机器人 / 具身智能

TEMPO-VINE: A Multi-Temporal Sensor Fusion Dataset for Localization and Mapping in Vineyards

TEMPO-VINE：一个多时序传感器融合数据集用于葡萄园的定位与建图

Mauro Martini, Marco Ambrosio, Judith Vilella-Cantos, Alessandro Navone, Marcello Chiaberge

机构 * Department of Electronics and Communications, Politecnico di Torino（电子与通信系，politecnico di torino大学） ； University Institute for Engineering Research, Miguel Hernández University（工程研究大学学院，miguel hernández大学） 纠错

专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.RO

AI总结 TEMPO-VINE数据集通过多时序传感器融合数据，为葡萄园的定位与建图提供全面的基准测试资源。

Vision Language Model-based Testing of Industrial Autonomous Mobile Robots

基于视觉语言模型的工业自主移动机器人测试

Jiahui Wu, Chengjie Lu, Aitor Arrieta, Shaukat Ali, Thomas Peyrucain

机构 * Simula Research Laboratory and University of Oslo（Simula研究实验室和奥斯陆大学） ； Mondragon University（蒙dragon大学） ； Simula Research Laboratory（Simula研究实验室） ； PAL Robotics（PAL机器人技术） 纠错

专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.RO

AI总结 本文提出基于视觉语言模型的测试方法，用于生成违反功能和安全要求的机器人交互场景，以提高自主移动机器人在复杂环境中的安全性和可靠性。

Learning Physical Systems: Symplectification via Gauge Fixing in Dirac Structures

学习物理系统：通过Dirac结构进行配分的配分

Aristotelis Papatheodorou, Pranav Vaidhyanathan, Natalia Ares, Ioannis Havoutis

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） 纠错

专题命中 具身导航 ：robotics(abstract,comments)；分类 cs.RO、cs.LG

AI总结 本文提出预配分网络（PSNs），通过Dirac结构学习配分提升，恢复非退化对称几何，实现受约束耗散系统的几何机器学习模型。

Comments Presented at Equivariant Systems: Theory and Applications in State Estimation, Artificial Intelligence and Control, Robotics: Science and Systems (RSS) 2025 Workshop, 6 Pages, 3 Figures

GIANT - Global Path Integration and Attentive Graph Networks for Multi-Agent Trajectory Planning

GIANT - 全局路径整合与注意力图网络用于多智能体轨迹规划

Jonas le Fevre Sejersen, Toyotaro Suzumura, Erdal Kayacan

机构 * Artificial Intelligence in Robotics Laboratory (AiR Lab), Department of Electrical and Computer Engineering, Aarhus University（人工智能机器人实验室（AiR实验室），电气与计算机工程系，奥胡斯大学） ； Foundation Models for Artificial Intelligence group, Department of Information and Communication Engineering, Tokyo University（人工智能基础模型组，信息与通信工程系，东京大学） ； Automatic Control Group, Department of Electrical Engineering and Information Technology, Paderborn University（自动控制组，电气工程与信息科技系，波德恩大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 GIANT通过结合全局路径规划与注意力图网络，提升多智能体在复杂动态环境中的避障与导航性能。

Comments Published in: 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

ROVER: Regulator-Driven Robust Temporal Verification of Black-Box Robot Policies

ROVER: 基于监管的黑盒机器人策略时间验证

Kristy Sakano, Jianyu An, Dinesh Manocha, Huan Xu

机构 * University of Maryland, College Park（马里兰大学学院 park） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 ROVER通过监管驱动的方法验证黑盒机器人策略的时间安全，提升满意度和合规性。

Runge-Kutta Approximations for Direct Coning Compensation Applying Lie Theory

基于李理论的直接倾转补偿的龙格-库塔近似

John A. Christian, Michael R. Walker, Wyatt Bridgman, Michael J. Sparapany

机构 * Guggenheim School of Aerospace Engineering（古根海姆航空航天工程学院） ； AIAA（美国航空航天学会） ； C3 AI 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出了一种基于龙格-库塔积分的倾转补偿算法，通过直接应用经典积分程序来改进倾转校正方法，并展示了生成高阶算法的步骤。

