机器人 / 具身智能

Periodic robust robotic rock chop via virtual model control

基于虚拟模型控制的周期性鲁棒机器人砍切

Yi Zhang, Fumiya Iida, Fulvio Forni

机构 * University of Cambridge（剑桥大学） ； University of Tokyo（东京大学） 纠错

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

AI总结 提出一种物理结构化的虚拟模型控制器，通过切换虚拟机构生成鲁棒的周期性砍切运动，无需预规划轨迹，在Franka机械臂上实现多种蔬菜的亚毫米级精确切割。

An Ergonomic, Customizable Soft Robotic Glove toward Personalized Hand Rehabilitation

一种符合人体工程学、可定制的软体机器人手套，用于个性化手部康复

Rui Chen, Firman Isma Serdana, Domenico Chiaradia, Xianlong Mai, Elena Losanno, Gabriele Righi, Claudia De Santis, Federica Serra, Vincent Mendez, Cristian Camardella, Daniele Leonardis, Giulio Del Popolo, Silvestro Micera, Antonio Frisoli

机构 * The Biorobotics Inst. and Dept. of Excellence in Robotics and AI, Scuola Superiore Sant’Anna, Pisa, Italy（生物机器人研究所和机器人与人工智能卓越部门，圣安娜高等学院，比萨，意大利） ； Institute of Mechanical Intelligence and Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna (SSSA), 56127, Pisa, Italy（机械智能研究所和机器人与人工智能卓越部门，圣安娜高等学院（SSSA），56127，比萨，意大利） ； CAS Key Laboratory of Mechanical Behavior and Design of Materials, Institute of Humanoid Robots, School of Engineering Sciences, University of Science and Technology of China, Hefei, China（中国科学技术大学材料机械行为与设计国家重点实验室，人形机器人研究所，工程科学学院，合肥，中国） ； Modular Implantable Neuroprostheses (MINE) Laboratory, Università Vita-Salute San Raffaele & Sant’Anna School of Advanced Studies, Milan, Italy（可植入神经假体（MINE）实验室，维塔-桑瑞法大学及圣安娜高级研究学院，米兰，意大利） ； Careggi University Hospital, 50134 Florence, Italy（Careggi大学医院，50134，佛罗伦萨，意大利） ； Bertarelli Fndn. Chair in Translational Neuroengineering, Neuro X Institute, École Polytechnique Fédérale de Lausanne (EPFL), Laussane, Switzerland（伯特拉里基金会转化神经工程主席，Neuro X研究所，洛桑联邦理工学院（EPFL），洛桑，瑞士） 纠错

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

AI总结 针对手部康复需求，提出一种基于织物的可定制软体机器人手套，采用数控热封技术制造双腔致动器，通过个性化指关节适配和凹形外表面设计提升舒适度与抓握力，实验验证其能降低前臂肌肉活动并改善脊髓损伤患者的抓握模式。

FingerEye: Learning Dexterous Manipulation with Continuous Vision-Tactile Sensing

FingerEye：通过连续视觉-触觉感知学习灵巧操作

Zhixuan Xu, Yichen Li, Xuanye Wu, Tianyu Qiu, Lin Shao

机构 * National University of Singapore（新加坡国立大学） ； RoboScience（机器人科学） ； Huazhong University of Science and Technology（华中科技大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 FingerEye通过连续视觉-触觉感知提升机器人灵巧操作，结合视觉和触觉反馈，在模拟和现实环境中使腕部策略的成功率提升超30个百分点。

From Pixels to Shelf: An Integrated Robotic System for Autonomous Supermarket Stocking with a Mobile Manipulator

从像素到货架：基于移动操作臂的自主超市补货集成机器人系统

Davide Peron, Victor Nan Fernandez-Ayala, Lukas Segelmark

机构 * Department of Information Engineering, University of Padova（帕多瓦大学信息工程系） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院决策与控制系统系） ； Animum AB（Animum公司） 纠错

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

AI总结 提出一种集成商用硬件与ROS2的模块化机器人系统，利用行为树规划、视觉检测和两步MPC控制，在700多次补货实验中实现98%以上的抓取成功率，但性能仍逊于人类工人。

Comments Preprint for CASE 2026

Kernel-SDF: An Open-Source Library for Real-Time Signed Distance Function Estimation using Kernel Regression

基于核回归的SDF库：利用核回归进行实时符号距离函数估计的开源库

Zhirui Dai, Tianxing Fan, Mani Amani, Jaemin Seo, Ki Myung Brian Lee, Hyondong Oh, Nikolay Atanasov

