机器人 / 具身智能

Multi-Mode Pneumatic Artificial Muscles Driven by Hybrid Positive-Negative Pressure

多模式气压人工肌肉：混合正负压驱动

Siyuan Feng, Ruoyu Feng, Shuguang Li

机构 * Department of Mechanical Engineering（机械工程系） ； Tsinghua University（清华大学） ； Beijing Key Laboratory of Transformative High-end Manufacturing Equipment and Technology（北京 transformative 高端制造装备与技术重点实验室） 纠错

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

AI总结 本文提出了一种基于可膨胀流体驱动折纸灵感的人工肌肉架构，通过正负压组合驱动实现多种运动模式，展示了其在柔性可穿戴设备和紧凑软体机器人中的应用潜力。

Comments 20 pages, 17 figures. Published in IEEE Transactions on Robotics

Journal ref IEEE Transactions on Robotics 42 (2026) 1351-1370

Fast SAM 3D Body: Accelerating SAM 3D Body for Real-Time Full-Body Human Mesh Recovery

快速3D人体SAM：加速3D人体SAM用于实时完整人体网格恢复

Timing Yang, Sicheng He, Hongyi Jing, Jiawei Yang, Zhijian Liu, Chuhang Zou, Yue Wang

机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA（英伟达） ； Meta Reality Labs（元宇宙现实实验室） 纠错

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

AI总结 本文提出Fast SAM 3D Body，通过解耦空间依赖性和架构感知剪枝，实现并行多作物特征提取和流式Transformer解码，提升3D人体网格恢复速度达10.9倍，同时保持重建精度。

User-Tailored Learning to Forecast Walking Modes for Exosuits

为外骨骼设备定制的学习以预测步行模式

Gabriele Abbate, Enrica Tricomi, Nathalie Gierden, Alessandro Giusti, Lorenzo Masia, Antonio Paolillo

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫利人工智能研究所） ； Technical University of Munich (TUM)（慕尼黑技术大学） ； Munich Institute for Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） 纠错

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

AI总结 本文提出基于机器学习的感知模块，通过双传感器惯性数据预测用户步行模式，实现自适应感知并支持在线模型调整。

Social Robots for People Living with Dementia: A Scoping Review on Deception from Design to Perception

面向痴呆症患者的社交机器人：从设计到感知的欺骗性综述

Fan Wang, Giulia Perugia, Yuan Feng, Wijnand IJsselsteijn

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

AI总结 本文综述了26项研究，探讨社交机器人对痴呆症患者可能产生的欺骗性影响，识别出关键设计因素及感知模式，提出双过程解释以区分欺骗与拟人化。

Towards Fluent Interaction with Cyber-Physical Architecture

迈向与物理架构流畅交互的领域

Jesse T. Gonzalez, Neeta Khanuja, Michael Li, Maggie Guo, Layomi Olaitan, Emily Lau, Jennifer Pugh, Alexandra Ion, Scott E. Hudson

专题命中 人机交互与遥操作 ：robotic(abstract)

AI总结 本文探讨了人机交互在大规模可变形环境中的设计，通过两项研究揭示了用户需求与自动化与自主性之间的矛盾，以及多模态协作的核心挑战，提出了一种无模态依赖的用户意图演化模型。

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems

RoCo Challenge at AAAI 2026: Benchmarking Robotic Collaborative Manipulation for Assembly Towards Industrial Automation

AAAI 2026机器人协作操作挑战赛：面向工业自动化的协作操作基准测试

Haichao Liu, Yuheng Zhou, Zhenyu Wu, Ziheng Ji, Ziyu Shan, Qianzhun Wang, Ruixuan Liu, Zhiyuan Yang, Yejun Gu, Shalman Khan, Shijun Yan, Jun Liu, Haiyue Zhu, Changliu Liu, Jianfei Yang, Jingbing Zhang, Ziwei Wang

