机器人 / 具身智能

Learning Dexterous Manipulation Using Contact Wrench Guidance From Human Demonstration

利用人类演示的接触力引导学习灵巧操作

Xinghao Zhu, Zixi Liu, Shalin Jain, Chenran Li, Milad Noori, Michael Andres Lin, Huihua Zhao, John Welsh, Mrinal Verghese, Wei Liu, Tingwu Wang, Xingye Da, Zhengyi Luo, Vishal Kulkarni, Naema Bhatti, Yuke Zhu, Linxi Fan, Bowen Wen, Danfei Xu, Soha Pouya, Yan Chang

机构 * NVIDIA（英伟达） 纠错

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

AI总结 提出CHORD框架，通过物体中心的接触力空间引导，利用人类演示的力和力矩信息增强强化学习，在包含4739个双臂灵巧操作任务的大规模基准上平均成功率82.12%，并泛化到全身操作和真实世界。

MOSAIC: Skill-Centric Manipulation Planning with Physics Simulation

MOSAIC：基于物理模拟的以技能为中心的操作规划

Itamar Mishani, Yorai Shaoul, Maxim Likhachev

机构 * Robotics Institute, School of Computer Science（机器人研究所、计算机科学学院） 纠错

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

AI总结 研究用预定义技能规划长期操作运动的问题，核心方法是利用物理模拟估计技能执行结果，贡献是引入MOSAIC方法，通过两个互补技能家族有效发现基于物理的解决方案。

Comments Accepted for Publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA). Project page: https://skill-mosaic.github.io

DFM-VLA: Iterative Action Refinement for Robot Manipulation via Discrete Flow Matching

DFM-VLA：通过离散流匹配实现机器人操作的迭代动作细化

Jiayi Chen, Wenxuan Song, Jiaxin Fang, Ruiqing Yin, Jingbo Wang, Shuai Chen, Jieyuan Pei, Yikai Qin, Feifan Chen, Haodong Yan, Zhide Zhong, Wen Chen, Yan Wang, Yuxiang Gao, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology（哈尔滨工业大学） ； ShanghaiTech University（上海科技大学） ； Shanghai Institute of Technical Physics, CAS（中国科学院上海技术物理研究所） 纠错

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

AI总结 DFM-VLA通过离散流匹配实现机器人操作中动作token的迭代细化，采用动态概率速度场和双阶段解码策略，提升了动作生成的准确性和效率。

TransDex: Pre-training Visuo-Tactile Policy with Point Cloud Reconstruction for Dexterous Manipulation of Transparent Objects

TransDex：基于点云重建的视觉-触觉政策预训练用于透明物体的精细操作

Fengguan Li, Yifan Ma, Chen Qian, Wentao Rao, Weiwei Shang

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

AI总结 TransDex通过点云重建预训练实现视觉-触觉融合政策，解决透明物体操作中的自遮挡和深度噪声问题，提升真实机器人系统中精细操作性能。

Comments Project page: https://transdex.github.io/

LHM-Humanoid: Long-Horizon Human Motion Control for Continuous Object Transport in Cluttered Scenes

LHM-Humanoid：学习一种统一的政策以在多样化的混乱环境中实现长视距人形全身体术操作

Haozhuo Zhang, Jingkai Sun, Michele Caprio, Angelo Cangelosi, Jian Tang, Shanghang Zhang, Qiang Zhang, Wei Pan

机构 * The University of Manchester（曼彻斯特大学） ； X-Humanoid ； Peking University（北京大学） ； University of Hong Kong（香港大学） 纠错

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

AI总结 LHM-Humanoid通过统一政策实现人形在复杂环境中长视距全身体术操作，结合强化学习与知识蒸馏，提升跨场景泛化与鲁棒性。

CABTO: Context-Aware Behavior Tree Grounding for Robot Manipulation

CABTO：面向机器人操作的上下文感知行为树接地

Yishuai Cai, Xinglin Chen, Yunxin Mao, Kun Hu, Yaodong Yang, Yuanpei Chen, Wenjing Yang, Ji Wang, Minglong Li

机构 * National University of Defense Technology（国防科技大学） ； PsiBot ； Peking University（北京大学） ； PKU-Psibot Lab（北京大学-PsiBot实验室） 纠错

