机器人 / 具身智能

LabDex: A Hierarchical Benchmark for Dexterous Manipulation in Laboratories

LabDex：面向实验室灵巧操作的分层基准

Zhipeng Tang, Sihang Chen, Sha Zhang, Peihao Yang, Yan Liu, Wentao Zhao, Xinrui Liu, Rui Huang, Wensheng Du, Yuting Huang, Jiajun Deng, Lidian Wang, Yuan Zhang, Yanyong Zhang

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

AI总结 LabDex是面向化学实验室灵巧操作的分层基准，整合真实与仿真平台，覆盖原子技能、组合任务及长周期实验，可用于机器人学习方法的跨层级评估，为自主实验室机器人研发提供支撑。

Comments 13 pages, 3 figures

Mask2Real-WM: Segmentation Masks as a Sim-to-Real Bridge for Controllable Dexterous World Models

Mask2Real-WM：作为可控灵巧世界模型的模拟到现实桥梁的分割掩码

Riccardo O. Feingold, Davide Liconti, Chenyu Yang, Robert K. Katzschmann

机构 * Soft Robotic Lab, Department of Mechanical and Process Engineering ETH Zurich, Switzerland（苏黎世联邦理工学院机械与过程工程系软机器人实验室） 纠错

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

AI总结 提出Mask2Real-WM，一种用于灵巧操纵的两阶段动作条件世界模型，将像素预测解耦为动力学和渲染模型，利用分割空间较小的模拟到现实差距，通过合成数据预训练和真实演示微调实现各自由度动作可控。

Comments 23 pages, 24 figures, 4 tables. Preprint. Project page: https://srl-ethz.github.io/Mask2Real-WM/

Towards a Unified Understanding of Robot Manipulation: A Comprehensive Survey

面向机器人操作的统一理解：一项综合调查

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

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

AI总结 本调查针对机器人操作这一具身智能核心挑战，提出方法的统一分类与瓶颈分类，为机器人操作研究提供了全面的路线图与结构化参考。

Multi-modal Interactive Control of Robotic Arm based on Offline Large Language Models

基于离线大语言模型的机械臂多模态交互控制

Hanxiao Chen

机构 * University of Tokyo（东京大学） 纠错

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

AI总结 该研究提出“Socratic Models-ChatGLM”算法，基于离线开源大语言模型与PyBullet平台实现机械臂多模态交互控制，可降低成本并解决复杂多步骤机械操作任务。

Comments This research work has been accepted for poster presentation at ICRA 2026 MEI (Multimodal Embodied Interaction in Robots) Workshop. (Here is the workshop-version short paper.)

Journal ref https://ieeexplore.ieee.org/abstract/document/11371765; 2025

Acoustic-driven millimetric helical robot: ultrasonic synergistic manipulation in confined fluidic environment

声驱动毫米级螺旋机器人：受限流体环境中的超声协同操控

Hanlin Wang, Xin Wang, Xinwei Wei, Jiaxu Liu, Le Wang, Shengze Cai, Chao Xu

机构 * Zhejiang University（浙江大学） ； Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； Huzhou Normal University（湖州师范学院） ； Huzhou Vocational and Technical College（湖州职业技术学院） 纠错

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

AI总结 该研究提出协调多声场方法，利用声辐射力与声流协同实现毫米级螺旋机器人在受限流体环境的可控运动，提升了操控性，为相关生物医学应用提供支撑。

Robotic Nanoparticle Synthesis via Solution-based Processes

基于溶液过程的机器人纳米粒子合成

Dasharadhan Mahalingam, Michael Gallagher, Nilanjan Chakraborty, Stanislaus S. Wong

机构 * Department of Mechanical Engineering, Stony Brook University（石溪大学机械工程系） ； Department of Chemistry, Stony Brook University（石溪大学化学系） 纠错

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

AI总结 本文提出一种基于螺旋几何的操控规划框架，用于实现基于溶液的合成自动化，通过金和磁铁矿纳米粒子的制备进行演示。该框架通过编程演示提取约束，实现化学家无需机器人知识即可重新编程系统。

EmbodiedVAE: Disentangled Video VAE for Efficient and Controllable Embodied Manipulation