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学，北京，中国） ； Carnegie Mellon University, Pittsburgh, USA（卡内基梅隆大学，匹兹堡，美国） ； Agency for Science, Technology and Research (A*STAR), Singapore（科技研究局（A*STAR），新加坡） 纠错

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

AI总结 本文提出RoCo挑战赛，通过模拟和真实世界装配任务，推动工业机器人协作操作能力的发展，展示了双模型框架和故障恢复数据在长周期多任务学习中的有效性。

Comments 16 pages, 8 figures

RealVLG-R1: A Large-Scale Real-World Visual-Language Grounding Benchmark for Robotic Perception and Manipulation

RealVLG-R1: 一个大规模真实世界视觉-语言接地基准，用于机器人感知与操作

Linfei Li, Lin Zhang, Ying Shen

机构 * School of Computer Science and Technology, Tongji University, China（同济大学计算机科学与技术学院） 纠错

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

AI总结 本文提出RealVLG框架，结合RealVLG-11B数据集和RealVLG-R1模型，统一了真实世界视觉-语言接地与抓取任务，支持零样本感知与操作，提供全面的数据与评估平台。

Comments Accepted by CVPR 2026

EMMA: Generalizing Real-World Robot Manipulation via Generative Visual Transfer

EMMA: 通过生成性视觉迁移实现现实世界机器人操作的泛化

Zhehao Dong, Xiaofeng Wang, Zheng Zhu, Yirui Wang, Yang Wang, Yukun Zhou, Boyuan Wang, Chaojun Ni, Runqi Ouyang, Wenkang Qin, Xinze Chen, Yun Ye, Guan Huang, Zhen Lu, Yue Yang

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

AI总结 EMMA通过生成性视觉迁移框架提升机器人操作的泛化能力，结合生成数据引擎与高效训练流程，实现多视角一致性和几何精度的提升，实验证明其在零样本场景下的显著性能提升。

SmallSatSim: A High-Fidelity Simulation and Training Toolkit for Microgravity Robotic Close Proximity Operations

SmallSatSim：一种用于微重力机器人近程操作的高保真仿真与训练工具包

David Schwartz, Alexander Hansson, Sabrina Bodmer, David Sternberg, Oliver Jia-Richards, Keenan Albee

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

AI总结 本文提出SmallSatSim，一种高保真仿真工具，用于微重力环境下机器人近程操作的算法开发与测试，支持故障模型配置和GPU加速，旨在加速自主敏捷小卫星操作研究。

Comments 7 pages, 7 figures

ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control

ComFree-Sim：一种基于GPU并行的分析接触物理引擎，用于可扩展的接触密集型机器人仿真与控制

Chetan Borse, Zhixian Xie, Wei-Cheng Huang, Wanxin Jin

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

AI总结 本文提出ComFree-Sim，一种基于GPU并行的分析接触物理引擎，通过阻抗式预测-校正更新计算接触冲量，实现接触计算的线性时间复杂度，适用于接触密集型机器人仿真与控制。

Comments 9 pages

Benchmarking the Energy Cost of Assurance in Neuromorphic Edge Robotics

在神经形态边缘机器人中评估保证的能量成本

Sylvester Kaczmarek

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

AI总结 本文研究了在边缘机器人中部署可信人工智能的高保证鲁棒性和能源可持续性之间的权衡，通过对比传统防御机制与事件驱动的神经形态架构，展示了后者在降低攻击成功率的同时保持低能耗的优势。

Comments 6 pages, 4 figures. Accepted and presented at the STEAR 2026 Workshop on Sustainable and Trustworthy Edge AI for Robotics, HiPEAC 2026, Krakow, Poland

LineMaster Pro: A Low-Cost Intelligent Line Following Robot with PID Control and Ultrasonic Obstacle Avoidance for Educational Robotics

