AFCE 论文：让 VLA 模型以未来物理效果为预测目标
论文提出 Action-Future Coupled Effect Learning（AFCE），让 VLA 策略以未来落地的物理 Effect 而非动作块作为主要预测目标。
推荐理由：论文给出 AFCE 在 DexJoCo 上相对 π0.5 和 UVT 的具体提升幅度，可评估 Effect 监督路线的实际收益。
技术方向
灵巧操作 最新动态
灵巧手与操作能力：多指灵巧手硬件、触觉传感、抓取与长程操作任务的进展。
147 条精选近 30 天 138 条共收录 242 条
更新
精选归档 · 第 6 页
arXiv cs.RO 机器人学精选AI 评分5656 arXiv cs.RO 机器人学精选AI 评分5858 Human2Dex：以腕部为中心的人类示教实现跨灵巧手复用
Human2Dex 提出以腕部为中心的人类示教接口，把共享的人类观测与运动语义同具体机械手的执行分离，通过 21 点手部表示对齐观测，并用 Grasp-Pocket Interaction Representation（GPIR）表达被跟踪物体相对手心 Functional Grasp Pocket 的关系。
推荐理由：论文给出两台机械手的对照成功率，可评估人演示数据替代逐机采集的可行性。
arXiv cs.RO 机器人学精选AI 评分5656 ReAT：面向自回归机器人策略的残差动作分词方法
论文提出 Residual Action Tokenization（ReAT），让每个 token 在重构当前动作中承担明确角色，用已解码的重构结果作为反馈，根据剩余动作误差构造下一个 token，使编码与解码形成闭环。
推荐理由：论文解释了残差式动作分词如何让每个 token 承担明确的纠错角色，读者可据此理解其与现有动作分词方法的机制差异。
arXiv cs.RO 机器人学精选AI 评分5555 基于触觉传感实现未知物体既牢固又轻柔的抓取
论文提出一种面向未知物体的安全动态抓取在线数据驱动预测控制框架，用一对紧凑的单通道触觉传感模块实时刻画夹爪与物体的动态交互，无需先验知识或离线训练。系统通过有限状态机的抓取力探测机制建立初始抓取力并显式识别约束，用高斯过程在线学习交互动力学，将模型不确定性构成鲁棒约束嵌入MPC，控制回路以100 Hz实时运行。实验覆盖不同接触面拓扑与多类物体，从生豆腐、棉花糖到岩石，性能与效率优于基线策略。
推荐理由：论文给出100Hz在线学习与鲁棒MPC的具体做法，可迁移用于未知物体抓取的力控设计。
arXiv cs.RO 机器人学精选AI 评分5555 REMM：面向机器人操作的可修订具身记忆层
REMM 是一个面向长程操作的监督式记忆层，为冻结的 G0.5 视觉-语言-动作执行器工作，将只追加的证据历史与可修订的任务状态分离，并把派生关系和已完成条件与其支撑事实显式关联；当新证据改变支撑事实时，它撤回依赖结论并在已验证的技能边界调度定向恢复，而无需更新执行器。
推荐理由：论文给出干预恢复和序列回忆两项指标的具体提升幅度，可评估可修订记忆对长程操作的实际收益。
The Robot Report精选AI 评分6363 Boston Dynamics 详解 Atlas 人形机器人新手设计取舍
The Robot Report 采访 Boston Dynamics 机器人行为总监 Alberto Rodriguez，详解 Atlas 新版四指手的设计思路：13 个相同执行器、13 DoF、直接驱动、为量产和高保真仿真优化，仍可抓取 100 lb 以上物体。
推荐理由：访谈披露了手指数量、双拇指方案被否等具体设计取舍，可了解人形灵巧手的工程权衡思路。
机器人大讲堂精选AI 评分5858 墨现科技发布 Rigidcore Tactile+EMF 专业数采手套，主打近千触觉点与 2mm 分辨率
墨现科技发布旗舰款 Rigidcore Tactile+EMF 专业数采手套，触觉点达近千个、空间分辨率 2mm，触发力 0.1N、量程 0—20N，采样率 120Hz，有线延迟约 8ms、无线约 30ms；通过传感器背部局部刚性支撑过滤布料形变干扰，有效数值可达脏数据的 50-100 倍量级。
