机器人 / 具身智能

Bi-HIL: Bilateral Control-Based Multimodal Hierarchical Imitation Learning via Subtask-Level Progress Rate and Keyframe Memory for Long-Horizon Contact-Rich Robotic Manipulation

双侧控制基于多模态分层模仿学习的长时程接触丰富机械臂操作

Thanpimon Buamanee, Masato Kobayashi, Yuki Uranishi

机构 * The University of Osaka（大阪大学） ； Kobe University（神户大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO

AI总结 本文提出Bi-HIL框架，通过子任务级进度率和关键帧记忆实现长时程接触丰富机械臂操作的稳定分层协调，验证了显式建模子任务进展与力感知控制的重要性。

SoftMimicGen: A Data Generation System for Scalable Robot Learning in Deformable Object Manipulation

SoftMimicGen：一种用于可变形物体操作规模化机器人学习的数据生成系统

Masoud Moghani, Mahdi Azizian, Animesh Garg, Yuke Zhu, Sean Huver, Ajay Mandlekar

机构 * NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robot learning(title)；分类 cs.RO

AI总结 本文提出SoftMimicGen，一种自动化数据生成流水线，用于可变形物体操作任务，涵盖多种真实物体和行为，通过高保真模拟环境生成数据并训练高性能策略。

Constant-Time Motion Planning with Manipulation Behaviors

具有操纵行为的常时间运动规划

Nayesha Gandotra, Itamar Mishani, Maxim Likhachev

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出B-CTMP算法，通过预计算紧凑数据结构，在固定时间内完成两步操纵任务，确保在半结构化环境中实现安全高效的操纵。

Comments In submission

3D Dynamics-Aware Manipulation: Endowing Manipulation Policies with 3D Foresight

3D动态感知操控：赋予操控策略三维前瞻性

Yuxin He, Ruihao Zhang, Xianzu Wu, Zhiyuan Zhang, Cheng Ding, Qiang Nie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； JAKA Robotics Co., Ltd.（JAKA机器人有限公司） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出一种融合3D世界建模与策略学习的框架，通过引入三个自监督任务提升操控策略的3D前瞻性，实验表明在仿真和现实环境中显著提升操控性能。

Comments ICRA 2026

$π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation

$π$, 但使其飞行：基于物理的VLA模型向空中操作的转移

Johnathan Tucker, Denis Liu, Aiden Swann, Allen Ren, Javier Yu, Jiankai Sun, Brandon Kim, Lachlain McGranahan, Quan Vuong, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Physical Intelligence 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；navigation(abstract)；分类 cs.RO

AI总结 本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。

Towards Exploratory and Focused Manipulation with Bimanual Active Perception: A New Problem, Benchmark and Strategy

迈向探索性与聚焦性操控的双臂主动感知：一个新的问题、基准和策略

Yuxin He, Ruihao Zhang, Tianao Shen, Cheng Liu, Qiang Nie

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 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出探索性与聚焦性操控（EFM）问题，建立EFM-10基准并提出双臂主动感知策略，通过主动视觉和力觉感知提升复杂操控任务的完成能力。

Comments ICRA 2026

RoboMatch: A Unified Mobile-Manipulation Teleoperation Platform with Auto-Matching Network Architecture for Long-Horizon Tasks

RoboMatch：一种用于长周期任务的统一移动操作远程操作平台，配备自动匹配网络架构

Hanyu Liu, Yunsheng Ma, Jiaxin Huang, Keqiang Ren, Jiayi Wen, Yilin Zheng, Haoru Luan, Baishu Wan, Pan Li, Jiejun Hou, Zhihua Wang, Zhigong Song

机构 * Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology, School of Mechanical Engineering, Jiangnan University（江苏省食品先进制造装备与技术重点实验室，江南大学机械工程学院） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO；robotics(comments)

AI总结 本文提出RoboMatch，一种用于移动操作的统一远程操作平台，采用自动匹配网络架构以应对动态环境中的长周期任务。核心是 cockpit 风格的控制界面，提升控制精度和数据采集效率。同时引入PVE-DP和AMN，显著提高精细操作性能和长周期推理性能。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA)

Towards Embodied AI with MuscleMimic: Unlocking full-body musculoskeletal motor learning at scale

迈向具身体验AI的MuscleMimic：解锁大规模全身体质运动学习

Chengkun Li, Cheryl Wang, Bianca Ziliotto, Merkourios Simos, Jozsef Kovecses, Guillaume Durandau, Alexander Mathis

机构 * EPFL（瑞士联邦理工学院洛桑分校） ； McGill University（麦吉尔大学） ； Feil & Oberfeld CRIR-Jewish Rehabilitation Hospital Research Center（Feil & Oberfeld CRIR-犹太康复医院研究中心） ； NVIDIA（英伟达） 纠错

专题命中 机器人操作 ：embodied AI(title)；manipulation(abstract)；分类 cs.RO

AI总结 MuscleMimic通过生理真实的人形机器人模型，实现了大规模全身体质运动学习，结合并行GPU模拟，提升了训练效率，验证了运动再现的准确性。

From Manipulation to Mistrust: Explaining Diverse Micro-Video Misinformation for Robust Debunking in the Wild