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

AI总结 本文提出CABTO框架，通过预训练大模型和上下文反馈，自动构建完整且一致的行为树系统，解决机器人操作中行为树接地的复杂性问题。

Movement Primitives in Robotics: A Comprehensive Survey

机器人运动基元：综合综述

Nolan B. Gutierrez, Joseph M. Cloud, William J. Beksi

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington, Arlington, USA（计算机科学与工程系，德克萨斯理工大学阿灵顿分校，阿灵顿，美国） 纠错

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

AI总结 综述机器人运动基元框架，涵盖从人类示教中编码轨迹的方法，分析弹簧-阻尼系统、概率耦合、神经网络等特性，并讨论应用与挑战。

Comments 105 pages, 3 figures, and 6 tables

Distributionally Robust Control via Stein Variational Inference for Contact-Rich Manipulation

通过Stein变分推断进行分布鲁棒控制的接触丰富操作

Hrishikesh Sathyanarayan, Victor Vantilborgh, Harish Ravichandar, Tom Lefebvre, Ian Abraham

机构 * Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） ； Department of Electromechanical, Systems and Metal Engineering, Ghent University（根特大学机电系统与金属工程系） ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； Department of Electrical Engineering, University of Sydney（悉尼大学电子工程系） 纠错

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

AI总结 本文提出了一种基于Stein变分推断的分布鲁棒控制方法，用于提升接触丰富操作中的不确定性建模能力，通过更灵活的不确定性建模在保持性能的同时精确适应不确定性，实验结果表明在广泛参数不确定性下，鲁棒性提高了3倍。

Comments In Proceedings of Robotics: Science and Systems, Sydney, Australia, July 2026

DiffDef: A Diffusion Model for Generating Multimodal Goal Shapes From Demonstrations for Deformable Object Manipulation

DiffDef：一种用于从演示中生成可变形物体操纵的多模态目标形状的扩散模型

Bao Thach, Tanner Watts, Siyeon Kim, Britton Jordan, Mohanraj Shanthi, Shing-Hei Ho, James M. Ferguson, Tucker Hermans, Alan Kuntz

机构 * Robotics Center and Kahlert School of Computing, University of Utah（大学计算机学院和机器人中心，犹他大学） ； NVIDIA Corporation（英伟达公司） 纠错

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

AI总结 针对现有可变形物体操纵方法依赖不切实际的目标获取方式、无法处理多模态目标的问题，提出DiffDef扩散模型，学习可行目标形状分布，在仿真和两种物理机器人平台上验证其可提升任务性能。

Comments Published and presented at ICRA 2026. 8 pages, 20 figures

The functional and temporal roles of gaze evolve across the phases and constraints of multi-stage robot-mediated manipulation

预测性注视在机器人介导的操作中得以保留但重组为监控

Manuela Uliano, Silvia Fattorini, Marco Controzzi

机构 * The BioRobotics Institute, Scuola Superiore Sant’Anna（生物机器人研究所，高等圣安娜学院） ； Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna（机器人与人工智能卓越部门，高等圣安娜学院） 纠错

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

AI总结 研究通过目标导向遥操作实验，发现注视仍与任务目标对齐，但视觉注意力重新分布到机械臂和物体上，增加在线监控，表明预测性注视在改变具身性时得以保留但重组。

SADP: Subgoal-Aware Diffusion Policy for Long-Horizon Manipulation Learned from Foundation Model Generated Demonstrations

SADP：基于基础模型生成示范的子目标感知扩散策略用于可解释机器人

Site Hu, Takato Horii

机构 * Department of Systems Innovation, Graduate School of Engineering Science, Osaka University（系统创新系，工学研究科，大阪大学） 纠错

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

AI总结 本文提出SADP，一种基于基础模型生成示范的子目标感知扩散策略，用于可解释机器人，通过自主生成子目标标注的示范数据，训练扩散策略，使机器人能够通过子目标结构和执行进度向用户解释决策过程，从而在长周期操作中实现更高的任务成功率和故障诊断能力。

Comments Revised manuscript with an updated title, evaluation protocol, and simulation results

Embodied Robot Manipulation in the Era of Foundation Models: Planning and Learning Perspectives

