ICRA 2026十一大專項獎揭曉：36篇入圍，中國學者殺入超三分之一決賽圈

中國機器人科研團隊在國際頂級學術會議上的存在感繼續走高。

當地時間 6 月 2 日上午 11 時，IEEE 國際機器人與自動化大會（ICRA 2026）在奧地利維也納展覽中心 A2 廳正式啟動 2026 年度最佳論文獎頒獎典禮。作為機器人與自動化領域最具影響力的國際頂級會議之一，ICRA 每年評選的最佳論文通常代表著當年機器人學的前沿技術與重大突破。

本屆 ICRA 2026 共收到全球 5088 篇論文投稿，創下大會歷史最高紀錄，最終 2829 篇論文入選。

大會設置 11 個專項領域最佳論文獎，覆蓋機器人學習、醫療機器人、感知、人機交互、自動化、操作與移動、機構設計、多機器人系統、現場服務、規劃與控制等全部核心方向。

36 篇論文從近 3000 篇錄用論文中脫穎而出進入最終決賽圈，其中至少 12 篇由華人學者擔任一作或通訊作者，占比超過三分之一。頒獎典禮橫跨 6 月 2 日至 3 日，分為四個場次進行。

一、中國學者殺入超三分之一決賽圈

本屆 ICRA 入圍論文中，華人學者的參與度達到了歷史新高。

從機構分布看，內地高校和研究機構大量出現在入圍名單中：清華（FP3、Dexora）、北大（Dexora）、上海交大（Dexora）、香港中文大學（SurgAM）、臺灣大學（角平分足部機構）、新加坡國立大學（Bi-Adapt）等均有論文入圍。

從數量上看，36 篇入圍論文中至少 12 篇由華人學者擔任一作或通訊作者，占比超過三分之一。更值得注意的是覆蓋面——從基礎策略模型（FP3）到手術機器人（SurgAM），從仿人操作（Dexora）到工業自動化（IMR-LLM），中國學者的研究已覆蓋了從理論到應用的完整光譜。

Dexora 的 25 位作者名單本身就是一個信號：當中國頂尖機器人實驗室愿意放下競爭、聯合開源一個 VLA 基礎模型時，競爭的粒度正在從“誰的論文更好”轉向“誰的生態更強”。

二、從入圍名單看機器人學五大風向

風向一：VLA 模型全面滲透操作，從 PPT 走向開源工程

FP3（3D 基礎策略模型）和 Dexora（開源雙臂 VLA）同時入圍，標志著 VLA 已從概念驗證進入工程化階段。FP3 追求通用性（任意物體、任意場景），Dexora 追求可復現性（開源、多機構協作）。兩條路線互為補充，共同回答一個問題：VLA 到底能不能走出實驗室？

風向二：觸覺仿真獨立成賽道

ETac（觸覺仿真框架）入圍自動化獎項，結合 OmniRetarget 和 Bi-Adapt 等操作論文對觸覺數據的依賴，可以清晰地看到觸覺感知正在從“錦上添花的傳感器”升級為“操作策略的必要輸入模態”。

當觸覺仿真框架開始作為獨立論文入圍時，這個方向已經完成了從手工調參到系統化研究的范式轉換。

風向三：3D 高斯潑濺從 CV 進入機器人學

LR-SGS 和 FindAnything 代表了 3DGS 技術從純視覺重建向多模態、語義化機器人感知的遷移。

相比 NeRF，3DGS 的實時性優勢使其天然適合機器人場景——建圖的速度直接影響決策閉環的頻率。

可以預見，3DGS 將成為 ICRA 感知方向的“新 NeRF”。

風向四：人形機器人從“能走”到“能干”

OmniRetarget（全身運動生成）和 HITTER（仿人乒乓球）分別從數據和控制兩端推動人形機器人的“任務能力”而非“運動能力”。

“交互保持”概念的出現說明，學界已經不再滿足于讓機器人模仿人類動作的軌跡，而是要求它理解動作背后的任務目的：這是從 kinematic imitation 到 semantic interaction 的代際跨越。

風向五：極端環境感知形成獨立方向

Sonar-MASt3R（渾濁水下）、KISS-IMU（無 GPS 慣性定位）、LR-SGS（LiDAR 輔助弱光場景）三者共同指向一個趨勢：在視覺失效的環境下實現可靠感知。這滿足了“nobody else can do it”的硬需求——自動駕駛、水下作業、災難搜救等場景沒有視覺退化的容錯空間。

