机器人 / 具身智能

Inferring Occluded Agent Behavior in Dynamic Games from Noise Corrupted Observations

从噪声受损观测中推断动态博弈中被遮挡行为

Tianyu Qiu, David Fridovich-Keil

专题命中 具身导航 ：robotics(abstract)；navigation(abstract)

AI总结 本文提出一种考虑遮挡的博弈推理方法，用于估计可能被遮挡的智能体位置，并推断可见和被遮挡智能体的意图，同时验证了在噪声观测下的导航安全性。

A Dual-Stream Transformer Architecture for Illumination-Invariant TIR-LiDAR Person Tracking

一种用于光照不变TIR-LiDAR人体跟踪的双流Transformer架构

Yuki Minase, Kanji Tanaka

机构 * Graduate School of Engineering, University of Fukui（福井大学工学研究科） 纠错

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出一种双流Transformer架构，利用LiDAR和TIR摄像头实现全天候鲁棒的人体跟踪，通过知识迁移策略提升性能，实验显示在AO和SR指标上优于传统方法。

Comments 6 pages, 4 figures, technical report

When and Where: A Model Hippocampal Network Unifies Formation of Time Cells and Place Cells

何时与何地：一种海马网络模型统一了时间细胞和位置细胞的形成

Qiaorong S. Yu, Zhaoze Wang, Vijay Balasubramanian

机构 * New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种海马网络模型，通过动态机制统一了时间细胞和位置细胞的形成，揭示了两者共享的起源与任务驱动的差异。

Comments 18 pages, 6 figures

The Indirect Method for Generating Libraries of Optimal Periodic Trajectories and Its Application to Economical Bipedal Walking

间接方法生成最优周期轨迹库及其在经济步行中的应用

Maximilian Raff, Kathrin Flaßkamp, C. David Remy

机构 * Institute for Adaptive Mechanical Systems, University of Stuttgart（斯图加特大学自适应机械系统研究所） ； Systems Modeling and Simulation, Saarland University（萨尔大学系统建模与仿真研究所） 纠错

专题命中 具身导航 ：robotics(abstract,comments)；分类 cs.RO

AI总结 本文提出间接方法生成最优周期轨迹库，对比直接方法，解决收敛问题，展示在compass-gait walker和RABBIT机器人中的应用，提升轨迹优化效率。

Comments submitted to the International Journal of Robotics Research (IJRR)

Advancing Multi-Robot Networks via MLLM-Driven Sensing, Communication, and Computation: A Comprehensive Survey

通过MLLM驱动的感知、通信与计算推进多机器人网络：综述

Hyun Jong Yang, Howon Lee, Kyuhong Shim, Jeongho Kwak, Hyunsoo Kim, Donghoon Kim, Khoa Anh Ngo, Sehyun Ryu, Jaehyun Choi, Youbin Kim, Chanjun Moon, Michael Ryoo, Byonghyo Shim

机构 * Seoul National University（首尔大学） ； Ajou University（亚洲大学） ； Sungkyunkwan University（成均馆大学） ； Korea University（高丽大学） ； POSTECH（浦项科技大学） ； Stony Brook University（石溪大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文综述了MLLM指导下的多机器人协调，探讨了集成设计对多机器人协作的影响，展示了四种端到端演示，强调了系统级指标的重要性。

G-ICSO-NAS: Shifting Gears between Gradient and Swarm for Robust Neural Architecture Search

G-ICSO-NAS: 在梯度与群体之间切换以实现稳健的神经网络架构搜索

Xingbang Du, Enzhi Zhang, Rui Zhong, Yang Cao, Masaharu Munetomo

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出G-ICSO-NAS框架，结合改进的竞争群体优化与可微方法，通过三阶段优化策略提升NAS性能，实现CIFAR-10 97.46%准确率及强迁移能力。

Comments Accepted at the International Joint Conference on Neural Networks (IJCNN), WCCI 2026. This is a preprint version

Optimal GNSS Time Tracking for Long-term Stable Time Realisation in Synchronised Atomic Clocks

为同步原子钟提供最优的GNSS时间跟踪以实现长期稳定的时序实现

Maitreyee Dutta, Jiayu Chen, Masakazu Koike, Yuichiro Yano, Yuko Hanado, Takayuki Ishizaki

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出一种新的最优GNSS时间跟踪算法，通过引导同步微型原子钟组向标准GNSS时间靠拢，提升长期精度和稳定性，采用卡尔曼滤波估计GNSS接收器与原子钟的平均差异，通过优化问题最小化稳态Allan方差。

Noise-resilient nanophotonic gyroscope with sub-prad phase resolution

抗噪声纳米光子陀螺仪与亚普德相位分辨率

Yu Tao, Xinhang Li, Jingzheng Huang, Zidi Lin, Yuyao Guo, Hongjing Li, Linjie Zhou, Guihua Zeng