基础模型时代中的具身机器人操作：规划与学习视角

Shuanghao Bai, Wenxuan Song, Jiayi Chen, Yuheng Ji, Zhide Zhong, Jin Yang, Han Zhao, Wanqi Zhou, Zhe Li, Pengxiang Ding, Cheng Chi, Chang Xu, Xiaolong Zheng, Donglin Wang, Haoang Li, Shanghang Zhang, Badong Chen

机构 * Xi’an Jiaotong Univeristy（西安交通大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Chinese Academy of Sciences（中国科学院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； University of Sydney（悉尼大学） ； BAAI（百度人工智能研究院） ； Peking University（北京大学） 纠错

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

AI总结 本文探讨了基础模型时代机器人操作的规划与学习方法，分析了高层推理与低层控制的统一框架，并提出了未来研究方向。

Comments This work is a re-architected core derived from the full survey (arXiv:2510.10903), refined to highlight the most central themes and representative studies

FEWT: Frequency-Enhanced Wavelet-based Transformer for Multimodal Wheeled Bimanual Manipulation

FEWT：用于多模态轮式双臂操作的频率增强型小波Transformer

Jiaxin Huang, Hanyu Liu, Yunsheng Ma, Jian Shen, Yilin Zheng, Jiayi Wen, Zhigong Song

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

AI总结 本研究针对轮式双臂操作的空间视觉与物理动力学表示不匹配问题，提出FEWT框架，整合FE-EMA与TS-DWT模块并结合STF传感器，在模拟及真实操作任务中较基准取得显著性能提升。

PhyEdit: Towards Real-World Object Manipulation via Physically-Grounded Image Editing

PhyEdit: 通过物理基础图像编辑实现真实世界物体操作

Ruihang Xu, Dewei Zhou, Xiaolong Shen, Fan Ma, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室人工智能研究所ReLER实验室） 纠错

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

AI总结 PhyEdit通过结合显式几何模拟与2D-3D监督，提升图像编辑中物理准确性和操作一致性，引入RealManip-10K数据集和ManipEval基准测试，优于现有方法。

Comments Code: https://github.com/nenhang/PhyEdit

Learning When to See and When to Feel: Adaptive Vision-Torque Fusion for Contact-Aware Manipulation

学习何时视觉何时触觉：适应性视觉-扭矩融合用于接触感知操控

Jiuzhou Lei, Chang Liu, Yu She, Xiao Liang, Minghui Zheng

机构 * Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University（德州农工大学扎克里土木与环境工程系） 纠错

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

AI总结 本文提出适应性视觉-扭矩融合策略，通过比较不同融合方法提升机器人操控性能，实验显示方法在成功率上优于基线14%。

MobileWAM: Bridging World Action Models to Mobile Manipulation with Chain-of-Foresight

MobileWAM：用前瞻链将世界动作模型（WAM）与移动操作任务对接

Zehua Fan, Junjie He, Wenxuan Song, Xi Wang, Wenqi Lyu, Linge Zhao, Fuhao Li, Zihan You, Yifei Yang, Kaiming Xu, Qi Jiang, Yue Jiang, Haoang Li, Cheng Chi, Feng Gao, Bailin Li, Yan Wang

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； AIR Wuxi Innovation Center, Tsinghua University（清华大学AIR无锡创新中心） ； The University of Adelaide（阿德莱德大学） ； Wuhan University（武汉大学） ； Southeast University（东南大学） ； Beijing Jiaotong University（北京交通大学） ； Fudan University（复旦大学） ； Li Auto（理想汽车） ； School of Information, Renmin University of China（中国人民大学信息学院） 纠错

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

AI总结 MobileWAM是一种混合Transformer架构，通过前瞻链（CoF）解决移动操作的异质动态问题，在ManiSkill-HAB上超越SOTA策略，可微调至真实移动操作机器人且泛化性强。

HapticVLA: Contact-Rich Manipulation via Vision-Language-Action Model without Inference-Time Tactile Sensing

HapticVLA：通过视觉-语言-动作模型实现接触丰富的操作，无需推理时触觉感知

Konstantin Gubernatorov, Mikhail Sannikov, Ilya Mikhalchuk, Egor Kuznetsov, Makar Artemov, Ogunwoye Faith Oluwatobi, Marcelino Fernando, Artem Asanov, Ziang Guo, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（智能空间机器人实验室，斯克洛夫科学与技术研究所） 纠错

