cs.RO（2025-07-28）

📊 共 12 篇论文 | 🔗 1 篇有代码

🎯 兴趣领域导航

支柱一：机器人控制 (Robot Control) (8 🔗1) 支柱三：空间感知与语义 (Perception & Semantics) (3) 支柱九：具身大模型 (Embodied Foundation Models) (1)

🔬 支柱一：机器人控制 (Robot Control) (8 篇)

#题目一句话要点标签🔗⭐
1 LLMs-guided adaptive compensator: Bringing Adaptivity to Automatic Control Systems with Large Language Models 提出LLM引导的自适应补偿器，提升自动控制系统在软体和人形机器人上的适应性。 humanoid humanoid robot large language model
2 FMimic: Foundation Models are Fine-grained Action Learners from Human Videos FMimic：利用基础模型从人类视频中学习细粒度动作，提升机器人模仿学习能力。 manipulation imitation learning foundation model
3 NMPCM: Nonlinear Model Predictive Control on Resource-Constrained Microcontrollers 提出NMPCM，在资源受限的微控制器上实现四旋翼无人机非线性模型预测控制 MPC model predictive control ✅
4 Learning Physical Interaction Skills from Human Demonstrations 提出基于嵌入交互图（EIG）的BuddyImitation框架，解决形态各异的智能体学习人机交互技能问题。 quadruped cross-embodiment spatiotemporal
5 PixelNav: Towards Model-based Vision-Only Navigation with Topological Graphs PixelNav：提出基于拓扑图的模型视觉导航方法，提升移动机器人导航的解释性与可扩展性。 model predictive control traversability
6 Uncertainty-aware Planning with Inaccurate Models for Robotized Liquid Handling 提出不确定性感知的MCTS算法，提升机器人液体处理任务的鲁棒性 manipulation sim-to-real
7 Autonomous Exploration with Terrestrial-Aerial Bimodal Vehicles 提出层次化框架以优化双模态车辆的自主探索 locomotion
8 Fluidically Innervated Lattices Make Versatile and Durable Tactile Sensors 提出流体神经支配的弹性体点阵触觉传感器，用于多功能和耐用的机器人操作。 manipulation

🔬 支柱三：空间感知与语义 (Perception & Semantics) (3 篇)

#题目一句话要点标签🔗⭐
9 Hanging Around: Cognitive Inspired Reasoning for Reactive Robotics 提出一种认知启发的神经符号架构，用于机器人反应式推理，提升环境交互能力。 affordance affordance detection optical flow
10 Sparse 3D Perception for Rose Harvesting Robots: A Two-Stage Approach Bridging Simulation and Real-World Applications 提出一种稀疏3D感知方法，用于玫瑰采摘机器人，解决真实数据稀缺问题。 depth estimation
11 Large-Scale LiDAR-Inertial Dataset for Degradation-Robust High-Precision Mapping 提出大规模LiDAR-惯性数据集，用于评估复杂场景下LIO系统鲁棒性与精度。 LIO

🔬 支柱九：具身大模型 (Embodied Foundation Models) (1 篇)

#题目一句话要点标签🔗⭐
12 A Human-in-the-loop Approach to Robot Action Replanning through LLM Common-Sense Reasoning 提出一种人机协作方法，利用LLM常识推理增强机器人动作规划 large language model

⬅️ 返回 cs.RO 首页 · 🏠 返回主页