测评/arXiv 2610.21292·6 天前

Universal Robots UR5e 公开实测档案

本档案汇总UR5e公开论文摘要、模型兼容记录与ROS2排障，聚焦延迟控制、抓取采摘、装配、投掷等任务中的可引用实测或仿真数字。

AI 整理

• 机型本体
• 具身模型

Universal Robots UR5esmolvla_baseOpenVLARND-RPL-UR5-PegInsert-v0OctoACT-RPL-UR5-PegInsert-v0π0 (openpi)ur5-smolvla-pick-cube-projectDM05-Table30v2-UR5Diffusion-RPL-UR5-PegInsert-v0pi05-ur5e-finetuned

数据口径

数据来源

公开论文真机实验与站内关联记录，每个数字在下方「实测数据」表中标注出处论文

汇编日期

2026-10-22

> 本页汇编公开论文的真机实验结果与站内已验证记录，每个数字在页面下方的量化表中标注出处；不同论文的任务、策略与次数不同，不能直接横向相加。

材料范围与口径

本档案仅采用用户给出的公开摘要、兼容矩阵和排障条目；数字指标只收录摘要中明确出现的结果，不做平均、换算或跨论文推断。材料覆盖UR5e真机、UR5/UR5e相关仿真及少量UR5平台实验，如MR-MPCC、CLIS-MPPI等。

运动与控制相关结果

CLIS-MPPI在UR5e窄通道避障与到达任务中报告了碰撞、耗时、路径长度和关节RMSE等真机数字。通过夹爪内物体重定向实现机器人插入的抓取后运动学修复给出UR5e仿真中的重定向与规划时间降幅；非抓取投掷则描述了接近物理极限的零样本投掷。

操作与策略相关结果

操作类材料包括温室樱桃番茄采摘、鲁棒抓取、装配和长时程策略。GraspTune在UR5e与Xense指尖传感器上给出真实抓取成功率提升；按需机器人装配报告两台UR5e的物理装配展示；SADP强调子目标监控但摘要未给可量化UR5e指标。

感知与导航相关结果

感知侧主要体现为视觉、触觉、力/力矩与点云条件输入。用于机器人操作的跨具身可供性迁移在UR5e上用两种平行夹爪配置评估机器人可执行可供性，但摘要无具体数值。CLIS-MPPI的窄通道任务则把避障和末端到达合并为真实运行评估。

兼容与排障记录

兼容矩阵列出smolvla_base、OpenVLA、Octo、π0 (openpi)、pi0_base、pi05-ur5e-finetuned及多项UR5 PegInsert权重，状态均为None，宜视为部署线索而非独立验收结论。ROS 2 Driver常见问题见优傲 UR5e / UR10e 运行 ROS 2 Driver 报 External Control program stopped 与反向端口阻断。

怎么用这些数字

这些数字适合作为选型和复现实验的边界条件：先区分真机、仿真与硬件在环，再按任务类型比较控制、抓取、装配或投掷。不要把不同物体、场景和策略下的成功率直接横比；若用于采购或基准测试，应回到原论文的任务设置、传感器和执行约束复核。

材料清单

• MR-MPCC：移动参考系下机器人机械臂跟踪的模型预测轮廓控制（arXiv 2610.21292）
• CLIS-MPPI：执行延迟下具有初始状态采样的闭环模型预测路径积分控制（arXiv 2610.21239）
• 通过物理基础数字孪生降低空间金属连接机器人焊接风险（arXiv 2610.21939）
• 基于力传感器的温室樱桃番茄机器人采摘模式分析与二指夹爪设计（arXiv 2610.18160）
• 用于机器人操作的跨具身可供性迁移（arXiv 2610.18194）
• SADP：从基础模型生成示教中学习的面向长时程操作的子目标感知 Diffusion Policy（arXiv 2605.16871）
• 通过可微分几何部件修复实现按需机器人装配（arXiv 2610.09777）
• 通过夹爪内物体重定向实现机器人插入的抓取后运动学修复（arXiv 2610.08421）
• GraspTune：用于鲁棒抓取的触觉驱动执行细化（arXiv 2609.24180）
• 非抓取投掷：强化学习视角（arXiv 2609.00771）

实测数据

暂无实测数据页。

来源

本页事实对应的公开页面，以原文为准。

1. arXiv 2610.21292：MR-MPCC：移动参考系下机器人机械臂跟踪的模型预测轮廓控制访问 2026-10-22
2. arXiv 2610.21239：CLIS-MPPI：执行延迟下具有初始状态采样的闭环模型预测路径积分控制访问 2026-10-22