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

AI总结 HapticVLA通过视觉-语言-动作模型实现接触丰富的操作，无需触觉传感器，在现实实验中成功率达到86.7%。

Concurrent Prehensile and Nonprehensile Manipulation: A Practical Approach to Multi-Stage Dexterous Tasks

并行抓取与非抓取操作：多阶段灵巧任务的实用方法

Hao Jiang, Yue Wu, Yue Wang, Gaurav S. Sukhatme, Daniel Seita

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DexMulti方法，通过分解示范为以物体为中心的技能，实现高效多阶段灵巧任务操作，在实际测试中达到66%的成功率，优于基线方法。

Comments 12 pages, 6 figures

GPA-RAM: Grasp-Pretraining Augmented Robotic Attention Mamba for Spatial Task Learning

GPA-RAM：用于空间任务学习的抓取预训练增强型机器人注意力Mamba

Juyi Sheng, Yangjun Liu, Sheng Xu, Zhixin Yang, Tiantian Xu, Mengyuan Liu

机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（国家一般人工智能重点实验室，北京大学深圳研究生院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） ； State Key Laboratory of Internet of Things for Smart City, University of Macau（智慧城市物联网重点实验室，澳门大学） 纠错

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

AI总结 该研究提出GPA-RAM框架，通过GPA增强模仿策略并开发RAM实现高效计算，在多机器人平台的空间操纵任务中显著提升成功率，兼顾精度与实时性。

SeedPolicy: Horizon Scaling via Self-Evolving Diffusion Policy for Robot Manipulation

SeedPolicy: 通过自进化扩散策略实现机器人操控的水平扩展

Youqiang Gui, Yuxuan Zhou, Shen Cheng, Xinyang Yuan, Haoqiang Fan, Peng Cheng, Shuaicheng Liu

机构 * Sichuan University（四川大学） ； Dexmal Inc.（Dexmal公司） ； Independent Researcher（独立研究员） ； UESTC 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SEGA模块，通过门控注意力机制提升扩散策略在长时域操控中的表现，实验表明其在RoboTwin 2.0基准上优于现有方法，具有更高的效率和性能。

Comments 17 pages, 13 figures

Compliant Non-Prehensile Pushing Manipulation

顺应性非抓取推动操作

Francesco Cufino, Mario Selvaggio, Fabio Amadio, Fabio Ruggiero

机构 * PRISMA Lab, department of Electrical Engineering and Information Technology of the University of Naples Federico II（PRISMA实验室，那不勒斯费德里科二世大学电气工程与信息科技系） ； Inria, CNRS, Université de Lorraine（Inria、CNRS、洛林大学） ； ABB Corporate Research Center（ABB企业研究中心） 纠错

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

AI总结 针对顺应性机器人系统中的非抓取推动操作，提出基于阻抗控制与模型预测控制的框架，通过优化位置/速度设定点实现顺应性推动，并集成能量罐无源性滤波器保证安全交互。

Stochastic Entanglement of Deterministic Origami Tentacles For Robust Robotic Grasping

确定性折纸tentacle的随机纠缠用于通用机器人抓取

Alec Boron, Bokun Zheng, Ziyang Zhou, Noel Naughton, Suyi Li

机构 * Department of Mechanical Engineering, Virginia Tech, VA, USA（弗吉尼亚理工大学机械工程系） 纠错

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

AI总结 本文提出一种折纸tentacle抓取器，通过确定性变形编程与随机纠缠协同实现通用物体抓取，结合折纸力学与Cosserat杆模拟，验证了其在动态环境中的抓取能力。

TAC-LOCO: Unified Whole-Body Control for Quadrupedal TACtile-Informed LOCO-Manipulation

TAC-LOCO：用于四足触觉感知 LOCO 操纵的统一全身控制

Muqun Hu, Yuhao Zhou, Kabir Ray Malik, Chi Lin, Won Suk Lee, Yu She, Yan Gu

机构 * Purdue University（普渡大学） ； University of Florida（佛罗里达大学） 纠错

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

AI总结 研究动态移动操纵中触觉传感在全身控制的作用，提出 TAC-LOCO 框架，编码触觉观测与本体感觉统一控制肢体，经奖励设计使策略能应对多种情况，部署后实现降力及低掉落率。

InCoM: Intent-Driven Perception and Structured Coordination for Mobile Manipulation