LineMaster Pro：一种低成本智能跟随机器人，配备PID控制和超声波障碍避免，用于教育机器人

Jeni Shahi, Abhishek Shah, A. S. M. Ahsanul Sarkar Akib

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

AI总结 本文提出LineMaster Pro，一种低成本的跟随机器人，采用Arduino Nano平台，集成双TCRT5000红外传感器、超声波传感器、PID控制器和层次有限状态机，通过四阶段校准方法实现高可靠性，实验验证其高精度跟踪和障碍检测能力，成本降低94%。

Evaluation of Visual Place Recognition Methods for Image Pair Retrieval in 3D Vision and Robotics

视觉场景识别方法在3D视觉与机器人中的图像对检索评估

Dennis Haitz, Athradi Shritish Shetty, Michael Weinmann, Markus Ulrich

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

AI总结 本文评估了多种视觉场景识别方法在图像对检索中的性能，针对不同场景下的挑战，分析了各方法的优劣及适用性。

Comments Accepted at the XXV ISPRS Congress 2026; to appear in the ISPRS Annals

UPGS: Unified Pose-aware Gaussian Splatting for Dynamic Scene Deblurring

UPGS：面向动态场景模糊的统一姿态感知高斯点分布

Zhijing Wu, Longguang Wang

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

AI总结 本文提出统一优化框架，通过将相机姿态作为可学习参数与3DGS属性结合，实现端到端优化，提升动态去模糊的重建质量和姿态估计精度。

Robust Sim-to-Real Cloth Untangling through Reduced-Resolution Observations via Adaptive Force-Difference Quantization

通过自适应力差量化实现鲁棒的仿真到现实布料解缠

Yoshihisa Tsurumine, Yuki Kadokawa, Kohei Hayashi, Christian Diehm, Takamitsu Matsubara

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

AI总结 本文提出自适应力差量化方法，通过降低观测分辨率和学习自适应量化阈值，提升仿真到现实布料解缠的鲁棒性。

Comments under review

Beyond Frame-wise Tracking: A Trajectory-based Paradigm for Efficient Point Cloud Tracking

超越帧级跟踪：一种基于轨迹的高效点云跟踪范式

BaiChen Fan, Yuanxi Cui, Jian Li, Qin Wang, Shibo Zhao, Muqing Cao, Sifan Zhou

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

AI总结 本文提出基于轨迹的跟踪范式TrajTrack，通过隐式学习历史轨迹提升跟踪精度，实现高效且鲁棒的3D单目标跟踪。

Comments Acceptted in ICRA 2026

HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions

HSImul3R：物理循环中的人机交互仿真准备重建

Yukang Cao, Haozhe Xie, Fangzhou Hong, Long Zhuo, Zhaoxi Chen, Liang Pan, Ziwei Liu

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； ACE Robotics（ACE机器人公司） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 HSImul3R通过物理引导的双向优化框架，解决人机交互仿真中的感知与仿真差距问题，实现稳定且可部署的3D重建。

Comments https://yukangcao.github.io/HSImul3R/

Kimodo: Scaling Controllable Human Motion Generation

Kimodo：可控制的人体运动生成

Davis Rempe, Mathis Petrovich, Ye Yuan, Haotian Zhang, Xue Bin Peng, Yifeng Jiang, Tingwu Wang, Umar Iqbal, David Minor, Michael de Ruyter, Jiefeng Li, Chen Tessler, Edy Lim, Eugene Jeong, Sam Wu, Ehsan Hassani, Michael Huang, Jin-Bey Yu, Chaeyeon Chung, Lina Song, Olivier Dionne, Jan Kautz, Simon Yuen, Sanja Fidler

机构 * NVIDIA 纠错

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

AI总结 本文提出Kimodo模型，通过大规模动作捕捉数据训练，实现高质量可控的人体运动生成，结合文本输入和多种运动约束条件，提升生成质量和泛化能力。

Comments Project page: https://research.nvidia.com/labs/sil/projects/kimodo/

Ultralytics YOLO Evolution: An Overview of YOLO26, YOLO11, YOLOv8 and YOLOv5 Object Detectors for Computer Vision and Pattern Recognition

