🔬 大学#107 Austin, 美国
机器人感知与学习实验室
Robot Perception and Learning Lab
UT Austin的Robot Perception and Learning Lab研究具身智能体中感知与行动的协同关系。该实验室开发通用机器人自主性的算法和系统，使机器人能够通过传感进行世界推理，并自适应地学习新任务。
perceptionlearningembodied AIautonomous systemsmanipulation
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
OTHER
📊 0 引用
迈向制造业中的具身人工智能：综述、评估与未来方向
Yexing Zheng, Zhengyang Ling, Qinghua Wang 等 8 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
MANIPULATION
开放获取📊 0 引用
面向湿实验室机器人的具身仿真平台、基准测试与数据高效增强框架
Zhe Liu, Huanbo Jin, Zhaohui Du 等 11 位作者
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