Soft, Round, High Resolution Tactile Fingertip Sensors for Dexterous Robotic Manipulation
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
视觉与机器人
机器人 / 具身智能
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
1. 机器人操作 22080 篇
kPAM: KeyPoint Affordances for Category-Level Robotic Manipulation
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
Comments First two authors contributed equally. The video and supplemental material is available at https://sites.google.com/view/kpam
Interactive Open-Ended Object, Affordance and Grasp Learning for Robotic Manipulation
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
A probabilistic framework for tracking uncertainties in robotic manipulation
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
Comments 7 pages, 4 figures
Benchmarking in Manipulation Research: The YCB Object and Model Set and Benchmarking Protocols
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract,comments)；robotic(abstract)；分类 cs.RO
Comments Submitted to Robotics and Automation Magazine (RAM) Special Issue on Replicable and Measurable Robotics Research. 35 Pages
Journal ref IEEE Robotics & Automation Magazine, 22 (2015) 36 - 52
Closed-Chain Manipulation of Large Objects by Multi-Arm Robotic Systems
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
Comments 8 pages, 4 figures, 1 table
Analyzing the Utility of a Support Pin in Sequential Robotic Manipulation
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
Comments 14 pages, 20 figures
Robotic manipulation of multiple objects as a POMDP
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
Continual Model-Based Reinforcement Learning with Hypernetworks
基于超网络的连续模型强化学习
机构 * Division of Engineering Science, University of Toronto, Canada（多伦多大学工程科学系） ； Department of Computer Science, University of Toronto, Canada（多伦多大学计算机科学系）
专题命中 机器人操作 ：manipulation(summary_cn,abstract)；robot learning(abstract)；分类 cs.RO、cs.AI、cs.LG；robotics(comments)
AI总结 提出HyperCRL方法，利用任务条件超网络在序列任务中持续学习动力学模型，避免重新训练并固定存储开销，在机器人 locomotion 和 manipulation 任务中优于现有持续学习方法。
Comments Updated link to project website in the abstract. 7 pages (+2 pages in appendix), 8 figures. In proceedings of the 2021 IEEE International Conference on Robotics and Automation
Data Pyramid for Embodied Manipulation: A Survey
用于具身操纵的数据金字塔
机构 * PKU（北京大学） ； NTU（南洋理工大学） ； HKUST（香港科技大学） ； NUS（新加坡国立大学） ； CUHK（香港中文大学） ； HKU（香港大学） ； Duke（杜克大学） ； UCB（加州大学伯克利分校） ； GBU（未提及具体中文名的机构） ； NJU（南京大学） ； SJTU（上海交通大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robot learning(abstract)；embodied agent(abstract)；分类 cs.RO、cs.CV
AI总结 研究围绕具身操纵数据生态系统展开，构建跨越五个互补数据源的“数据金字塔”，通过数据配方分析具身基础模型，将数据组成与多种能力联系起来，并讨论了六个开放挑战，为下一代具身系统设计奠定基础。
Comments Awesome Embodied Data Pyramid; Project Page at https://jasper-aaa.github.io/embodied-data-pyramid/ GitHub Repo at https://github.com/worldbench/awesome-embodied-data-pyramid
Robot-Factored World Models via Robot Rendering
通过机器人渲染实现机器人因素分解的世界模型
机构 * Seoul National University（首尔国立大学）
专题命中 机器人操作 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 研究动作条件视频世界模型，提出机器人因素分解的世界模型，通过动作实现和机器人渲染将特定机器人因素移出模型，解决深度模糊问题，实验表明其优于基线且能推广，还能从人类演示生成机器人操作视频。
Comments Project Page: https://bjkim95.github.io/rofacto/
Open-AoE: An Open Egocentric Manipulation Dataset and Toolchain for Embodied Learning
Open-AoE：用于具身学习的开放自我中心操纵数据集和工具链
机构 * Ant Group（蚂蚁集团）
专题命中 机器人操作 ：manipulation(title,abstract)；robot learning(abstract)；world model(abstract)；分类 cs.RO、cs.CV
AI总结 研究旨在为具身学习提供数据集和工具链，提出Open-AoE。它涵盖从手机捕捉到模型训练全流程，含约2000小时视频及多种注释等。通过整合多环节，降低数据贡献与重用障碍，为相关研究提供实用开放基础设施。
DynaWM: A Base-VLA-Guided World Foundation Model for Moving-Object Manipulation
DynaWM：用于移动物体操纵的基于基础VLA的世界基础模型
