IEEE RA-L

C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video

C2Dex：基于单目视频的接触一致性重建与灵巧操作重定向

Jie Ren, Zhehao Jiang, Yinhong Yang, Haorui Jia, Han Jiang, Ben Li, Yao Yao, Cheng Lin, Qiu Shen, Zhenshan Bing, Xiao-Xiao Long, Xun Cao

机构 * Nanjing University（南京大学） ； China Mobile Research Institute（中国移动研究院） 纠错

AI总结 C2Dex是基于单目视频的灵巧操作框架，通过聚合物体侧稳定接触实现HOI重建与手物几何保留，在DexYCB、TACO上的轨迹成功率显著优于基线，且真实机器人复现可行。

Comments 9 pages, 5 figures. Submitted to IEEE Robotics and Automation Letters (RA-L). Project page: https://k-jie.github.io/C2Dex/

Are Visual Place Recognition Models Recognizing Places or Conditions? Distractor-Augmented Evaluation and Condition Suppression

视觉地点识别模型识别的是地点还是条件？干扰项增强评估与条件抑制

Beomsu Kim, Minwoo Jung, Giseop Kim

AI总结 该研究针对视觉地点识别模型易受干扰项影响的问题，提出干扰项增强评估方法与条件抑制技术，发现干扰项鲁棒性与标准检索性能不同，可通过抑制条件信息提升模型性能。

Comments 8 pages, 10 figures, 5 tables. Submitted to IEEE Robotics and Automation Letters (RA-L)