🔬 大学#108 New Haven, 美国
Inquisitive Robotics Lab
耶鲁大学的Inquisitive Robotics Lab致力于交互式机器人学习，开发使机器人能够寻求帮助并与人类教师进行结构化交互的算法。该研究旨在创造自适应的协作机器人，能够理解人类反馈并将任务知识适应到新的场景中。
interactive learningHRImanipulationlearning
近期研究
全部论文 →按本机构专长领域匹配（关键词重叠 + 直接署名）
MANIPULATION
📊 0 引用
通过保守扩展动力学系统学习接触密集型任务的被动可变阻抗技能
Pingyun Nie, Jiexin Zhang, Tianxiang Jiang 等 7 位作者
Robotics and Computer-Integrated Manufacturing · 2027
MANIPULATION
📊 0 引用
面向需要时变力的操作任务的层次化模仿学习方法
Rishabh Shukla, Adithya Santhosh, Shaili Gandhi 等 5 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于云-雾-边缘计算架构的分层联邦学习方法用于分布式智能制造系统
Wenyou Guo, Ting Qu, Yongheng Zhang 等 5 位作者
Robotics and Computer-Integrated Manufacturing · 2026
MANIPULATION
开放获取📊 0 引用
我们究竟在机器人操作基准测试中衡量什么？
Tianchong Jiang, Xiangshan Tan, Samuel Wheeler 等 6 位作者
2026
MANIPULATION
开放获取📊 0 引用
DLO-Lab：基于可微物理的变形线性物体操作基准测试
Junyi Cao, Yian Wang, Ziyan Xiong 等 6 位作者
2026
MANIPULATION
开放获取📊 0 引用
VLAConf：面向视觉-语言-动作模型的校准任务成功置信度
Dehao Huang, Aoxiang Gu, Chengjie Zhang 等 8 位作者
2026