机器人 / 具身智能

Efficient RGB-D Scene Understanding via Multi-task Adaptive Learning and Cross-dimensional Feature Guidance

通过多任务自适应学习和跨维度特征引导实现高效的RGB-D场景理解

Guodong Sun, Junjie Liu, Gaoyang Zhang, Bo Wu, Yang Zhang

机构 * School of Mechanical Engineering（机械工程学院） ； Vehicle Measurement, Control and Safety Key Laboratory of Sichuan Province（四川省车辆测量控制与安全重点实验室） ； National Key Laboratory for Novel Software Technology（新型软件技术国家实验室） ； Shanghai Advanced Research Institute（上海先进研究院） ； Hubei Key Laboratory of Modern Manufacturing Quality Engineering（湖北省现代制造质量工程重点实验室） 纠错

专题命中 具身推理 ：robotic(abstract)；分类 cs.CV

AI总结 本文提出一种高效的RGB-D场景理解模型，通过多任务自适应学习和跨维度特征引导，提升语义分割、实例分割等任务的准确性和效率。

Comments 23 pages, 13 figures

$Δ$VLA: Prior-Guided Vision-Language-Action Models via World Knowledge Variation

$Δ$VLA：通过世界知识变化引导的视觉-语言-动作模型

Yijie Zhu, Jie He, Rui Shao, Kaishen Yuan, Tao Tan, Xiaochen Yuan, Zitong Yu

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Great Bay University（大湾大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Macao Polytechnic University（澳门理工学院） 纠错

专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.CV

AI总结 $Δ$VLA通过建模世界知识变化，结合先验引导和潜在空间学习，提升机器人动作生成的效率和性能。

GeoAware-VLA: Implicit Geometry Aware Vision-Language-Action Model

GeoAware-VLA: 基于隐式几何的视觉-语言-动作模型

Ali Abouzeid, Malak Mansour, Qinbo Sun, Zezhou Sun, Dezhen Song

机构 * Department of Robotics, Mohamed bin Zayed University of Artificial Intelligence（机器人系，Mohamed bin Zayed人工智能大学） 纠错

专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO

AI总结 GeoAware-VLA通过整合几何先验提升视觉-语言-动作模型的视角不变性，显著提高零样本泛化能力，并在现实机器人平台中取得显著效果。

Comments Under Review, Project Page https://alisharey.github.io/GeoAware-VLA/

Accelerating Robotic Reinforcement Learning with Agent Guidance

通过代理引导加速机器人强化学习

Haojun Chen, Zili Zou, Chengdong Ma, Yaoxiang Pu, Haotong Zhang, Yuanpei Chen, Yaodong Yang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北京大学- PsiBot 联合实验室） 纠错

专题命中 模仿学习与强化学习 ：robotic(title)；robot learning(abstract)；manipulation(abstract)；world model(abstract)

AI总结 AGPS通过多模态代理替代人类监督，提升机器人强化学习的样本效率和可扩展性。

LAR-MoE: Latent-Aligned Routing for Mixture of Experts in Robotic Imitation Learning

LAR-MoE：用于机器人模仿学习中专家混合的潜在对齐路由

Ariel Rodriguez, Chenpan Li, Lorenzo Mazza, Rayan Younis, Ortrun Hellig, Sebastian Bodenstedt, Martin Wagner, Stefanie Speidel

机构 * Department of Translational Surgical Oncology, NCT/UCC Dresden（转化外科肿瘤学系） ； Cluster of Excellence-CeTI, TUD, Germany（卓越中心-CeTI） ； Department of Visceral, Thoracic and Vascular Surgery, Faculty of Medicine and University Hospital Carl Gustav Carus, TUD, Germany（visceral、胸腔和血管外科系） 纠错