Ultralytics YOLO进化：YOLO26、YOLO11、YOLOv8和YOLOv5目标检测器在计算机视觉和模式识别中的综述

Ranjan Sapkota, Manoj Karkee

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

AI总结 本文综述了Ultralytics YOLO系列目标检测器的架构演变、基准测试、部署及未来挑战，涵盖YOLO26、YOLO11、YOLOv8和YOLOv5的核心创新与性能对比。

Efficient Event Camera Volume System

高效事件相机体积系统

Juan Camilo Soto, Ian Noronha, Saru Bharti, Upinder Kaur

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

AI总结 本文提出EECVS框架，通过连续时间Dirac脉冲列车建模事件流，结合自适应变换选择与系数剪枝策略，实现无伪影压缩，并在多个数据集上展示出优异的重建精度和跨数据集泛化能力。

Comments Accepted to ICRA 2026

DualSwinFusionSeg: Multimodal Martian Landslide Segmentation via Dual Swin Transformer with Multi-Scale Fusion and UNet++

DualSwinFusionSeg: 多模态火星滑坡分割 via 双Swin Transformer 与多尺度融合及UNet++

Shahriar Kabir, Abdullah Muhammed Amimul Ehsan, Istiak Ahmmed Rifti, Md Kaykobad Reza

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

AI总结 本文提出DualSwinFusionSeg，通过双Swin Transformer与多尺度融合及UNet++实现多模态火星滑坡分割，验证了在有限标注数据下提升分割精度的效果。

Comments 10 pages, 2 Figures, 12 Tables. Code is available at: https://github.com/amimulamim/Mars-LS-Segmentation

Spatially Grounded Long-Horizon Task Planning in the Wild

在真实环境中进行具有长时域的任务规划

Sehun Jung, HyunJee Song, Dong-Hee Kim, Reuben Tan, Jianfeng Gao, Yong Jae Lee, Donghyun Kim

机构 * Korea University（韩国大学） ； Microsoft Research（微软研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出了一种基于空间的规划任务，引入了GroundedPlanBench基准，评估机器人在真实环境中的长时域动作规划能力，并通过V2GP框架提升空间接地规划性能。

Comments 9 pages, 7 figures

Uncertainty Quantification and Data Efficiency in AI: An Information-Theoretic Perspective

人工智能中的不确定性量化与数据效率：信息论视角

Osvaldo Simeone, Yaniv Romano

机构 * Institute for Intelligent Networked Systems, Northeastern University London（智能网络系统研究所，诺思安普顿大学伦敦分校） ； Departments of Electrical and Computer Engineering and of Computer Science at the Technion–Israel Institute of Technology（技术ion-以色列理工学院电子与计算机工程系和计算机科学系） 纠错

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

AI总结 本文从信息论角度探讨了人工智能中数据有限场景下的不确定性量化与数据效率问题，分析了贝叶斯学习框架、信息论泛化界限及合成数据增强等方法。

GNIO: Gated Neural Inertial Odometry

GNIO: 基于门控的神经惯性里程计

Dapeng Feng, Yizhen Yin, Zhiqiang Chen, Yuhua Qi, Hongbo Chen

机构 * Sun Yat-sen University（中山大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出GNIO，一种基于学习的框架，通过显式建模运动有效性和上下文，减少惯性导航中的漂移。采用可学习的Motion Bank和门控预测头，提升在复杂运动转换中的表现。

Comments Submitted to IEEE Robotics and Automation Letters

Grounding World Simulation Models in a Real-World Metropolis

将世界模拟模型扎根于现实世界中的城市

Junyoung Seo, Hyunwook Choi, Minkyung Kwon, Jinhyeok Choi, Siyoon Jin, Gayoung Lee, Junho Kim, JoungBin Lee, Geonmo Gu, Dongyoon Han, Sangdoo Yun, Seungryong Kim, Jin-Hwa Kim

