加州大学伯克利分校人工智能研究实验室
UC Berkeley — Berkeley AI Research (BAIR) & Robotics
机器人学习和强化学习的全球领导者。DexNet抓取规划系统和深度强化学习彻底改变了机器人从数据中学习的方式。
代表性成果
DexNet grasp planning, Dactyl predecessor research, robot learning from demonstrations, Brett the robot, RT-2 collaboration with Google.
标志性项目
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)
PAEAR:基于强化学习的点云区域探索与主动识别方法用于机器人焊接
Yong Tao, Donghua Tan, Fan Ren 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
基于因果强化学习的薄壁零件变形控制多道次切削参数优化
Fengyi Lu, Guanghui Zhou, Chao Zhang 等 5 位作者
Robotics and Computer-Integrated Manufacturing · 2026
复杂曲面高精度机器人磨削的多参数卷积协同规划
Haoyuan Zhou, Huan Zhao, Guanbo Fei 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
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
MA2MB:基于多智能体互建议模型的强化学习在追逃博弈中的应用
Baolin Zhao, Qi Guo, Xiandong Wang 等 5 位作者
Robotics and Autonomous Systems · 2026
基于强化学习的集装箱卸货:拣选顺序、死锁避免及概念验证仿真
Jan Rüdiger, Max Schenke, Daniel Weber
2026