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

AI总结 LAR-MoE通过潜在对齐路由在机器人模仿学习中实现无监督的专家混合，提升任务适应性和效率。

Comments Submitted to iROS 2026

SAIL: Test-Time Scaling for In-Context Imitation Learning with VLM

SAIL：基于VLM的上下文模仿学习的测试时扩展

Makoto Sato, Yusuke Iwasawa, Yujin Tang, So Kuroki

机构 * The University of Tokyo（东京大学） ； Sakana AI 纠错

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

AI总结 SAIL通过测试时扩展提升上下文模仿学习的鲁棒性和通用性，利用蒙特卡洛树搜索和视觉语言模型实现轨迹优化。

Comments 8 pages, 3 figures

ProgAgent:A Continual RL Agent with Progress-Aware Rewards

ProgAgent：一种具有进度感知奖励的持续强化学习代理

Jinzhou Tan, Gabriel Adineera, Jinoh Kim

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Texas A\&M University-Commerce（德克萨斯A&M大学-科摩斯） 纠错

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

AI总结 ProgAgent通过进度感知奖励机制，结合PPO与coreset回放和突触智能，有效解决持续学习中的遗忘问题，提升学习效率。

Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation

具有瞬时速度约束的一步动作生成均流策略

Guojian Zhan, Letian Tao, Pengcheng Wang, Yixiao Wang, Yiheng Li, Yuxin Chen, Hongyang Li, Masayoshi Tomizuka, Shengbo Eben Li

机构 * School of Vehicle and Mobility & College of AI, Tsinghua University（车辆与移动学院及人工智能学院，清华大学） ； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出均速度策略（MVP），通过引入瞬时速度约束来提升动作生成效率，实现高效的一步动作生成并在机器人操作任务中取得最佳性能。

Comments ICLR Oral Presentation

Preference-Conditioned Reinforcement Learning for Space-Time Efficient Online 3D Bin Packing

基于偏好条件的强化学习用于空间时间高效的在线3D装箱

Nikita Sarawgi, Omey M. Manyar, Fan Wang, Thinh H. Nguyen, Daniel Seita, Satyandra K. Gupta

机构 * Viterbi School of Engineering, University of Southern California（美国南加州大学维特比工程学院） ； Amazon Robotics（亚马逊机器人） 纠错

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

AI总结 STEP方法通过偏好条件强化学习，在保持装箱密度的同时将操作时间减少44%。

Comments 8 pages, 5 figures. Accepted to IEEE International Conference on Robotics and Automation 2026. Project Website: https://step-packing.github.io

Residual Control for Fast Recovery from Dynamics Shifts

残差控制用于快速恢复动态偏移

Nethmi Jayasinghe, Diana Gontero, Francesco Migliarba, Spencer T. Brown, Vinod K. Sangwan, Mark C. Hersam, Amit Ranjan Trivedi

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Northwestern University（西北大学） 纠错

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

AI总结 该研究提出了一种基于残差控制的稳定性对齐方法，通过约束扰动塑造实现快速恢复，无需重新训练即可应对动态偏移，显著减少恢复时间。

HiconAgent: History Context-aware Policy Optimization for GUI Agents

HiconAgent: 历史上下文感知的GUI代理策略优化

Xurui Zhou, Gongwei Chen, Yuquan Xie, Zaijing Li, Kaiwen Zhou, Shuai Wang, Shuo Yang, Zhuotao Tian, Rui Shao

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.CV

AI总结 HiconAgent通过历史上下文感知策略优化，高效利用历史信息，在GUI导航任务中实现更高的准确率和效率。

Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory

从失败中学习：利用片段记忆的高效强化学习控制

Chenyang Miao

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

专题命中 模仿学习与强化学习 ：robot learning(abstract)；分类 cs.RO

AI总结 本文提出FEMA技术，通过存储失败经验防止机器人陷入不稳定状态，提升强化学习的样本效率和长期探索能力。

CDE: Concept-Driven Exploration for Reinforcement Learning

CDE：基于概念的强化学习探索

Le Mao, Andrew H. Liu, Renos Zabounidis, Yanan Niu, Zachary Kingston, Joseph Campbell