推荐理由：逐项拆解了触觉点密度、量程、采样率等参数分别对应的数据采集痛点，便于评估选型。
雷锋网精选AI 评分6767 哥大李昀烛团队 FlexiTac 开源触觉传感器平台 IROS 2026 演讲精编
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会介绍开源柔性压阻式触觉传感器平台 FlexiTac 开源约一年半来的进展。FlexiTac 采用 FPC 与力敏薄膜层叠结构，组装仅需 3 分钟，完整 BOM、装配说明与读取软件均已开源，并集成进 LeRobot 框架，可弯曲裁剪包裹于手套、指尖或机器人皮肤等形态。
推荐理由：演讲梳理了触觉传感器在一致性、仿真适配和数据采集上的具体解法，可迁移性强。
高工机器人精选AI 评分5757 灵巧手的故事讲得太快，现实还没跟上
文章指出2025年中国灵巧手销量约1.92万只，同比增长236.84%，预计2026年达7.02万只，但交付规模扩大只回答了能否批量造出来，尚未回答能否真正用起来。
推荐理由：文章用GGII出货数据和五道具体考验，梳理了灵巧手从Demo走向规模落地的现实差距。
量子位精选AI 评分6767 Sharpa在IROS发布人形机器人D01、灵巧手W02与数据手套AE01
Sharpa在IROS发布首款全自研通用人形机器人D01、新一代灵巧手W02和外骨骼数据手套AE01。D01手臂载荷自重比接近1:1，最大末端执行器速度超过10.5m/s，通信频率1000Hz，重复定位精度0.2mm，电子皮肤覆盖全身、触觉覆盖上半身，触觉采样率100Hz，力感知范围0.1—20N。
推荐理由：原文拆解了D01、W02、AE01三款产品的参数与技术链路，可帮助读者理解触觉在灵巧操作中的具体作用。
arXiv cs.RO 机器人学精选AI 评分6262 TACROSS：面向异构触觉传感器的低成本人手触觉迁移系统
TACROSS 是一套将人手触觉迁移到机器人的可扩展系统，在接触事件层面而非原始传感器数值层面对齐异构触觉流。其硬件集成五层压阻手套，成本 USD 10.86、含 285 个感知点；通过 canonicalizer 与残差适配器将异构信号映射到 256 维共享触觉隐空间，并用跨手指注意力的时序 Transformer 实现。
推荐理由：论文给出了手套硬件成本与遥操作效率对比数据，可评估触觉数据采集方案的性价比。
机器人大讲堂精选AI 评分6262 比波士顿动力早27天，黑漫科技大圣1给出四指灵巧手中国答案
黑漫科技携手乐聚机器人于2026年9月4日发布工业级可变构灵巧手大圣1（SG100），比波士顿动力公布为Atlas打造的四指灵巧手早27天。文章对比两者：均采用三根主指加大角度对向拇指的四指布局，波士顿动力新手有13个自由度，大圣1有11个主动自由度，支持灵巧操作、对指平板、工业大行程、环抱抓取四种构型主动切换。
推荐理由：将大圣1与波士顿动力四指手并置对比，梳理了末端执行器从拟人五指转向任务驱动构型的路线收敛。
IEEE Spectrum · Robotics精选AI 评分6060 ETH Zurich 研究人员让现成机械手用指尖行走并操作物体
ETH Zurich Soft Robotics Lab 的 Amirhossein Kazemipour 带队，把 Wuji Technology 的现成机械手改造成完全自足的机器人，加装 80 克背包（电池、IMU 和 Raspberry Pi Zero），用强化学习训练其以指尖行走并操作环境。
推荐理由：原文给出了训练方法与实测数据，可了解用现成机械手实现指端行走的可行性和局限。
Hugging Face 每日论文精选AI 评分5656 RLHND：用视频基础模型从第一人称视频同时估计手部位姿与触觉