Comments Accepted manuscript. AIAA JGCD

Replaying pre-training data improves fine-tuning

重放预训练数据提高微调

Suhas Kotha, Percy Liang

机构 * Stanford University（斯坦福大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.LG

AI总结 通过重放预训练数据提升微调效果，提高目标任务性能

U-OBCA: Uncertainty-Aware Optimization-Based Collision Avoidance via Wasserstein Distributionally Robust Chance Constraints

基于不确定性优化的碰撞避免：通过Wasserstein分布鲁棒机会约束

Zehao Wang, Yuxuan Tang, Han Zhang, Jingchuan Wang, Weidong Chen

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Institute of Medical Robotics, Shanghai Jiao Tong University（医学机器人研究所，上海交通大学） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； Shanghai Engineering Research Center of Intelligent Control and Management, Shanghai（智能控制与管理上海工程研究中心） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 U-OBCA通过引入Wasserstein分布鲁棒机会约束，提升机器人在狭窄环境中的导航效率和轨迹规划的保守性

Data-Driven Control of a Magnetically Actuated Fish-Like Robot

数据驱动控制磁性驱动的仿鱼机器人

Akiyuki Koyama, Hiroaki Kawashima

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出数据驱动控制框架，通过神经网络建模、梯度模型预测控制与模仿学习，实现磁性驱动仿鱼机器人精确路径跟随与高效控制。

Comments Author's version of the paper presented at AROB-ISBC 2026

Journal ref Proc. of the Joint Symposium of AROB 31st and ISBC 11th (AROB-ISBC 2026), pp. 1615-1619, 2026

Adaptive Policy Switching of Two-Wheeled Differential Robots for Traversing over Diverse Terrains

双轮差分机器人适应性策略切换用于穿越多样的地形

Haruki Izawa, Takeshi Takai, Shingo Kitano, Mikita Miyaguchi, Hiroaki Kawashima

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出利用机器人姿态数据实现地形分类，通过PPO优化策略，采用GMM模型在70步窗口下实现超过98%的地形识别准确率，为适应性策略切换提供支持。

Comments Author's version of the paper presented at AROB-ISBC 2026

Journal ref Proc. of the Joint Symposium of AROB 31st and ISBC 11th (AROB-ISBC 2026), pp. 787-792, 2026

Scout-Rover cooperation: online terrain strength mapping and traversal risk estimation for planetary-analog explorations

侦察-轮式机器人合作：行星类比探索中的在线地形强度映射与通行风险估计

Shipeng Liu, J. Diego Caporale, Yifeng Zhang, Xingjue Liao, William Hoganson, Wilson Hu, Shivangi Misra, Neha Peddinti, Rachel Holladay, Ethan Fulcher, Akshay Ram Panyam, Andrik Puentes, Jordan M. Bretzfelder, Michael Zanetti, Uland Wong, Daniel E. Koditschek, Mark Yim, Douglas Jerolmack, Cynthia Sung, Feifei Qian

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出了一种scout-rover合作框架，通过腿式和轮式机器人联合实现行星类比探索中的地形强度在线映射和通行风险估计，提升科学探索的鲁棒性和可达性。

Comments 8 figures

Efficient Path Generation with Curvature Guarantees by Mollification

通过 mollification 实现具有曲率保证的高效路径生成

Alfredo González-Calvin, Juan F. Jiménez, Héctor García de Marina

机构 * Department of Computer Architecture and Automation, Faculty of Physics, Complutense University of Madrid（计算机架构与自动化系，物理学院，马德里康普顿斯大学） ； Department of Computer Engineering, Automation, and Robotics (ICAR) & Institute of Mathematics (IMAG), University of Granada（计算机工程、自动化与机器人系（ICAR）及数学研究所（IMAG），格拉纳达大学） 纠错

