IEEE RA-L

Flow6D: Discrete-to-Continuous Flow Matching for Efficient and Accurate Category-Level 6D Pose Estimation

Flow6D: 离散到连续的流匹配用于高效且准确的类别级6D姿态估计

Mingyu Mei, Li Zhang, Zibo Dai, Han Sun, Xinyue Zhao, Huiliang Shen, Zaixing He

机构 * Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出Flow6D分层流匹配框架，通过两阶段离散潜空间定位-连续姿态回归策略，先离散化姿态参数并用离散流匹配缩小搜索空间，再连续流匹配预测局部残差优化姿态，在合成和真实数据集上以70 FPS实现实时推理，性能优于现有方法。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026

Grasp to Act: Dexterous Grasping for Tool Use in Dynamic Settings

抓取到动作：动态环境中的灵巧抓取与工具使用

Harsh Gupta, Mohammad Amin Mirzaee, Wenzhen Yuan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出Grasp-to-Act系统，结合物理基抓取优化与强化学习适应，实现动态环境下稳定抓取。在五种动态工具使用任务中表现优异，减少手内滑动并提高任务完成率。

Comments Result videos can be found at https://grasp2act.github.io/

Journal ref IEEE Robotics and Automation Letters, 11(5):6288-6295, 2026