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出一种抗噪声纳米光子陀螺仪，通过双链解耦架构有效隔离旋转信号与通道噪声，实现亚普德相位分辨率，显著提升性能。

Data-Attributed Adaptive Control Barrier Functions: Safety-Certified Training Data Curation via Influence Analysis

数据属性自适应控制屏障函数：通过影响分析实现安全认证的训练数据筛选

Jiachen Li, Shihao Li, Dongmei Chen

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出数据属性自适应控制屏障函数（DA-CBF），通过影响分析实现安全认证的训练数据筛选，改进了安全损失代理与控制屏障函数约束边界的关联，提升了闭环安全保证。

DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving

DLWM：双潜在世界模型实现自动驾驶中的整体高斯中心预训练

Yiyao Zhu, Ying Xue, Haiming Zhang, Guangfeng Jiang, Wending Zhou, Xu Yan, Jiantao Gao, Yingjie Cai, Bingbing Liu, Zhen Li, Shaojie Shen

机构 * HKUST（香港科技大学） ； CUHK-SZ（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Huawei Foundation Model Department（华为基础模型部门） 纠错

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

AI总结 本文提出DLWM，通过双潜在世界模型实现自动驾驶中的整体高斯中心预训练，提升3D占用感知、4D占用预测和运动规划性能。

Comments Accepted by CVPR 2026

Toward Physically Consistent Driving Video World Models under Challenging Trajectories

迈向在挑战性轨迹下物理一致的驾驶视频世界模型

Jiawei Zhou, Zhenxin Zhu, Lingyi Du, Linye Lyu, Lijun Zhou, Zhanqian Wu, Hongcheng Luo, Zhuotao Tian, Bing Wang, Guang Chen, Hangjun Ye, Haiyang Sun, Yu Li

机构 * Zhejiang University（浙江大学） ； Xiaomi EV（小米电动汽车） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出PhyGenesis，通过物理条件生成器和物理增强视频生成器，解决挑战性轨迹下视频生成的物理不一致问题，实验表明其在复杂轨迹上表现优异。

Object Affordance Recognition and Grounding via Multi-scale Cross-modal Representation Learning

基于多尺度跨模态表示学习的对象 affordance 识别与定位

Xinhang Wan, Dongqiang Gou, Xinwang Liu, En Zhu, Xuming He

机构 * National University of Defense Technology（国防科技大学） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 具身推理 ：embodied AI(abstract)；manipulation(abstract)；分类 cs.CV

AI总结 本文提出一种新的方法，通过学习 affordance 意识的 3D 表示和分阶段推理策略，解决对象 affordance 定位与分类任务中的依赖关系建模问题，提升识别效果。

STAR: Mitigating Cascading Errors in Spatial Reasoning via Turn-point Alignment and Segment-level DPO

STAR：通过转弯点对齐和段级DPO缓解空间推理中的级联错误

Pukun Zhao, Longxiang Wang, Chen Chen, Peicheng Wang, Fanqing Zhou, Runze Li, Haojian Huang

机构 * Guangdong University of Finance and Economics（广东财经大学） ； Chongqing University（重庆大学） ； Westlake University（西湖大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 具身推理 ：navigation(abstract)；分类 cs.CV

AI总结 本文提出STAR框架，通过拓扑锚点解决复杂拓扑中的级联错误问题，引入RedMaze-23K数据集并采用段级DPO提升长距离导航的自我修正能力，实验表明其32B版本在开源模型中表现最优。

Comments 9 pages, 6 figures, 4 tables, Accepted by ICME 2026

Data-Model Co-Driven Continuous Channel Map Construction: A Perceptive Foundation for Embodied Intelligent Agents in 6G Networks

数据-模型协同驱动的连续信道图构建：6G网络中具身智能体的感知基础

Tianrun Qi, Cheng-Xiang Wang, Chen Huang, Junling Li, John S Thompson

专题命中 具身推理 ：world model(abstract)

AI总结 本文提出数据-模型协同框架，通过混合射线追踪与几何模型捕捉动态散射体，结合图神经网络实现实时空间插值，提升6G网络中具身智能体的信道感知精度与鲁棒性。

Generalizable Dense Reward for Long-Horizon Robotic Tasks

可泛化的密集奖励用于长周期机器人任务

Silong Yong, Stephen Sheng, Carl Qi, Xiaojie Wang, Evan Sheehan, Anurag Shivaprasad, Yaqi Xie, Katia Sycara, Yesh Dattatreya

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Robotics（亚马逊机器人） ； UT Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出VLLR框架，结合外部奖励和内部奖励提升长周期机器人任务性能，通过任务分解和自信心引导实现无需人工奖励工程的高效训练。

