arXiv cs.RO 机器人学· Runpei Dong, Ziyan Li, Arjun Gupta, Xialin He, Saurabh Gupta·· 2 小时前精选AI 评分58
HERO：面向视觉全身开放词汇抓取的人形机器人末端执行器控制方法
HERO: Learning Humanoid End-Effector Control for Visual Whole-Body Open-Vocabulary Object Grasping
AI 导读
CoRL 2026 论文提出 HERO，一种残差感知的末端执行器（EE）跟踪策略，将末端执行器跟踪误差降至2.44cm，比此前最强方法提升5.5倍。该方法结合逆运动学、神经正运动学模型与目标调整重规划，把视觉场景理解与精确EE控制拆分为模块化系统。系统在办公室、咖啡店等真实场景中可靠抓取杯子、苹果、玩具等日常物体，可抓取高度范围为43cm至92cm的台面。
推荐理由
论文把视觉场景理解与末端执行器控制拆成模块，用逆运动学加神经正运动学把跟踪误差降到2.44cm，为模块化设计提供了可迁移的思路。
来源：arXiv cs.RO 机器人学 · arxiv.org