机器人 / 具身智能

Introducing M: A Modular, Modifiable Social Robot

引入M：一个模块化、可修改的社会机器人

Victor Nikhil Antony, Zhili Gong, Yoonjae Kim, Chien-Ming Huang

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Mechanical Engineering, Rice University（里士满大学机械工程系） 纠错

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

AI总结 M平台通过模块化设计和开源特性，降低社会机器人研究的摩擦，提供可重复、可修改的机器人解决方案，支持快速仿真到现实的迁移。

SuperDec: 3D Scene Decomposition with Superquadric Primitives

SuperDec：基于超二次体的3D场景分解

Elisabetta Fedele, Boyang Sun, Leonidas Guibas, Marc Pollefeys, Francis Engelmann

机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Microsoft（微软公司） 纠错

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

AI总结 SuperDec通过将场景分解为超二次体基元，实现紧凑的3D表示。该方法利用实例分割技术扩展到完整3D场景，并在ShapeNet和ScanNet++上验证了其泛化能力，适用于机器人任务和可控视觉内容生成。

Comments Project page: https://super-dec.github.io

DAVIS: Planning Agent with Knowledge Graph-Powered Inner Monologue

DAVIS：基于知识图谱的规划代理

Minh Pham Dinh, Munira Syed, Michael G Yankoski, Trenton W. Ford

机构 * Davis Institute for Artificial Intelligence（戴维斯人工智能研究所） ； Colby College（科伯学院） ； University of Notre Dame（圣约翰大学） ； William & Mary（威廉与玛丽学院） 纠错

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

AI总结 本文提出DAVIS，一种基于知识图谱的规划代理，通过结构化和时间记忆实现模型驱动规划，并采用多轮检索系统提升科学任务处理能力，在ScienceWorld基准测试中表现优异。

Comments Accepted to EMNLP 2025 Findings

NymeriaPlus: Enriching Nymeria Dataset with Additional Annotations and Data

NymeriaPlus：通过额外标注和数据丰富Nymeria数据集

Daniel DeTone, Federica Bogo, Eric-Tuan Le, Duncan Frost, Julian Straub, Yawar Siddiqui, Yuting Ye, Jakob Engel, Richard Newcombe, Lingni Ma

机构 * Meta Reality Labs Research（Meta现实实验室） 纠错

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

AI总结 本文通过改进人体动作标注、添加密集3D标注和多模态数据，提升Nymeria数据集的综合性能，为野外观测数据研究提供更强大的支持。

Object-Centric Representation Learning for Enhanced 3D Semantic Scene Graph Prediction

面向增强三维语义场景图预测的对象感知表示学习

KunHo Heo, GiHyun Kim, SuYeon Kim, MyeongAh Cho

机构 * Kyung Hee University（庆熙大学） 纠错

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

AI总结 本文提出一种高判别性的对象特征编码器和对比预训练策略，提升三维语义场景图预测的准确性和关系预测能力，实验表明在3DSSG数据集上优于现有方法。

Comments Accepted by NeurIPS 2025. Code: https://github.com/VisualScienceLab-KHU/OCRL-3DSSG-Codes

Whole-Body Safe Control of Robotic Systems with Koopman Neural Dynamics

具身安全控制的机器人系统与Koopman神经动力学

Sebin Jung, Abulikemu Abuduweili, Jiaxing Li, Changliu Liu

专题命中 其他机器人 ：robotic(title)；分类 cs.RO

AI总结 本文提出基于Koopman算子的神经动力学框架，结合安全集算法实现高维非线性系统的安全控制，通过数据驱动方法提升机器人运动轨迹的准确性和避障能力。

Learning Transferable Friction Models and LuGre Identification Via Physics-Informed Neural Networks

通过物理信息神经网络学习可转移的摩擦模型和LuGre识别

Asutay Ozmen, João P. Hespanha, Katie Byl

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

AI总结 本文提出一种结合经典摩擦模型与可学习组件的物理信息摩擦估计框架，利用少量通用数据准确复现动态摩擦特性，并展示其在非完整系统中实现跨系统泛化的能力。

Comments 7 pages, 8 figures, Accepted to 2026 American Control Conference (ACC)

A Passive Elastic-Folding Mechanism for Stackable Airdrop Sensors

一种用于叠放式气流传感器的被动弹性折叠机制

Damyon Kim, Yuichi Honjo, Tatsuya Iizuka, Naomi Okubo, Naoto Endo, Hiroshi Matsubara, Yoshihiro Kawahara, Naoto Morita, Takuya Sasatani

机构 * Graduate School of Engineering, The University of Tokyo（东京大学工学系研究生院） ； NTT Space Environment and Energy Laboratories（NTT空间环境与能源实验室） 纠错

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

AI总结 本文提出一种被动弹性折叠铰链机制，将传感器从扁平可叠形式转换为三维结构，通过单步烘烤工艺实现规模化生产，实验验证了其在环境监测中的可靠性和广域传感潜力。

Comments 8 pages, 8 figures, The 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

ReDAG-RT: Global Rate-Priority Scheduling for Real-Time Multi-DAG Execution in ROS 2

ReDAG-RT：ROS 2中实时多DAG执行的全局速率优先调度

Md. Mehedi Hasan, Rafid Mostafiz, Bikash Kumar Paul, Md. Abir Hossain, Ziaur Rahman

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

AI总结 本文提出ReDAGRT框架，通过在ROS 2用户空间实现全局调度，解决多DAG执行中的优先级冲突和截止期限不稳定问题，提升实时性与确定性。

Comments 12 pages, 6 figures