机构 * Department of Electrical and Computer Engineering, Purdue University（电子工程系，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Management of Technology, EPFL（技术管理系，瑞士联邦理工学院） 纠错

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

AI总结 CDE通过利用预训练视觉-语言模型生成任务相关的视觉概念，提升强化学习中视觉任务的探索效率和鲁棒性。

Comments Preprint

Open-World Reinforcement Learning over Long Short-Term Imagination

开放世界长期短期想象强化学习

Jiajian Li, Qi Wang, Yunbo Wang, Xin Jin, Yang Li, Wenjun Zeng, Xiaokang Yang

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能大模型关键实验室、人工智能研究院、上海交通大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、技术东院） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院、华东师范大学） 纠错

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

AI总结 本文提出LS-Imagine方法，通过扩展想象 horizon 提高开放世界强化学习中长期收益的探索效率。

Comments Accepted by ICLR 2025 Oral. Project page: https://qiwang067.github.io/ls-imagine

Utility Theory based Cognitive Modeling in the Application of Robotics: A Survey

基于效用理论的认知建模在机器人应用中的研究：综述

Qin Yang

机构 * College of Engineering and Computer Science, The University of Tulsa（工程与计算机科学学院，塔尔萨大学） 纠错

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

AI总结 本文综述了基于效用理论的认知建模在机器人应用中的发展与现状，探讨了其在多代理系统中的作用及未来研究方向。

Identifying Influential Actions in Human-Robot Interactions

识别人机交互中的关键行为

Haoyang Jiang, Chenfei Xu, Yuya Okadome, Yukata Nakamura

机构 * Guardian Robot Project, R-IH, Riken, Kyoto, Japan（守卫机器人项目，R-IH，Riken，京都，日本） ； Faculty of Engineering, Monash University, Melbourne, Australia（工程学院，墨尔本大学，澳大利亚） ； Graduate school of engineering science, Osaka University, Osaka, Japan（工程科学研究生院，大阪大学，日本） ； Faculty of engineering, Tokyo University of Science, Tokyo, Japan（工程学院，东京科学大学，日本） 纠错

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

AI总结 本文提出利用转移熵识别人机交互中影响人类行为的关键机器人行为，以提升机器人系统的设计和适应性。

Comments Presented at the 30th International Symposium on Artificial Life and Robotics (AROB 30th). Beppu, Japan, January 2025

Model-Based and Neural-Aided Approaches for Dog Dead Reckoning

基于模型和神经辅助的方法用于犬类死 reckoning

Gal Versano, Itai Savin, Itzik Klein

机构 * Hatter Department of Marine Technologies, University of Haifa（海法大学海洋技术系） 纠错

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

AI总结 本文提出基于模型和神经辅助的方法用于犬类死 reckoning，通过实验验证神经辅助方法在定位精度上的优势，提供了一种轻量且低成本的定位解决方案。

Influence-Based Reward Modulation for Implicit Communication in Human-Robot Interaction

基于影响的奖励调节用于人机交互中的隐式通信

Haoyang Jiang, Elizabeth A. Croft, Michael G. Burke

机构 * Monash University（莫纳什大学） ； University of Victoria（维多利亚大学） 纠错

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

AI总结 本文提出了一种基于转移熵的奖励调节方法，用于增强人机交互中的隐式通信，通过调节影响力提升协作与互动效果。

Comments Preprint. 26 pages, 15 figures. Submitted to IEEE Transactions on Human-Robot Interaction (THRI). Accepted manuscript version

Towards Scalable Probabilistic Human Motion Prediction with Gaussian Processes for Safe Human-Robot Collaboration

迈向安全人机协作的可扩展概率人类运动预测：基于高斯过程

Jinger Chong, Xiaotong Zhang, Kamal Youcef-Toumi

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出了一种基于高斯过程的可扩展模型，用于准确预测人类运动并提供可靠的不确定性估计，适用于人机协作中的安全应用。

Comments Submitted to IROS 2026

RoboCritics: Enabling Reliable End-to-End LLM Robot Programming through Expert-Informed Critics