EmbodiedVAE：用于高效可控具身操作的解耦视频变分自编码器

Jiayi Luo, Hanxin Zhu, Chen Gao, Jiankun Wang, Cong Wang, Tianyu He, Jianxin Li, Zhibo Chen

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； CASIA, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所（CASIA）） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 针对现有潜在扩散模型适配具身操作场景的缺陷，提出EmbodiedVAE视频变分自编码器，通过双编码器架构与最优传输一致性模块实现更优重建质量、压缩率及精确动作控制。

Comments ECCV 2026

TWINS: A Tactile Wearable Isomorphic Arm Networked System for Contact-Rich Manipulation Learning

TWINS：用于接触丰富操作学习的触觉可穿戴同构臂联网系统

Takahide Kitamura, Masaki Murooka, Natsuki Yamanobe, Yukiyasu Domae

机构 * National Institute of Advanced Industrial Science and Technology (AIST)（独立行政法人产业技术综合研究所（AIST）） 纠错

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

AI总结 本文提出TWINS触觉可穿戴同构臂联网系统，用于解决现有机器人难以完成身体表面接触操作的问题，通过采集演示数据训练模仿学习策略，实现了身体表面触觉引导的接触丰富操作。

Practice Makes Policies: Bootstrapping and Consolidating Robotic Capabilities from Zero Human Demonstrations

熟能生巧：从零人类演示中引导与整合机器人能力

Jialiang Li, Yuhan Wang, Haojun Li, Gaojing Zhang, Yangtian Ye, Qipeng Liu, Haotian Liang, Wenzhao Lian

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

AI总结 本研究提出HERO自改进层级具身智能体，通过整合启发式推理等技术，实现机器人从零人类演示自主演进操作能力，减少数据收集人工干预并提升多样化任务操作稳健性。

Industrial Dexterity Benchmark: A Hardware-Software Benchmarking Platform for Industrial Dexterous Manipulation

工业灵巧性基准测试：一个用于工业灵巧操作的硬件-软件基准测试平台

Honglu He, Jacob Laufer, Zhiwu Zheng, David Elkan-gonzalez, Raman Goyal, Xinyi Li, Su Lu, Mishek Musa, Berke Saat, Nicolas Tan, Colm Prendergast

机构 * Analog Devices, Inc.（亚德诺半导体技术有限公司） 纠错

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

AI总结 针对工业灵巧操作瓶颈，提出从经典流程到端到端多模态模仿学习框架的转变，介绍了IDB板、DAG-ROS框架和AG-iDP3策略框架，通过数据中心电缆操作实验表明新策略在多方面优于传统方法，推动向可扩展机器人自动化发展。

EquiBim: Learning Symmetry-Equivariant Policy for Bimanual Manipulation

EquiBim: 学习双臂操作的对称等变策略

Zhiyuan Zhang, Aditya Mohan, Seungho Han, Wan Shou, Dongyi Wang, Yu She

机构 * Purdue University（普渡大学） ； University of Arkansas（阿肯色大学） 纠错

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

AI总结 本文提出EquiBim框架，通过强制对称性等变性提升双臂操作的性能和鲁棒性，适用于多种感知与动作表示。

Comments Accepted to IROS 2026. Project page: https://zhangzhiyuanzhang.github.io/equibim-website/

Real-Time sEMG-Based Telecontrol of an Assistive Robotic Arm Using a 1D Convolutional Neural Network

基于一维卷积神经网络的实时表面肌电辅助机器人手臂遥操作

Edgar Manacorda, Mena Samir Kama Abouseffien, Olivier Lecompte, Amandine Gesta, Abolfazl Mohebbi

机构 * Polytechnique Montréal（蒙特利尔综合理工大学） 纠错

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

AI总结 研究上肢运动障碍者用sEMG控制辅助机器人手臂的问题，核心方法是基于一维卷积神经网络，主要贡献是实现高分类性能、稳定实时行为，证明sEMG遥操作可行性，强调整合多技术的重要性，为后续研究指明方向。

RoboTacDex: A Dexterous Visual-Tactile-Action Dataset for Humanoid Manipulation

RoboTacDex：用于人形机器人操作的灵巧视觉-触觉-动作数据集

Xinyi Wang, Donghan Li, Zi'Ang Chen, Chong Yu, Chen Xin, Peng Ye, Yingkai Sun, Tao Chen

