机器人 / 具身智能

Towards Precise Robotic Grasping by Probabilistic Post-grasp Displacement Estimation

Jialiang Zhao, Jacky Liang, Oliver Kroemer

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

Comments Submitted and accepted to 12th Conference on Field and Service Robotics (FSR 2019)

Learning Dexterous In-Hand Manipulation

OpenAI, Marcin Andrychowicz, Bowen Baker, Maciek Chociej, Rafal Jozefowicz, Bob McGrew, Jakub Pachocki, Arthur Petron, Matthias Plappert, Glenn Powell, Alex Ray, Jonas Schneider, Szymon Sidor, Josh Tobin, Peter Welinder, Lilian Weng, Wojciech Zaremba

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

Comments Making OpenAI the first author. We wish this paper to be cited as "Learning Dexterous In-Hand Manipulation" by OpenAI et al. We are replicating the approach from the physics community: arXiv:1812.06489

Rearrangement with Nonprehensile Manipulation Using Deep Reinforcement Learning

Weihao Yuan, Johannes A. Stork, Danica Kragic, Michael Y. Wang, Kaiyu Hang

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

Comments 2018 International Conference on Robotics and Automation

Robobarista: Object Part based Transfer of Manipulation Trajectories from Crowd-sourcing in 3D Pointclouds

Jaeyong Sung, Seok Hyun Jin, Ashutosh Saxena

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

Comments In International Symposium on Robotics Research (ISRR) 2015

Autonomously Learning to Visually Detect Where Manipulation Will Succeed

Hai Nguyen, Charles C. Kemp

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

Comments 15 pages, 10 figures. Submitted to the Autonomous Robots Journal Special Issue "Beyond Grasping - Modern Approaches for Dexterous Manipulation"

HandEdit: A Unified Benchmark for Egocentric Human-to-Robot Dexterous Hand Image Editing

HandEdit：用于自我中心视角下人类到机器人灵巧手图像编辑的统一基准

Zhenjie Yang, Xingyu Jiao, Guopeng Zhong, Shuzhe Yang, Shi Che, Chao Wu, Chenyu Jiang, Dongjie Zhang, Yideng Zhang, Zheng Zhang, Muyun Jiang, Haisheng Su, Shuang Jin, Donghang Zhang, Chao Yang, Li Chen, Hongyang Li, Zuxuan Wu, Yu-Gang Jiang, Xiaosong Jia, Junchi Yan

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

AI总结 HandEdit是含2亿+实例、覆盖26种URDF的统一具身感知图像编辑基准，用于弥合人类与机器人数据差异，可评估11种图像编辑基线，助力具身人工智能发展。

Comments Technical Report. Project Page: https://handedit.github.io/

MaMi-HOI: Harmonizing Global Kinematics and Local Geometry for Human-Object Interaction Generation

MaMi-HOI：协调全局运动学与局部几何以生成人-物交互

Hao Wang, Shiqi Wang, Qi Liu

机构 * School of Future Technology, South China University of Technology, Guangzhou, Guangdong, China（未来技术学院，华南理工大学，广州，广东，中国） 纠错

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

AI总结 本文提出MaMi-HOI框架，通过几何感知接近适配器和运动学和谐适配器协调宏观运动流畅性与微观空间精度，实现自然运动与精确接触的平衡，扩展了长轨迹生成能力。

SPARK: Sim-ready Part-level Articulated Reconstruction with VLM Knowledge

SPARK: 面向模拟的关节化重建与VLK知识

Yumeng He, Ying Jiang, Jiayin Lu, Yin Yang, Chenfanfu Jiang

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

AI总结 SPARK通过结合VLK和生成扩散模型，实现从单张图像中生成物理一致的关节化3D物体，提升机器人操作和交互建模的应用效果。

Comments Project page: https://heyumeng.com/SPARK/index.html. 17 pages, 7 figures

Gaze-based dual resolution deep imitation learning for high-precision dexterous robot manipulation

Heecheol Kim, Yoshiyuki Ohmura, Yasuo Kuniyoshi

机构 * Laboratory for Intelligent Systems and Informatics, Graduate School of Information Science and Technology, The University of Tokyo（智能系统与信息学实验室，信息科学与技术研究生院，东京大学） 纠错

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

Comments 8 pages. The supplementary video can be found at: https://www.youtube.com/watch?v=ytpChcFqD5g Published in IEEE Robotics and Automation Letters. Replaced to add video url in the manuscript

Journal ref IEEE Robotics and Automation Letters, Vol. 6, No. 2, 2021

Curiosity-Driven Imagination: Discovering Plan Operators and Learning Associated Policies for Open-World Adaptation

Pierrick Lorang, Hong Lu, Matthias Scheutz

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

Comments 8 pages, 4 figures. Accepted at ICRA 2025

Partially Observable Task and Motion Planning with Uncertainty and Risk Awareness

Aidan Curtis, George Matheos, Nishad Gothoskar, Vikash Mansinghka, Joshua Tenenbaum, Tomás Lozano-Pérez, Leslie Pack Kaelbling

