🔬 大学#222 Salt Lake City, 美国
Utah Learning Lab for Manipulation Autonomy
LL4MA 是犹他大学的研究机构，致力于基于学习的机器人操纵自主性研究。其研究领域包括多物体操纵、潜在空间规划和关系学习在复杂操纵任务中的应用。
manipulationrobot learningplanning
代表性成果
IEEE Transactions on Robotics publications, latent space planning for multi-object manipulation
标志性项目
Latent space planning for multi-object manipulationEnvironment-aware relational classifiers
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
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
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
LEARNING
开放获取📊 0 引用
MiraBench：评估机器人世界模型中动作条件可靠性
Tianzhuo Yang, Zihan Shen, Zirui Mi 等 10 位作者
2026
MANIPULATION
开放获取
RealDexUMI：一种用于灵巧机器人学习的可穿戴通用操作接口
Chaoyi Xu, Yixuan Jiang, Jiahui Huan 等 10 位作者
2026