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 本文提出Kernel-SDF开源库，通过核回归实时估计带不确定性的符号距离函数，提供高精度SDF、梯度和网格构造，适用于机器人应用。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026; code: https://github.com/ExistentialRobotics/kernel_sdf

Adaptive Modular Geometric Control of Robotic Manipulators

机器人操作臂的自适应模块化几何控制

Mahdi Hejrati, Amir Hossein Barjini, Gokhan Alcan, Jouni Mattila

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

AI总结 针对惯性参数不确定的机器人操作臂，提出一种自适应模块化几何控制框架，通过SE(3)上的对数映射定义构型误差，结合李代数对偶配对实现模块间功率共轭连接，并引入正定对称矩阵流形上的几何自适应律，证明闭环跟踪误差半全局一致最终有界。

Comments Submitted to Systems & Control Letters

MorphIt: Flexible Spherical Approximation of Robot Morphology for Representation-driven Adaptation

MorphIt：面向表征驱动适应的机器人形态的灵活球形近似

Nataliya Nechyporenko, Yutong Zhang, Sean Campbell, Alessandro Roncone

机构 * Human Interaction and RObotics [HIRO] Group（人机交互与机器人[HIRO]组） ； Department of Computer Science（计算机科学系） ； College of Engineering and Applied Science（工程与应用科学学院） ； University of Colorado Boulder（科罗拉多大学波尔得分校） 纠错

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

AI总结 MorphIt是一种新型球形近似框架，可将机器人形态表征作为可调资源，通过梯度优化实现任务驱动型形态适应，速度比同类方法快达100倍，能提升机器人碰撞检测等能力，为机器人操作开辟新前沿。

WaveVerif: Acoustic Side-Channel based Verification of Robotic Workflows

WaveVerif：基于声学侧信道的机器人工作流验证

Zeynep Yasemin Erdogan, Shishir Nagaraja, Chuadhry Mujeeb Ahmed, Ryan Shah

机构 * Newcastle University（新castle大学） 纠错

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

AI总结 该研究提出WaveVerif框架，利用声学侧信道分析开发机器学习验证系统，可实时低成本无源验证机器人工作流，准确率超80%且无需硬件修改。

Comments 11 pages, 3 figures, Corresponding Author: Zeynep Yasemin Erdogan (z.y.erdogan2@newcastle.ac.uk)

Breaking Planner Integrity Boundary: Enviroment State-Text Injection Attack on LLM-Driven Embodied Agents

当状态成为攻击面：大语言模型驱动的具身智能体中的状态语义注入

Jiawei Liu, Jiacheng Guo, Tian Zhang, Yiwei Xu, Juan Wang, Jinlin Fan, Bowen Xiao, Chi Guo, Keyan Guo, Hongxin Hu

机构 * Wuhan University（武汉大学） ； University at Buffalo（布法罗大学） 纠错

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

AI总结 该文聚焦LLM驱动的具身智能体，梳理其技术演进与现有模型，指出其需结合多类信息完成任务落地后执行，为后续状态语义注入攻击研究奠定基础。

Comments submitted to USENIX Security 2027

SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation

SAFE-Pruner: 语义注意力引导的未来感知令牌剪枝用于高效视觉-语言-动作操控

Shilin Ma, Chubin Zhang, Changyuan Wang, Yuji Wang, Yue Wu, Zixuan Wang, Jingqi Tian, Zheng Zhu, Yansong Tang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） 纠错

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

AI总结 针对视觉-语言-动作模型推理加速中现有剪枝方法忽略深层视觉信息的问题，提出SAFE-Pruner框架，通过引入未来层注意力线索和语义注意力一致性实现前瞻性令牌剪枝，在仿真和真实实验中取得最高1.89倍加速且成功率下降小于1.7%。

Comments Accepted to ECCV 2026

DECO: Decoupled Multimodal Diffusion Transformer for Bimanual Dexterous Manipulation with a Plugin Tactile Adapter

DECO：解耦多模态扩散变压器用于配备插件触觉适配器的双臂灵巧操作

Xukun Li, Yu Sun, Lei Zhang, Bosheng Huang, Yibo Peng, Yuan Meng, Haojun Jiang, Shaoxuan Xie, Guocai Yao, Alois Knoll, Zhenshan Bing, Xinlong Wang, Zhenguo Sun

机构 * Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； School of Computation, Information and Technology, Technical University of Munich, Garching, Germany（慕尼黑技术大学计算与信息学院） ； Department of Shenyang Institute of Computing Technology, University of Chinese Academy of Sciences, Beijing, China（中国科学院沈阳计算技术研究所部门） ； State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） 纠错

