IROS

Picking Bins Empty: A Hierarchical Hybrid Approach with Online Self-Learning of Grasp Points for Reliable Industrial Bin-Picking

空料箱拣选：一种结合抓取点在线自学习的分层混合方法用于可靠的工业料箱拣选

Florian Töper, Samarth Kishor Yelvande, Jan Niklas Ewertz, Rudolph Triebel, Peter Ohlhausen

机构 * University of Stuttgart（斯图加特大学） ； Mercedes-Benz AG（梅赛德斯-奔驰公司） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； DLR Institute of Robotics and Mechatronics（德国航空航天中心机器人与机电一体化研究所） ； Fraunhofer Institute for Industrial Engineering (IAO)（弗劳恩霍夫工业工程研究所） 纠错

AI总结 本文针对工业料箱拣选需完全清空且无人工干预的挑战，提出四层分层混合方法，结合基于模型与无模型技术，通过在线自学习提升抓取性能，在汽车零件实验中实现100%料箱清空率，优于基线方法。

Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026. 8 pages, 7 figures

FlowCorrect: Efficient Interactive Correction of Generative Flow Policies for Robotic Manipulation

FlowCorrect: 高效的交互式生成流策略修正以提升机器人操作

Edgar Welte, Yitian Shi, Rosa Wolf, Maximillian Gilles, Rania Rayyes

机构 * Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology（物料处理与物流研究所，卡尔斯鲁厄技术大学） 纠错

AI总结 FlowCorrect通过交互式模仿学习在部署时高效修正生成流策略，提升机器人操作的成功率与效率。

Comments 8 pages, 5 figures, Accepted at IROS 2026

Object Reconstruction under Occlusion with Generative Priors and Contact-induced Constraints

在遮挡下利用生成先验和接触诱导约束进行物体重建

Minghan Zhu, Zhiyi Wang, Qihang Sun, Maani Ghaffari, Michael Posa

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出了一种结合生成先验和接触诱导约束的方法，用于在遮挡下提高物体重建的准确性。

Comments IROS 2026. Project page: this https URL (https://contactgen3d.github.io/)