Arm Robot：面向直观机械臂操控的AR 增强具身控制与可视化（中文短名：AR增强机械臂具身控制）
Arm Robot: AR-Enhanced Embodied Control and Visualization for Intuitive Robot Arm Manipulation
把「身体动作 → 机械臂动作」的映射做成可调节的（Freeze 冻结 / Scale 缩放 / Mirror 镜像），再用 AR 可视化实时反馈人机差异，让非技术用户也能直觉地操控机械臂。
arXiv:2411.13851 · 2024年11月21日（v1） · Siyou Pei, Alexander Chen, Ronak Kaoshik
约束与奖励并重的机器人学习：不只奖励，还有约束——腿足机器人运动控制中的应用（中文短名：约束与奖励并重的机器人学习）
Not Only Rewards But Also Constraints: Applications on Legged Robot Locomotion
与其把十几个奖励项反复调权重，不如把「必须满足的硬性条件」写成约束——只调一个奖励系数，就能训练出在复杂地形上稳健行走的腿足机器人控制器。
arXiv:2308.12517 · 2023年8月24日（v1） · Yunho Kim, Hyunsik Oh, Jeonghyun Lee, Ji
AR 脑机接口：面向通用机械臂操控的增强现实脑-机器人接口（中文短名：AR 脑机接口通用机器人）
An Augmented Reality Brain-Robot Interface for Generalist Robot Arm Manipulation
眼睛「看」选目标、意念「想」选动作，AR 眼镜叠加提示、脑电信号下指令——让通用机械臂帮人完成喝水、开抽屉、操作烤箱等多步日常生活任务。
arXiv:2606.16413 · 2026年6月15日（v1） · Shangkai Zhang, Rousslan Fernand Julien
四足机器人滑板攀爬：基于反向课程学习的滑板登板（中文短名：四足机器人滑板攀爬）
Quadrupedal Robot Skateboard Mounting via Reverse Curriculum Learning
别人教四足机器人「怎么在滑板上骑」，这篇教它「怎么自己爬上滑板」——从「站在板上别摔」倒着练起，逐步把起点挪远、让滑板动起来，最终学会自主登板。
arXiv:2505.06561 · 2025年5月10日（v1） · Danil Belov, Artem Erkhov, Elizaveta Pes
GenTe：面向通用腿足机器人运动控制的生成式真实地形（中文短名：GenTe 生成真实地形）
GenTe: Generative Real-world Terrains for General Legged Robot Locomotion Control
让大模型按文字或图片「造」出仿真地形——沙子会下陷、水面有阻力——双足机器人先在 100 种 AI 生成的地形上练好腿，再去闯真实世界。
arXiv:2504.09997 · 2025年4月14日（v1） · Hanwen Wan, Mengkang Li, Donghao Wu, Yeb
带可重构被动关节的欠驱动灵巧机器人抓取（中文短名：欠驱动可重构抓取）
Underactuated dexterous robotic grasping with reconfigurable passive joints
给欠驱动夹爪装一种「平时不驱动、靠腱绳一拉就锁死」的可重构被动关节（RP-joint）——抓取前关节自由贴合物体、抓取时锁定发力，在 42 个宜家物品和 YCB 物体上做了 370+ 次真实抓取实验。
arXiv:2501.16006 · 2025年1月27日（v1） · Marek Kopicki, Sainul Islam Ansary, Simo
面向窄管道检测的四足机器人运动学习（中文短名：四足机器人窄管巡检）
Learning Quadrupedal Robot Locomotion for Narrow Pipe Inspection
让四足机器人像巡逻犬一样钻进狭窄管道巡检：定义一种新的「特权视觉信息」（双向扫描点）和一套适合窄管的奖励函数，用强化学习训练策略，仿真与真实环境都能带着意外障碍完成穿越。
arXiv:2412.13621 · 2024年12月18日（v1） · Jing Guo, Ziwei Wang, Weibang Bai（机构未在素材
UniGraspTransformer：面向可扩展灵巧机器人抓取的简化策略蒸馏（中文短名：统一灵巧抓取模型）
UniGraspTransformer: Simplified Policy Distillation for Scalable Dexterous Robotic Grasping
先给每个物体单独训练一个「专用抓取策略」，再用几百万条成功抓取轨迹离线蒸馏出一个通用 Transformer 大网络——一个模型抓起上千种物体，在视觉设定下比 SOTA（UniDexGrasp++）成功率分别高 3.5%、7.7%、10.1%。
arXiv:2412.02699 · 2024年12月3日（v1） · Wenbo Wang, Fangyun Wei, Lei Zhou, Xi Ch
四足机器人稳健爬梯
Robust Ladder Climbing with a Quadrupedal Robot
给四足机器人装上特制「钩爪脚」，再用强化学习「教师-学生」训练出爬梯策略——真机零样本迁移成功率 90%，攀爬速度比此前最好的方法快 232 倍。
arXiv:2409.17731 · 2024年9月26日（v1） · Dylan Vogel, Robert Baines, Joseph Churc
逆强化学习与 TD-MPC 的机械臂操控
Robotic Arm Manipulation with Inverse Reinforcement Learning & TD-MPC
让机器人「看人类演示视频」自己推断出任务目标（代价函数），再用视觉模型预测控制（TD-MPC）规划动作——在 Franka Panda 机械臂上完成基础物体操控。
arXiv:2407.12941 · 2024年7月17日（v1） · Md Shoyib Hassan, Sabir Md Sanaullah（机构未
