机器人 / 具身智能

Robotic Perception in Agri-food Manipulation: A Review

Jack Foster, Mazvydas Gudelis, Amir Ghalamzan Esfahani

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

Comments accepted to Task-Informed Grasping: Agri-Food manipulation (TIG-III) workshop

Learning Multi-step Robotic Manipulation Policies from Visual Observation of Scene and Q-value Predictions of Previous Action

Sulabh Kumra, Shirin Joshi, Ferat Sahin

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

Comments 7 pages, 3 figures, IEEE Conference on Robotics and Automation (ICRA) 2022. arXiv admin note: substantial text overlap with arXiv:2103.01434

OCRTOC: A Cloud-Based Competition and Benchmark for Robotic Grasping and Manipulation

Ziyuan Liu, Wei Liu, Yuzhe Qin, Fanbo Xiang, Minghao Gou, Songyan Xin, Maximo A. Roa, Berk Calli, Hao Su, Yu Sun, Ping Tan

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

Journal ref IEEE Robotics and Automation Letters, 2021

Towards Complex and Continuous Manipulation: A Gesture Based Anthropomorphic Robotic Hand Design

Li Tian, Hanhui Li, Qifa Wang, Xuezeng Du, Jialin Tao, Jordan Sia Chong, Nadia Magnenat Thalmann, Jianmin Zheng

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

Comments 8 pages, 9 figures, 3 tables, accepted by IEEE Robotics and Automation Letters

Learning Stable Normalizing-Flow Control for Robotic Manipulation

Shahbaz Abdul Khader, Hang Yin, Pietro Falco, Danica Kragic

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

Comments To be presented at IEEE International Conference on Robotics and Automation (ICRA) 2021

kPAM 2.0: Feedback Control for Category-Level Robotic Manipulation

Wei Gao, Russ Tedrake

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

Comments IEEE Robotics and Automation Letter. The video demo is on https://sites.google.com/view/kpam2/

RUR53: an Unmanned Ground Vehicle for Navigation, Recognition and Manipulation

Nicola Castaman, Elisa Tosello, Morris Antonello, Nicola Bagarello, Silvia Gandin, Marco Carraro, Matteo Munaro, Roberto Bortoletto, Stefano Ghidoni, Emanuele Menegatti, Enrico Pagello

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

Comments This article has been accepted for publication in Advanced Robotics, published by Taylor & Francis

Feature-Based Transfer Learning for Robotic Push Manipulation

Jochen Stüber, Marek Kopicki, Claudio Zito

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

Journal ref Proceeding of IEEE International Conference on Robotics and Automation (ICRA) 2018

Learning Robotic Manipulation of Granular Media

Connor Schenck, Jonathan Tompson, Dieter Fox, Sergey Levine

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

Comments Proceedings of the Conference on Robot Learning 2017 (CoRL) (to appear)

Demonstration-Free Robotic Control via LLM Agents

无需演示的机器人控制 via LLM 代理

Brian Y. Tsui, Alan Y. Fang, Tiffany J. Hwu

机构 * independent researchers（独立研究人员） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；robotics(abstract)；embodied agent(abstract)；manipulation(abstract)

AI总结 本文提出FAEA框架，利用通用大语言模型实现无需演示的机器人操控，通过迭代推理生成操控策略，在多个基准测试中取得高成功率，展示了通用代理在任务规划中的有效性。

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

ChatGPT for Robotics: Design Principles and Model Abilities

Sai Vemprala, Rogerio Bonatti, Arthur Bucker, Ashish Kapoor

专题命中 机器人操作 ：robotics(title,abstract)；embodied agent(abstract)；manipulation(abstract)；navigation(abstract)

MQA: Answering the Question via Robotic Manipulation

Yuhong Deng, Di Guo, Xiaofeng Guo, Naifu Zhang, Huaping Liu, Fuchun Sun

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；robotics(comments,journal_ref)；分类 cs.RO、cs.AI、cs.CV

Comments has been accepted by Robotics: Science and Systems 2021

Journal ref Robotics: Science and System (RSS2021)

