来源：公众号“INFINITY” 原文链接：https://mp.weixin.qq.com/s/z637jkIgnTctdXUdjkiJZg 用 3D 点云提升机器人跨视角、跨物体泛化，80 条示范即可完成新任务微调。 机器人基础模型为什么泛化差？很多时候不是模型不够大，而是它看世界的方式不对。 现在主流机器人基础模型大多依赖 2D 图像。图像能提供外观，但它本质上是三维世界压扁后的投影。...

找到自己的位置，并理解周围环境，一直是机器人能够落地的先决条件。此前的导航系统大多建立在”环境静止、结构稳定”的假设之上，但随着具身智能从实验室走向真实场景，现实世界的动态变化让传统 SLAM（同步定位与建图）逐渐迫近天花板，无力应对自动驾驶中的车辆行人，或是手术机器人面前多变的人体组织。运动、遮挡甚至形变问题，是新一代 SLAM 需要解决的全新问题。 围绕这一挑战，王贺升教授系统介绍了从感...

原文作者：公众号“交叉力学与智能系统” 原文链接：https://mp.weixin.qq.com/s/mI8zvot0fBjmkZ-gra2Prw 模仿学习是让机器人掌握复杂技能的重要途径，而高质量的遥操作演示数据是关键。现有移动操作系统常面临操控分离、协同困难、长时程任务推理能力不足等问题，限制了机器人在真实场景中的应用能力。 单人协同操控：通过VR头显、主从机械臂与脚踏板集成，实现移动...

原文作者：公众号“计算机顶会大全” 原文链接：https://mp.weixin.qq.com/s/SbiHonAq0qYEP-sC-sB-bA 近期顶会工作来看，VLA正在进入新阶段：不只是能做任务，而是要能稳定、低成本、跨场景地落地到真实机器人系统中。 这类研究共同释放了一个信号：具身智能的竞争点正在从大模型能力展示转向实用化能力验证。一方面，研究开始关注多机器人本体、导航与操作统一、仿...

原文链接：http://www.labren.org/mm/news/?-icra-2026-???????-???????/ 很高兴能够分享我们的最新成果——??????。这是一个基于几何认知的统一框架，能够实现语言引导的机器人抓取操作。 语言引导的抓取能力是实现直观的人机交互的关键能力之一。机器人不仅应该能够识别物体，还应该能够理解诸如“拿起碗后面的蓝色杯子”这样的自然语言指令。虽然最近...

论文原文链接arXiv预印本页面：https://arxiv.org/abs/2602.02142v2arXiv全文PDF：https://arxiv.org/pdf/2602.02142v2DBLP页面：https://dblp.uni-trier.de/pid/00/9938.html（内含更详细的引用信息）Semantic Scholar页面：https://www.semantics...

原文作者：公众号“计算机顶会大全” 原文链接：https://mp.weixin.qq.com/s/SbiHonAq0qYEP-sC-sB-bA 论文作者来自美团和北京航空航天大学 论文链接： arXiv预印本https://arxiv.org/abs/2602.06556 arXiv PDFhttps://arxiv.org/pdf/2602.06556.pdf 官方项目页https://...

来源：labren 原文链接：https://mp.weixin.qq.com/s/VrNm2pwk9-dBltTqcASSVQ?scene=1&click_id=117 香港中文大学任洪亮教授团队论文（SurgVidLM：在机器人辅助手术中利用大语言模型实现多粒度视频理解）被机器人领域顶会 IEEE International Conference on Robotics and ...

来源：公众号“北京大学前沿计算研究中心” 解读链接：https://mp.weixin.qq.com/s/tqnWuw9kG4a4WGPXe2oxlQ 01研究背景当前具身智能正朝着通用人工智能的方向快速发展，具身智能提高的关键一步就是构建出能够根据人类指令在环境中移动的导航智能体。近年来，视觉语言导航（VLN）等任务得到了广泛研究，但现有的评估任务主要关注多模态语言和视觉语义的理解，没有系...

来源：公众号“机器之心” 原文链接：https://mp.weixin.qq.com/s/uTffZgN0uuiknCcIY-VGYw 本文的共同第一作者为新加坡国立大学博士生陈浩楠，新加坡国立大学硕士生郭京翔。合作者为汪邦骏、张添睿、黄叙川、郑博仁、侯懿文、铁宸睿、邓家俊。通讯作者为新加坡国立大学计算机学院助理教授邵林，研究方向为机器人和人工智能。 在具身智能领域，机器人操作的泛化能力一直...