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

AI总结 DECO通过解耦多模态输入和触觉适配器，实现了双臂灵巧操作的高效整合与高成功率

Comments 25 pages, 8 figures. Project Page: https://baai-humanoid.github.io/DECO-webpage/

SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy

SynAgent：通过独狼到协作代理协同实现通用化的人形机器人操作

Wei Yao, Haohan Ma, Hongwen Zhang, Liangjun Xing, Zhile Yang, Yuanjun Guo, Yunlian Sun, Yebin Liu

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Artificial Intelligence, Nanjing Forestry University（南京林业大学人工智能学院） 纠错

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

AI总结 本文提出SynAgent框架，通过独狼到协作代理协同转移单agent人-物体交互技能，实现可扩展且物理合理的协作操作，实验显示其在协作模仿和轨迹条件控制方面优于现有基线。

Critic Architecture Matters: Dual vs. Unified Critics for Humanoid Loco-Manipulation

评论家架构的重要性：双评论家与统一评论家在人形机器人移动操作中的对比

Mehmet Turan Yardımcı

机构 * Department of Computer Engineering（计算机工程系） ； Çukurova University（丘布亚大学） 纠错

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

AI总结 针对人形机器人多目标强化学习，对比统一评论家与双评论家架构，实验表明双评论家策略在到达速度、吞吐量和成功率上显著优于统一评论家，且架构选择比奖励工程影响更大。

Comments Accepted at the ICRA 2026 Workshop on Reinforcement Learning for Imitation Learning (RL4IL), Vienna. 5 pages, 2 figures. v2: corrects the unified-critic run's curriculum level (10 of 40) and per-run environment counts, adds a Confounding Factors section, and softens the causal framing; measurements unchanged. https://mturan33.github.io/critic-architecture-matters/

ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification

ID-Guard：一种通过破坏身份特征来对抗面部操纵的通用框架

Zuomin Qu, Wei Lu, Xiangyang Luo, Qian Wang, Xiaochun Cao

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

AI总结 本研究针对面部操纵滥用的问题，提出ID-Guard通用框架，通过身份破坏模块生成跨模型可迁移扰动，可防御多种操纵模型并集成到其他任务中。

InDex: Empowering VLA Models with Intent-Conditioned Arm-Hand Coordination for Dexterous Manipulation

弥合形态差距：通过意图条件微调使VLA模型适应灵巧操作

Chuanke Pang, Junyi Huang, Zhijun Zhao, Yaobing Wang, Kun Xu, Xilun Ding

机构 * Beihang University（北京航空航天大学） ； China Academy of Space Technology（中国空间技术研究院） 纠错

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

AI总结 提出InDex框架，通过将预训练的1-DoF平行抓取输出重用作宏观虚拟抓取意图代理，结合两阶段解耦学习架构，实现VLA模型从低自由度夹爪到高自由度灵巧手的适应，有效缓解灾难性遗忘和动作流形坍缩。

AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models

AnchorRefine：基于轨迹锚点和残差细化的轨迹-锚点与残差细化的视觉-语言-动作模型

Tingzheng Jia, Kan Guo, Lanping Qian, Yongli Hu, Daxin Tian, Guixian Qu, Chunmian Lin, Baocai Yin, Jiapu Wang

机构 * Beijing University of Technology（北京理工大学） ； Beihang University（北航） ； Nanjing University of Science and Technology（南京理工大学） 纠错

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

AI总结 本文提出AnchorRefine框架，通过分解视觉-语言-动作动作建模为轨迹锚点和残差细化，提升几何和接触精度，实验表明在模拟和现实任务中均取得显著提升。

Comments The authors have decided to withdraw this manuscript because the work requires substantial revision and further experimental validation

TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation

用于全臂操作的触觉和视觉条件下的以接触为中心的控制

Rishabh Madan, Angchen Xie, Samantha Saak, Andres Blanco, Dohyeok Lee, Sarah Grace Brown, Yunting Yan, Mark Zolotas, Jose Barreiros, Tapomayukh Bhattacharjee

机构 * Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Toyota Research Institute（丰田研究机构） 纠错

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

AI总结 研究全臂操作问题，提出TACTIC控制器，它采用以接触为中心的混合预测模型，结合多种传感，通过接触雅可比矩阵耦合动力学与运动学，集成到MPC规划器，在模拟和实际任务中表现出色，优于其他方法。

Comments RSS 2026

WristMimic: Full-Body Humanoid Control with Wrist-Guided Manipulation

WristMimic：基于手腕引导操作的全身人形机器人控制

Wongyun Yu, Youngwoon Kim, Minsu Cho

机构 * Pohang University of Science and Technology (POSTECH)（浦项科技大学） 纠错

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

AI总结 研究如何将人类物体交互演示重定向到物理模拟，提出WristMimic框架，分离无接触身体运动与手部操作，通过手腕引导，让手指从物体跟踪和接触结果学习行为，实验显示该框架在跨手部模型重定向时效果良好。