机构 * Fudan University（复旦大学） ； ByteDance Intelligent Creation（字节跳动智能创作） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 提出RoboTacDex，一个包含6k轨迹、19个任务、23种技能和22个物体的大规模多模态灵巧操作数据集，基于Unitree G1人形机器人构建，提供多视角RGB-D、触觉反馈和语义标注，并评估了三种模仿学习模型。

Learning Transferable Dynamics Priors from Action to World Modeling

从动作到世界建模的可迁移动力学先验学习

Ze Huang, Jiahui Zhang, Hairuo Liu, Chenxi Zhang, Ran Cheng, Li Zhang

机构 * School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学，上海，中国） ； McGill University, Montreal, QC, Canada（麦吉尔大学，蒙特利尔，魁北克，加拿大） 纠错

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

AI总结 提出A2World模型，通过大规模机器人操作数据预训练动作条件世界模型，学习可迁移的交互动力学先验，支持模拟器评估和策略学习。

Comments ECCV 2026 Accepted

LaST-HD: Learning Latent Physical Reasoning from Scalable Human Data for Robot Manipulation

LaST-HD：从可扩展人类数据中学习潜在物理推理以进行机器人操作

Jiaming Liu, Yinxi Wang, Chenyang Gu, Siyuan Qian, Xiangju Mi, Hao Chen, Jiawei Chen, Qingpo Wuwu, Xiaoqi Li, Nuowei Han, Yiming Zhang, Xuheng Zhang, Yang Yue, Yeqing Yang, Lei Wang, Peng Jia, Hao Tang, Shanghang Zhang

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） ； The Chinese University of Hong Kong（香港中文大学） ； Simplexity Robotics ； Aether Tech 纠错

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

AI总结 提出LaST-HD框架，通过将人手与机器人演示在共享潜在推理空间中对齐，利用未配对轨迹训练世界模型合成统一潜在目标，实现跨形态物理动力学内化，并开发低成本数据手套OOL Glove，结合混合训练策略，仅用少量人类数据即可达到高泛化性能。

ENPIRE: Agentic Robot Policy Self-Improvement in the Real World

ENPIRE: 现实世界中智能体机器人策略的自我改进

Wenli Xiao, Jia Xie, Tonghe Zhang, Haotian Lin, Letian "Max" Fu, Haoru Xue, Jalen Lu, Yi Yang, Cunxi Dai, Zi Wang, Jimmy Wu, Guanzhi Wang, S. Shankar Sastry, Ken Goldberg, Linxi "Jim" Fan, Yuke Zhu, Guanya Shi

机构 * NVIDIA（英伟达） ； CMU（卡内基梅隆大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出ENPIRE框架，通过环境重置、策略执行、结果验证和迭代优化的闭环反馈，使编码智能体自主改进机器人操作策略，在灵巧操作任务上达到99%成功率。

LaST$_{0}$: Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model

LaST$_{0}$：面向机器人视觉-语言-动作模型的潜在时空思维链

Zhuoyang Liu, Jiaming Liu, Hao Chen, Jiale Yu, Ziyu Guo, Chengkai Hou, Chenyang Gu, Xiangju Mi, Renrui Zhang, Kun Wu, Zhengping Che, Jian Tang, Pheng-Ann Heng, Shanghang Zhang

机构 * National University of Singapore（新加坡国立大学） ； 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 ：robotic(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 提出LaST$_0$框架，通过潜在时空思维链在隐空间进行高效推理，避免显式推理的延迟和语言瓶颈，在10个真实世界任务中平均成功率提升13%-14%。

Comments Project page: https://vla-last0.github.io/

The N2D Haptic Glove: A Multi-Finger Glove for 2D Directional Force Feedback for Contact Rich Manipulation

N2D 触觉手套：用于接触丰富操作的多指二维方向力反馈手套

Yao-Ting Huang, Jake Honma, Omar Hernandez, Logan Li, Kaitlin Calimbahin, Bryce Hackel, Michael C. Yip

机构 * University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 提出 N2D 触觉手套，通过绞盘驱动在指尖提供二维弯曲-伸展力反馈，显著降低遥操作中的接触力误差并提高一致性。