在四足机器人上学习敏捷双足运动
Learning Agile Bipedal Motions on a Quadrupedal Robot
让便宜轻量的四足机器人（小米 CyberDog2）像人一样只用两条后腿站立、打拳、跳舞——低层用强化学习练平衡，高层用动作生成器把视频/语言指令变成动作轨迹。
arXiv:2311.05818 · 2023年11月10日（v1） · Yunfei Li, Jinhan Li, Wei Fu, Yi Wu（清华大学
四足机器人全身操控：面向大件重物的整机操作学习（中文短名：四足机器人全身操控）
Learning Whole-body Manipulation for Quadrupedal Robot
让四足机器人不抓手、不建模物体，用整个身体去推、顶、扛大件重物——先在仿真里学会（成功率 93.6 %），再零微调直接部署真机，推动 19.2 kg 水桶（机器人自重仅 27 kg）。
arXiv:2308.16820 · 2023年8月31日（v1） · Seunghun Jeon, Moonkyu Jung, Suyoung Cho
具有几何可解释神经感知的视觉伺服
Visual Servoing with Geometrically Interpretable Neural Perception
用神经网络直接从单目图像输出「几何可解释」的视觉特征，替掉传统视觉伺服里的图像处理模块——感知和控制解耦，换控制器也不用换感知。
arXiv:2210.10549 · 2022年10月19日（v1） · Antonio Paolillo, Mirko Nava, Dario Piga
ContactNet：面向非周期足式机器人运动的在线多接触规划
ContactNet: Online Multi-Contact Planning for Acyclic Legged Robot Locomotion
用神经网络给四足机器人当「选脚大脑」：毫秒级给所有候选落脚点打分排序，在碎石、空洞地形上自动生成非周期步态，还能和轨迹优化器并行跑（MPC 模式）。
arXiv:2209.15566 · 2022年9月30日（v1） · Angelo Bratta, Avadesh Meduri, Michele F
果园环境下的视觉伺服
Visual Servoing in Orchard Settings
让机械臂上的摄像头在果园里「追着苹果看」：用鲁棒的特征跟踪算法做视觉伺服，大风、光照变化、遮挡都不怕，为自动摘果、检查病害铺路。
arXiv:2208.11538 · 2022年8月24日（v1） · Nicolai Häni, Volkan Isler（机构未在素材中标注）
自适应 CLF-MPC 及其在四足机器人上的应用（中文短名：CLF-MPC四足机器人自适应）
Adaptive CLF-MPC With Application To Quadrupedal Robots
把自适应控制里推导出的李雅普诺夫稳定条件作为不等式约束加进 MPC 最优控制问题，让四足机器人在没建模的重物（10.86 kg 负载、21 kg 箱子）面前既保持最优规划、又拿到稳定性保证。
arXiv:2112.04536 · 2021年12月8日（v1） · Maria Vittoria Minniti, Ruben Grandia, F
面向移动机器人路径规划的优化信息 RRT（中文短名：优化信息RRT路径规划）
Optimised Informed RRTs for Mobile Robot Path Planning
把「信息引导采样 + 路径优化」这对加速 RRT* 的招数用在基础 RRT 上，得到优化信息 RRT 算法族——结果在规划时间受限时，基于 RRT 的版本全面胜过基于 RRT* 的版本。
arXiv:2108.08051 · 2021年8月18日（v1） · Bongani B. Maseko, Corné E. van Daalen,
FlowControl：基于光流的视觉伺服（中文短名：光流视觉伺服操控）
FlowControl: Optical Flow Based Visual Servoing
机器人编程的新思路：看一段示范视频就会干活——用学习到的光流把实时画面和示范帧对齐，靠视觉伺服跟踪整条示范轨迹，不需要 3D 模型、不需要 CAD、不需要大规模预训练。
arXiv:2007.00291 · 2020年7月1日（v1） · Max Argus, Lukas Hermann, Jon Long, Thom
基于学生混合模型（SMM）的视觉伺服——不用几何特征，直接用整幅图像的光度数据（中文短名：学生混合模型视觉伺服）
Student Mixture Model Based Visual Servoing
把整幅图像用「学生混合模型（SMM）」表示成概率密度函数，相机直接朝「当前图像与期望图像分布最接近」的位置运动，绕开特征提取与跟踪这条最脆弱的链路。
arXiv:2006.11347 · 2020年6月19日（v1） · Mithun. P, Shaunak A. Mehta, Suril V. Sh
神经形态手眼视觉伺服——用事件相机实现「探索—到达—抓取」的机械臂操作（中文短名：神经形态手眼视觉伺服）
Neuromorphic Eye-in-Hand Visual Servoing
给机械臂末端装上「仿视网膜」的事件相机，只用亮度变化事件（不用整帧图像）就能找角点、跟踪目标、完成 100% 成功率的抓取。
arXiv:2004.07398 · 2020年4月15日（v1） · Rajkumar Muthusamy, Abdulla Ayyad, Moham
基于深度神经网络的视觉伺服——用单张真实图像微调 CNN，实现 6 自由度亚毫米级定位（中文短名：深度神经网络视觉伺服）
Visual Servoing from Deep Neural Networks
用「预训练 CNN + 单张场景图快速生成合成数据集 + 微调」，让网络直接估计两幅图像间的相对位姿，再交给基于位置的伺服控制器，定位误差小于 1 毫米。
arXiv:1705.08940 · 2017年5月24日（v1） · Quentin Bateux, Eric Marchand, Jürgen Le