這個方向的技術壁壘和產業價值都很高，但研究者相對稀缺。

 

三、結語

ICRA 的專項獎體系以 11 個細分領域獎項全面覆蓋機器人學核心方向。

當會議的投稿量從 3000 篇漲到 5000 篇，從 12 個 track 擴展到數十個子領域，用少數幾個獎項去涵蓋整個機器人學確實不現實。11 個專項獎各歸其位，競爭激烈程度因領域而異，這種不均衡恰恰折射出各子領域的差異化發展節奏。

36 篇入圍論文中至少 12 篇來自華人學者，占比超過三分之一，這個數字本身就是中國機器人學厚積薄發的最好注腳。從基礎模型（FP3）到手術機器人（SurgAM），從開源 VLA（Dexora）到工業自動化（IMR-LLM），覆蓋面的廣度比數量的增長更值得關注。

雷峰網在此恭喜各個團隊獲得ICRA獎項，也衷心祝愿華人學者們在此道越走越遠，星光不問趕路人，時光不負有心人。

 

四、附錄：11 大獎項入圍論文一覽

1. Best Paper Award on Robot Learning（機器人學習）

入圍 4 篇，聚焦擴散策略、3D 基礎模型與 VLM 的機器人應用。

GRITS: A Spillage-Aware Guided Diffusion Policy for Robot Food Scooping Tasks

作者：Yen-Ling Tai, Yi-Ru Yang, Kuan-Ting Yu, Yu-Wei Chao, Yi-Ting Chen

將擴散策略引入機器人取食任務，核心創新是溢出感知（spillage-aware）機制——抓取策略不僅追求成功率，更關注操作過程中液體或顆粒的潑灑控制。這項工作觸及了機器人操作從實驗室走向真實廚房的關鍵瓶頸：操作精度不等于任務完成質量。

FP3: A 3D Foundation Policy for Robotic Manipulation

作者：Rujia Yang, Geng Chen, Chuan Wen, Yang Gao（清華大學）

提出首個面向機器人操作的 3D 基礎策略模型（3D Foundation Policy），將大模型范式引入操作策略空間。這是當前 VLA（Vision-Language-Action）路線向 3D 空間延伸的代表性工作，與清華高陽團隊此前在具身智能領域的布局一脈相承。

Hierarchical DLO Routing with Reinforcement Learning and In-Context Vision-Language Models

作者：Mingen Li, Houjian Yu, Yixuan Huang, Youngjin Hong, Hantao Ye, Changhyun Choi

將強化學習與上下文視覺語言模型結合，解決可變形線性物體（如線纜）的路徑規劃問題，是軟體操作方向的代表性進展。

Do You Know Where Your Camera Is? View-Invariant Policy Learning with Camera Conditioning

作者：Tianchong Jiang, Jingtian Ji, Xiangshan Tan, Jiading Fang, Anand Bhattad, Vitor Guizilini, Matthew Walter

將相機姿態作為策略學習的條件變量，使策略在不同相機設置間實現泛化。來自 TRI 的合作背景表明該工作有明確的自動駕駛和工業機器人落地指向。

 

2. Best Paper Award in Medical Robotics（醫療機器人）

入圍 4 篇，覆蓋手術控制、顯微手術、場景理解和支氣管鏡導航。醫療機器人是近年 ICRA 增長最快的子領域之一。

RCM Constraint-Consistent Dynamic Control in Surgical Robots

作者：Yu Li, Hamid Sadeghian, Zewen Yang, Valentin Le Mesle, Sami Haddadin

提出遠程運動中心（RCM）約束一致性動態控制方法，解決微創手術中器械繞固定切口點運動的精確控制問題。慕尼黑工大 Haddadin 課題組在安全機器人領域有深厚積累，這篇工作延續了其將控制理論應用于手術場景的技術路線。

One-Shot Autofocus Via User-Adaptive Gaze Control for Robot-Assisted Microsurgery

作者：Yunfei Luan, Yuxuan Liu, Yuyang Zhuge, Yating Luo, Yao Guo, Guang-Zhong Yang

提出一次性自動對焦方法，通過用戶自適應凝視控制實現顯微手術輔助。楊廣中院士團隊在手術機器人領域深耕多年，這項工作將人因工程引入手術機器人控制，是醫工結合的代表性工作。

