首页 / 资讯详情
RSS 2026现场直击｜从双臂协同到水下灵巧，机器人操作迈入「少样本时代」
摘要
机器人操作正在从“数据饥渴”走向“样本高效”。 作者丨陈淑瑜 编辑丨岑 峰 7月13日，2026年机器人领域顶级学术会议RSS（Robotics: Science and Systems）在澳大利亚悉尼正式开幕。今年的 RSS 2026最终被主会接收并放进官方日程的论文仅仅 160 篇左右，极低的接受率说明了RSS的含金量一如既往的高，每一篇都经得起全场几百位顶尖研究者的严苛推敲。雷峰网&AI科技评论已派出报道小组抵达会议现场。在简单的开幕式后，紧跟着的是“Manipulation 1: World Models & Memory”论文报告环节，来自全球顶尖实验室的研究者们展示了机器人操作领域的最新突破。从双臂协同、手术辅助到水下灵巧操作，一个共同的趋势正在浮现：机器人正在摆脱对海量标注数据的依赖，迈向“少样本、强泛化”的新阶段。研究者们不再死磕千万次高昂的遥操作采集，而是各显神通：有的从人类视频里“白嫖”数据，有的用触觉手套实现跨物种对齐，还有的在推理时加装“安全护栏”。以下是我们从该环节精选的 9 篇代表作，带你一文看懂机器人如何以极低的成本，学会干最精细的活。如果你也想让你的研究成果出现在这里，请与我们联系。01打破“数据匮乏”，让机器人向人类“借”经验既然真机数据难以海量采集，研究者们将目光投向了最丰富的资源库——人类的日常行为。如何跨越“人与机器”的结构鸿沟，直接提取知识？▎一次演示，生成千条训练数据BiDemoSyn: One-Shot Real-World Demonstration Synthesis for Scalable Bimanual Manipulationhttps://arxiv.org/abs/2512.09297双臂灵巧操作一直是机器人领域的硬骨头。两只手的协同远比单手复杂，而高质量的演示数据又极其昂贵。现有的方案往往陷入两难：遥操作采集数据可靠却费时费力，仿真合成效率虽高却难以跨越虚实鸿沟。华南理工大学的研究团队试图打破这一僵局。他们提出了BiDemoSyn框架，核心思路是将双臂操作任务拆解为“不变协调块”与“可变物体适应”两部分。前者负责捕捉双臂间不随任务改变的协同模式，后者则负责根据具体物体的形状和位姿进行灵活调整。 基于这种解耦，该框架通过视觉引导对齐和轻量级轨迹优化，仅需一段真实世界的示范视频，便能在数小时内自动合成数千条物理可行的多样化训练数据。在六个双臂任务的实验中，用BiDemoSyn数据训练的策略不仅能鲁棒泛化到新物体的位姿和形状，还实现了零样本跨本体迁移，这意味着即便更换机器人平台，这套系统也能直接上手工作。 我们离“教一次就能干活”的实用双臂机器人又近了一步。▎看人类视频，机器人学会了用刀切苹果DexImit: Learning Bimanual Dexterous Manipulation from Monocular Human Videoshttps://arxiv.org/abs/2602.10105互联网上充斥着人类切苹果、倒饮料、叠杯子等操作各种工具的视频，但由于人类手部与机器人灵巧手在结构上差异巨大，这些视频的训练价值长期遭到忽视。 这种“具身鸿沟”让直接从人类视频中预训练变得极其困难。上海人工智能实验室和清华大学的研究者决定正面攻克这一难题。