机构 * Department of Computer Science and Technology, THUAI, Tsinghua University, Beijing 100084, China（计算机科学与技术系，THUAI，清华大学，北京100084，中国）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 针对移动物体操纵挑战，提出DynaWM模型，用多种编码器提取特征，联合条件流匹配DiT生成动作轨迹，构建数据集评估，相比其他模型有性能提升，消融实验验证各部分作用。
Comments 17 pages, 3 figures
RoboGaze: Evaluating Robot World Models via Structured Vision-Language Analysis
RoboGaze: 通过结构化视觉-语言分析评估机器人世界模型
机构 * Ho Chi Minh City University of Science, Vietnam National University（越南国家科学大学胡志明市大学） ； VinRobotics ； VinUniversity ； German Research Center for AI (DFKI)（人工智能研究中心（DFKI）） ； University of Stuttgart（斯图加特大学） ； Max Planck Research School for Intelligent Systems（智能系统马克斯·普朗克研究学校） ； Technische Universität Darmstadt（达姆施塔特技术大学）
专题命中 机器人操作 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出RoboGaze，一种无需训练的多智能体VLM框架，通过任务-场景对齐、维度专家路由和批评验证三阶段流水线，对机器人操作视频进行结构化可解释评估，显著提升描述F1和时序对齐性能。
Comments First version 29 pages, 7 figures. Project webpage: https://robogaze-eval.github.io/
Learning to Feel the Future: DreamTacVLA for Contact-Rich Manipulation
学习感知未来：DreamTacVLA用于接触丰富的 manipulation
机构 * Northwestern University（西北大学）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 DreamTacVLA通过结合高分辨率触觉图像与多尺度视觉信息，提升接触丰富任务的鲁棒性，实现95%的成功率。
HoloAgent-0: A Unified Embodied Agent Framework with 3D Spatial Memory
HoloAgent-0：具有3D空间记忆的统一具身智能体框架
机构 * Horizon Robotics ； D-Robotics Robotics
专题命中 机器人操作 ：embodied agent(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 提出HoloAgent-0统一框架，通过三层耦合结构（具身AgentOS、3D空间记忆、具身技能）实现真实机器人闭环执行，在长程导航、跨机器人协调等任务上验证有效性。
AnnotateAnything: Automatic Annotation of 3D Assets for Robot Manipulation
AnnotateAnything：面向机器人操作的3D资产自动标注
机构 * Northwestern University（西北大学） ； Peking University（北京大学）
专题命中 机器人操作 ：manipulation(title,abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 提出AnnotateAnything框架，通过视觉-语言标注和物理标注双流水线，自动为3D资产生成可执行操作标签，提升仿真数据收集效率和任务成功率。
V2P-Manip: Learning Dexterous Manipulation from Monocular Human Videos
V2P-Manip：从单目人类视频学习灵巧操作
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 机器人操作 ：manipulation(title,abstract)；embodied AI(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 提出V2P-Manip框架，从单目人类演示视频中提取具有视觉保真度和物理合理性的轨迹，通过两阶段精炼实现空间对齐与物理一致性，在TACO和OakInk基准上显著优于先前方法。
Learning Object Manipulation from Scratch via Contrastive Interaction
通过对比交互从零开始学习物体操作
机构 * UC San Diego（加州大学圣地亚哥分校） ； UT Austin（德克萨斯大学奥斯汀分校）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.LG
AI总结 针对对比强化学习在交互密集操作任务中表现不佳的问题，提出交互加权重采样方法，通过保留模式边界提升多模态分段非线性可达性表示，在仿真和真实机器人空气曲棍球任务中取得显著改进。
YUBI: Yielding Universal Bidigital Interface for Bimanual Dexterous Manipulation at Scale
YUBI：面向大规模双手灵巧操作的通用双指接口
机构 * AI Robot Association (AIRoA)（AI机器人协会） ； Toyota Motor Corporation（丰田汽车公司） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） ； The University of Tokyo（东京大学） ； Institute of Science Tokyo（东京科学研究所） ； Waseda University（早稻田大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出YUBI手指对齐夹爪，通过屈服式手指驱动映射实现直观、符合人体工学的双手灵巧操作数据采集，构建8434小时/120万集/119任务数据集，单策略跨多机器人迁移。
Comments Project page: https://yubi.airoa.io/
ContextFlow: Hierarchical Task-State Alignment for Long-Horizon Embodied Agents
ContextFlow：长周期具身智能体的分层任务-状态对齐
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Qiuzhen College, Tsinghua University（清华大学启祯学院） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） ； Department of Data Science and Analytics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）数据科学与分析部门） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 机器人操作 ：embodied agent(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.AI
AI总结 本文研究了长周期具身智能体中任务-状态不一致问题，提出ContextFlow框架通过显式合同表示阶段、运行时观测转为证据包以及应用作用域更新来实现任务前沿对齐，提高任务执行的连贯性和可审计性。
Not What You Asked For: Typographic Attacks in Household Robot Manipulation
并非你所要求的：家庭机器人操作中的字体攻击
