Tool Co-Design专业
联合优化工具与策略，机器人粉末称量真机误差降低45%
这篇arXiv预印本提出一种工具形态与控制策略联合设计框架，外层用BOHB搜索勺形工具参数，内层为每个形态训练SAC策略，并用几何相似度热启动加速搜索。真机实验中，优化后的工具在7种粉末上的平均称量误差为2.23±3.00毫克，相比标准工具4.09±6.82毫克降低45%。该结果来自未经同行评审的预印本。
研究
论文
机器人与具身智能领域的最新论文，以及每篇对产业的意义。
1 篇论文
主题全部Manipulation 16VLA 15Navigation 11Perception 9Robotics 9Learning 6Humanoid 5Safety 3Simulation 3Adaptive action horizons 1Aerial Manipulation 1Co-speech Humanoid 1Continuum sensing 1Distributed Manipulation 1Floorplan SLAM 1Grounding 1Humanoid control 1Locomotion 1Memory-centric VLA 1Model-based RL 1Multi-UAV State Estimation 1Policy 1Real-time VLA 1Safe RL-MPC 1Safe VLA 1Soft Pneumatic Actuators 1Tactile 1Terrain traversability 1Text-to-3D Policy 1Tool Co-Design 1Trajectory Correction 1UAV Navigation 1UAV traffic monitoring 1Underwater active mapping 1Vision-Language Navigation 1Visual Grounding 1World models 1World-action model 1
论文来自 arXiv 机器人领域。尚未生成摘要的论文，显示摘要开头部分。