ProcTHOR: Large-Scale Embodied AI Using Procedural Generation

Matt Deitke, Eli VanderBilt, Alvaro Herrasti, Luca Weihs, Jordi Salvador, Kiana Ehsani, Winson Han, Eric Kolve, Ali Farhadi, Aniruddha Kembhavi, Roozbeh Mottaghi

专题命中 机器人操作 ：embodied AI(title,abstract)；embodied agent(abstract)；manipulation(abstract)；navigation(abstract)

Comments ProcTHOR website: https://procthor.allenai.org

Scalable Unseen Objects 6-DoF Absolute Pose Estimation with Robotic Integration

可扩展的未知物体六自由度绝对位姿估计与机器人集成

Jian Liu, Wei Sun, Kai Zeng, Jin Zheng, Hui Yang, Hossein Rahmani, Ajmal Mian, Lin Wang

机构 * National Engineering Research Center for Robot Visual Perception and Control Technology, School of Artificial Intelligence and Robotics, Hunan University（机器人视觉感知与控制技术国家工程研究中心，人工智能与机器人学院，湖南大学） ； School of Architecture and Art, Central South University（建筑与艺术学院，中南大学） ； School of Computing and Communications, Lancaster University（计算与通讯学院，兰卡斯特大学） ； Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程学院，南洋理工大学） 纠错

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

AI总结 本文提出SinRef-6D方法，通过单张姿态标注的RGB-D图像实现未知物体六自由度位姿估计，利用状态空间模型解决大位姿差异和单视角信息有限的问题，实验验证其在多个基准和真实场景中的优越可扩展性。

Comments Accepted by TRO 2026, 18 pages, 9 figures

Journal ref IEEE Transactions on Robotics, 2026

Bonnet: An Open-Source Training and Deployment Framework for Semantic Segmentation in Robotics using CNNs

Andres Milioto, Cyrill Stachniss

专题命中 机器人操作 ：robotics(title,abstract)；manipulation(abstract)；navigation(abstract)；robotic(abstract)

Comments To be published in to IEEE International Conference on Robotics and Automation 2019

Multi-Tool Robotics Enables In-Situ Sample Manipulation for Time-Resolved Synchrotron Measurements

多工具机器人技术为同步辐射时间分辨测量实现原位样品操纵

Aditya Bondada, Elizabeth M. Wall, Eric Yuan Xiao, Quinn C. Burlingame, Yueh-Lin Loo, Esther H. R. Tsai, Ruipeng Li

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

AI总结 该研究开发了一种X射线散射光束线的模块化多工具机器人平台，突破辐射安全限制实现原位样品操纵，为同步辐射自动化实验奠定基础，还揭示了钙钛矿薄膜的瞬态原位动力学。

Revisiting the "Push-T" Robot Manipulation Task with Agentic Robotics

用智能体机器人技术重新审视“Push-T”机器人操作任务

Shuangyu Xie, Kaiyuan Chen, Ken Goldberg

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 该研究在智能体机器人技术背景下，借助带Fable 5的Claude Code编码智能体，无需演示数据解决Push-T等机器人操作任务，其策略成功率达100%，步骤比基准扩散策略少46%，还支持多字母操作及跨实体机械臂仿真。

MANIGUARD: A Benchmark and Data Suite for Specification-Grounded Safety Evaluation and Improvement of Robotic Manipulation

MANIGUARD：用于基于规范的机器人操作安全评估与改进的基准及数据集套件

Yiyan Peng, Philip Wang, Simon Sinong Zhan, Yiqi Lyu, Zhenyang Ni, Jixin Yan, Fiorelli Wong, Ruochen Jiao, Hang Yin, Xinyu Cao, Huajie Shao, Manling Li, Ruohan Zhang, Qi Zhu

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； William & Mary（威廉玛丽学院） 纠错

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

AI总结 本研究提出ManiGuard基准与数据集套件，针对机器人操作基础模型策略，通过含23000余次滚动的实验证实安全需独立于任务成功评估，微调可提升安全表现但仍存差距。

Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation

机器人基于视觉的触觉智能：感知、学习与具身操作

Peng Zhou, Jun Hu, Sihan Chen, Zeqing Zhang, Haofei Ma, Zhenyu Lu, Sichao Liu, Xueqian Wang, Pai Zheng, Xiang Li, Shan Luo, Jia Pan, David Navarro-Alarcon, Chenguang Yang, Michael Yu Wang

机构 * Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； King’s College London（伦敦国王学院） 纠错

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

AI总结 本综述调研机器人领域基于视觉的触觉传感器（VBTSs）全流程，对其硬件分类、学习方法、仿真与数据集等展开分析，指出开放挑战，以推进接触密集型机器人任务的触觉智能。

FlatLab: A Unified Methodology Framework and Simulation-Based Benchmark for Robotic Manipulation of Flat Objects

FlatLab：面向扁平物体机器人操作的统一方法论框架及基于仿真的基准测试

Xingyu Zhu, Wenshuo Han, Zhouyu Wang, Yuran Wang, Ruihai Wu, Hao Dong, Fan Tang, Hechang Chen, Hyung Jin Chang, Yixing Gao

机构 * Jilin University（吉林大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 该研究针对扁平物体机器人操作泛化能力有限的问题，提出含策略生成器与执行模块的统一框架，并构建FlatLab仿真基准，方法泛化效果优于现有基线。

Comments This paper is accepted to ICML 2026

S2-HWM: Sparse Event-Structured Hierarchical World Model for Long-Horizon Surgical Robot Manipulation

S2-HWM：用于长程外科机器人操作的稀疏事件结构化分层世界模型

Shuzhe Zhang, Xin Zhu, Yinling Qian, Qiong Wang

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

AI总结 针对长程外科机器人操作奖励稀疏、进展隐含的问题，提出S2-HWM模型，通过事件证据协调管理器与工作器，在SurRoL的PegTransfer任务上成功率达98.7%，优于基准模型。

RoboSeg: Online Part-Level Semantic Reconstruction for Robotic Manipulation via a Single Eye-in-Hand Camera

RoboSeg：基于单眼在手相机的机器人操作的在线部件级语义重建

Zhaochen Lan, Mengxiang Lin

机构 * School of Mechanical Engineering and Automation, Beihang University（北京航空航天大学机械工程及自动化学院） 纠错

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

AI总结 RoboSeg是无需CAD模型的部件级语义重建系统，结合VLM、TSDF融合与SAM3，实现机器人操作的部件语义索引，在24次物理试验中21次完成综合任务。

Self Supervised Learning from Automatically Generated Demonstrations for Visual Robotic Manipulation

面向视觉机器人操纵的自动生成演示的自监督学习

Andres Rivas, Anselmo R. Cukla, Rodrigo S. Guerra, Bruna V. Guterres, Ricardo B. Grando

机构 * Technological University of Uruguay（乌拉圭技术大学） ； Federal University of Santa Maria（圣玛丽亚联邦大学） ； Federal University of Rio Grande（里奥格兰德联邦大学） 纠错

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

AI总结 该研究提出一种基于ROS 2和Isaac Sim的自监督视觉机器人操纵方法，通过自动生成演示训练卷积网络，在仿真和真实UR5e机器人上验证了其抓取成功率，为视觉操纵提供了低部署成本的方案。

Comments Paper accepted at the ICCAS 2026

RoboProcessBench: Benchmarking Process-Aware Understanding in Vision-Language Robotic Manipulation

RoboProcessBench：视觉语言机器人操作中的过程感知理解基准测试

Dayu Xia, Yue Shi, Yao Mu, Huiting Ji, Chaofan Ma, Yingjie Zhou, Hua Chen, Yang Liu, Jiezhang Cao, Guangtao Zhai

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； China University of Mining Technology（中国矿业大学） 纠错

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

AI总结 提出RoboProcessBench基准，通过静态监控和动态推理两个维度、12个诊断问题家族，评估视觉语言模型在机器人操作中的过程感知理解能力，并基于58k问答对数据集验证了当前模型的局限性及后训练的有效性。