Comments Accepted to ECCV 2026

Language-Guided Grasping under Partial Observation for Mobile Manipulation in Field Inspection and Maintenance

用于现场检查和维护中移动操作的部分观察下语言引导抓取

Dilermando Almeida, Juliano Negri, Guilherme Lazzarini, Thiago H. Segreto, Ranulfo Bezerra, Gustavo J. G. Lahr, Ricardo V. Godoy, Marcelo Becker

机构 * Department of Mechanical Engineering, Federal University of Uberlândia（联邦大学伯南迪利亚机械工程系） ； Department of Mechanical Engineering, University of São Paulo（圣保罗大学机械工程系） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； Faculdade Israelita de Ensino e Pesquisa Albert Einstein, Hospital Israelita Albert Einstein（艾伯特·爱因斯坦以色列教学与研究学院，艾伯特·爱因斯坦医院） 纠错

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

AI总结 提出用于腿部移动操纵器在部分观察下的语言引导抓取流程，经多步骤处理，在四足机器人上实现并评估，相比基线提高抓取成功率，提升语言引导抓取可靠性。

CaP-X: A Framework for Benchmarking and Improving Coding Agents for Robot Manipulation

CaP-X: 用于基准测试和改进机器人操作编码智能体的框架

Letian Fu, Justin Yu, Karim El-Refai, Ethan Kou, Haoru Xue, Huang Huang, Wenli Xiao, Guanzhi Wang, Dantong Niu, Fei-Fei Li, Guanya Shi, Jiajun Wu, Shankar Sastry, Yuke Zhu, Ken Goldberg, Linxi "Jim" Fan

机构 * nvidia ； stanford（斯坦福大学） ； cmu（卡内基梅隆大学） 纠错

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

AI总结 提出CaP-X框架，通过CaP-Gym交互环境和CaP-Bench评估，发现编码智能体依赖人工抽象，但通过扩展测试时计算可提升鲁棒性，并推出无需训练的CaP-Agent0和强化学习CaP-RL。

Beyond Independent Manipulation: Individual Fairness-aware Strategic Classification with Peer Imitation

超越独立操纵：具有同伴模仿的个体公平感知策略分类

Xinpeng Lv, Chunyuan Zheng, Yunxin Mao, Renzhe Xu, Jinxuan Yang, Yuanlong Chen, Wangrong Huang, Shaowu Yang, Wenjing Yang, Xinwang Liu, Peng Cui, Haotian Wang

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Mathematical Sciences, Peking University（北京大学数学学院） ； Institute for Theoretical Computer Science, Shanghai University of Finance and Economics（上海财经大学理论计算机科学研究所） ； Information Technology Development, Aetos Capital Group, Sydney（悉尼Aetos资本集团信息技术部） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 提出个体公平感知策略分类（IFSC）框架，通过建模基于个体公平的同伴驱动操纵（模仿邻近被接受同伴），并采用鲁棒学习过程处理同伴可观测性不确定性，以改善个体公平一致性并减轻模仿引起的扭曲。

Comments Accepted by SIGKDD2026

GAPartManip: A Large-scale Part-centric Dataset for Material-Agnostic Articulated Object Manipulation

GAPartManip：面向材料无关铰接物体操作的大规模部件中心数据集

Wenbo Cui, Chengyang Zhao, Songlin Wei, Jiazhao Zhang, Haoran Geng, Yaran Chen, Haoran Li, He Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CFCS, School of Computer Science, Peking University（北京大学计算机科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Galbot 纠错

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

AI总结 提出大规模部件中心数据集GAPartManip，结合照片级材质随机化和部件级交互姿态标注，通过模块化框架提升深度估计与交互姿态预测，在仿真和真实场景中实现鲁棒的铰接物体操作。

Comments Accepted by ICRA 2025. Project page: https://pku-epic.github.io/GAPartManip/

DeMaVLA: A Vision-Language-Action Foundation Model for Generalizable Deformable Manipulation

DeMaVLA：面向可泛化可变形物体操作的视觉-语言-动作基础模型

Taiyi Su, Jian Zhu, Tianjian Wang, Youzhang He, Zitai Huang, Jianjun Zhang, Chong Ma, Hanyang Wang, Tianjiao Zhang, Munan Yin, Weihao Ding, Yi Xu