机构 * KAIST AI（韩国科学技术院人工智能研究中心） ； NAVER AI Lab（NAVER人工智能实验室） ； SNU AIIS（成均馆大学人工智能研究所） 纠错

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

AI总结 本文提出Seoul World Model，通过检索增强的条件生成真实城市场景，解决时间错位和轨迹多样性问题，生成高保真、时序一致的长时景视频。

Comments project page: https://seoul-world-model.github.io/

Zero-Shot Generalization from Motion Demonstrations to New Tasks

从运动示范到新任务的零样本泛化

Kilian Freitag, Alvin Combrink, Nadia Figueroa

机构 * Department of Electrical Engineering, Chalmers University of Technology（楚基默斯技术大学电气工程系） ； GRASP Lab, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） 纠错

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

AI总结 本文提出通过共享工作空间整合孤立示范，实现对新任务的泛化，引入Gaussian Graph框架，结合连续控制与离散图搜索，提出Stitching和Chaining两种方法，在仿真和真实机器人实验中展现良好泛化能力。

SFCoT: Safer Chain-of-Thought via Active Safety Evaluation and Calibration

SFCoT：通过主动安全评估和校准实现更安全的推理链

Yu Pan, Wenlong Yu, Tiejun Wu, Xiaohu Ye, Qiannan Si, Guangquan Xu, Bin Wu

机构 * Department College of Intelligence and Computing（智能与计算学院） ； Tianjin University（天津大学） ； NSFOCUS Technologies Group Co., Ltd.（NSFOCUS技术集团有限公司） ； College of Management and Economics（管理与经济学院） ； School of Cyber Security（网络安全学院） 纠错

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

AI总结 本文提出SFCoT框架，通过实时评估和校准潜在不安全的推理步骤，有效降低对抗攻击成功率，提升大语言模型的安全性。

Reference-Free Omnidirectional Stereo Matching via Multi-View Consistency Maximization

无参考全景立体匹配 via 多视角一致性最大化

Lehuai Xu, Weiming Zhang, Yang Li, Sidan Du, Lin Wang

机构 * Nanjing University, Nanjing, China（南京大学） ； Nanyang Technological University, Singapore（南洋理工大学） 纠错

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

AI总结 本文提出FreeOmniMVS框架，通过多视角一致性最大化实现无参考全景立体匹配，解决传统方法在几何关系和全局依赖性方面的不足，提升遮挡和基线变化下的鲁棒性。

Comments 8 pages, 5 figures

Lightweight 3D LiDAR-Based UAV Tracking: An Adaptive Extended Kalman Filtering Approach

轻量级基于3D激光雷达的无人机跟踪：一种自适应扩展卡尔曼滤波方法

Nivand Khosravi, Meysam Basiri, Rodrigo Ventura

机构 * Institute for Systems and Robotics（系统与机器人研究所） 纠错

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

AI总结 本文提出一种轻量级基于3D激光雷达的无人机跟踪系统，采用自适应扩展卡尔曼滤波框架，解决稀疏、噪声和非均匀点云数据的跟踪问题，适用于小无人机的严格载荷约束。

Comments Presented at the 19th International Conference on Intelligent Autonomous Systems, IAS-19, Genoa, Italy, June 30 to July 4, 2025. To appear in the Springer post-proceedings of the conference

Optimization-Based Robust Permissive Synthesis for Interval MDPs

基于优化的区间马尔可夫决策过程的鲁棒宽容合成

Khang Vo Huynh, David Parker, Lu Feng

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

AI总结 本文提出一种基于优化的框架，用于解决区间马尔可夫决策过程中的鲁棒宽容合成问题，通过混合整数线性规划直接编码鲁棒贝尔曼约束，提升策略的灵活性和可靠性。