机构 * Cyber Security Lab（网络安全实验室） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； State College, USA（州立学院，美国）
专题命中 机器人操作 ：manipulation(title,abstract)；embodied AI(abstract)；navigation(abstract)；分类 cs.RO、cs.AI
AI总结 本研究探讨了字体攻击对家庭机器人操作全流程的影响，提出了一种解耦感知架构，并发现感知错误会通过持久的3D语义地图导致物理性故障，揭示了字体误分类对机器人安全性的实际威胁。
Comments 10 pages, 1 figure, IEEE conference format
No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task
无计划，却有人类：一种反应式机器人模型预测临床任务中人类计划失败
机构 * Robotics and Biology Laboratory, Technische Universität Berlin, Germany（技术大学柏林机器人与生物学实验室，德国） ； Science of Intelligence, Research Cluster of Excellence, Berlin, Germany（智能科学，卓越研究集群，柏林，德国） ； Robotics Institute Germany（德国机器人研究所）
专题命中 机器人操作 ：robotics(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 该研究利用反应式梯度下降框架AICON，通过塔罗伦敦测试揭示人类计划能力下降时的反应模式，发现其能更准确预测24个问题的难度排序，并在留出验证中表现优异，揭示了生物系统组织方式的普遍规律。
Language Conditioned Multi-Finger Dexterous Manipulation Enabled by Physical Compliance and Switching of Controllers
通过物理合规性和控制器切换实现语言条件下的多指灵巧操作
机构 * Embodied AI（具身人工智能）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种结合高层视觉语言动作模型与小型控制模型的切换控制器，通过事件驱动机制实现多指灵巧操作的鲁棒控制，验证了硬件级合规性在提升接触稳定性方面的有效性。
LeHome: A Simulation Environment for Deformable Object Manipulation in Household Scenarios
LeHome：一种用于家庭场景中可变形物体操控的仿真环境
机构 * Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Lightwheel ； The University of Hong Kong（香港大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 LeHome旨在解决家庭场景中可变形物体操控的挑战，提供高保真动态和真实交互，支持多种机器人形态，聚焦低成本机器人，实现家庭任务的端到端评估。
Comments ICRA2026 Accepted
ESCAPE: Episodic Spatial Memory and Adaptive Execution Policy for Long-Horizon Mobile Manipulation
ESCAPE：基于长周期移动操作的片段空间记忆与自适应执行策略
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； LiAuto Inc.（LiAuto公司）
专题命中 机器人操作 ：manipulation(title,abstract)；embodied AI(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出ESCAPE框架，通过融合感知-地面-执行流程，解决长周期移动操作中的鲁棒性、空间一致性及执行灵活性问题，在ALFRED基准测试中取得优异成绩。
3D-Anchored Lookahead Planning for Persistent Robotic Scene Memory via World-Model-Based MCTS
基于世界模型的MCTS的3D锚定前瞻性规划用于持久性机器人场景记忆
机构 * Huawei Technologies, Israel R&D Center（华为技术有限公司以色列研发中心）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出3D-Anchored Lookahead Planning，结合MCTS与3D一致的世界模型，通过持续的相机到世界锚点实现精准重规划，提升了机器人在需要空间记忆任务中的成功率。
Comments 5 pages, 1 figure, 1 table
Build on Priors: Vision--Language--Guided Neuro-Symbolic Imitation Learning for Data-Efficient Real-World Robot Manipulation
基于先验知识：视觉-语言引导的神经符号模仿学习用于数据高效的现实机器人操作
机构 * Tufts University（塔夫茨大学） ； Austrian Institute of Technology GmbH (AIT)（奥地利技术研究所（AIT））
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种可扩展的神经符号框架，通过少量未标注的示范数据自动构建符号规划领域和高效控制策略，无需手动领域工程，提升现实机器人操作的效率和可解释性。
UniHM: Unified Dexterous Hand Manipulation with Vision Language Model
UniHM: 一体化的视觉语言模型用于统一的灵巧手操作
机构 * ShanghaiTech University（上海科技大学） ； InstAdapt
专题命中 机器人操作 ：manipulation(title,abstract)；embodied AI(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 UniHM通过统一的视觉语言模型实现灵巧手操作，利用开放词汇指令提升泛化能力和物理可行性。
Comments Accepted by ICLR 2026
Dexterous Manipulation through Imitation Learning: A Survey
通过模仿学习实现灵巧操作：综述
机构 * Tianjin Key Laboratory of Intelligent Unmanned Swarm Technology and System（天津智能集群技术与系统重点实验室） ； School of Electrical and Information Engineering（电气与信息工程学院） ； Shandong University（山东大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Division of Robotics, Perception and Learning（机器人、感知与学习 division） ； School of Control Science and Engineering（控制科学与工程学院） ； Massachusetts Institute of Technology（麻省理工学院） ； School of Computer Science（计算机科学学院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence（人工智能学院）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文综述了基于模仿学习的灵巧操作方法，探讨了最新进展和关键挑战，并提出增强IL驱动灵巧操作的潜在研究方向。
Comments 32pages, 6 figures, 9 tables
