摘要：來自清華大學&哈佛大學&麻省理工學院&卡內基梅隆大學的團隊聯合研發的RoboTAG《RoboTAG: End-to-end Robot Configuration Estimation via Topological Alignment Graph》：這是一種端到端機器人配置估計框架，通過構建 “雙分支節點 + 雙向邊 + 閉環監督” 的拓撲圖，融合 2D 視覺特征與 3D 深度先驗，無需依賴大量標注數據即可訓練。該框架在 DREAM 數據集上平均 AUC 達 76.9%（超 SOTA 1.2%），推理延遲僅 35ms，支持 Panda、Kuka、Baxter 多機器人類型，徹底解決傳統方法 “依賴標注數據、忽略 3D 先驗、泛化能力弱” 的核心痛點。