机器人 / 具身智能

Memory, Benchmark & Robots: A Benchmark for Solving Complex Tasks with Reinforcement Learning

记忆、基准与机器人：一种用于通过强化学习解决复杂任务的基准

Egor Cherepanov, Nikita Kachaev, Alexey K. Kovalev, Aleksandr I. Panov

机构 * AXXX ； MIRIAI ； ITMO University（ITMO大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出MIKASA基准，旨在通过强化学习解决复杂任务，包含32个记忆密集型任务，用于评估智能体在桌面机器人操作中的记忆能力。

Comments 57 pages, 29 figures, 11 tables

Touch2Insert: Zero-Shot Peg Insertion by Touching Intersections of Peg and Hole

Touch2Insert: 通过触摸连接器与孔的交点实现零样本针插入

Masaru Yajima, Yuma Shin, Rei Kawakami, Asako Kanezaki, Kei Ota

机构 * Institute of Science Tokyo（东京科学研究所） ； Mitsubishi Electric（三菱电机） 纠错

专题命中 机器人数据与评测 ：robotics(abstract,comments)；robotic(abstract)；分类 cs.RO

AI总结 Touch2Insert通过触觉传感实现无需特定训练的零样本针插入，适用于多种连接器形状，实验显示其在模拟和真实机器人中均表现出高精度和高成功率。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation)

GSeg3D: A High-Precision Grid-Based Algorithm for Safety-Critical Ground Segmentation in LiDAR Point Clouds

GSeg3D：一种高精度基于网格的算法，用于激光雷达点云中的安全关键地面分割

Muhammad Haider Khan Lodhi, Christoph Hertzberg

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；robotic(abstract)；分类 cs.RO

AI总结 GSeg3D提出了一种高精度基于网格的地面分割算法，以满足自动驾驶和机器人在安全关键场景中的高精度需求。

InEdit-Bench: Benchmarking Intermediate Logical Pathways for Intelligent Image Editing Models

InEdit-Bench：智能图像编辑模型中间逻辑路径的基准测试

Zhiqiang Sheng, Xumeng Han, Zhiwei Zhang, Zenghui Xiong, Yifan Ding, Aoxiang Ping, Xiang Li, Tong Guo, Yao Mao

机构 * State Key Laboratory of Optical Field Manipulation Science and Technology, Institute of Optics and Electronics, Chinese Academy of Sciences（光学场操控科学与技术国家重点实验室，光学电子研究所，中国科学院） ； National Laboratory on Adaptive Optics（自适应光学国家实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 InEdit-Bench通过评估图像编辑模型在中间逻辑路径推理中的表现，揭示了现有模型在动态推理和多步骤演变建模方面的不足，推动更智能的多模态生成模型发展。

Comments CVPR findings. Project page: https://github.com/SZStrong1/InEdit-Bench

Multi-Agent-Based Simulation of Archaeological Mobility in Uneven Landscapes

基于多智能体的考古移动性在不规则地形中的模拟

Chairi Kiourt, Vassilis Evangelidis, Dimitris Grigoropoulos

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种多智能体建模框架，用于模拟不规则地形中的考古移动性，通过强化学习实现高效动态适应，展示了地形感知追捕和运输分析的应用。

Safety Guardrails for LLM-Enabled Robots

LLM赋能机器人中的安全护栏

Zachary Ravichandran, Alexander Robey, Vijay Kumar, George J. Pappas, Hamed Hassani

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 RoboGuard通过两阶段护栏架构，利用根信任LLM和链式推理生成上下文安全规范，有效降低LLM赋能机器人在对抗攻击下的不安全计划执行率，提升系统安全性与可靠性。

Overlapping Domain Decomposition for Distributed Pose Graph Optimization

重叠域分解用于分布式姿态图优化

Aneesa Sonawalla, Yulun Tian, Jonathan P. How

机构 * MIT Department of Aeronautics and Astronautics（麻省理工学院航空与宇航科学系） ； The Charles Stark Draper Laboratory（查尔斯·斯塔克·德拉珀实验室） ； University of Michigan Robotics Department（密歇根大学机器人学系） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO；robotics(comments)

AI总结 ROBO通过重叠域分解方法，实现多机器人姿态图优化的高效分布式求解，显著提升收敛速度并适应不同通信环境。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

Modeling and Control of a Pneumatic Soft Robotic Catheter Using Neural Koopman Operators

基于神经Koopman算子的气动软机器人导管建模与控制

Yiyao Yue, Noah Barnes, Lingyun Di, Olivia Young, Ryan D. Sochol, Jeremy D. Brown, Axel Krieger

机构 * Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Mechanical Engineering（机械工程系） ； University of Maryland（马里兰大学） 纠错

专题命中 其他机器人 ：robotic(title,abstract)；分类 cs.RO；robotics(comments)

AI总结 本文提出基于神经Koopman算子的框架，用于提升软机器人导管的建模与控制精度，实现高精度定位与姿态控制。

Comments 8 pages, 6 figures. Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

FlowCLAS: Enhancing Normalizing Flow Via Contrastive Learning For Anomaly Segmentation

通过对比学习增强归一化流用于异常分割

Chang Won Lee, Selina Leveugle, Svetlana Stolpner, Chris Langley, Paul Grouchy, Jonathan Kelly, Steven L. Waslander

机构 * University of Toronto（多伦多大学） ； MDA Space（MDA空间） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV、cs.LG

AI总结 FlowCLAS通过对比学习增强归一化流，有效提升异常分割性能，达到多个机器人异常分割基准的最先进水平。

Comments WACV 2026 Camera Ready

Yolo-Key-6D: Single Stage Monocular 6D Pose Estimation with Keypoint Enhancements

Yolo-Key-6D：单阶段单目6D姿态估计的关键点增强

Kemal Alperen Çetiner, Hazım Kemal Ekenel

机构 * ASELSAN, Aerospace Technologies, Türkiye（ASELSAN航空航天技术，土耳其） ； Istanbul Technical University, Department of Computer Engineering, Türkiye（伊斯坦布尔技术大学计算机工程系，土耳其） ； New York University Abu Dhabi, Division of Engineering, UAE（纽约大学阿布扎比分校工程学院，阿联酋） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV

AI总结 YOLO-Key-6D通过关键点增强实现单阶段单目6D姿态估计，兼顾速度与精度，在实时应用中表现优异。

Comments Accepted to VISAPP 2026

A Geometric Method for Base Parameter Analysis in Robot Inertia Identification Based on Projective Geometric Algebra

基于投影几何代数的机器人惯性参数分析几何方法

Guangzhen Sun, Ye Ding, Xiangyang Zhu

机构 * The State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（机械系统与振动国家重点实验室，机械工程学院，上海交通大学，上海200240，中国） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种基于投影几何代数的几何方法，用于高效准确地识别机器人系统的基体惯性参数。

Comments 20 pages, 10 figures

Comparative Study of Ultrasound Shape Completion and CBCT-Based AR Workflows for Spinal Needle Interventions

超声形状补全与基于CBCT的AR工作流在脊柱穿刺干预中的比较研究

Tianyu Song, Feng Li, Felix Pabst, Miruna-Alexandra Gafencu, Yuan Bi, Ulrich Eck, Nassir Navab

专题命中 其他机器人 ：robotic(abstract)

AI总结 本研究比较了超声形状补全与CBCT在脊柱穿刺中的AR工作流，发现CBCT在效率和精度上更优，而超声在无辐射成像中表现良好但受限于深度区域的形状补全。