Mana: Dexterous Manipulation of Articulated Tools

Mana: 铰接工具的灵巧操作

Zhao-Heng Yin, Guanya Shi, Pieter Abbeel, C. Karen Liu

机构 * UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； Amazon FAR（亚马逊FAR） 纠错

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

AI总结 提出Mana框架，将灵巧操作重解释为动画问题，通过粗到细的流水线自动生成操作轨迹，实现铰接工具的零样本仿真到现实迁移。

Comments Project Page: https://zhaohengyin.github.io/mana

ManiSplat: Manipulation Trajectory Synthesis from Monocular Video via Decoupled 3D Gaussian Splatting

ManiSplat: 基于解耦3D高斯泼溅的单目视频操作轨迹合成

Wenhao Hu, Haonan Zhou, Liu Liu, Yun Du, Xinjie Wang, Ziang Li, Zhizhong Su, Gaoang Wang

机构 * Zhejiang University（浙江大学） ； Horizon Robotics（地平线机器人） 纠错

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

AI总结 提出ManiSplat框架，通过图结构解耦表示和任务导向时空对齐，从单目视频重建可控的3D高斯数字孪生，支持机器人操作任务与策略学习。

What Are We Actually Benchmarking in Robot Manipulation?

我们究竟在机器人操作中基准测试什么？

Tianchong Jiang, Xiangshan Tan, Samuel Wheeler, Luzhe Sun, Tewodros W. Ayalew, Matthew Walter

机构 * Toyota Technological Institute at Chicago（丰田技术研究所芝加哥分校） ； University of Chicago（芝加哥大学） ； Argonne National Laboratory（阿贡国家实验室） 纠错

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

AI总结 本文通过识别基准测试的四种失效模式（捷径可解性、缺乏统计显著性、渐进过拟合和数据源依赖性），并提出相应诊断方法，对LIBERO、CALVIN、SimplerEnv、RoboCasa和RoboTwin 2.0进行审计，发现多数基准测试存在缺陷，并发布了诊断工具。

Comments 31 pages, 6 figures

From Video to Control: A Survey of Learning Manipulation Interfaces from Temporal Visual Data

从视频到控制：基于时间视觉数据学习操作接口的综述

Linfang Zheng, Zikai Ouyang, Chen Wang, Jia Pan, Wei Zhang

机构 * School of Automation and Intelligent Manufacturing (AiM)（自动化与智能制造学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology（广东省全驱动系统控制理论与技术省级重点实验室） ； Southern University of Science and Technology（南方科技大学） ； The University of Hong Kong（香港大学） ； Peng Cheng Laboratory（鹏城实验室） ； LimX Dynamics 纠错

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

AI总结 本文综述了利用无动作标注的时间视频数据学习机器人操作控制接口的方法，提出以接口为中心的三种分类：直接视频-动作策略、潜在动作方法和显式视觉接口，并分析了控制集成特性与未来研究方向。

SWEET: Sparse World Modeling with Image Editing for Embodied Task Execution

SWEET：基于图像编辑的稀疏世界建模用于具身任务执行

Yiren Song, Yihan Wang, Xiyao Deng, Zhuoran Yan, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； Central South University（中南大学） 纠错

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

AI总结 本文研究图像编辑模型能否作为稀疏视觉世界模型用于机器人操作，通过预测任务级未来状态而非密集视频生成，提出SWEET框架实现稀疏视觉规划，结合语言指令和空间引导生成关键帧，并通过扩散动作预测器生成可执行动作，实验表明其在不同场景中提升关键帧预测能力。

Geometry-aware 4D Video Generation for Robot Manipulation

面向机器人操作的几何感知4D视频生成

Zeyi Liu, Shuang Li, Eric Cousineau, Siyuan Feng, Benjamin Burchfiel, Shuran Song

机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究院） 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 本文提出了一种几何感知的4D视频生成模型，通过跨视角点图对齐进行训练，以确保生成视频在多视角下的3D一致性，从而在单个RGB-D图像输入下生成时空一致的未来视频序列，并在不依赖相机姿态的情况下实现稳定的视觉和空间对齐预测。

Comments ICLR 2026; Project website: https://robot4dgen.github.io

DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo

DexJoCo：用于MuJoCo上的任务导向灵巧操作的基准和工具包

Hanwen Wang, Weizhi Zhao, Xiangyu Wang, Siyuan Huang, He Lin, Boyuan Zheng, Rongtao Xu, Gang Wang, Yao Mu, He Wang, Lue Fan, Hongsheng Li, Zhaoxiang Zhang, Tieniu Tan

