- CVPR通过通用规范映射发现物体类别之间的关系
本研究利用统一嵌入来增强不同类别之间和图像与类别之间的自动一致性，从而无需手动注释即可获得最新的对齐结果和精准的密集姿势预测。
- 使用目标条件传输网络学习重新排列可变电缆、织物和袋子
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。
- 野外一致网格重建的在线适应
本文提出了一种算法，用于从野外视频中重建变形对象实例的时间一致 3D 网格，不需要每个视频帧的 3D 网格注释，2D 关键点或相机姿态，而是将基于视频的重建构建为适用于任何传入测试视频的自监督在线适应问题。
- SoftGym: 可变形物体操纵深度强化学习基准测试
本文介绍了 SoftGym，一个开源的、用于操纵可变形物体的模拟基准测试集。它可以用于研究深度强化学习技术在高位状态表示和复杂动态环境下的可行性，并且本文针对用于解决这一问题的算法进行了实验和分析。
- 使用合成深度数据训练的稠密物体描述符学习绳索操作策略
研究使用 DDODs 学习点对对应来操作可变形物体，并使用可读性和可迁移性的几何策略来控制机器人，成功解决了物理模型不够准确以及机器人长时间训练和泛化能力不足的问题。
- 无需演示学习可变形物体操纵
本文介绍了基于无模型视觉强化学习的变形物体操作问题，通过提出迭代的拾取 - 放置空间和只显式学习放置策略来加速学习，并使用 MVP 选择策略，此学习框架在变形物体操纵任务方面获得了比独立空间快一个数量级的学习，并使用领域随机化将策略转移到 - C3DPO: 用于非刚性结构运动的规范化三维姿态网络
C3DPO 是一种从 2D 关键点注释中提取可变形物体的 3D 模型的方法，通过学习深度网络来重建三维物体，并明确因素化影响各个角度变化和物体变形，在不需要三维监督的情况下展示了一系列基准的最新重建结果。
- 使用网格卷积进行单张图片的三维手部重建
使用非线性潜在网格表示的手部形状和关节姿态，在照片上进行单目 3D 重建，该模型具有实时性能。
- ChainQueen：用于软机器人的实时可微物理模拟器
本文介绍了一种针对可形变物体的实时可分化杂交拉格朗日 - 欧拉物理仿真器 ChainQueen，基于 MLS-MPM，能够高效地模拟包括接触在内的形变物体，并在控制任务中取得较高的精度和性能。
- IJCAI3D-PhysNet: 学习非刚性对象变形的直观物理
本文提出了基于 3D-PhysNet 框架的物理建模方法，可以对三维物体在外力作用下的变形进行快速预测，并具有材料属性的泛化性，并且通过深度变分自编码器结合敌对训练的方式进行了材料属性的编码，以及通过级联结构对部分视图下的物体变形进行预测。
- HDM-Net: 通过学习变形模型的单目非刚性三维重建
本篇论文提出了一种基于神经网络的混合变形模型网络 (HDM-Net) 来解决单目非刚性三维重建的问题，并利用多种状态下的知形状非刚性变形结构进行网络训练，通过纹理依赖表面变形、着色和轮廓等多种重建线索得到一个非常普适的结果。
- 结合自监督学习和模仿技巧实现基于视觉的绳索操作
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。
- 使用预测模拟和轨迹优化折叠变形物品
本研究提出了一种使用离线模拟器进行优化的新方案，旨在解决机器人对可变形物体进行自主折叠时遇到的问题。经实验证明，该方案有效地优化了折叠轨迹，使机械臂可以精准、高效地折叠可变形物体。