Logo
Loading...
期刊
专家
顶会专区

RSS:机器人,科学与系统会议 顶会专区

本专区系统性收录 RSS(Robotics: Science and Systems,机器人:科学与系统会议)相关的论文解读、专家演讲及会议动态等内容。RSS 集中呈现了机器人感知、多指抓取、无人机控制、人机交互、运动规划与具身智能等领域的年度前沿进展。我们关注算法背后的数学严谨性与工程落地突破,致力于为机器人研究者与从业者提供一份清晰、直接的信息索引。

查看全景观测 →
2026.07.13 -17
会议时间
澳州悉尼
会议地点
708
投稿文章数量
29.7%
收录率
66
专区文章总数
会后复盘 具身智能 雷峰网 · GAIR DAO · 2026-07-20
RSS’26最新!大幅领先Isaac Sim与MuJoCo,单卡万帧+零微调!视觉仿真器GSP来啦~
来源:“具身智能之心”公众号 原文链接:https://mp.weixin.qq.com/s/L3EOl1oSvUR7C6HMpg_4ig 长期以来,仿真平台被三大顽疾困住:高保真渲染与大规模并行训练不可兼得,场景资产全靠人工建模耗时数周,换一种机器人就得换一套仿真器。三道瓶颈,让“仿真里满分、真机上翻车”成为行业常态。 现在,这三道仿真的枷锁被一次性打开了。 论文:http://arxiv...
阅读原文 → 💬 讨论 ↑ 收藏
会后复盘 具身智能 雷峰网 · GAIR DAO · 2026-08-04
RSS 2026论文精选|5篇世界模型工作,如何稳住长时程机器人操控|RRS 2026
来源:RoboPaperHub 原文链接:https://mp.weixin.qq.com/s/gEEALnYbNF5phOmDpvfF_A 长时程操控里,单步动作预测易随时间漂移,动作条件视频模型又常因误差累积或推理过慢难以闭环。RSS 2026多篇工作把世界模型接到策略链路:用中间视觉状态稳住目标条件控制,或以可交互模拟器与想象推演支撑长视界训练与自改进。长时程操控不仅依赖部署阶段的想象...
阅读原文 → 💬 讨论 ↑ 收藏
会后复盘 具身智能 雷峰网 · GAIR DAO · 2026-08-04
RSS 2026|CMU SuperMap:把 SLAM 变成“活的空间记忆”,机器人终于能记住物体去了哪里|RRS 2026
来源:智驾机器人技术前线 原文链接:https://mp.weixin.qq.com/s/ud9BIsM145JUfLUZPcsdCQ机器人已经越来越擅长“看见”物体,却仍然不太会“记住”一个持续变化的世界。桌边的椅子被挪走、垃圾桶消失、推车突然出现,甚至同一个人从机器人身旁反复经过,都可能让语义地图迅速过期。来自卡内基梅隆大学 Robotics Institute 的 SuperMap,试...
阅读原文 → 💬 讨论 ↑ 收藏
会后复盘 具身智能 雷峰网 · GAIR DAO · 2026-08-03
RSS-2026 | 港科大(广州)开源首个无需训练的开放词汇3D占据地图构建系统|RRS 2026
来源:机器之心 原文链接:https://mp.weixin.qq.com/s/4e6qXfhfbrNKuJOpRCQqtw 从第一视角观测中持续重构三维世界,并理解空间中的几何结构与开放语义信息,是机器人具身感知领域的核心问题。语义占据预测(Semantic Occupancy Prediction) 通过将空间划分为三维体素网格,并为每个体素估计 “空闲、占据、未知” 状态及其语义类别,...
阅读原文 → 💬 讨论 ↑ 收藏
会后复盘 大语言模型 雷峰网 · GAIR DAO · 2026-08-19
RSS & SIGGRAPH | 具身智能打通虚实闭环!从全天候雷达感知、零样本接触操控到3D世界模拟的全面进化!|RSS 2026
来源:JOJO极智算法 原文链接:https://mp.weixin.qq.com/s/t1k6qrZ6-NoU7i5yi7zEEQ 具身智能(Embodied AI)正在加速从简单的指令执行,迈向充满不确定性的真实物理世界。然而,当智能体真正落地时,往往会面临三大终极拷问:在恶劣天气下,机器人如何不变成“瞎子”?在复杂的物理接触中,如何让机器人拥有人类般的“手感”与应变能力?在数据极度匮乏...
阅读原文 → 💬 讨论 ↑ 收藏
会后复盘 具身智能 雷峰网 · GAIR DAO · 2026-08-19
具身世界模型新进展:北大提出RoboWM基准,实现机器人操作端到端评测闭环|RSS 2026
来源:深蓝具身智能 原文链接:https://mp.weixin.qq.com/s/pf9-MpmB8WPEsBGlM-752w 视频世界模型让机器人 “想象未来” 成为可能,可画面逼真不代表动作靠谱: 一个在视频里看起来完美无缺的抓取动作,可能只是手指"穿模"过了物体,或者物体以不符合物理规律的方式发生了形变。 为此,研究团队提出了RoboWM-Bench,一个专门针对机器人操作的视频世界...
阅读原文 → 💬 讨论 ↑ 收藏