从操控到怀疑：为野外鲁棒驳斥解释多样化的微视频虚假信息

Zhi Zeng, Yifei Yang, Jiaying Wu, Xulang Zhang, Xiangzheng Kong, Herun Wan, Zihan Ma, Minnan Luo

机构 * School of Computer Science and Technology, MOEKLINNS Lab, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院、教育部机器学习与智能决策网络实验室） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI

AI总结 本文提出WildFakeBench基准和FakeAgent框架，通过多模态理解和外部证据分析，提升微视频虚假信息检测的可解释性和鲁棒性。

Comments Accepted at WWW 2026

Unveiling the Resilience of LLM-Enhanced Search Engines against Black-Hat SEO Manipulation

揭示LLM增强搜索引擎对抗黑帽SEO攻击的韧性

Pei Chen, Geng Hong, Xinyi Wu, Mengying Wu, Zixuan Zhu, Mingxuan Liu, Baojun Liu, Mi Zhang, Min Yang

专题命中 机器人操作 ：manipulation(title,abstract)

AI总结 本文首次系统研究针对LLMSEs的SEO攻击，通过构建SEO-Bench基准测试1000个真实世界黑帽SEO网站，发现LLMSEs能有效抵御99.78%的传统SEO攻击，但对LLMSEO攻击如重写查询填充和分段文本存在漏洞。

Comments Accepted at The ACM Web Conference 2026 (WWW 2026)

ByteLoom: Weaving Geometry-Consistent Human-Object Interactions through Progressive Curriculum Learning

ByteLoom: 通过渐进课程学习编织几何一致的人-物体交互

Bangya Liu, Xinyu Gong, Zelin Zhao, Ziyang Song, Yulei Lu, Suhui Wu, Jun Zhang, Suman Banerjee, Hao Zhang

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； ByteDance（字节跳动） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出ByteLoom框架，通过简化的人类条件和3D物体输入生成几何一致的人-物体交互视频，解决多视角信息注入和手部网格标注依赖的问题。

PAWS: Perception of Articulation in the Wild at Scale from Egocentric Videos

PAWS：从全景视频中大规模感知动作

Yihao Wang, Yang Miao, Wenshuai Zhao, Wenyan Yang, Zihan Wang, Joni Pajarinen, Luc Van Gool, Danda Pani Paudel, Juho Kannala, Xi Wang, Arno Solin

机构 * Aalto University（阿尔托大学） ； INSAIT, Sofia University（索菲亚大学INSAIT研究所） ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Oulu（奥卢大学） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.CV

AI总结 PAWS通过直接提取手-物体互动中的动作结构，提升机器人、仿真和动画中的3D场景理解能力，实现大规模野外视频中的动作感知突破。

Comments 32 pages, 13 figures. Project page: https://aaltoml.github.io/PAWS/

LILAC: Language-Conditioned Object-Centric Optical Flow for Open-Loop Trajectory Generation

LILAC：基于语言的物体中心光学流用于开环轨迹生成

Motonari Kambara, Koki Seno, Tomoya Kaichi, Yanan Wang, Komei Sugiura

机构 * Keio University（庆应义塾大学） ； KDDI Research Inc.（KDDI研究所） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出LILAC模型，通过结合视觉与语言信息生成物体中心光学流，并转化为6自由度机械臂轨迹，实验显示其在多个基准和实际物体操作中表现更优。

Comments Accepted to IEEE RA-L

EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation

EQ-Negotiator：动态情感人格赋能小型语言模型进行边缘部署的信用谈判

Yunbo Long, Yuhan Liu, Alexandra Brintrup

机构 * Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院） ； Department of Engineering, University of Cambridge（剑桥大学工程系） ； The Alan Turing Institute, London, UK（伦敦阿尔法顿研究所） 纠错

专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)

AI总结 本文提出EQ-Negotiator框架，通过整合博弈论与隐马尔可夫模型，使小型语言模型具备动态情感人格，提升边缘设备上的信用谈判效率与道德标准。

End-to-End Low-Level Neural Control of an Industrial-Grade 6D Magnetic Levitation System

端到端低级神经控制工业级6D磁悬浮系统

Philipp Hartmann, Jannick Stranghöner, Klaus Neumann

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出首个6D磁悬浮神经控制器，通过端到端训练实现从原始传感器数据和6D参考姿态到线圈电流命令的直接映射，展示了学习神经控制在复杂物理系统中的可行性。

Comments 8 pages, 7 figures, 2 tables

See and Fix the Flaws: Enabling VLMs and Diffusion Models to Comprehend Visual Artifacts via Agentic Data Synthesis

查看并修复缺陷：通过代理数据合成使VLMs和扩散模型能够理解视觉缺陷

Jaehyun Park, Minyoung Ahn, Minkyu Kim, Jonghyun Lee, Jae-Gil Lee, Dongmin Park

机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； KRAFTON 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出ArtiAgent，通过代理数据合成生成真实与带缺陷图像对，有效减少视觉缺陷，提升模型对视觉缺陷的理解能力。

Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning

基于连接性意识的表示方法用于受限运动规划的多尺度对比学习

Suhyun Jeon, Yumin Lim, Woo-Jeong Baek, Hyeonseo Kim, Suhan Park, Jaeheung Park

机构 * Seoul National University（首尔大学） ； Artificial Intelligence Institute (AIIS), Seoul National University（首尔大学人工智能研究所） ； Department of Mechanical Engineering, Seoul National University（首尔大学机械工程系） ； Kwangwoon University（光云大学） ； ASRI, AIIS, Seoul National University（首尔大学ASRI、AIIS） ； Advanced Institutes of Convergence Technology（先进融合技术研究所） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 本文提出一种多尺度对比学习方法，通过学习连接性意识的表示，选择连接区域的起始和目标配置，提高运动规划的成功率并减少规划时间。

Comments 8 pages, 5 figures, ICRA 2026

Probabilistic Concept Graph Reasoning for Multimodal Misinformation Detection

基于概率概念图推理的多模态虚假信息检测

Ruichao Yang, Wei Gao, Xiaobin Zhu, Jing Ma, Hongzhan Lin, Ziyang Luo, Bo-Wen Zhang, Xu-Cheng Yin

机构 * University of Science and Technology Beijing（北京科技大学） ； Singapore Management University（新加坡管理大学） ； Hong Kong Baptist University（香港浸会大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV

AI总结 本文提出PCGR框架，通过构建概念图进行多模态虚假信息检测，实现可解释且可进化的方法，提升检测准确性和抗新兴操纵能力。

Comments Accepted by CVPR 2026

HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images

HGGT：从未校准图像中鲁棒且灵活的3D手形重建

Yumeng Liu, Xiao-Xiao Long, Marc Habermann, Xuanze Yang, Cheng Lin, Yuan Liu, Yuexin Ma, Wenping Wang, Ligang Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） ； Max-Planck-Institut für Informatik（马克斯·普朗克信息学研究所） ； Macau University of Science and Technology（澳门科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 机器人操作 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出HGGT方法，通过将手形重建视为视觉-几何基础任务，首次联合推断3D手形和相机姿态，实现了从未校准视角的鲁棒性和灵活性，优于现有方法并在真实场景中表现优异。

Comments project page: https://lym29.github.io/HGGT/

Physical Backdoor Attack Against Deep Learning-Based Modulation Classification

针对基于深度学习的调制分类的物理后门攻击

Younes Salmi, Hanna Bogucka

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文研究了一种针对深度学习调制分类器的物理后门攻击，通过射频信号幅度操控和标签篡改训练受感染模型，验证了该攻击在不同噪声水平下的高成功率，并测试了多种防御技术的失效性。

Nonlocal Optomechanics: Hybrid Anapole Opens a New Route to Optical Tweezing

非局部光学机械学：混合反极子开辟了光学镊子的新途径

Susanna R. Rozental, Denis A. Kislov, Ilia M. Fradkin, Nikita S. Babich, Vasiliy Fedotov, Sergey Novikov, Vjaceslavs Bobrovs, Shangran Xie, Oleg Minin, Igor Minin, Lei Gao, Yu-Ling Wu, Lei Gong, Alexey Bolshakov, Alexey Arsenin, Alexander S. Shalin

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究通过混合反极子状态实现非局部光学操控，揭示了非传统光学镊子机制，为共振纳米颗粒操控提供新框架。

Comments 38 pages (Main text and Supplementary Materials), 15 figures

Joint Training Scattering Matrix Learning and Channel Estimation for Beyond-Diagonal Reconfigurable Intelligent Surfaces

联合训练散射矩阵学习和信道估计用于超对角可重构智能表面

Yiyang Peng, Binggui Zhou, Yutong Zheng, Danilo Mandic, Bruno Clerckx

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出了一种联合训练散射矩阵学习和信道估计框架，通过端到端优化BD-RIS训练散射矩阵和估计级联信道，以减少试点开销并提高信道估计精度。

Robust topological BIC nanocavities for upconversion directional emission

鲁棒的拓扑BIC纳米腔用于上转换方向发射

Yongqi Chen, Ming Zhu, Qingfeng Bian, Xiumei Yin, Wenxin Wang, Bin Dong, Yurui Fang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出利用拓扑等离子体腔打破σh镜像对称性，实现单粒子发射器的上转换和发射控制，通过多BIC regime实现高约束远场辐射通道，实验展示出增强的辐射强度和确定性方向发射。

Comments 39 pages including supporting information. 5 figures for main text and 14 figures for SI

Experimental School Choice with Parents

有家长参与的实验性学校选择

Mikhail Freer, Thilo Klein, Josué Ortega

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文通过实验室实验比较了家长参与的学校选择机制，发现DA机制在福利-稳定性权衡中表现稳定，而RM机制效率高但稳定性差，EADA处于中间状态。