Comments Project page: https://silongyong.github.io/vllr_project_page/

DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving

DreamerAD：通过潜在世界模型实现高效的强化学习用于自动驾驶

Pengxuan Yang, Yupeng Zheng, Deheng Qian, Zebin Xing, Qichao Zhang, Linbo Wang, Yichen Zhang, Shaoyu Guo, Zhongpu Xia, Qiang Chen, Junyu Han, Lingyun Xu, Yifeng Pan, Dongbin Zhao

机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司） ； School of Advanced Interdisciplinary Sciences, UCAS（中国科学院大学先进交叉科学学院） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） 纠错

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

AI总结 DreamerAD通过压缩扩散采样将步骤从100步减少到1步，实现80倍加速并保持视觉可解释性，解决了自动驾驶中真实世界数据训练成本高和安全风险大的问题。

Comments authors update

Where-to-Learn: Analytical Policy Gradient Directed Exploration for On-Policy Robotic Reinforcement Learning

Where-to-Learn: 分析性策略梯度引导的在线机器人强化学习探索

Leixin Chang, Xinchen Yao, Ben Liu, Liangjing Yang, Hua Chen

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

AI总结 本文提出利用可微动力学模型的分析性策略梯度，引导机器人强化学习探索更优轨迹，提升策略学习效率和质量。

Comments 8 pages, 10 figures

Multi-Camera View Scaling for Data-Efficient Robot Imitation Learning

多摄像头视角缩放用于数据高效的机器人模仿学习

Yichen Xie, Yixiao Wang, Shuqi Zhao, Cheng-En Wu, Masayoshi Tomizuka, Jianwen Xie, Hao-Shu Fang

机构 * UC Berkeley（加州大学伯克利分校） ； Lambda, Inc（Lambda公司） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出一种利用场景多样性提升机器人模仿学习数据效率的方法，通过摄像头视角缩放生成伪演示，增强视觉表示的视角不变性，并在仿真和现实任务中验证了其有效性。

BAT: Balancing Agility and Stability via Online Policy Switching for Long-Horizon Whole-Body Humanoid Control

BAT：通过在线策略切换平衡敏捷性与稳定性以实现长周期全身人形控制

Donghoon Baek, Sang-Hun Kim, Sehoon Ha

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Samsung Research（三星研究院） 纠错

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

AI总结 本文提出BAT框架，通过在线策略切换平衡敏捷性与稳定性，实现长周期全身人形控制，实验表明其在多样任务中优于现有方法。

Behavioral Score Diffusion: Model-Free Trajectory Planning via Kernel-Based Score Estimation from Data

行为得分扩散：通过核基得分估计实现无模型轨迹规划

Shihao Li, Jiachen Li, Jiamin Xu, Dongmei Chen

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出行为得分扩散（BSD），通过核加权估计直接从轨迹数据中计算扩散得分函数，无需学习模型或动力学模型，在停车场景中实现高效轨迹规划。

A wearable haptic device for edge and surface simulation

一种用于边缘和表面模拟的可穿戴触觉设备

Rui Chen, Xianlong Mai, Alireza Sanaei, Domenico Chiaradia, Antonio Frisoli, Daniele Leonardis

机构 * Institute of Mechanical Intelligence, School of Advanced Studies Sant'Anna (SSSA)（圣安娜高等研究学院机械智能研究所） ； CAS Key Laboratory of Mechanical Behavior and Design of Materials, Institute of Humanoid Robots, School of Engineering Sciences, University of Science and Technology of China（中国科学院材料力学行为和设计重点实验室，中国科学技术大学工程科学学院仿生机器人研究所） 纠错

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

AI总结 本文提出了一种轻量级可穿戴触觉设备，通过双电机机制实现表面和边缘接触反馈，提升了虚拟现实环境中物体操作的逼真度。

StretchBot: A Neuro-Symbolic Framework for Adaptive Guidance with Assistive Robots

StretchBot：一种用于辅助机器人自适应指导的神经符号框架

Luca Vogelgesang, Ahmed Mehdi Soltani, Mohammadhossein Khojasteh, Xinrui Zu, Stefano De Giorgis, Madalina Croitoru, Filip Ilievski

机构 * Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Montpellier（蒙彼利埃大学） 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StretchBot，结合多模态感知与知识图谱引导的大语言模型推理，实现短时间伸展指导中的情境感知调整，同时保持结构化流程。实验显示自适应指导在适应性和相关性上更优，而脚本指导在流畅性和可预测性上仍具竞争力。

Benchmarking Interaction, Beyond Policy: a Reproducible Benchmark for Collaborative Instance Object Navigation

交互基准测试，超越策略：协作实例物体导航的可重复基准

Edoardo Zorzi, Francesco Taioli, Yiming Wang, Marco Cristani, Alessandro Farinelli, Alberto Castellini, Loris Bazzani