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO

AI总结 本文提出通过 mollification 方法高效生成具有曲率保证的路径，提升移动机器人路径规划的实时性和可行性。

Refactoring for Novices in Java: An Eye Tracking Study on the Extract vs. Inline Methods

Java初学者的重构：基于眼动研究的提取与内联方法比较

José Aldo Silva da Costa, Rohit Gheyi, José Júnior Silva da Costa, Márcio Ribeiro, Rodrigo Bonifácio, Hyggo Almeida, Ana Carla Bibiano, Alessandro Garcia

专题命中 具身导航 ：navigation(abstract)

AI总结 本研究通过眼动追踪分析，发现方法提取对初学者在复杂任务中提升性能有效，但对简单任务反而降低效率，强调了眼动追踪在软件重构评估中的重要性。

Comments Accepted at Journal of Systems and Software 2026

DDP-WM: Disentangled Dynamics Prediction for Efficient World Models

DDP-WM：用于高效世界模型的解耦动态预测

Shicheng Yin, Kaixuan Yin, Weixing Chen, Yang Liu, Guanbin Li, Liang Lin

机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（计算机科学与工程学院，中山大学，广州，中国） ； X-Era AI Lab（X-Era人工智能实验室） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；robotic(abstract)

AI总结 DDP-WM通过解耦动态预测原理，提升世界模型的效率与性能，适用于导航、桌面操作及复杂交互任务。

Comments Efficient and high-fidelity world model. Code is available at https://hcplab-sysu.github.io/DDP-WM

Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model

8个标记的规划：一种用于潜在世界模型的紧凑离散标记器

Dongwon Kim, Gawon Seo, Jinsung Lee, Minsu Cho, Suha Kwak

机构 * KAIST（韩国科学技术院） ； POSTECH（POSTECH大学） ； RLWRLD 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本文提出CompACT，一种将观测压缩为8个标记的离散标记器，显著降低计算成本并提升规划效率，为潜在世界模型的实际应用提供可行方案。

Comments CVPR 2026

Probabilistic Dreaming for World Models

基于概率的梦境学习用于世界模型

Gavin Wong

机构 * Yale University（耶鲁大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于概率的梦境学习方法，通过并行探索潜在状态和保持不同假设，提升世界模型的学习效率和稳定性。

Comments Presented at ICLR 2026: 2nd Workshop on World Models

Latent Particle World Models: Self-supervised Object-centric Stochastic Dynamics Modeling

潜在粒子世界模型：自监督的以对象为中心的随机动态建模

Tal Daniel, Carl Qi, Dan Haramati, Amir Zadeh, Chuan Li, Aviv Tamar, Deepak Pathak, David Held

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学） ； Lambda ； Technion（技术学院） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 LPWM通过自监督学习实现现实世界多对象数据的随机动态建模，并在决策制定中展现卓越性能。

Comments ICLR 2026 Oral. Project webpage: https://taldatech.github.io/lpwm-web

From Word to World: Can Large Language Models be Implicit Text-based World Models?

从词到世界：大型语言模型能否作为隐式的基于文本的世界模型？

Yixia Li, Hongru Wang, Jiahao Qiu, Zhenfei Yin, Dongdong Zhang, Cheng Qian, Zeping Li, Pony Ma, Guanhua Chen, Heng Ji

机构 * Southern University of Science and Technology（南方科技大学） ； Microsoft Research（微软研究院） ； University of Edinburgh（爱丁堡大学） ； Princeton University（普林斯顿大学） ； Oxford University（牛津大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Fudan University（复旦大学） ； Mind Lab 纠错

专题命中 具身推理 ：world model(title,abstract)

AI总结 本文研究了大型语言模型在基于文本的环境中作为世界模型的可行性，通过三个评估层面验证了其在提升智能体性能方面的有效性，并明确了环境复杂性和行为覆盖对世界建模效果的影响。

Decoupling Task and Behavior: A Two-Stage Reward Curriculum in Reinforcement Learning for Robotics