RoboCritics: 通过专家指导的批评者实现可靠的端到端LLM机器人编程

Callie Y. Kim, Nathan Thomas White, Evan He, Frederic Sala, Bilge Mutlu

机构 * Department of Computer Sciences University of Wisconsin--Madison（计算机科学系威斯康星大学麦迪逊分校） 纠错

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

AI总结 RoboCritics通过专家指导的批评者提升LLM在机器人编程中的可靠性与用户参与度。

Comments 10 pages, 5 figures, Proceedings of the 21st ACM/IEEE International Conference on Human Robot Interaction (HRI 2026)

Interactive World Simulator for Robot Policy Training and Evaluation

交互式世界模拟器用于机器人策略训练与评估

Yixuan Wang, Rhythm Syed, Fangyu Wu, Mengchao Zhang, Aykut Onol, Jose Barreiros, Hooshang Nayyeri, Tony Dear, Huan Zhang, Yunzhu Li

专题命中 机器人数据与评测 ：robot policy(title,abstract)；robotics(abstract)；world model(abstract)；robotic(abstract)

AI总结 交互式世界模拟器通过构建物理一致的世界模型，实现了高效的机器人策略训练与评估，支持长时间稳定交互并展现与现实世界性能的强相关性。

Comments Project Page: https://yixuanwang.me/interactive_world_sim

Robotic Foundation Models for Industrial Control: A Comprehensive Survey and Readiness Assessment Framework

工业控制中的机器人基础模型：全面调研与可行性评估框架

David Kube, Simon Hadwiger, Tobias Meisen

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

AI总结 本文调研了工业控制中机器人基础模型的应用现状，通过系统评估框架分析了其工业适用性，指出工业成熟度有限，需加强安全、实时性、感知与集成等关键因素的系统性考虑。

Learning-Based Robust Control: Unifying Exploration and Distributional Robustness for Reliable Robotics via Free Energy

基于学习的鲁棒控制：通过自由能统一探索与分布鲁棒性以实现可靠的机器人控制

Hozefa Jesawada, Giovanni Russo, Abdalla Swikir, Fares Abu-Dakka

机构 * Mechanical Engineering Program, New York University Abu Dhabi（纽约大学阿布扎赫尔分校机械工程项目） ； Department of Information and Electrical Engineering & Applied Mathematics, University of Salerno（萨勒诺大学信息与电气工程及应用数学系） ； Mohammed bin Zayed University for Artificial Intelligence, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文提出了一种基于自由能原理的鲁棒控制方法，通过联合学习环境动态和奖励，提升机器人在真实环境中的鲁棒性和可重复操作性能。

DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving

DrivingGen：自主驾驶中生成视频世界模型的综合性基准

Yang Zhou, Hao Shao, Letian Wang, Zhuofan Zong, Hongsheng Li, Steven L. Waslander

机构 * University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学MMLab） 纠错

专题命中 机器人数据与评测 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 DrivingGen提出首个综合性基准，用于评估生成驾驶世界模型的视觉真实性、轨迹合理性、时间一致性和可控性，揭示通用与专用模型间的权衡。

Comments ICLR 2026 Poster; Project Website: https://drivinggen-bench.github.io/

SurgSync: Time-Synchronized Multi-Modal Data Collection Framework and Dataset for Surgical Robotics

SurgSync: 用于手术机器人的时间同步多模态数据采集框架和数据集

Haoying Zhou, Chang Liu, Yimeng Wu, Junlin Wu, Zijian Wu, Yu Chung Lee, Sara Martuscelli, Spetimiu E. Salcudean, Gregory S. Fischer, Peter Kazanzides

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute（机器人工程系，沃斯特理工学院） ； Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室） ； Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； Robotics and Control Laboratory, the University of British Columbia（机器人与控制实验室，不列颠哥伦比亚大学） ； Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子、信息与生物工程系，米兰理工学院） 纠错