DreamTrajectory: Trajectory-Guided Action Generation with World Model Alignment for Mobile Manipulation

DreamTrajectory：面向移动操作的、结合世界模型对齐的轨迹引导动作生成方法

Zheng Yang, Wenjie Zhang, Xiangyu Chen, Wenxuan Song, Xianpeng Wang, Yihang Kang, Wen Chen, Lujia Wang, Renjing Xu, Xiaowen Chu

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

AI总结 DreamTrajectory是面向移动操作的轨迹引导框架，通过联合预测末端执行器轨迹与全身动作块、结合轨迹世界模型的测试时细化，在MS-HAB及真实任务中大幅提升操作成功率。

ACDC: Adaptive Curriculum Planning with Dynamic Contrastive Control for Goal-Conditioned Reinforcement Learning in Robotic Manipulation

ACDC：基于动态对比控制的自适应课程规划用于机器人操控的面向目标强化学习

Xuerui Wang, Guangyu Ren, Tianhong Dai, Bintao Hu, Shuangyao Huang, Wenzhang Zhang, Hengyan Liu

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

AI总结 本文提出ACDC方法，结合自适应课程规划与动态对比控制，提升机器人操控任务中的样本效率和任务成功率。

Comments Withdrawn by the authors after identifying inconsistencies between the described adaptive curriculum and the implementation used to generate the reported experiments, particularly in the success-rate feedback mechanism and replay-weight schedule. These issues require the experiments and conclusions to be reevaluated

MemoAct: Atkinson-Shiffrin-Inspired Hierarchical Memory-Augmented Policy for Robotic Manipulation

MemoAct：受Atkinson-Shiffrin启发的内存增强视觉-运动策略用于机器人操作

Liufan Tan, Jiale Li, Gangshan Jing

机构 * Chongqing University（重庆大学） 纠错

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

AI总结 本文提出MemoAct，一种基于层次内存的策略，通过不同内存层级解决任务状态跟踪和长周期记忆保留的问题，并通过MemoryRTBench验证其在模拟和现实场景中的优越性能。

CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation

CheckVLA：面向长 horizon 移动操作的基于动作条件世界模型的执行时验证

Yushan Liu, Peibo Sun, Xintao Chao, Zhenyang Yang, Yifan Xie, Lingfeng Zhang, Shoujie Li, Chenyu Tang, Fang Chen, Xiao-Ping Zhang, Wenbo Ding

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

AI总结 CheckVLA 是基于动作条件世界模型的长 horizon 移动操作执行时验证方法，在 RoboCasa365 上其平均成功率比定期重规划提升 8.5 个百分点，且及时召回率显著优于仅观测及动作打乱的对照方法。

Towards Human-like Physical Intelligence: Lifelong Vision-Language-Action Learning for Robotic Manipulation

迈向类人物理智能：用于机器人操作的终身视觉-语言-动作学习

Yao He, Gan Sun, Wenqi Liang, Fazeng Li, Yang Cong

机构 * South China University of Technology（华南理工大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究针对机器人操作中可塑性-稳定性权衡难题，提出缓存高效的终身视觉-语言-动作学习框架LifelongVLA。通过双时间尺度LoRA门控模块及缓存高效随机重放策略，有效缓解权衡问题，实现技能扩展、行为保留，减少再训练依赖，优于现有基线。

Learning Robust Execution in Robotic Manipulation with Agentic Reinforcement Learning

通过智能强化学习在机器人操作中学习鲁棒执行

Xiaopeng Zhang, Yueyang Weng, Qi Liu, Yongjin Mu, Yanjie Li

机构 * School of Inteligence Science and Engineering, the Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）智能科学与工程学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院） 纠错

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

AI总结 针对机器人操作面临的挑战，提出用两个互补指标评估执行质量，构建智能强化学习框架，通过高级决策恢复有效执行，在LIBERO基准测试中提升了执行成功率，增强了执行鲁棒性。