SurgAM: Surgical Affordance Map Prediction with Multimodal Feature Fusion for Robot Autonomy

作者：Lei Song, Yonghao Long, Mengya Xu, Jiayi Geng, Xiuyuan Chen, Qi Dou

用多模態特征融合預測手術可供性地圖（Surgical Affordance Map），使機器人能理解手術場景中哪些區域可操作、哪些區域應避開。這是手術機器人從遙操作走向自主化的關鍵感知能力。

Geometry-Aware Visual Odometry for Bronchoscopic Navigation Via High-Gain Observer Fusion

作者：Mohammadreza Kasaei, Francis Xiatian Zhang, Feng Li, Farshid Alambeigi, Kev Dhaliwal, Mohsen Khadem

通過高增益觀測器融合實現幾何感知的支氣管鏡視覺里程計，解決了在狹窄、弱紋理氣道內的定位難題。

 

3. Best Paper Award on Robot Perception I（機器人感知 · 第一部分）

本屆最特殊的一個獎項——入圍僅 1 篇論文。

在 36 篇入圍論文中，這是唯一一個單人入圍的獎項，意味該工作在評審中獲得了幾乎一致的認可。

FindAnything: Open-Vocabulary and Object-Centric Mapping for Robot Exploration in Any Environment

作者：Sebastian Barbas Laina, Simon Boche, Sotiris Papatheodorou, Simon Schaefer, Jaehyung Jung, Helen Oleynikova, Stefan Leutenegger

提出開放詞匯的、以對象為中心的地圖構建方法，使機器人能在任意未知環境中探索并識別從未見過的物體。這一方法將視覺基礎模型（如 SAM、CLIP）與傳統 SLAM 技術深度融合，代表了機器人感知正在從“識別已知物體”走向“理解任意物體”的范式轉移。

Leutenegger 是 SLAM 領域的權威學者，Helen Oleynikova 曾在 ETH 從事自主無人機研究，團隊的技術積累保證了方法的工程可行性。

 

4. Best Paper Award on Human-Robot Interaction（人機交互）

入圍 3 篇，涵蓋可解釋性、人在回路策略和視障輔助。三篇論文的共同特征是將技術方案與真實用戶需求深度綁定。

HEXAR: A Hierarchical Explainability Architecture for Robots

作者：Tamlin Love, Ferran Gebelli, Pradip Pramanick, Antonio Andriella, Guillem Alenya, Anais Garrell, Raquel Ros, Silvia Rossi

提出分層可解釋性架構，使機器人能根據不同用戶群體（兒童、老人、技術專家）提供適配層級的解釋。在服務機器人進入家庭和醫療場景的當下，“對不同的人說不同的話”不再只是社交技巧，而是安全性和信任建立的核心能力。

Uncertainty Comes for Free: Human-In-The-Loop Policies with Diffusion Models

作者：Zhanpeng He, Yifeng Cao, Matei Ciocarlie（哥倫比亞大學）

提出擴散模型天然攜帶不確定性估計的特性，可被用于人在回路決策——無需額外訓練或架構修改。Ciocarlie 是哥倫比亞大學機器人操作實驗室負責人，該工作在不確定性量化與策略學習的交叉點上提出了一個簡潔而有力的主張。

SA-VLM V2: Useful, Comprehensive, and Concise Guidance for Guide-Dog Robots Assisting the Visually Impaired

作者：Woo-han Yun, JaeHo Shin, BeomSu Seo, Jaehong Kim, ByungOk Han（韓國電子通信研究院 ETRI）

導盲機器人的視覺語言模型指引系統 V2 版本，核心優化方向是“有用、全面且簡潔”——從炫技回歸用戶體驗。在輔助機器人領域，用戶不需要最聰明的模型，需要的是最不會出錯的模型。

 

5. Best Paper Award in Automation（自動化）

入圍 4 篇，從 LLM 驅動的工業規劃到輕量觸覺仿真，覆蓋自動化從語義層到物理層的完整光譜。

IMR-LLM: Industrial Multi-Robot Task Planning and Program Generation using Large Language Models

作者：Xiangyu Su, Juzhan Xu, Oliver van Kaick, Kai Xu, Ruizhen Hu

用大語言模型直接生成工業多機器人任務規劃和可執行程序代碼，是大模型從“對話機器人”走向“工廠調度員”的標志性嘗試。

ETac: A Lightweight and Efficient Tactile Simulation Framework for Learning Dexterous Manipulation