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

AI总结 SurgSync提出了一种时间同步的多模态数据采集框架和数据集，用于手术机器人中的高阶控制与训练，通过多传感器和后处理工具提升数据质量与实用性。

Comments Accepted By International Conference on Robotics and Automation (ICRA), IEEE, 2026. More details can be found at https://surgsync.github.io/

Seed2Scale: A Self-Evolving Data Engine for Embodied AI via Small to Large Model Synergy and Multimodal Evaluation

Seed2Scale: 一种通过小到大模型协同和多模态评估的自我进化数据引擎用于具身AI

Cong Tai, Zhaoyu Zheng, Haixu Long, Hansheng Wu, Zhengbin Long, Haodong Xiang, Rong Shi, Zhuo Cui, Shizhuang Zhang, Gang Qiu, He Wang, Ruifeng Li, Biao Liu, Zhenzhe Sun, Tao Shen

机构 * ZTE Corporation（中兴通讯公司） 纠错

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

AI总结 Seed2Scale通过小到大模型协同和多模态评估，实现具身AI的自我进化数据引擎，显著提升性能并提供可扩展的开发路径

GuideTWSI: A Diverse Tactile Walking Surface Indicator Dataset from Synthetic and Real-World Images for Blind and Low-Vision Navigation

GuideTWSI: 一种从合成和现实图像中获取的多样化触觉行走表面指示器数据集，用于盲人和低视力导航

Hochul Hwang, Soowan Yang, Anh N. H. Nguyen, Parth Goel, Krisha Adhikari, Sunghoon I. Lee, Joydeep Biswas, Nicholas A. Giudice, Donghyun Kim

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Daegu Gyeongbuk Institute of Science and Technology（大邱庆bu科学技术院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Maine（缅因大学） 纠错

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

AI总结 本文提出了一种多样化的触觉行走表面指示器数据集，通过合成和现实图像获取，以提高盲人和低视力导航中对不同类型警示标志的识别能力。

SysNav: Multi-Level Systematic Cooperation Enables Real-World, Cross-Embodiment Object Navigation

SysNav：多级系统性合作实现现实世界跨载体物体导航

Haokun Zhu, Zongtai Li, Zihan Liu, Kevin Guo, Zhengzhi Lin, Yuxin Cai, Guofei Chen, Chen Lv, Wenshan Wang, Jean Oh, Ji Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 SysNav通过多级系统性合作实现现实世界跨载体物体导航，提升复杂环境下的导航效率与成功率。

DINOv3 Visual Representations for Blueberry Perception Toward Robotic Harvesting

DINOv3视觉表示在蓝莓感知中的应用：面向机器人采摘

Rui-Feng Wang, Daniel Petti, Yue Chen, Changying Li

机构 * Bio-Sensing, Automation, and Intelligence Laboratory, Department of Agricultural and Biological Engineering, Institute of Food and Agricultural Sciences, University of Florida（生物感知、自动化与智能实验室，农业与生物工程系，食品与农业科学研究院，佛罗里达大学） ； Department of Biomedical Engineering, Georgia Institute of Technology（生物医学工程系，佐治亚理工学院） 纠错

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

AI总结 DINOv3作为语义主干网络，在蓝莓机器人采摘中用于果实和损伤分割及检测，但检测受限于目标尺度变化和空间聚合建模的挑战。

Comments 16 pages, 9 figures, 5 tables

Agile in the Face of Delay: Asynchronous End-to-End Learning for Real-World Aerial Navigation

在延迟面前敏捷：面向现实世界空中导航的异步端到端学习

Yude Li, Zhexuan Zhou, Huizhe Li, Youmin Gong, Jie Mei

机构 * School of Intelligence and Engineering（智能与工程学院） ； Guangdong Provincial Key Laboratory of Intelligent Morphing Mechanisms and Adaptive Robotics（广东省智能变形机制与自适应机器人重点实验室） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出异步强化学习框架，解决端到端导航中感知与控制频率冲突问题，实现高频率控制与异步感知融合，提升现实环境中航空器的鲁棒性和敏捷性。