arXivDaily arXiv每日学术速递 周一至周五更新

期刊&会议

International Conference on Intelligent Robots and Systems · 会议 · Robotics

2026-04-29 至 2026-04-29 共收录 4
2509.17387 2026-04-29 cs.RO

High-Precision and High-Efficiency Trajectory Tracking for Excavators Based on Closed-Loop Dynamics

基于闭环动力学的高精度高效率挖掘机轨迹跟踪

Ziqing Zou, Cong Wang, Yue Hu, Xiao Liu, Bowen Xu, Rong Xiong, Changjie Fan, Yingfeng Chen, Yue Wang

机构 * Zhejiang University(浙江大学) Fuxi Robotics Lab, NetEase Inc.(网易弗西机器人实验室)

AI总结 本文提出EfficientTrack方法,结合模型学习和闭环动力学,解决液压挖掘机非线性动力学难题,提升轨迹跟踪精度与效率,实验证明其在仿真和实际应用中均优于传统方法。

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 5617-5624

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.24906 2026-04-29 cs.RO cs.LG cs.SY eess.SY

An analysis of sensor selection for fruit picking with suction-based grippers

基于吸盘夹具的水果采摘传感器选择分析

Eva Krueger, Marcus Rosette, Joseph R. Davidson

机构 * Collaborative Robotics and Intelligent Systems (CoRIS) Institute(协作机器人与智能系统研究所)

AI总结 本文提出一种多模态传感系统,用于评估不同采摘阶段传感器的效用,通过实验证明随机森林和多层感知器在检测成功采摘和即将失败事件中的高准确率。

Comments IROS Conference Format, 6 pages, 6 figures, 1 table

详情

展开后加载摘要…

URL PDF HTML 收藏
2403.12193 2026-04-29 cs.RO

Continual Domain Randomization

持续领域随机化

Josip Josifovski, Sayantan Auddy, Mohammadhossein Malmir, Justus Piater, Alois Knoll, Nicolás Navarro-Guerrero

机构 * School of Computation Information and Technology, Technical University of Munich(技术大学慕尼黑计算信息与技术学院) Department of Computer Science, University of Innsbruck(因斯布鲁克大学计算机科学系) L3S Research Center, Leibniz Universität Hannover(汉诺威莱布尼茨大学L3S研究中心) Digital Science Center (DiSC), University of Innsbruck(因斯布鲁克大学数字科学中心)

AI总结 本文提出持续领域随机化方法,结合领域随机化与持续学习,通过逐步随机化参数提升机器人抓取任务的仿真训练效果和现实性能。

Comments Accepted at IROS 2024. Equal contribution from first two authors

详情

展开后加载摘要…

URL PDF HTML 收藏
2206.06282 2026-04-29 cs.RO cs.AI

Analysis of Randomization Effects on Sim2Real Transfer in Reinforcement Learning for Robotic Manipulation Tasks

随机化对机器人操作任务中仿真到现实转移的影响分析

Josip Josifovski, Mohammadhossein Malmir, Noah Klarmann, Bare Luka Žagar, Nicolás Navarro-Guerrero, Alois Knoll

机构 * Department of Informatics, Technical University of Munich(慕尼黑技术大学信息学院) Rosenheim University of Applied Sciences(罗森海姆应用技术大学)

AI总结 本文提出一个可复现的实验框架,比较四种随机化策略在仿真和现实中的表现,发现更多随机化有助于仿真到现实转移,但可能影响仿真中策略的学习能力。

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2022

详情

展开后加载摘要…

URL PDF HTML 收藏