作者：Zhe Xu, Feiyu Zhao, Xiyan Huang, Chenxi Xiao

提出輕量高效的觸覺仿真框架 ETac。觸覺仿真在 ICRA 2026 的多個獎項中反復出現，說明這一方向正在從“個別實驗室的自研工具”走向“社區共用的基礎設施”。當一個領域開始出現專門的仿真框架時，它就已經完成了從手工探索到工程化研究的范式轉換。

Ro-To-Go! Robust Reactive Control with Signal Temporal Logic

作者：Roland Ilyes, Lara Brudermuller, Nick Hawes, Bruno Lacerda

將信號時序邏輯（STL）用于魯棒反應式控制，在形式化方法與實際機器人控制之間架設了一座工程橋梁。

LASER: Level-Based Asynchronous Scheduling and Execution Regime for Spatiotemporally Constrained Multi-Robot Timber Manufacturing

作者：Zhenxiang Huang, Lior Skoury, Tim Stark, Aaron Wagner, Hans-Jakob Wagner, Thomas Wortmann, Achim Menges（斯圖加特大學）

面向多機器人木材制造提出分層異步調度與執行機制，將多機器人協調從學術問題推進到真實建筑制造場景。斯圖加特大學在計算設計與機器人建造領域有世界級的研究積累。

 

6. Best Paper Award on Robot Perception II（機器人感知 · 第二部分）

入圍 2 篇，均聚焦自動駕駛場景的感知與定位，但技術路線截然不同——一個向上突破視覺重建精度，一個向下挖掘 IMU 的極限潛力。

LR-SGS: Robust LiDAR-Reflectance-Guided Salient Gaussian Splatting for Self-Driving Scene Reconstruction

作者：Ziyu Chen, Fan Zhu, Hui Zhu, Deyi Kong, Xinkai Kuang, Yujia Zhang, Chunmao Jiang

將 3D 高斯潑濺（3D Gaussian Splatting）與 LiDAR 反射率引導結合，實現魯棒的自駕場景重建。相比于去年 ICRA 還以 NeRF 為主的場景重建賽道，今年 3DGS 的實時性優勢使其快速成為機器人感知的新標準工具。

KISS-IMU: Self-Supervised Inertial Odometry with Motion-Balanced Learning and Uncertainty-Aware Inference

作者：Jiwon Choi, Hogyun Kim, Geonmo Yang, Juhui Lee, Younggun Cho

用自監督學習解決慣性里程計問題，提出運動平衡學習與不確定性感知推理。IMU 是自動駕駛傳感器堆棧中成本最低的組件，這篇工作在低成本定位方向上有明確的產業應用前景——當視覺和 LiDAR 都失效時，IMU 是最后的防線。

 

7. Best Paper Award on Robot Manipulation and Locomotion（機器人操作與移動）

入圍 5 篇，是本屆入圍數最多的獎項，競爭最為激烈。覆蓋雙手靈巧 VLA、仿人全身運動遷移、摩擦調制靈巧手、少樣本雙臂適應和推動操作。

Dexora: Open-Source VLA for High-DoF Bimanual Dexterity

作者：Zongzheng Zhang, Jingrui Pang, Zhuo Yang, Kun Li, Minwen Liao, Saining Zhang, Guoxuan Chi, Jinbang Guo, Huan-ang Gao, Modi Shi, Dongyun Ge, Yao Mu, Jiayuan Gu, Rui Chen, Hao Dong, Huazhe Xu, Li Yi, Yixin Zhu, Hang Zhao, Pengwei Wang, Shanghang Zhang, Guocai Yao, Jianyu Chen, Hongyang Li, Hao Zhao

開源的雙臂高自由度靈巧操作 VLA 模型。25 位作者來自清華、北大、上交、中科院自動化所等多個中國頂尖機構，是目前中國在操作領域最大規模的協作成果之一。開源策略有助于推動 VLA 模型走出個別實驗室的壁壘——如果這條路走通，Dexora 對中國機器人社區的貢獻將遠不止一篇論文。

OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction

作者：Lujie Yang, Xiaoyu Huang, Zhen Wu, Angjoo Kanazawa, Pieter Abbeel, Carmelo Sferrazza, Karen Liu, Yan Duan, Guanya Shi（UC Berkeley / CMU / Stanford）

