HRTF Upsampling and Personalization via Neural Operators
机构 * Dolby Laboratories（杜比实验室）
AI总结 本研究针对个性化双耳音频中HRTF稀疏测量上采样的挑战，提出神经算子SPARO，在SONICOM、HUTUBS数据集上实现最优LSD、ILD误差，重建速度远超RANF。
arXiv 论文中文摘要与每日学术速递
MUSEBENCH: A Benchmark for AI-Generated Music Detection and Artifact Analysis
机构 * University of Georgia（佐治亚大学） ； College of Engineering（工程学院） ； Virginia Commonwealth University（弗吉尼亚联邦大学） ； University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校） ； Cornell University（康奈尔大学）
AI总结 研究人员推出含36.1万首曲目的MUSEBENCH基准，测试11种AI音乐检测器的性能并分析AI生成音乐的人工制品特征，为构建更可靠的AI音乐检测系统提供见解。
Evaluating perceptual transparency of lossy music audio compression with Opus codec
机构 * Deezer Research（Deezer研究院）
AI总结 本研究采用双盲框架结合LMM、TOST等方法，评估Opus编解码器的感知透明性，发现160kbps码率在关键聆听环境下对未压缩CD音质达到感知透明性。
Comments This work has been submitted to the IEEE ICASSP 2027 for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
Noise-Aware Lombard Speech Synthesis via Flow-GRPO for Intelligibility Optimization
面向可懂度优化的噪声感知Lombard语音合成：基于Flow-GRPO的方法
机构 * Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 该研究针对对话智能体在噪声环境下可懂度不足的问题，提出基于Flow-GRPO的NIL-TTS框架，通过FiLM机制实现发声适配，经两阶段训练后合成语音可随噪声强度提升可懂度。
Comments Accepted for publication in IEEE Transactions on Audio, Speech and Language Processing. 14 pages, 6 figures
ACR-Net: Mitigating Semantic Dominance via Contrastive Acoustic-Semantic Decoupling
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 该研究针对SER模型和Audio LLMs的语义主导问题，构建ASPIRE基准与SOP、LDD指标，提出ACR-Net模型，在两类场景中均实现更优声学准确率。
Comments 5 pages, 1 figure, 4 tables. Published in Interspeech 2026
Journal ref Proc. Interspeech 2026, pp. 1207-1211 (2026)
Long-Prompt Zero-Shot TTS: Benchmarking Prosody Reproduction Beyond Voice Cloning
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Amphion Technology Co., Ltd.（Amphion科技有限公司）
AI总结 该研究提出长提示零样本TTS任务，构建LP-TTS-Bench基准，开发LPTTS参考系统，实现无需目标说话人微调的长提示韵律再现，在多韵律维度优于短提示基线。
TVPara: Paralinguistic Captioning of Expressive TV-Series Speech in Complex Acoustic Environments
机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本研究构建了基于电视剧的副语言字幕数据集TVPara，通过微调开源大型音频-语言模型，显著提升了复杂声学环境下的副语言理解能力，且增益可泛化至未见过的电视剧及跨域语音。
Comments Project page: https://windowso.github.io/TVPara/
Speaking Longer Than Learned: Training-Free Long-Form Generation for Full-Stream Text-to-Speech
机构 * University of Seoul（首尔大学）
AI总结 针对全流式TTS模型无法在无额外训练时生成长于训练长度文本的问题，通过分析VoXtream2的缺陷，提出两种无训练修改方案，实现长文本生成时的发音准确性、说话人相似度及自然度的保留。
Comments Project page: https://voxtend.github.io/
From Detection To Anticipation: Continuous Onset Forecasting For Stuttered Speech
机构 * School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） ； College of Health Solutions, Arizona State University（亚利桑那州立大学健康解决方案学院）
AI总结 本研究将口吃预测建模为连续因果时间-事件预测，基于Whisper-large-v3和因果Conformer模型，在FluencyBank Timestamped数据集上实现0.63的AUROC，为预判口吃系统提供了基础。
An Initial Study of Physiological Markers for Deepfake Speech Detection
机构 * Brno University of Technology（布尔诺理工大学）
AI总结 该研究针对传统Deepfake语音检测器在未知场景下性能下降的问题，提出用36个分属呼吸、发声、时间类别的手工生理标记物检测，经实验验证其为Deepfake语音检测提供了有用可解释的信号。
Comments Accepted at BIOSIG 2026
SafeDriveVLA: Navigation-Conditioned World Model Dreaming for Conflict-Aware End-to-End Autonomous Driving
SafeDriveVLA：面向冲突感知端到端自动驾驶的导航条件世界模型梦境生成