机构 * Sapienza University of Rome（罗马大学） ； University of Verona（维罗纳大学） ； Polytechnic of Turin（都灵理工大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； Reykjavik University（雷克雅未克大学） 纠错

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

AI总结 本文提出QAsk-Nav基准，用于评估协作实例物体导航中的导航与协作问答能力，提供轻量级问答协议和高质量数据集，开发出更高效且性能更优的Light-CoNav模型。

Rusty Flying Robots: Learning a Full Robotics Stack with Real-Time Operation on an STM32 Microcontroller in a 9 ECTS MS Course

锈迹斑斑的飞行机器人：在9 ECTS硕士课程中利用STM32微控制器实时操作学习完整的机器人系统

Wolfgang Hoenig, Christoph Scherer, Khaled Wahba

机构 * Technical University Berlin（柏林工业大学） ； Robotics Institute Germany (RIG)（德国机器人研究所（RIG）） 纠错

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

AI总结 本课程通过在高度受限的STM32微控制器上实时操作，让学生学习完整的机器人系统，强调非线性算法的应用和Rust语言的使用，提升实际操作能力。

Comments Accepted at the International Conference on Robotics in Education (RiE), 2026

Situationally-Aware Dynamics Learning

情境感知动态学习

Alejandro Murillo-Gonzalez, Lantao Liu

机构 * Luddy School of Informatics, Computing, and Engineering, Indiana University（印第安纳大学卢迪信息学、计算与工程学院） 纠错

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

AI总结 本文提出了一种在线学习隐状态表示的框架，通过建模未观测参数对转移动态和奖励结构的影响，提升机器人在复杂环境中的适应性和安全性。

Journal ref The International Journal of Robotics Research (IJRR) 2026

Proactive Agent Research Environment: Simulating Active Users to Evaluate Proactive Assistants

主动代理研究环境：模拟活跃用户以评估主动助手

Deepak Nathani, Cheng Zhang, Chang Huan, Jiaming Shan, Yinfei Yang, Alkesh Patel, Zhe Gan, William Yang Wang, Michael Saxon, Xin Eric Wang

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Apple, USA（苹果公司（美国）） ； University of Washington（华盛顿大学） ； Independent Researcher, USA（独立研究员（美国）） 纠错

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

AI总结 本文提出Pare框架，通过状态机模拟用户交互，构建并评估主动代理，同时引入Pare-Bench基准测试143种不同任务，测试上下文感知、目标推理和多应用协调能力。

Comments 34 pages, 8 figures, 5 tables

Compact Keyframe-Optimized Multi-Agent Gaussian Splatting SLAM

紧凑化关键帧优化多智能体高斯点云SLAM

Monica M. Q. Li, Pierre-Yves Lajoie, Jialiang Liu, Giovanni Beltrame

机构 * Polytechnique Montreal（蒙特利尔理工学院） ； University of Wisconsin（威斯康星大学） 纠错

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

AI总结 本文提出一种改进的多智能体RGB-D高斯点云SLAM框架，通过压缩步骤和中央闭环计算减少通信负载，提升地图保真度，实验证明数据传输量减少85-95%。

Go Big or Go Home: Simulating Mobbing Behavior with Braitenbergian Robots

要么大举进攻，要么全盘退出：基于布拉提恩格机器人模拟群体排斥行为

Elaheh Sanoubari

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

AI总结 本文通过Webots平台模拟布拉提恩格机器人在面对光源时的群体排斥行为，探讨了叫声范围和机器人数量对群体攻击成功率的影响。

Comments This work was completed in 2019 as a final project for a graduate course at the University of Waterloo, titled: ECE 750 - Artificial Life: Embodied Intelligence

Are Large Vision-Language Models Ready to Guide Blind and Low-Vision Individuals?

大视觉-语言模型是否准备好指导盲人和低视力者？

Eunki Kim, Na Min An, Wan Ju Kang, Sangryul Kim, James Thorne, Hyunjung Shim

机构 * SKT ； KAIST AI（韩国科学技术院人工智能） ； NAVER ； Theia Insights 纠错

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

AI总结 本文提出统一框架，通过用户研究和定制数据集，开发出更高效的评估器，提升大视觉-语言模型在盲人和低视力用户导航中的应用性能。

Comments 42 pages, 14 figures, 28 tables

But what is your honest answer? Aiding LLM-judges with honest alternatives using steering vectors

但你的诚实答案是什么？利用引导向量辅助LLM-法官的诚实替代方案

Leon Eshuijs, Archie Chaudhury, Alan McBeth, Ethan Nguyen

机构 * Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Independent（独立） 纠错

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

AI总结 本文提出JUSSA框架，通过引导向量优化法官的诚实性，提升对欺骗性回答的检测能力，实验显示在不同 dishonesty 水平下，GPT-4.1和Claude Haiku的AUROC均有显著提升，但任务复杂度不匹配时性能下降。