介绍了一种基于 SGTM 2.0 系统的机器人系统，该系统使用一系列的操作减少每步的不确定性来自动解开长达 3 米的电缆的缠绕，对于包含 1 或 2 个上结或八字结的电缆，SGTM 2.0 可以实现 83％的解开成功率，且在解缠准确度上比 SGTM 1.0 提高了 43％，在全面普及速度上提高了 200％。

Sep, 2022

本文利用电缆而非刚性链实现机器人团队协同拖曳货物并在实时中避免碰撞，通过一种级联规划方案与分布式策略，能够快速调整并处理多个机器人与货物之间的耦合关系，为团队协作机器人移动沉重物体提供了一种可行的方式。

Jun, 2022

我们介绍了一种用于在混乱环境中实现可靠电缆抓取的 CG-CNN 模型，该网络利用物理仿真生成了模拟电缆抓取的广泛数据集，通过利用近似凸分解技术解剖非凸电缆模型，并基于模拟抓取尝试自动标记抓取质量。通过对这个仿真数据集进行训练和领域随机化技术的改善，我们的模型可以预测抓取质量并指导机器人控制器执行最优的抓取姿势，该模型的抓取效果在合成和真实环境下得到了评估，成功率分别为 92.3% 和 88.4%，优于目前的技术水平。

Feb, 2024

研究多阶段机器人操纵任务的学习问题，应用于电缆布线，其中机器人必须通过一系列的夹子将电缆线路引出。通过使用基于视觉的策略训练的模仿学习系统，在较低（电机控制）和较高（排序）层面上描述了此方法，展示了在非常具有挑战性的夹子放置变化中普遍性能。

Jul, 2023

本文提出了一种跟踪外科缝合线的 3D 方法，该方法对遮挡和复杂线路具有鲁棒性，并将其应用于完成手术缝合 “尾部缩短” 任务中。该方法利用了学习到的 2D 外科缝合线检测网络，在 RGB 图像中分割缝合线。然后，通过将来自两个立体摄像头的检测三角化，将 2D 线路识别为 3D 的 NURBS 样条。一旦初始化了 3D 缝合线模型，方法就能跟踪随后的帧中的线路。实验表明该方法适用于具有挑战性的单帧 3D 线路重建和两个跟踪序列的平均重投影误差为 1.33 像素和 0.84 像素，缩短尾部任务的成功率达 90％。

Jul, 2023

本文使用镜像下降引导策略搜索的新扩展应用于周期性运动中，展示了如何自动学习运动步态，并在 SUPERball 张力机器人的运动中展示了我们方法的有效性。

Sep, 2016

这篇论文提出了一种基于学习的系统，通过自监督学习从图像中学习绳索操纵的像素级逆动力学模型，并使用高低级计划成功地模仿人类示范，将可变形物体如绳索和布料进行操纵。

Mar, 2017

本文介绍了一种将目标限制引入运输网络中的方法，利用该方法结合具有多阶段柔性物体操作任务而设计的一套模拟基准，成功实现了机器人对柔性物体的多样姿态操作。

Dec, 2020

使用基于机器视觉的松弛检测系统，可以准确地识别缆绳界面处的松弛，并提示操作员采取相应的维护措施，提高效率。

Dec, 2023

我们提出了一种低成本的系统，该系统可以直接从真实演示中进行端到端模仿学习，以学习在现实世界中执行精细操作任务的方法。

Apr, 2023