多上下文长度策略的方法以降低样本复杂度。

A Continual Learning Framework for Adaptive Control of Modular Soft Robots

一种用于模块化软机器人自适应控制的持续学习框架

Nilay Kushawaha, Muhammad Sunny Nazeer, Baljinder Singh Bal, Cecilia Laschi, Egidio Falotico

机构 * The BioRobotics Institute, Scuola Superiore Sant’Anna（生物机器人研究所，圣安娜高等学校） ； Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna（机器人与人工智能卓越系，圣安娜高等学校） ； Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； ETIS Lab UMR8051 CY Cergy Paris University - ENSEA - CNRS（ETIS实验室UMR8051，CY赛尔吉 - 巴黎大学 - ENSEA - 法国国家科学研究中心） 纠错

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

AI总结 针对模块化软机器人设计控制器的挑战，提出持续学习启发的控制框架，能顺序学习新配置不忘旧知识，可分布式学习特定模块动力学，经实验验证其能适应形态变化并减少计算开销。

Learning 4D Geometric Priors for Inference-Efficient World Action Models

学习用于高效推理世界行动模型的4D几何先验

Jianjun Zhang, Jian Zhu, Taiyi Su, Chong Ma, Zitai Huang, Yi Xu, Hanli Wang

机构 * Midea AI Research Centers（美的人工智能研究中心） 纠错

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

AI总结 研究针对世界行动模型在捕捉操作所需几何信息不足的问题，提出MECo-WAM模型，通过注入4D几何先验、采用多专家协同训练等方法，在不增加推理成本的情况下提升了机器人操作性能。

Comments 9 pages, 6 figures

Simple-to-Complex Structured Demonstrations for Vision-Language-Action Learning

用于视觉-语言-动作学习的从简单到复杂的结构化演示

Xinchuan Qiu, Yi Yu

机构 * Graduate School of Advanced Science and Engineering, Hiroshima University（广岛大学先进科学与工程研究生院） 纠错

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

AI总结 研究视觉-语言-动作模型中演示的收集与组织问题，提出用双臂机器人平台的从简单到复杂结构化演示收集策略，依三原则组织数据，提升了学习效率与稳定性。

Comments 20 pages

High-Fidelity One-Step Generative Visuomotor Policy via Recursive Correction, Frequency Consistency, and Contrastive Flow Matching

通过递归校正、频率一致性和对比流匹配实现高保真一步生成视觉运动策略

Yuran Chen, Xinye Cai, Zhonglin Gong, Yang Huang

机构 * School of Safety Science and Engineering, Anhui University of Science and Technology（安徽理工大学安全科学与工程学院） ； State Key Laboratory of Digital Intelligent Technology for Unmanned Coal Mining, Anhui University of Science and Technology（安徽理工大学煤矿智能开采技术与装备国家重点实验室） ； School of Artificial Intelligence, Anhui University of Science and Technology（安徽理工大学人工智能学院） 纠错

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

AI总结 研究针对生成模型多步采样有延迟、一步加速方法有偏差等问题，提出含递归校正、频率一致性和对比流匹配三机制的框架，解决相关问题，实验显示该方法在低延迟下性能优。

HiMe: Hierarchical Embodied Memory for Long-Horizon Vision-Language-Action Control

HiMe：用于长距离视觉-语言-动作控制的分层具身记忆

Li Ji, Siyin Wang, Pengfang Qian, Xiaopeng Yu, Yihai Tian, Zhaoye Fei, Jingjing Gong, Xipeng Qiu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； East China Normal University（华东师范大学） 纠错

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

AI总结 针对视觉-语言-动作模型处理非马尔可夫任务的不足，提出HiMe分层具身记忆框架，解耦智能为高频执行器等，引入动态知识系统，平衡实时执行与思考规划冲突，提升长距离任务成功率。

Learning 3D Affordances for Blade Insertion in Cluttered Stowing

学习在杂乱收纳中进行刀片插入的3D可用空间

Tianyu Li, Harpreet Sawhney, Minju Jung, Aditya Mehrotra, Kunal Mehrotra, Mudit Agrawal

机构 * Amazon Robotics（亚马逊机器人公司） 纠错

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

AI总结 研究杂乱收纳中刀片插入的3D可用空间问题，利用VulcanVoxel方法，通过基于3D占用场的掩码自动编码器，从单峰数据恢复多模态预测，提升了性能。

From Technical Metrics to User Perception: A User Study of a Multimodal Human-Robot Interaction System for Object Detection and Grasping

从技术指标到用户感知：面向物体检测与抓取的多模态人机交互系统用户研究

Jian Song, Tian Zi, Shen Guanting

机构 * Dalian University of Technology（大连理工大学） 纠错

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

AI总结 通过24名用户的受试内实验，验证了端到端任务成功率从75%提升至90%的技术改进能显著提升用户对速度、可靠性和整体能力的感知，且70.83%的用户偏好改进系统。

Comments 8 pages

Position: Vision-Language-Action Models Cannot Be Verified to Perform Physical Reasoning

立场：视觉-语言-动作模型无法被验证执行物理推理

Taozhao Chen, Ian Manchester, Huaming Chen

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

AI总结 本文指出基于预训练视觉-语言模型的VLA系统在机器人操作基准上的性能提升无法区分语义匹配与物理泛化，现有评估指标不能验证物理推理能力。

LARA: Latent Action Representation Alignment for Vision-Language-Action Models

LARA: 视觉-语言-动作模型的潜在动作表示对齐

Mengya Liu, Baoxiong Jia, Jiangyong Huang, Jingze Zhang, Siyuan Huang

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

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

AI总结 提出LARA框架，通过表示对齐联合优化潜在动作模型和视觉-语言-动作模型，利用人类视频数据提升机器人操作性能，在模拟和真实基准上平均提升约10%、5%和15%。

Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision

通过结构化阶段和关键帧监督改进视觉-语言-动作模型微调

Yuan Xu, Yixiang Chen, Kai Wang, Jiabing Yang, Peiyan Li, Qisen Ma, Yan Huang, Liang Wang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室（NLPR）多模态人工智能系统国家重点实验室（MAIS）） ； FiveAges 纠错

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

AI总结 提出StaKe框架，通过从演示中自动提取阶段分类器和关键帧预测器作为辅助监督，提升VLA模型在长时域操作任务中的微调效果，成功率相对提升14%-56%。