机构 * UC Irvine（加州大学欧文分校） ； UC San Diego（加州大学圣迭戈分校） ； University of Cincinnati（辛辛那提大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有视觉-语言-动作（VLA）自动驾驶模型无法应对冲突指令的问题，提出SafeDriveVLA模型，通过导航合规模式与导航条件世界模型梦境生成，提升了导航跟随性能与对抗鲁棒性。
Comments Accepted at CoRL 2026. Project page: https://safedrive-vla.github.io/SafeDriveVLA/
Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance
机构 * Northeastern University（东北大学） ； University of California, Riverside（加州大学河滨分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出HiRe-MoMa框架，通过分层残差架构与专家引导值对齐，仅用约30分钟在线交互即可在TIAGo++平台上高效微调移动操作系统，提升任务性能，为复杂机器人部署提供实用范式。
Comments Conference on Robot Learning (CoRL 2026); Project Website: https://hire-moma.github.io/
Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究采用结合线性自编码器与扩散Transformer的潜在扩散框架，对Unitree G1机器人控制网络的权重进行生成式建模，生成可执行多种动作的网络，并发现其权重空间中存在反映运动学先验的共性结构。
Comments Project page: https://humanoid-weight-diffusion.github.io/
CoWear: Towards Collaborative Wearable Inertial Localization with Multiple Smart Devices
机构 * School of Electronic and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； School of Space and Earth Sciences, Beihang University（北京航空航天大学空间与地球科学学院） ； Jiangxi Research Institute, Beihang University（北京航空航天大学江西研究院）
AI总结 CoWear是面向多异构消费级可穿戴设备的协作惯性定位数据集与参考框架，通过角色特定估计器融合多设备预测，提升了定位精度，为该领域提供了可复现基线。
Comments 8 pages, 5 figures
PingpongDuo: Agile Humanoid Table Tennis Doubles with Safe Team Coordination
PingpongDuo：具备安全团队协作的敏捷人形乒乓球双打
机构 * Shanghai Innovation Institute（上海创新研究院） ； Archon Robotics（Archon机器人公司） ； The University of Hong Kong（香港大学） ； NVIDIA（英伟达公司）
AI总结 研究人形乒乓球双打需解决交替击球、碰撞风险等问题，提出PingpongDuo分层框架，仿真与现实实验验证其提升回球成功率、实现快速定位与连续击球的性能。
Comments 9 pages, 6 figures. Project page: https://www.archon.tech/research/PingpongDuo
KinoGen: Customizable Humanoid Loco-Manipulation References via Kinematically Grounded Video Generation
KinoGen：基于运动学约束视频生成的可定制人形机器人移动操作参考生成框架
机构 * Cornell University（康奈尔大学） ； Multiply Labs
AI总结 KinoGen是基于运动学约束视频生成的框架，可合成人形机器人移动操作参考，在8项任务中性能优于基线，其定制参考满足指定目标，相关跟踪策略已部署在Unitree G1人形机器人上。
EarlyCommit: Calibrated Word-by-Word Commitment for Robots Acting Before You Finish Speaking
EarlyCommit：面向机器人的逐词校准承诺，实现指令未完成时提前行动
机构 * University of Copenhagen（哥本哈根大学）
AI总结 本文提出开源工具EarlyCommit，让机器人在指令未完成时逐词校准承诺，实验显示其在未见过的词指令上表现优于关键词匹配，正确率高且处理速度快。
Comments Submitted
Physical Time as a Missing Dimension of Robot Policy Memory Dynamics
机构 * New York University Shanghai（上海纽约大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 研究发现机器人策略记忆缺失物理时间维度，提出TFP策略学习记忆动力学，经实验验证其在计时、记忆任务及真实机器人操作中表现优于现有方法。
Graph-Reweighted Behavior Cloning with Human Interventions for Precise Robotic Manipulation
机构 * Zhejiang University（浙江大学） ； The Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI）） ； South China University of Technology（华南理工大学） ； University of Science and Technology of China（中国科学技术大学） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） ； Gamma Robotics（伽马机器人公司）
AI总结 本文提出 GR-BC 框架，通过构建目标可达性图对动作块加权，复用失败轨迹片段，在四项精确操纵任务上使 VLA 模型经少量离线迭代后达 91% 成功率，无需额外训练。
Comments Accepted at CoRL 2026. 25 pages, 16 figures, including appendix. Project page: https://gr-bc.github.io/
Tiered-Resolution Volumetric Mapping for Real-Time Simultaneous Planning and Mapping on Natural Outdoor Environments
机构 * Institute of Systems and Robotics（系统与机器人研究所） ； University of Coimbra（科英布拉大学） ； Robotics Institute（机器人研究所） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究针对户外规划机器人的实时建图成本问题，提出分层分辨率体积建图机制，通过规划与建图的反馈循环，在保证路径质量的同时大幅减小地图尺寸、降低CPU时间开销。