机构 * NLPR & MAIS, CASIA（中国科学院南京自动化研究所与模式识别与人工智能实验室） ； SJTU（上海交通大学） ； MBZUAI（马克斯·普朗克研究所） ； Beijing Institute of Basic Medical Sciences（北京基础医学研究所） ； PKU & Galbot（北京大学与Galbot） ； CUHK（香港大学） 纠错

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

AI总结 本文提出DexJoCo基准和工具包，包含11个功能任务评估灵巧手的工具使用、双臂协调、长周期执行和推理能力，通过低成本数据收集系统和领域随机化评估鲁棒性，揭示当前策略的局限性。

Comments 8 pages, 6 figures, project page is available at: https://dexjoco.github.io

Data-Driven Contact-Aware Control Method for Real-Time Deformable Tool Manipulation: A Case Study in the Environmental Swabbing

数据驱动的接触感知控制方法用于实时变形工具操作：环境清洁的案例研究

Siavash Mahmoudi, Amirreza Davar, Dongyi Wang

机构 * University of Arkansas（亚拉巴马大学） 纠错

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

AI总结 本文提出了一种基于Koopman算子的SA-KLQR控制框架，用于实时变形工具操作，通过触觉反馈系统动态估计和调节清洁工具的角度、接触压力和表面覆盖，提升食品卫生标准下的稳定性与精度。

Comments Submitted for Journal Review

BiCoord: A Bimanual Manipulation Benchmark towards Long-Horizon Spatial-Temporal Coordination

BiCoord: 一种面向长时域空间-时间协调的双臂操作基准

Xingyu Peng, Chen Gao, Liankai Jin, Annan Li, Si Liu

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 BiCoord基准旨在解决双臂操作中长时域和紧密协调的问题，通过多样化的任务和量化指标评估协调性，揭示现有方法在长时域任务中的不足。

Comments 8 pages

Veo-Act: How Far Can Frontier Video Models Advance Generalizable Robot Manipulation?

Veo-Act：前沿视频模型在通用机器人操作中能走多远？

Zhongru Zhang, Chenghan Yang, Qingzhou Lu, Yanjiang Guo, Jianke Zhang, Yucheng Hu, Jianyu Chen

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文探讨前沿视频模型如Veo-3在通用机器人操作中的应用，提出Veo-Act框架结合高阶运动规划与低阶执行器，提升指令跟随性能。

Comments 16 pages, 12 figures. Equal contribution by Zhongru Zhang, Chenghan Yang, Qingzhou Lu and Yanjiang Guo. Project lead: Yanjiang Guo

DiffusionAnything: End-to-End In-context Diffusion Learning for Unified Navigation and Pre-Grasp Motion

DiffusionAnything: 端到端的上下文扩散学习用于统一导航和预抓取运动

Iana Zhura, Yara Mahmoud, Jeffrin Sam, Hung Khang Nguyen, Didar Seyidov, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Center for Digital Engineering, Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院数字工程中心智能空间机器人实验室） 纠错

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

AI总结 本文提出一种端到端的上下文扩散学习方法，通过多尺度特征调制实现统一的导航与精细操控，仅需5分钟自监督数据即可实现零样本泛化。

ManiDreams: An Open-Source Library for Robust Object Manipulation via Uncertainty-aware Task-specific Intuitive Physics

ManiDreams：一种基于不确定性强鲁棒物体操作的开源库

Gaotian Wang, Kejia Ren, Andrew S. Morgan, Kaiyu Hang

机构 * Department of Computer Science, Rice University, Houston, TX 77005, USA（计算机科学系，里士大学，德克萨斯州休斯敦，77005，美国） ； Robotics and AI Institute, Cambridge, MA 02142, USA（机器人与人工智能研究所，马萨诸塞州剑桥，02142，美国） 纠错

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

AI总结 ManiDreams通过整合不确定性表示、传播和约束，提升机器人操作的鲁棒性，实验表明其在多种扰动下表现优于传统RL方法。

Comments 9 pages, 10 figures. Project page at https://rice-robotpi-lab.github.io/ManiDreams/