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

GaussianPU: A Hybrid 2D-3D Upsampling Framework for Enhancing Color Point Clouds via 3D Gaussian Splatting

Zixuan Guo, Yifan Xie, Weijing Xie, Peng Huang, Fei Ma, Fei Richard Yu

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

Comments 7 pages, 5 figures

Interactive Multi-Robot Flocking with Gesture Responsiveness and Musical Accompaniment

Catie Cuan, Kyle Jeffrey, Kim Kleiven, Adrian Li, Emre Fisher, Matt Harrison, Benjie Holson, Allison Okamura, Matt Bennice

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

One-shot Learning for Autonomous Aerial Manipulation

Claudio Zito, Eliseo Ferrante

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

Comments aerial manipulation, aerial grasping, one-shot learning, collaborative transportation

Journal ref Frontiers in Robotics and AI, Sec. Computational Intelligence in Robotics, Volume 9, 2022

Physical Interaction and Manipulation of the Environment using Aerial Robots

Azarakhsh Keipour

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

Comments Robotics Ph.D. Dissertation - Carnegie Mellon University Robotics Institute, May 2022 https://www.ri.cmu.edu/publications/physical-interaction-and-manipulation-of-the-environment-using-aerial-robots/

Bandit-Based Model Selection for Deformable Object Manipulation

Dale McConachie, Dmitry Berenson

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

Comments Presented at the Workshop on the Algorithmic Foundations of Robotics, 2016, San Francisco, CA

Journal ref Algorithmic Foundations of Robotics XII. Springer Proceedings in Advanced Robotics, vol 13 (2020)

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

Developmental Scaffolding with Large Language Models

Batuhan Celik, Alper Ahmetoglu, Emre Ugur, Erhan Oztop

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

Comments To appear in IEEE Transactions on Robotics ©IEEE2023

Micromanipulation in Surgery: Autonomous Needle Insertion Inside the Eye for Targeted Drug Delivery

Ji Woong Kim, Peiyao Zhang, Peter Gehlbach, Iulian Iordachita, Marin Kobilarov

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

Comments Experiment-oriented Locomotion and Manipulation Research, RSS 2023 workshop. arXiv admin note: text overlap with arXiv:2306.10133

Don't Drop the BATON: Long-Horizon Robot Manipulation via Agentic Subtask Exploration and Transition-aware Memory

不要放弃BATON：通过智能体子任务探索和感知转换的记忆实现长程机器人操作

Bingxin Xu, Yuzhang Shang, Emilio Ferrara

机构 * University of Southern California（南加州大学） ； University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 该研究针对长程机器人操作的误差累积与子任务转换问题，提出BATON方法，通过子任务探索与感知转换记忆，在RoboMemArena基准上提升任务成功率11.6%、累计成功率14.9%。

SiMDex: Mining Similar Egocentric Videos for Cross-Embodiment Dexterous Manipulation

SiMDex：挖掘相似的自我中心视频以实现跨 embodiment 的灵巧操作

Nie Lin, Takehiko Ohkawa, Sijin Chen, Ruoshi Wen, Zhuohang Li, Liqun Huang, Zhengming Zhu, Yiming Bao, Yunfei Li, Minjie Cai, Xiao Ma, Wei Xu, Yoichi Sato

机构 * The University of Tokyo（东京大学） ； ByteDance Seed（字节跳动 Seed） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 该研究提出SiMDex框架，通过三层流程从海量自我中心人类视频中挖掘与任务相关的子集，用于VLA后训练，仅用少量样本便显著提升了机器人灵巧操作的成功率，证明选择性数据整理更有效。

Comments 12 pages, 4 figures. Project page: https://lin-nie.github.io/SiMDex/

DynamicManip: Enabling Dynamic Manipulation from a Single Static Demonstration

DynamicManip：基于单个静态演示实现动态操作

Haoran Liao, Pengyue Wang, Shuoyu Chen, Kehan Cheng, Xuhang Chen, Yuhao Lin, Mu Lin, Zhizhao Liang, Xiaoyi Fan, Chengyi Xing, Dan Niu, Yi-Lin Wei, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； Stanford University（斯坦福大学） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出DynamicManip，通过静态转动态数据增强流水线、动态感知自适应策略及动态操作基准，解决机器人动态操作的数据效率与实时性问题，实验显示其性能显著优于现有方法。

Comments Project page: https://liaohr9.github.io/DynamicManip/ Code: https://github.com/liaohr9/DynamicManip

Self-Evolving Learning for Embodied AI with Criticality Model

基于临界模型的具身智能自进化学习

Linxuan He, Yuying Tian, Lingxiang Fan, Jiaqi Pi, Yinqiao Lu, Shang Su, Mengkai Shi, Shuo Feng