提出交互保持的人形機器人全身運動數據生成方法。一個值得注意的信號是 Pieter Abbeel 和 Angjoo Kanazawa 的參與——前者是模仿學習權威，后者是 3D 人體重建的知名學者——這意味著這項工作站在模仿學習與計算機視覺的交叉點上，是讓仿人機器人在復雜場景下完成全身任務的路線圖級工作。論文強調“交互保持”（非簡單復制人類動作，而是保持任務交互語義），標志著人形運動生成正在從 kinematic imitation 走向 semantic interaction 的代際跨越。

Robotic Dexterous Manipulation Via Anisotropic Friction Modulation Using Passive Rollers

作者：Ethan Fisk, Taeyoon Lee, Shenli Yuan

通過被動滾輪實現各向異性摩擦調制，為靈巧操作提供了一個全新的硬件-控制協同設計范式——不改變控制器，而是改變手指表面的物理屬性。

Bi-Adapt: Few-Shot Bimanual Adaptation for Novel Categories of 3D Objects Via Semantic Correspondence

作者：Jinxian Zhou, Ruihai Wu, Yiwei Liu, Checheng Yu, Xunzhe Zhou, Yiwen Hou, Licheng Zhong, Lin Shao（新加坡國立大學）

通過語義對應實現新類別 3D 物體的少樣本雙臂適應。邵林團隊去年在同一獎項中獲得最佳論文獎，今年再次入圍，展現出在操作領域的持續競爭力。

Push Anything: Single and Multi-Object Pushing from First Sight with Contact-Implicit MPC

作者：Hien Bui, Yufeiyang Gao, Haoran Yang, Eric Cui, Siddhant Mody, Brian Acosta, Thomas Stephen Felix, Bibit Bianchini, Michael Posa（賓夕法尼亞大學）

實現首次見到即推動任意單個或多個物體的接觸隱式 MPC 方法。Posa 課題組在接觸豐富操作（contact-rich manipulation）的控制理論方面是世界頂級團隊，這項工作將接觸隱式 MPC 推向了“見到就推”的泛化水平。

 

8. Best Paper Award on Mechanisms and Design（機構與設計）

入圍 4 篇，從腿輪變換到 3D 打印義肢，從滾動動力學到仿生魚。機構設計是 ICRA 中最具工程美感的類別。

DigiArm: An Anthropomorphic 3D-Printed Prosthetic Hand with Enhanced Dexterity for Typing Tasks

作者：Dean Zadok, Tom Naamani, Yuval Bar-Ratson, Elisha Barash, Oren Salzman, Alon Wolf, Alexander Bronstein, Nili Krausz（以色列理工學院 Technion）

三維打印的擬人義肢手，專門優化了打字任務的靈巧度。多數義肢研究追求通用抓取，DigiArm 反其道而行之，專注單一高頻任務。這種“深度優于廣度”的設計哲學在輔助設備領域可能比萬能方案更實用——一個打字流暢的義肢，比一個什么都能抓但什么都抓不好的義肢更能改變用戶的生活。

Design and Implementation of an Angle-Bisecting Foot Mechanism for a Leg-Wheel Transformable Robot

作者：Hsing-Chen Lee, Wei-Shun Yu, Pei-Chun Lin（臺灣大學）

為腿輪變換機器人設計角平分足部機構，解決了單一機構在行走和滾動兩種模式間的機械耦合難題。

Relaxation Dynamics in Oblate Spherical Rolling Robots

作者：Micah Oevermann, Robert Ambrose

研究扁球形滾動機器人的松弛動力學，為非傳統形狀機器人的運動控制提供了理論基礎。在機構設計領域，“理解形狀如何影響動力學”比“設計更復雜的形狀”更具基礎價值。

A Novel Bio-Inspired Fish Robot with Tunable Stiffness Via Particle Jamming

作者：Jack Stonecipher, Allen Gao, Wei Wang

通過顆粒堵塞（particle jamming）實現剛度可調的仿生魚機器人。顆粒堵塞是軟體機器人中的經典技術，但將其用于水下推進的剛度調節是一個巧妙的應用創新。

 

