机器人 / 具身智能

RoboMemory: A Brain-inspired Multi-memory Agentic Framework for Interactive Environmental Learning in Physical Embodied Systems

RoboMemory：一种脑启发的多记忆代理框架，用于物理具身系统中的交互环境学习

Mingcong Lei, Honghao Cai, Yuyuan Yang, Yimou Wu, Jinke Ren, Zezhou Cui, Liangchen Tan, Junkun Hong, Gehan Hu, Shuangyu Zhu, Shaohan Jiang, Ge Wang, Junyuan Tan, Zhenglin Wan, Zheng Li, Zhen Li, Shuguang Cui, Yiming Zhao, Yatong Han

机构 * FNii-Shenzhen（FNii-深圳） ； SSE, CUHK-Shenzhen（SSE，CUHK-深圳） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Ising AI 纠错

专题命中 具身推理 ：embodied agent(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出RoboMemory框架，通过整合空间、时间、事件和语义记忆，提升机器人在复杂环境中的长期规划与交互学习能力，实验表明其在EmbodiedBench上成功率提升26.5%，超越现有SOTA模型。

Agile-VLA: Few-Shot Industrial Pose Rectification via Implicit Affordance Anchoring

Agile-VLA: 通过隐式 affordance 锚定实现少样本工业姿态校正

Teng Yan, Zhengyang Pei, Chengyu Shi, Yue Yu, Yikun Chen, Zilong Zhu, Zelin Fang, Kaile Guo, Zihang Wang, Peigen Tian, Bingzhuo Zhong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 具身推理 ：robot learning(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 本文提出Agile-VLA框架，通过隐式affordance锚定机制将几何视觉线索映射为参数化动作原语，减少对高延迟语义推理的依赖，实现边缘设备上的高频率动态操作控制。

Comments 8 pages. Submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

AI Mental Models: Learned Intuition and Deliberation in a Bounded Neural Architecture

AI 心智模型：在有限神经架构中学习的直觉与推理

Laurence Anthony

机构 * Waseda University（早稻田大学） 纠错

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

AI总结 本文探讨有限神经架构是否能在经典64项演绎推理基准上实现直觉与推理的分工。研究提出双路径架构，通过直觉与推理路径的分离，展示出在交叉验证中推理路径的显著优势，表明模型具备结构化内部计算能力。

Exploring Pose-Guided Imitation Learning for Robotic Precise Insertion

探索基于姿态引导的模仿学习用于机器人精确插入

Han Sun, Sheng Liu, Yizhao Wang, Zhenning Zhou, Shuai Wang, Haibo Yang, Jingyuan Sun, Qixin Cao

机构 * School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； Shanghai Huawei Technologies Co., Ltd.（上海华为技术有限公司） 纠错

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

AI总结 本文提出基于姿态引导的模仿学习方法，通过紧凑的对象中心观测实现精确插入任务，提升数据效率和泛化能力。

VLGOR: Visual-Language Knowledge Guided Offline Reinforcement Learning for Generalizable Agents

VLGOR：基于视觉-语言知识的离线强化学习用于通用智能体

Pengsen Liu, Maosen Zeng, Nan Tang, Kaiyuan Li, Jing-Cheng Pang, Yunan Liu, Yang Yu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China \& School of Artificial Intelligence, Nanjing University, China ； Computational Intelligence Center (CIC), School of Computer ； Artificial Intelligence, Shandong Jianzhu University, Jinan, 250101, China 纠错

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

AI总结 本文提出VLGOR框架，结合视觉和语言知识生成虚拟轨迹，提升智能体在未见任务中的泛化能力，实验显示其性能比基线方法高24%以上。

Path Planning and Reinforcement Learning-Driven Control of On-Orbit Free-Flying Multi-Arm Robots

轨道自由飞行多臂机器人的路径规划与强化学习驱动控制

Álvaro Belmonte-Baeza, José Luis Ramón, Leonard Felicetti, Miguel Cazorla, Jorge Pomares

机构 * University of Alicante（阿利坎特大学） ； Cranfield University（克兰菲尔德大学） 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 本文提出一种结合轨迹优化与强化学习的混合方法，用于自由飞行多臂机器人在在轨服务场景中的路径规划与控制。通过实验验证，该方法在表面运动和自由浮动场景中均优于传统策略，提升了运动平滑度、安全性和效率。

Comments Accepted for publication in The International Journal of Robotics Research (23-Mar-2026)

Learning Multi-Agent Local Collision-Avoidance for Collaborative Carrying tasks with Coupled Quadrupedal Robots

学习多智能体局部避障以实现协作搬运任务 with 耦合四足机器人

Francesca Bray, Simone Tolomei, Andrei Cramariuc, Cesar Cadena, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（埃因斯坦理工大学机器人系统实验室） 纠错

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

AI总结 本文提出基于强化学习的策略，使两台连接物体的四足机器人在未知环境中自主避障，无需预设路径或地图。

Integrated cooperative localization of heterogeneous measurement swarm: A unified data-driven method

