kPAM 2.0：类别层次机器人操作的反馈控制
本文提出了一种新颖的类别级别的机器人操作方法，使用基于语义三维关键点的物体表示方法，并使用该表示法将操纵策略分解为实例分割、三维关键点检测、基于优化的机器人动作规划和本地密集几何学操作执行，从而提高了操纵泛化能力和鲁棒性。
Mar, 2019
该论文研究了在存在大量形状差异的物体类别中，如何使用高效的物体表示方式和机器学习方法，实现基于感知输入的机器人运动规划，来完成任务。
Sep, 2019
本文提出了一种新颖的基于物体中心、类别级别表示和无模型 6 自由度运动跟踪的类别级别操作框架，它可以从一个演示视频中学习类别级别任务轨迹，并通过运动跟踪执行一个闭环控制方法，完整实现了在工业任务中的推广应用。
Jan, 2022
本文介绍了一种用于学习具有高度通用策略表示的动态操作行为的新方法，该方法可以扩展最近开发的策略搜索方法，并使用迭代重新拟合的时间变化线性模型来学习所需运动技能的一组轨迹，然后将这些轨迹统一到一个单一的控制策略中。
Jan, 2015
通过在大型语言模型（LLMs）中引入物体的运动学知识，我们提出了一个运动学感知的提示框架，来生成各种物体操作的低层运动轨迹航点，从而实现智能机器人的通用操控。我们的实验结果表明，该框架在 8 个已知物体类别上表现优于传统方法，并且在 8 个未知的关节式物体类别上展现出强大的零样本能力。同时，我们在 7 个不同的物体类别上进行的真实世界实验也证明了该框架在实际场景中的适应性。
Nov, 2023
基于大型语言模型（LLMs）的研究表明，通过合适的动作空间重新参数化，包括遵守与交互力和刚度相关的约束条件，能够成功地生成用于接触丰富和高精度操纵任务的策略，即使在噪声条件下也有效。
Apr, 2024
本文提出一种新颖的类别水平的手 - 物体功能操作合成任务，涵盖刚性和铰接对象类别，设计了规范化操作空间 (CAMS) 和两阶段框架，实现了刚性和铰接类别的人类化操作动画合成。
Mar, 2023
我们提出了一个基于模型的方法来设计巧妙的机器人操作反馈策略，利用轨迹优化找到可行的轨迹，并使用多面体构建线性化轨迹的漏斗以及在线执行时解决线性问题以跟踪系统轨迹。
Sep, 2019
本文提出了一个在未知环境中自主交互大型铰接物体的两阶段架构，第一阶段是以物体为中心的规划器，第二阶段是以智能代理为中心的规划器，并且在移动障碍物的情况下，通过优化控制问题确保安全跟踪所生成的计划。
Mar, 2021