RLHND 提出一种基于视频基础模型的手部跟踪模型，从单目第一人称视频中联合估计手部位姿与真实触觉信息。它把预训练的 Cosmos 3 视频扩散主干通过 clean-latent 条件化改造成确定性的片段级特征提取器，位姿流预测解剖学上合理的关节角度并支持形状参数条件化，触觉流在位姿流冻结下预测手表面的密集接触与力。
推荐理由：论文说明了用视频基础模型补上接触与力线索的思路，关注人视频用于机器人策略训练的读者可了解其方法路径。
雷锋网精选AI 评分6060 研究了1933篇 IROS 2026 论文，我们看到了机器人学的六项新变化
文章对 IROS 2026 进入正式议程的 1933 篇论文做多标签梳理，Robot Learning / Embodied AI 约 809 篇、Navigation / Planning 564 篇、Humanoid / Legged 约 213 篦，指出大模型并没有吃掉机器人学，学习、感知、规划、控制与操作正深度交织。
推荐理由：对1933篇论文的多标签统计给出了各方向的篇数与交叉数据，可据此判断机器人研究的真实重心分布。
arXiv cs.RO 机器人学精选AI 评分5757 Agentic RSR：通过场景重建与执行反馈打通 Real-to-Sim-to-Real 的机器人策略框架
论文提出 Agentic Real-to-Sim-to-Real（Agentic RSR）框架，将场景重建、策略开发与真机执行通过同一操作任务串联：给定工作空间视频、任务描述和已知机器人模型，智能体恢复度量尺度、依据视觉反馈迭代细化场景，并在 MuJoCo 中检查任务相关交互，再由编码智能体从特权物体位姿逐步过渡到视觉观测和随机化仿真，生成可执行策略。
推荐理由：论文给出场景重建的量化误差和真机成功率保留比例，可评估该框架从仿真到真机的迁移效果。
arXiv cs.RO 机器人学精选AI 评分5656 论文研究 DexUMI 外骨骼接触偏移与触觉表征对灵巧策略的影响
论文研究了两个 DexUMI 系列外骨骼版本，二者共享相同的机器人指令定义、映射流程和触觉模块类型，但手侧几何不同。修订版接口降低了报告的体力负担，在基线版被机械阻挡的精密抓握中实现触觉采集，并带来任务相关的接触变化，其中拧盖任务主要表现为接触位置变化，打开蛋托主要表现为接触是否发生的变化。
推荐理由：论文对比了同一外骨骼两种手侧几何对触觉数据和策略成功率的影响，可为可穿戴采集设备选型提供依据。
机器人大讲堂精选AI 评分5858 别把自动驾驶的进度表套到具身智能上
文章认为自动驾驶能迁移给具身智能的是约50%的技术基建和方法论，但那张时间表不该一起搬。光象科技CEO张涛指出迁移部分落在数据采集、清洗、端到端训练、仿真验证和真机测试流程上，而接触类任务是机器人独有的难点；自变量王潜认为自动驾驶难点在导航和运动，机器人难点在操作，视觉只差几像素的两瓶水在动作层面就是两件事。
推荐理由：原文用50%迁移比例、仿真真机成功率落差和出货量对比，拆解了自动驾驶方法论能给具身智能留下什么、带不走什么。
arXiv cs.RO 机器人学精选AI 评分5858 FingerEye：基于连续视觉触觉感知的灵巧操作学习框架
FingerEye 是一个传感与学习框架，通过贯穿交互全程的视觉触觉反馈提升机器人灵巧操作能力。传感侧将双目 RGB 相机与柔性接触界面结合，接触前用指尖相机提供近距视觉线索与隐式立体信息，接触后用标记点追踪柔性环形件形变作为接触力旋量感知的代理；学习侧构建了真机与仿真数据基础设施，并提出 FingerEye Policy，采用分组结构的模态融合以减少模态捷径。
推荐理由：论文给出视觉触觉融合的具体设计与七项任务上的量化提升，可作为多模态灵巧操作方案的参考。
arXiv cs.RO 机器人学精选AI 评分5858 SimToolReal：面向零样本灵巧工具操作的以物体为中心策略
SimToolReal 提出一种以物体为中心的 sim-to-real 强化学习策略，在仿真中程序化生成大量工具类物体原语并训练单一策略，实现测试时无需针对具体物体或任务的训练即可完成灵巧工具操作。