InCoM：基于意图的感知与结构化协调用于移动操作

Jiahao Liu, Cui Wenbo, Zhongpu Xia, Yongliang Wang, Haoran Li, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； AnyverseDynamics 纠错

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

AI总结 InCoM通过意图驱动的感知和结构化协调框架，解决移动操作中基座与机械臂动作耦合及感知注意力分配问题，提升任务成功率。

RoboStream: Weaving Spatio-Temporal Reasoning with Memory in Vision-Language Models for Robotics

RoboStream: 用记忆融合时空推理提升视觉语言模型在机器人中的应用

Yuzhi Huang, Jie Wu, Weijue Bu, Ziyi Xiong, Gaoyang Jiang, Ye Li, Kangye Ji, Shuzhao Xie, Yue Huang, Chenglei Wu, Jingyan Jiang, Zhi Wang

机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； YXGN Robotics（YXGN机器人） ； China University of Mining and Technology（中国矿业大学） ； Shenzhen Technology University（深圳技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 RoboStream通过时空融合令牌和因果时空图实现持久记忆，解决机器人长时间任务中的几何锚定和状态追踪问题，提升长期任务表现。

Comments Accepted by ECCV 2026

OpenSPM: An Environment-Transferable Robotic Key Spatial Pose Memory and Closed-Loop High-Frequency Flow-Matching Action Generation Model

OpenSPM：一种环境可迁移的机器人关键空间位姿记忆与闭环高频流匹配动作生成模型

Iok Tong Lei, Qingchen Xie, Yifan Wang, Yap Ying Jie, Zhidong Deng

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

AI总结 提出OpenSPM框架，通过空间位姿记忆和流匹配动作生成模型，实现开放环境桌面机器人操作的高频、精确控制，在LIBERO-GOAL任务中达到85.6%成功率和1033.3 Hz等效控制频率。

Comments Preprint

VolumeDP: Modeling Volumetric Representation for Manipulation Policy Learning

VolumeDP: 用于操作策略学习的体积表示建模

Tianxing Zhou, Feiyang Xue, Zhangchen Ye, Tianyuan Yuan, Hang Zhao, Tao Jiang

机构 * IIIS, Tsinghua University（清华大学智能产业研究院） ； Galaxea AI 纠错

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

AI总结 提出VolumeDP策略架构，通过体积表示显式3D推理解决2D-3D不匹配问题，在LIBERO基准上达到88.8%平均成功率，比最强基线提升14.8%。

Comments Accepted to IROS 2026

MobileManiBench: Simplifying Model Verification for Mobile Manipulation

MobileManiBench：简化移动操作模型验证

Wenbo Wang, Fangyun Wei, QiXiu Li, Xi Chen, Yaobo Liang, Chang Xu, Jiaolong Yang, Baining Guo

机构 * Microsoft Research Asia（微软亚洲研究院） ； University of Sydney（悉尼大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出仿真优先框架MobileManiBench，基于NVIDIA Isaac Sim和强化学习自动生成多样化移动操作轨迹，包含300K条轨迹，用于验证VLA模型在真实部署前的性能。

Comments Accepted to ECCV 2026

Monte Carlo Tree Search with Tensor Factorization for Optimization Problems in Robotics

基于张量分解的蒙特卡洛树搜索用于机器人优化问题

Teng Xue, Yan Zhang, Amirreza Razmjoo, Sylvain Calinon

机构 * Idiap Research Institute（Idiap研究机构） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校） 纠错

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

AI总结 提出TTTS算法，利用张量分解压缩决策树分支间的隐式相关性，以线性复杂度降低MCTS的计算和存储开销，在逆运动学、运动规划、多阶段操作等任务中实现高效全局优化。

Comments 25 pages, 17 figures

Prior Reinforce: Goal-Conditioned Dynamic Manipulation with Limited Trials

Prior Reinforce: 有限试验下的目标条件动态操控

Yihang Hu, Pingyue Sheng, Yuyang Liu, Shengjie Wang, Yang Gao

机构 * IIIS, Tsinghua University（清华大学智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Spirit AI 纠错

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

AI总结 提出Prior Reinforce框架，利用条件扩散模型从少量演示学习运动流形，并在低维条件空间通过反馈驱动优化适应新目标，实现少至十次试验内的动态操控。

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