异质测量群的集成协作定位：一种统一的数据驱动方法

Kunrui Ze, Wei Wang, Guibin Sun, Jiaqi Yan, Kexin Liu, Jinhu Lü

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Zhongguancun Laboratory（中关村实验室） 纠错

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

AI总结 本文提出一种统一的数据驱动方法，用于解决异质机器人系统中协作定位问题，通过改进的相对定位估计和分布式姿态耦合策略，在弱连接有向拓扑中实现高效定位。

Portfolio Optimization under Recursive Utility via Reinforcement Learning

通过强化学习进行递归效用下的投资组合优化

Minkey Chang

专题命中 模仿学习与强化学习 ：world model(abstract)

AI总结 本文研究递归效用是否能提升投资组合分配的强化学习效果，通过蒙特卡洛方法近似递归效用中的确定等价，改进了PPO和A2C算法，实验显示在夏普比率、最大回撤和累计收益上优于传统方法。

Video2Act: A Dual-System Video Diffusion Policy with Robotic Spatio-Motional Modeling

Video2Act：一种双系统视频扩散策略，具有机器人空间-运动建模

Yueru Jia, Jiaming Liu, Shengbang Liu, Rui Zhou, Wanhe Yu, Yuyang Yan, Xiaowei Chi, Yandong Guo, Boxin Shi, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，北京大学计算机学院） ； AI 2 Robotics（AI与机器人） ； Hong Kong University of Science and Technology（香港科学与技术大学） 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 Video2Act通过整合空间和运动感知表示，提升机器人动作学习效率，其双系统设计在仿真和现实任务中均取得显著成果。

Multi-Modal Multi-Task (M3T) Federated Foundation Models for Embodied AI: Potentials and Challenges for Edge Integration

多模态多任务（M3T）联邦基础模型用于具身AI：边缘整合的潜力与挑战

Kasra Borazjani, Payam Abdisarabshali, Fardis Nadimi, Naji Khosravan, Minghui Liwang, Xianbin Wang, Yiguang Hong, Seyyedali Hosseinalipour

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

AI总结 本文提出多模态多任务联邦基础模型（M3T-FFMs）用于具身AI，结合M3T-FMs的任务泛化能力和FL的隐私保护分布式训练，解决边缘部署中的异构具身、模态不平衡、带宽限制等挑战。

Comments Accepted for Publication in IEEE Internet of Things Magazine, 2025

Journal ref IEEE Internet of Things Magazine, 2025

PiCo: Active Manifold Canonicalization for Robust Robotic Visual Anomaly Detection

PiCo：主动流形规范化的稳健机器人视觉异常检测

Teng Yan, Binkai Liu, Shuai Liu, Yue Yu, Bingzhuo Zhong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 PiCo通过主动流形规范化解决机器人视觉异常检测在多姿态和不稳定环境下的鲁棒性问题，采用分阶段机制提升几何不确定性和噪声消除能力，实验显示其在静态和闭环场景中均取得显著性能提升。

Comments 16 pages. Submitted to the European Conference on Computer Vision (ECCV) 2026

AirSimAG: A High-Fidelity Simulation Platform for Air-Ground Collaborative Robotics

AirSimAG：一种高保真空地协同机器人仿真平台

Yangjie Cui, Xin Dong, Boyang Gao, Jinwu Xiang, Daochun Li, Zhan Tu

机构 * School of Aeronautic Science and Engineering, Beihang University（北京航空航天大学航空科学与工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Institution of Unmanned System, Beihang University（北京航空航天大学无人系统研究院） 纠错

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

AI总结 本文提出AirSimAG，一种高保真的空地协同机器人仿真平台，支持多智能体同步仿真和异构传感控制接口，通过多个代表性任务验证其在多智能体协调和跨模态数据一致性方面的有效性。

SIMART: Decomposing Monolithic Meshes into Sim-ready Articulated Assets via MLLM

SIMART: 通过MLLM将单体网格分解为可模拟的关节化资产

Chuanrui Zhang, Minghan Qin, Yuang Wang, Baifeng Xie, Hang Li, Ziwei Wang

机构 * ByteDance Seed（字节跳动种子） ； NTU（国立台湾大学） 纠错

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

AI总结 SIMART通过统一的MLLM框架实现部分级分解和运动学预测，减少3D令牌数量，提升多部分组装的保真度，并在PartNet-Mobility和野外AIGC数据集上取得最佳性能，支持物理仿真的机器人模拟。

From Product Hilbert Spaces to the Generalized Koopman Operator and the Nonlinear Fundamental Lemma

从乘积希尔伯特空间到广义柯普曼算子和非线性基本引理

Mircea Lazar

机构 * Control Systems Group, Electrical Engineering Department, Eindhoven University of Technology（控制系统组，电气工程系，埃因霍温理工大学） 纠错

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

AI总结 本文提出基于乘积希尔伯特空间的广义柯普曼算子和非线性基本引理，解决了控制输入系统下的柯普曼算子泛化和非线性基本引理推导问题，通过基函数展开和希尔伯特空间构造方法验证了方法的有效性。