机构 * Tongji University（同济大学） 纠错

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

AI总结 提出DeMaVLA模型，采用VLM骨干与动作专家结合流匹配生成连续动作，通过剪枝Transformer层提升效率，并利用大规模真实世界数据和人类反馈数据聚合训练，实现可变形物体折叠操作的多类别泛化。

Comments 14 pages, 2 figures

Bimanual Robot Manipulation via Multi-Agent In-Context Learning

通过多智能体上下文学习的双臂机器人操作

Alessio Palma, Indro Spinelli, Vignesh Prasad, Luca Scofano, Yufeng Jin, Georgia Chalvatzaki, Fabio Galasso

机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； TU Darmstadt（达姆施塔特技术大学） ； Hessian.AI（黑森AI） 纠错

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

AI总结 提出BiCICLe框架，将双臂操作建模为多智能体主从问题，通过解耦动作空间实现标准LLM的少样本学习，在TWIN基准上平均成功率70.5%，超越无训练基线。

RelayFormer: A Unified Local-Global Attention Framework for Scalable Image and Video Manipulation Localization

RelayFormer: 一种用于可扩展图像和视频篡改定位的统一局部-全局注意力框架

Wen Huang, Jiarui Yang, Tao Dai, Jiawei Li, Shaoxiong Zhan, Bin Wang, Shu-Tao Xia

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

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

AI总结 提出RelayFormer统一框架，通过全局局部中继（GLR）令牌和中继注意力机制，适应不同分辨率并统一处理图像与视频，在篡改定位任务中实现高效且性能优越。

Artists' Views on Robotics Involvement in Painting Productions

艺术家对机器人参与绘画创作的看法

Francesca Cocchella, Nilay Roy Choudhury, Eric Chen, Patrícia Alves-Oliveira

机构 * CONTACT Unit, Italian Institute of Technology（意大利理工学院联络单位） ； University of Michigan（密歇根大学） 纠错

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

AI总结 通过八位抽象艺术家与机器人合作绘画的实证研究，发现人机协作更富趣味性和反思性，提供更大自主性，并激发克服系统限制的新策略。

Comments 10 pages, 9 figures, submitted to RAM special issue: Arts and Robotics

ReTouch: Empowering Contact-Rich Dexterous Manipulation with Online-Refined Tactile Prediction

ReTouch：利用在线优化的触觉预测实现接触丰富的灵巧操作

Shiqi Zhang, Xin Zhang, Yedong Shen, Yao Li, Yuxuan Gao, Sha Zhang, Yuan Zhang, Kaixue Long, Jiajia Wu, Jia Pan, Jiajun Deng, Yanyong Zhang

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

AI总结 本研究提出视觉-语言-动作模型ReTouch，通过在线优化触觉预测实现接触丰富的灵巧操作，在真实机器人实验中，其平均成功率较最强基线提升18.4至23.8个百分点。

Action-Effect Memory Pretraining for Robot Manipulation

动作-效应记忆预训练用于机器人操作

Yijing Zhou, Qiwei Liang, Sitong Zhuang, Jiaxi Li, Xianpeng Wang, Boyang Cai, Yunyang Mo, Renjing Xu

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shenzhen University（深圳大学） 纠错

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

AI总结 提出AEM框架，通过视觉-动作历史掩码建模学习紧凑时间表征，提升机器人操作在部分可观测环境下的性能，优于单帧预训练和帧堆叠方法。

Geometric Reconstruction of Extrinsic Contact Trajectories using Tactile Sensing and Proprioception for Tool Manipulation

利用触觉感知和本体感觉进行工具操作中外在接触轨迹的几何重建

Seojung Min, Yoonjin Kim, Jeong-Jung Kim, Jung Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Korea Institute of Machinery and Materials（韩国机械与材料研究院） 纠错

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

AI总结 提出一种基于触觉感知和机器人本体感觉重建工具尖端外在接触轨迹的方法，通过单点接触假设和校准段估计全局接触位置，结合连续接触下的相对运动估计，实现实时轨迹重建。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Updated to the final conference version

Learning Versatile Humanoid Manipulation with Touch Dreaming

通过触觉梦想学习多功能人形操作

Yaru Niu, Zhenlong Fang, Binghong Chen, Shuai Zhou, Revanth Krishna Senthilkumaran, Hao Zhang, Bingqing Chen, Chen Qiu, H. Eric Tseng, Jonathan Francis, Ding Zhao

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UT Arlington（UT阿灵顿） ； Bosch Center for AI（博世人工智能中心） 纠错

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

AI总结 本文提出HTD模型，结合触觉、视觉和本体感觉，通过触觉梦想增强学习实现高灵活性的人形操作，实验证明在五个真实任务中成功率提升显著。