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

AI总结 本文提出基于临界模型的具身智能自进化学习方法，通过状态级临界模型引导采样易失败场景，在多类具身任务中显著降低失败率，性能优于基线及同类先进模型。

HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone

HiFi-UMI：仅从高保真UMI数据中学习可部署的操作策略

Simple AI, :, Yuteng Wei, Jinming Ma, Jiawei Wang, Weitao Zhou, Yushen Zuo, Ke Rui, Minglei Li, Jinhao Zhang, Zhikang Pan, Xiang Wang, Haoran Jia, Huan Du, Zicheng Zeng, Jun Ma, Guiyu Qin, Di Zhang, Xiaofei Li

机构 * Simple AI（简单人工智能公司） 纠错

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

AI总结 研究如何从高保真UMI数据学习可部署操作策略，提出HiFi-UMI系统，其无需外部跟踪达3毫米精度。利用该系统数据实现零机器人训练后策略，预训练还能降误差提成功率，且开源了相关高保真资源。

Comments 33 pages, 15 figures, 4 tables. Project page: https://cloud.simpleai.tech/simple-world-lab/hifi-umi/ Dataset: https://huggingface.co/datasets/simple-world-lab/HiFi-UMI-2K

One Hand Watches The Other: Dynamic Multi-Agent Cooperation for Sample-Efficient Bimanual Manipulation in Dynamic Environments

一只手注视着另一只手：动态环境中用于高效样本双机器人操作的动态多智能体协作

Jan Ole von Hartz, Abhinav Valada, Joschka Boedecker

机构 * University of Freiburg（弗莱堡大学） 纠错

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

AI总结 研究动态环境中双机器人操作问题，提出轻量级DynaMAC框架，将相对手臂视为动态任务参数，解决因果限制，保留多流策略优势。通过DynaBench基准测试，性能远超基线，能零样本泛化，简化数据收集，为人机协作助力。

A Minimalist Retargeting-Guided Reinforcement Learning Recipe for Dexterous Manipulation

一种用于灵巧操作的极简重定向引导强化学习方法

Yunhai Feng, Natalie Leung, Jiaxuan Wang, Lujie Yang, Haozhi Qi, Preston Culbertson

机构 * Cornell University（康奈尔大学） ； Amazon FAR（亚马逊FAR） 纠错

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

AI总结 研究如何将重定向引导强化学习用于灵巧操作，提出REGRIND方法，从单人演示学习策略，经重定向、模拟训练、零样本转移到硬件，在丰富接触任务中产生类人行为，还分析了模拟到现实转移的关键因素。

Comments Website: https://yunhaifeng.com/REGRIND

Pix2Act: Image-Space Manipulation Policies with Equivariant Augmentation

Pix2Act：具有等变增强的图像空间操纵策略

Haojie Huang, Linfeng Zhao, Haotian Liu, Zhang Ye, Si-Yuan Huang, Mingxi Jia, Boce Hu, Fangzhou Lin, Yu Qi, Dian Wang, Robin Walters, Robert Platt

机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Brown University（布朗大学） ； Texas A&M University（德州农工大学） 纠错

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

AI总结 研究针对将操纵动作表示为相机平面二维轨迹带来的挑战，提出Pix2Act模仿学习方法，通过生成图像空间关键点轨迹及三角测量恢复末端执行器姿态，将三维控制转为二维预测问题，提升泛化能力与性能，优于现有基线且抗相机扰动。

Comments Project Website: https://haojhuang.github.io/pix2act_page/

LiMoDE: Rethinking Lifelong Robot Manipulation from a Mixture-of-Dynamic-Experts Perspective

LiMoDE: 从动态专家混合视角重新思考终身机器人操作

Zhihao Gu, Lin Wang

机构 * School of EEE, Nanyang Technological University（南洋理工大学电气与电子工程学院） 纠错

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

AI总结 提出一种两阶段终身学习方案LiMoDE，通过动态专家混合结构实现多任务预训练和任务自适应，有效缓解灾难性遗忘并促进知识迁移。

CoorDex: Coordinating Body and Hand Priors for Continuous Dexterous Humanoid Loco-Manipulation

CoorDex: 协调身体与手部先验以实现连续灵巧类人运动操作

Sikai Li, Shuning Li, Zhenyu Wei, Yunchao Yao, Chenran Li, Mingyu Ding

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） 纠错

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

AI总结 提出CoorDex学习框架，通过将高维身体和灵巧手控制转化为协调的潜在残差控制，实现类人机器人在运动中执行灵巧操作，如不停顿抓取瓶子、移动中开冰箱门等。

Comments Project page: https://skevinci.github.io/coordex/

MemoryVAM: Integrating Memory into Video Action Model for Robot Manipulation

MemoryVAM：将记忆融入视频动作模型以实现机器人操作

Yuxin Jiang, Chang Yu, Yunuo Chen, Xiang Feng, Yin Yang, Nishank Gite, Chenfanfu Jiang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Nirvana Robotics（涅槃机器人） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学） 纠错

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

AI总结 提出MemoryVAM，通过Recap-Cue模块将情景记忆注入视频世界模型策略，解决长时域操作中的非马尔可夫性问题，在LIBERO-Mem和真实机器人任务上显著提升成功率。

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