Comments Revisions compared to first version: formal analysis of the generalized Koopman composition operator, exact bilinear form with finite-dimensional input Hilbert space for input-affine systems, quantitative persistency of excitation notion for infinite-dimensional bilinear systems, nonlinear fundamental lemma in terms of Hankel operators and frames, addition soft-robotic manipulator example

MCP Security Bench (MSB): Benchmarking Attacks Against Model Context Protocol in LLM Agents

MCP安全基准（MSB）：针对LLM代理中模型上下文协议的攻击评估

Dongsen Zhang, Zekun Li, Xu Luo, Xuannan Liu, Peipei Li, Wenjun Xu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 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MSB，首个端到端评估套件，系统评估LLM代理在MCP全流程中的抗攻击能力，包含12种攻击类型及性能指标NRP，评估九种主流LLM代理在10个领域405种工具上的表现。

Comments Accepted by ICLR 2026

VLA-IAP: Training-Free Visual Token Pruning via Interaction Alignment for Vision-Language-Action Models

VLA-IAP: 通过交互对齐实现无训练视觉令牌剪枝用于视觉-语言-动作模型

Jintao Cheng, Haozhe Wang, Weibin Li, Gang Wang, Yipu Zhang, Xiaoyu Tang, Jin Wu, Xieyuanli Chen, Yunhui Liu, Wei Zhang

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； South China Normal University（华南师范大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology Beijing（北京科技大学） ； National University of Defense Technology（国防科技大学） 纠错

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

AI总结 本文提出VLA-IAP方法，通过引入几何先验机制和动态调度策略，实现无训练的视觉令牌剪枝，提升VLA模型在资源受限平台上的推理效率和稳定性，实验显示在LIBERO基准上成功率达97.8%且速度提升1.25倍。

Comments 27 pages, 8 figures

ENC-Bench: A Benchmark for Evaluating Multimodal Large Language Models in Electronic Navigational Chart Understanding

ENC-Bench：用于评估多模态大语言模型在电子航海图理解中的基准

Ao Cheng, Xingming Li, Xuanyu Ji, Xixiang He, Qiyao Sun, Chunping Qiu, Runke Huang, Qingyong Hu

机构 * National University of Defense Technology（国防科技大学） ； Intelligent Game and Decision Lab（智能游戏与决策实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 ENC-Bench是首个专注于专业电子航海图理解的基准，包含20490个经过专家验证的样本，评估了10种先进多模态大语言模型在符号识别、空间推理和航海决策中的表现，揭示了模型在符号 grounding、空间计算和多约束推理方面的系统性挑战。

Comments Accepted to CVPR 2026, Project page: https://qingyonghu.github.io/ENC-Bench/

GIFT: Generalizing Intent for Flexible Test-Time Rewards

GIFT：基于意图的灵活测试时间奖励

Fin Amin, Nathaniel Dennler, Andreea Bobu

机构 * NC State（北卡罗来纳州立大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 GIFT通过语言模型推断用户演示中的高层意图，以提升奖励在新环境下的泛化能力，优于基于视觉和语义相似性的基线方法。

Comments To appear at IEEE ICRA '26

RF-Zero-Wire: Design and Analysis of Multi-Hop Low-latency Symbol-synchronous RF Communication

RF-Zero-Wire：多跳低延迟符号同步射频通信的设计与分析

Xinlei Liu, Andrey Belogaev, Jonathan Oostvogels, Bingwu Fang, Danny Hughes, Jeroen Famaey

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文提出RF-Zero-Wire协议，通过符号级并发传输减少多跳通信延迟，实验表明其在5跳内实现小于1ms的端到端延迟，且比传统存储转发协议更高效。

ProbeMDE: Uncertainty-Guided Active Proprioception for Monocular Depth Estimation in Surgical Robotics

ProbeMDE: 用于手术机器人单目深度估计的不确定性引导主动触觉

Britton Jordan, Jordan Thompson, Jesse F. d'Almeida, Hao Li, Nithesh Kumar, Susheela Sharma Stern, James Ferguson, Ipek Oguz, Robert J. Webster, Daniel Brown, Alan Kuntz

机构 * The Robotics Center and the Kahlert School of Computing at the University of Utah（犹他大学机器人中心和Kahlert计算学院） 纠错

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

AI总结 本文提出ProbeMDE，结合RGB图像与稀疏本体感知测量，通过不确定性引导主动触觉提升手术场景中单目深度估计的准确性与鲁棒性。

Comments 8 pages, 5 figures. Accepted at ICRA 2026. Project page: https://brittonjordan.github.io/probe_mde/

Trajectory Generation for Underactuated Soft Robot Manipulators using Discrete Elastic Rod Dynamics

基于离散弹性杆动力学的欠驱动软机器人轨迹生成

Beibei Liu, Akua K. Dickson, Ran Jing, Andrew P. Sabelhaus

机构 * Division of Systems Engineering, Boston University（系统工程系，波士顿大学） ； Department of Mechanical Engineering, Boston University（机械工程系，波士顿大学） 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离散弹性杆动力学的控制导向建模方法，用于生成欠驱动软机器人动态可行的轨迹，实验验证了其在复杂驱动条件下优于常曲率基线的轨迹跟踪性能。