分离任务与行为：一种强化学习中的两阶段奖励课程

Kilian Freitag, Knut Åkesson, Morteza Haghir Chehreghani

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Gothenburg University（哥德堡大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(title)；robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出了一种两阶段奖励课程方法，通过分离任务目标与行为术语，提升机器人强化学习中奖励函数设计的有效性和稳定性。

Risk-Aware Reinforcement Learning for Mobile Manipulation

面向移动操作的风险感知强化学习

Michael Groom, James Wilson, Nick Hawes, Lars Kunze

机构 * Oxford Robotics Institute, Department of Engineering Science, University of Oxford（牛津大学机器人研究所、工程科学系、牛津大学） ； Dyson Institute of Engineering & Technology（戴森工程与技术研究所） ； Bristol Robotics Laboratory, School of Engineering, University of West England（布里斯托尔机器人实验室、工程学院、西英格兰大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO

AI总结 本文提出了一种基于风险感知的强化学习方法，通过分布强化学习和模仿学习，实现移动操作中的风险敏感决策与策略蒸馏。

Generative Models in Decision Making: A Survey

生成模型在决策中的应用：综述

Xinyu Shao, Jianping Zhang, Haozhi Wang, Leo Maxime Brunswic, Kaiwen Zhou, Jiqian Dong, Kaiyang Guo, Zhitang Chen, Jun Wang, Jianye Hao, Xiu Li, Yinchuan Li

专题命中 模仿学习与强化学习 ：embodied AI(abstract)；world model(abstract)；分类 cs.AI、cs.LG

AI总结 本文综述提出了一种基于概率框架的控制作为推理的系统分类，将生成决策置于其中，通过变分因子分解轨迹后验，概念化了四个功能角色，并探讨了生成模型在高风险领域的应用及挑战。

Comments Project page:https://github.com/xyshao23/Awesome-Generative-Models-for-Decision-Making-Taxonomy

Observer-Actor: Active Vision Imitation Learning with Sparse-View Gaussian Splatting

观察者-执行者：基于稀疏视角高斯点云的主动视觉模仿学习

Yilong Wang, Cheng Qian, Ruomeng Fan, Edward Johns

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 ObAct通过主动视觉探索提升双臂机器人模仿学习的鲁棒性，利用稀疏视角高斯点云增强观测清晰度，实验显示其在无遮挡和有遮挡情况下均显著优于固定相机设置。

Comments Accepted at ICRA 2026. Project Webpage: https://obact.github.io

Diffusion Policy through Conditional Proximal Policy Optimization

通过条件近端策略优化实现扩散策略

Ben Liu, Shunpeng Yang, Hua Chen

机构 * Southern University of Science and Technology, Shenzhen, China（南方科技大学） ； Hong Kong University of Science and Technology, Hongkong, China（香港科技大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute, Haining, China（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出了一种基于条件近端策略优化的高效方法，用于在在线强化学习中训练多模态扩散策略，解决了计算动作对数似然的难题，并在多个基准任务中取得优异性能。

Guided Flow Policy: Learning from High-Value Actions in Offline Reinforcement Learning

引导流策略：在离线强化学习中学习高价值动作

Franki Nguimatsia Tiofack, Théotime Le Hellard, Fabian Schramm, Nicolas Perrin-Gilbert, Justin Carpentier

机构 * Inria and DI-ENS, PSL Research University（Inria和DI-ENS，PSL研究大学） ； Sorbonne Université, CNRS, ISIR, France（索邦大学，CNRS，ISIR，法国） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 引导流策略通过结合多步流匹配与提炼的演员，有效区分高价值动作，从而在多个基准测试中实现卓越性能。