9. Best Paper Award on Multi-Robot Systems（多機器人系統）

入圍 3 篇，從多無人機懸掛負載到分布式建圖。

A Distributed Gaussian Process Model for Multi-Robot Mapping

作者：Seth Nabarro, Mark van der Wilk, Andrew J Davison（帝國理工學院）

提出分布式高斯過程模型用于多機器人建圖。Andrew Davison 是 SLAM 領域的奠基人之一，他的參與使這篇工作在理論深度上有了充分背書。將高斯過程的數學優雅性與多機器人系統的分布式需求結合，是理論與工程相互成就的典范。

Dynamics Modeling of a Multi-UAV Slung Load System Using a Discrete-Link Cable Approach

作者：Harvey Merton, Ian Hunter

用離散連桿纜繩方法為多無人機懸掛負載系統建模。

Optimal Multi-Robot Planning for Simultaneous Area and Line Coverage

作者：Tianyuan Zheng, Kaiyan Yu, Mingyang Gao, Jingang Yi

實現區域與線狀覆蓋同時進行的最優多機器人規劃。

 

10. Best Paper Award in Field and Service（現場與服務）

入圍 3 篇，從飛行器攔截到視障導航再到水下聲光融合，共同特點是極端或非結構化環境中的可靠感知與控制。

Sonar-MASt3R: Real-Time Opti-Acoustic Fusion in Turbid, Unstructured Environments

作者：Amy Phung, Richard Camilli（MIT / 伍茲霍爾海洋研究所 WHOI）

在渾濁水下環境中實現實時光學-聲學融合感知。水下環境對視覺的挑戰是機器人感知的極限測試場——在渾濁水中，視覺退化到近乎失明，聲學成為唯一可靠的信息源。MIT-WHOI 聯合項目在這個方向上的積累代表了目前水下感知的前沿水平。

GuideTWSI: A Diverse Tactile Walking Surface Indicator Dataset from Synthetic and Real-World Images for Blind and Low-Vision Navigation

作者：Hochul Hwang, Soowan Yang, Nhat Hong Anh Nguyen, Parth Goel, Krisha Adhikari, Sunghoon Ivan Lee, Joydeep Biswas, Nicholas Giudice, Donghyun Kim

從合成與真實世界圖像構建多樣化觸覺步行地面指示器數據集，直接服務于盲人與低視力人群的導航需求。

Planar-Sector LOS Guidance for Interception of Agile Targets with Lifting-Wing Quadcopters

作者：Linkai Liu, Kun Yang, Han Zou, Chen Min, Shuli Lv, Shuai Wang, Quan Quan

提出平面扇區視線制導方法，實現升力翼四旋翼對敏捷目標的攔截。

 

11. Best Paper Award on Planning and Control（規劃與控制）

入圍 3 篇，涵蓋仿人乒乓球、符號-技能協同和主動推理驅動操作。

HITTER: A HumanoId Table TEnnis Robot Via Hierarchical Planning and Learning

作者：Zhi Su, Bike Zhang, Nima Abraham Rahmanian, Yuman Gao, Qiayuan Liao, Caitlin Regan, Koushil Sreenath, Shankar Sastry（UC Berkeley）

仿人乒乓球機器人，分層規劃與學習結合。乒乓球是檢驗仿人機器人高速動態交互能力的經典靶場——需要毫秒級的感知-決策-執行閉環。Koushil Sreenath 和 Shankar Sastry 兩位控制領域權威學者的聯名，使這項工作具有極高的技術可信度。

SymSkill: Symbol and Skill Co-Invention for Data-Efficient and Reactive Long-Horizon Manipulation

作者：Yifei Shao, Yuchen Zheng, Sunan Sun, Pratik Chaudhari, Vijay Kumar, Nadia Figueroa（賓夕法尼亞大學）

提出符號與技能協同發明機制，實現數據高效且反應式的長時域操作。Vijay Kumar 是無人機和多機器人領域的權威，Figueroa 在人機協作方面有深厚的積累。這項工作試圖打通符號推理和運動技能之間的鴻溝——這是讓機器人執行“把桌上的杯子放到洗碗機里”這類長序列家用任務的核心挑戰。

ActivePusher: Active Learning and Planning with Residual Physics for Nonprehensile Manipulation

作者：Zhuoyun Zhong, Seyedali Golestaneh, Constantinos Chamzas

通過主動學習與殘差物理實現非抓取式操作（如推動物體）的推理與規劃。

雷峰網(公眾號：雷峰網) 

 

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。