它是什么，解决什么问题
本主题覆盖相机、深度、激光雷达、IMU、六维力、触觉。它属于“本体、感知与执行能力”，用于理解这一组能力、方法或产业对象的边界。
范围与比较维度
- 相机
- 深度
- 激光雷达
- IMU
- 六维力
- 触觉
需要持续回答
- 从真实任务反推形态、传感器和执行器，比较任务覆盖、接触能力、寿命、维护与交付成本。
当前知识边界
本页为范围入口，代表路线与证据尚待补充。
历史观察
按发布时点排列，反映本站已收录范围，不代表完整研究时间线。
- Tactus：面向自然灵巧操作数据采集的触觉与位姿感知手套
对做机器人本体软件与数据管线的团队，最可复用的是那两套评测协议和标定流程：可用来给自研或采购的手套定标、横向比同一套条件下谁更准；也可先按完成时间比与 NASA TLX 判断戴手套录演示数据是否值得，再决定是否承担每次佩戴的在线标定成本。注意工厂级标定需要气动标定台与假手这类硬件，不是纯软件流程；在线标定仍需人参与逐次校正。
- PhantomTac：利用部署后无需值守的标签劫持机器人触觉系统
对本体软件开发者，论文提示应检查触觉反馈与电机负载、运动状态是否一致，而不只依赖单一触觉阈值；这是作者提出的防御方向，并非已验证的部署效果。
- HydroShear：用于触觉仿真到现实强化学习的水弹性剪切仿真
对触觉控制开发者，这项工作提供了以接触历史和滑移建模改进仿真到真机迁移的路线；工程接入需同时考虑真实数据标定与底层接触模型。
- 迈向仿生视觉导航：面向微型飞行器的神经形态导航范式
这项作者论文把事件感知、脉冲决策和硬件执行接入真机导航闭环，为低推理能耗的微型飞行器导航提供了系统级可行性证据。
- 鳗鱼仿生软体机器人的执行器控制与健康实时估计器（REACH）
为软体游泳机器人的执行器退化监测提供了模型驱动方案，并给出特定仿真条件下的传感器选型与布置依据。
- GEM-Occ：从视觉几何证据到具身语义占据记忆
该研究将“支持、矛盾与遮挡”区分处理，为兼顾持续占据记忆质量与存储、查询成本提供了作者实验依据。
- DNPush：面向物体运输的多机器人系统分布式非平行推力控制
将局部方向偏差从需要消除的误差转为推力分配信号，使无机器人间通信的协同推动不再局限于同一直边上的平行接触。
- RawVLA：面向机器人操作的具身神经图像信号处理器
该工作将成像处理作为机器人策略评测和适配的显式变量，提供了不更新VLA策略、转而优化视觉前端的技术路径。
展开其余 2 条历史观察
- 用于激光雷达SLAM的退化正交几何约束
该工作展示了用横截面地标补充轴向几何信息、再与里程计联合优化的路线，而非仅抑制退化方向上的不可靠更新。
- GINIO：面向神经惯性里程计的几何 SO(3) 等变接口
为学习式惯性测量与滤波融合提供可用于不同骨干和估计器的几何设计原则；重点是旋转鲁棒性与有竞争力的标称精度，而非所有标称条件下均领先。