The 4 meter New Robotic Telescope project: an updated report

4米新机器人望远镜项目：更新报告

C. M. Gutiérrez, M. Torres, A. Oria, J. J. Fernández-Valdivia, D. Arnold, D. Copley, C. Copperwheat, J. de Cos Juez, A. Franco, Y. Fan, A. García Piñero, E. Harvey, H. Jermak, X. Jiang, J. H. Knapen, A. McGrath, A. Ranjbar, R. Rebolo, R. Smith, I. A. Steele, Z. Wang, X. Wu, D. Xu, S. Xue, W. Yuan, Y. Zheng

专题命中 人机交互与遥操作 ：robotic(title,abstract)

AI总结 4米新机器人望远镜项目通过全自动操作和多功能仪器，旨在提升时间域天文学的科研能力。

Comments 6 pages, 5 figures, Workshop on Robotic Autonomous Observatories (AstroRob 2019)

Journal ref Rev. Mex. A&A 53, (2021), 8

Rethinking the Role of Collaborative Robots in Rehabilitation

重新思考协作机器人在康复中的作用

Vivek Gupte, Shalutha Rajapakshe, Emmanuel Senft

专题命中 人机交互与遥操作 ：robotics(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文探讨协作机器人在康复治疗中的多方面作用，包括协助治疗师和患者，提升治疗可及性，并提出未来研究方向。

Comments 5 pages, 1 figure

CT-Enabled Patient-Specific Simulation and Contact-Aware Robotic Planning for Cochlear Implantation

基于CT的患者特异性模拟与接触感知的耳蜗植入手术机器人规划

Lingxiao Xun, Gang Zheng, Alexandre Kruszewski, Renato Torres

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

AI总结 本文提出了一种基于CT的患者特异性模拟与接触感知的耳蜗植入手术机器人规划方法，通过低维可微模型和伪动力学正则化，实现精确的接触力预测和手术安全。

GaussTwin: Unified Simulation and Correction with Gaussian Splatting for Robotic Digital Twins

GaussTwin: 基于高斯点播的统一仿真与校正用于机器人数字孪生

Yichen Cai, Paul Jansonnie, Cristiana de Farias, Oleg Arenz, Jan Peters

机构 * Intelligent Autonomous Systems Lab, Technical University of Darmstadt（德累斯顿技术大学智能自主系统实验室） ； German Research Center for AI (DFKI), SAIROL（德国人工智能研究中心（DFKI）SAIROL） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； NAVER LABS Europe（NAVER LABS欧洲） 纠错

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

AI总结 GaussTwin通过结合物理仿真与高斯点播技术，实现了稳定且真实的数字孪生，提升了机器人操作的跟踪精度和鲁棒性，并支持闭环交互与学习。

Comments 8 pages, 4 figures, 3 tables, ICRA 2026

A Unified Hybrid Control Architecture for Multi-DOF Robotic Manipulators

多自由度机械臂的统一混合控制系统架构

Xinyu Qiao, Yongyang Xiong, Yu Han, Keyou You

专题命中 机器人数据与评测 ：robotic(title,abstract)；manipulation(abstract)

AI总结 本文提出一种统一的混合控制系统架构，结合模型预测控制与反馈调节，通过仿真和实验验证其在多自由度机械臂控制中的优越性能和泛化能力。

Comments 10pages, 6figures

MarketGen: A Scalable Simulation Platform with Auto-Generated Embodied Supermarket Environments

MarketGen: 一个可扩展的仿真平台，具有自动生成的具身超市环境

Xu Hu, Yiyang Feng, Junran Peng, Jiawei He, Liyi Chen, Wei Sui, Chuanchen Luo, Xucheng Yin, Qing Li, Zhaoxiang Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology Beijing（北京科技大学） ； NLPR, MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； XYZ Embodied AI（XYZ具身AI） ； Shandong University（山东大学） ； Linketic ； D-Robotics 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；embodied AI(abstract)；embodied agent(abstract)；manipulation(abstract)

AI总结 MarketGen通过自动生成复杂超市环境，为评估超市代理提供了一个新的基准，加速了复杂商业应用中具身AI的研究。

Comments Project Page: https://xuhu0529.github.io/MarketGen