Comments 5 pages, 5 figures, 2 tables, IROS 2026 "Data in Field Robotics: From State Estimation to Navigation" workshop
DD-GBP: Anytime Multi-Arm Planning and Continuous Execution via Distributed Dynamic Gaussian Belief Propagation
DD-GBP：基于分布式动态高斯信念传播的任意时刻多机械臂规划与连续执行
机构 * Tsinghua University（清华大学） ； Midea Group（美的集团）
AI总结 本文提出DD-GBP方法，通过分布式动态高斯信念传播实现多机械臂长时程规划与连续执行，在含移动障碍物的多机械臂场景中表现出高成功率、强鲁棒性与优异可扩展性，达到新的技术基准。
Comments 18 pages,9 figures
Towards Agentic Robots: Model, Data, Environment, and Harness
机构 * MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； Fudan University（复旦大学） ； NovaXBot ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学）
AI总结 本文针对智能体机器人领域，梳理从机器人策略到智能体系统的发展，明确其定义与研究分类，探讨开放挑战，旨在推动该领域的清晰认知与新方法构建。
Human Demonstrations as Post-Training Data for Any Robot Body: Retargeting the Object, Not the Hand
机构 * Dxtr AI Co.（Dxtr AI公司）
AI总结 该研究提出将人类演示作为任意机器人的后训练数据，通过重定位对象而非手部实现，在8个机器人的157个对中，31.2%通过，弃权（不执行）的对若执行则全部失败。
Comments 16 pages, 17 figures, 7 tables, 2 algorithms; 56-page supplement as ancillary file. A subset of episodes with their per-robot outcomes: https://playground.dxtr.co
AutoRSR: Automated Real-to-Sim-to-Real Data Generation for Scalable Robot Learning
AutoRSR：用于可扩展机器人学习的自动化现实到仿真到现实的数据生成
机构 * Renmin University of China（中国人民大学）
AI总结 AutoRSR是一种自动化现实到仿真到现实框架，可将真实工作空间转换为仿真资产与操作数据，用其训练的机器人策略性能媲美人类遥操作训练的模型，人力成本大幅降低。
Efficient Test-Time Adaptation For Robot Policies
机构 * Qualcomm AI Research（高通人工智能研究部门）
AI总结 针对机器人策略部署时运行条件变化导致失效的问题，提出TEMPO测试时自适应方法，在MuJoCo仿真和物理Unitree机器人上实现了最高80%的性能提升。
Comments Accepted to NeurIPS 2026
Learning-Based Adaptive MPC for Magnetorquer-Only Satellite Attitude Control
基于学习的自适应模型预测控制（MPC）仅用磁力矩器的卫星姿态控制
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 针对仅用磁力矩器的卫星姿态控制问题，提出基于学习的自适应MPC算法，通过适配磁场模型提升了地球轨道和天王星轨道场景下的控制器成功率。
Comments 8 pages, 8 figures, 1 table, Accepted for publication at the International Conference on Space Robotics (iSpaRo) 2026
Safe Reinforcement Learning with Receding-Horizon Safety Critic and Differentiable Action Shields
机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； German Research Center for AI (DFKI)（德国人工智能研究中心） ； Robotics Institute Germany (RIG)（德国机器人研究所）
AI总结 该研究提出结合后退时域安全评判器与可微动作护盾的安全强化学习方法，在四足运动模拟中提升了鲁棒性，减少了灾难性故障并保持了竞争力回报。
Learning Navigation from Multimodal Demonstrations with Geometric Candidate Modes
机构 * The Ohio State University（俄亥俄州立大学）
AI总结 该研究针对离线导航演示多模态导致行为克隆路径不安全的问题，提出分层神经网络策略，从局部几何计算候选模式，仿真测试成功率超95%且可迁移至双足机器人。
Comments 8 pages; 8 figures, under review
Smart Fusion for Adaptive Visual-IMU Weighting in cuVSLAM Sparse Bundle Adjustment
cuVSLAM稀疏光束平差中自适应视觉-IMU权重的智能融合
机构 * Analog Devices Inc.（亚德诺半导体公司） ； NVIDIA（英伟达公司）
AI总结 该研究针对cuVSLAM的SBA模块，提出通过训练VQE实现α的二元选择，自适应调整视觉与IMU权重，在两个数据集上分别降低27.7%和14.9%的平均RMSE APE。
ObjDream: Guiding Vision-Language-Action Models with Object-Level Understanding and Future State Prediction
ObjDream：基于物体级理解与未来状态预测的视觉-语言-动作模型引导框架
机构 * Southeast University（东南大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 ObjDream是一种以物体级理解和未来状态预测为核心的VLA框架，通过时空物体编码器与动作条件物体动力学模块，提升了机器人操纵在分布偏移与场景扰动下的泛化能力，且可迁移至真实物理操纵场景。
Comments 18 pages, 8 figures. Project page: https://huailiangma.github.io/objdream/
