cs.RO（2024-11-22）

📊 共 12 篇论文 | 🔗 3 篇有代码

🎯 兴趣领域导航

支柱一：机器人控制 (Robot Control) (6 🔗1) 支柱九：具身大模型 (Embodied Foundation Models) (2) 支柱三：空间感知与语义 (Perception & Semantics) (2 🔗1) 支柱二：RL算法与架构 (RL & Architecture) (1) 支柱四：生成式动作 (Generative Motion) (1 🔗1)

🔬 支柱一：机器人控制 (Robot Control) (6 篇)

#	题目	一句话要点	标签	🔗	⭐
1	WildLMa: Long Horizon Loco-Manipulation in the Wild	WildLMa：面向复杂环境的长程移动操作机器人系统	quadruped locomotion manipulation
2	Enhancing Exploration with Diffusion Policies in Hybrid Off-Policy RL: Application to Non-Prehensile Manipulation	提出HyDo算法，利用扩散策略增强混合离线强化学习的探索能力，应用于非抓取操作。	manipulation sim2real reinforcement learning	✅
3	Time is on my sight: scene graph filtering for dynamic environment perception in an LLM-driven robot	提出基于LLM驱动的机器人动态环境感知框架，通过场景图过滤提升人机交互效率。	manipulation semantic mapping semantic map
4	Trajectory Planning and Control for Robotic Magnetic Manipulation	提出基于约束迭代LQR的磁操控轨迹规划与控制方法，用于胶囊内窥镜	manipulation trajectory optimization
5	Dynamic Tube MPC: Learning Tube Dynamics with Massively Parallel Simulation for Robust Safety in Practice	提出动态管道MPC，利用大规模并行仿真学习管道动力学，提升机器人导航的鲁棒性和安全性	MPC
6	Aim My Robot: Precision Local Navigation to Any Object	提出Aim-My-Robot，实现机器人厘米级精度的物体相对位姿导航	manipulation sim2real

🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)

#	题目	一句话要点	标签	🔗	⭐
7	Task-Aware Robotic Grasping by evaluating Quality Diversity Solutions through Foundation Models	提出基于LLM和质量多样性的任务感知机器人抓取框架，实现零样本任务条件下的抓取合成。	large language model foundation model
8	Safe and Trustworthy Robot Pathfinding with BIM, MHA*, and NLP	结合BIM、MHA*和NLP，实现安全可靠的机器人路径规划	large language model

🔬 支柱三：空间感知与语义 (Perception & Semantics) (2 篇)

#	题目	一句话要点	标签	🔗	⭐
9	One to rule them all: natural language to bind communication, perception and action	提出一种基于LLM的机器人动作规划架构，融合通信、感知与规划，实现自然语言指令驱动的动态任务执行。	semantic map large language model
10	A Benchmark Dataset for Collaborative SLAM in Service Environments	提出CSE数据集，用于评估服务环境中多机器人协同SLAM算法	stereo depth	✅

🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)

#	题目	一句话要点	标签	🔗	⭐
11	Learning-based Trajectory Tracking for Bird-inspired Flapping-Wing Robots	提出基于强化学习的扑翼机器人轨迹跟踪控制方法，实现多模态飞行与敏捷控制。	reinforcement learning multimodal

🔬 支柱四：生成式动作 (Generative Motion) (1 篇)

#	题目	一句话要点	标签	🔗	⭐
12	FastGrasp: Efficient Grasp Synthesis with Diffusion	FastGrasp：提出基于扩散模型的单阶段抓取姿态生成方法，提升效率与多样性。	contact-aware	✅

⬅️ 返回 cs.RO 首页 · 🏠 返回主页