视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
调谐以学习：控制器增益如何塑造机器人策略学习
机构 * MIT（麻省理工学院） ； Improbable AI Lab（Improbable AI实验室）
专题命中 机器人学习 ：robot policy(title)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 研究探讨了控制器增益对机器人策略学习的影响，发现策略克隆需合规性增益，强化学习需参数调优，仿真到现实转移受刚性增益影响。
Comments Equal contribution between first two authors; order determined by coin flip. Project website: https://younghyopark.me/tune-to-learn
UniCon：一种高效的机器人学习迁移统一系统
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； AI Laboratory, Chongqing Changan Automobile Co. Ltd.（重庆长安汽车股份有限公司人工智能实验室）
专题命中 机器人学习 ：robot learning(title)；分类 cs.RO
AI总结 UniCon通过标准化状态、控制流程和仪器化，解决了异构机器人间部署学习控制器的挑战，采用模块化数据导向方法实现仿真到现实的无缝迁移，减少代码冗余并提高推理效率。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52064-1}
视觉模型中对抗性成员操纵的统一视角
机构 * Knowin AI ； The Chinese University of Hong Kong（香港中文大学） ； The University of Melbourne（墨尔本大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.CV
AI总结 本文探讨了视觉模型中对抗性成员操纵现象，揭示其几何特征并提出检测与防御策略，提升模型鲁棒性。
Comments Accepted by CVPR 2026
通过流匹配实现的基于动作空间的轻量学习：用于全身软机器人抓取
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； University of Science and Technology of China (USTC)（中国科学技术大学） ； University of Freiburg（弗莱堡大学） ； Ludwig Maximilian University of Munich (LMU Munich)（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO
AI总结 本文提出一种轻量级动作空间学习框架，通过流匹配模型直接从确定性演示中推断分布控制表示，实现全身软机器人抓取的高效学习，仅需30次演示即可达到97.5%的成功率，并在动态调整时保持稳定性能。
ROPA: 合成机器人姿态生成用于RGB-D双臂数据增强
机构 * University of Southern California（南加州大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV；robotics(comments)
AI总结 本文提出ROPA，通过微调Stable Diffusion生成RGB-D双臂任务的合成数据，提升机器人双臂操控的鲁棒性与数据增强效率。
Comments Accepted to the International Conference on Robotics and Automation (ICRA) 2026
压缩间隙：为什么离散标记化限制了视觉-语言-动作模型的扩展
机构 * Shibattic Inc.
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 本文探讨了在视觉-语言-动作模型中，离散标记化导致的压缩间隙问题，指出信息瓶颈的位置决定了模型扩展效果，而非统一增加模型或数据规模。
Comments 11 pages, 1 figure
重新定义生命周期终点：面向电子再制造系统的智能自动化
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)
AI总结 本文探讨电子再制造中智能自动化的核心挑战与机遇，分析机器人、控制与AI在构建可扩展、安全的再制造系统中的作用，提出多模态感知、不确定性决策等方法，为未来再制造系统发展提供指导。
Comments Accepted at the American Control Conference (ACC) 2026; to appear in the proceedings
MFE：一种具有交互力、压力和热触觉反馈的多模态手外骨骼
机构 * School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO；robotics(journal_ref)
AI总结 本文提出MFE多模态手外骨骼，通过20自由度捕捉手部姿态，提供力、压力和热觉反馈，提升远程操作系统的感知与交互体验。
Comments 8 pages, 7 figures, 2 tables
Journal ref IEEE Robotics and Automation Letters 11 (2026) 3756-3763
对齐进展与可行性：一种神经符号双记忆框架用于长周期LLM智能体
机构 * Nanjing University（南京大学） ； Jilin University（吉林大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 本文提出神经符号双记忆框架，通过分离语义进展指导与逻辑可行性验证，解决长周期任务中进展漂移与可行性违反问题，实验显示在ALFWorld、WebShop和TextCraft上性能优于现有方法。
DRtool：一种用于分析高维聚类的交互式工具
机构 * Indiana University（印第安纳大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 本文提出DRtool，一种交互式工具，帮助分析高维聚类结果，通过多种可视化方法识别虚假聚类，提升聚类解释性。
Comments 32 pages, 14 figures
ContractShield：通过层次交叉模态融合弥合语义-结构差距以实现多标签漏洞检测
专题命中 机器人操作 ：manipulation(abstract)
AI总结 ContractShield通过三级融合机制有效关联多互补特征，提升智能合约漏洞检测鲁棒性，实现89%的Hamming得分和五种主要漏洞类型的91%F1-score。
Comments 9 figures, 8 tables, 16 pages
最大随机抽签
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文研究了通过最大化可能代表团分布熵来选择公民大会成员的目标，设计了采样最大熵分布的算法，并在实际抽签中验证了其在交集多样性及未见代表约束下的表现。
具有全局最优性的Stackelberg预测游戏低复杂度算法
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出一种高效的ADMM求解器，用于解决球面约束最小二乘问题，通过分解二次目标与球面约束，实现闭式更新，提升计算效率。
可调非对称声吸收在通风元表面中
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出一种可调高效非对称通风声学系统，通过异质谐振器实现强非对称性，达到99%吸收和98%反射，并通过旋转实现声学开关功能。
Comments 27 pages, 16 figures
STRNet：通过动态图聚合实现的时空表示视觉导航
机构 * Sun Yat-sen University（中山大学） ； Insta360 Research（Insta360 研究院） ； Wuhan University（武汉大学）
专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出一种统一的时空表示框架，通过融合图像序列和目标观测，提升机器人导航的视觉编码能力，改进导航性能并提供通用的视觉骨干网络。
Comments CVPR2026
FSUNav: 一种用于快速、安全和通用零样本目标导向导航的脑皮层-小脑架构
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； College of Information Science and Technology, Eastern Institute of Technology（东方理工学院信息科学与技术学院）
专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出FSUNav架构，通过整合视觉语言模型与小脑-脑皮层模块，实现跨异构平台的零样本目标导航，提升效率与安全性。
可靠性感知的几何融合用于鲁棒的音频视觉导航
机构 * Joint Research Laboratory for Embodied Intelligence, Xinjiang University（新疆大学联合具身智能研究实验室） ； Joint International Research Laboratory of Silk Road Multilingual Cognitive Computing, Xinjiang University（新疆大学丝绸之路多语种认知计算联合国际研究实验室） ； School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院）
专题命中 具身导航 ：navigation(title,abstract)；embodied agent(abstract)；分类 cs.AI
AI总结 本文提出RAVN框架，通过音频衍生的可靠性线索条件跨模态融合，动态校准音频和视觉输入的整合，引入Acoustic Geometry Reasoner和Reliability-Aware Geometric Modulation，提升复杂环境下的导航性能。
Comments Main paper (6 pages). Accepted for publication by the International Joint Conference on Neural Networks (IJCNN 2026)
开源的激光雷达与单目越野自主导航栈
机构 * U2IS, ENSTA, Institut Polytechnique de Paris（巴黎综合理工学院，ENSTA，U2IS） ； AMIAD, Pôle Recherche（AMIAD，研究部） ； LARIAD, a joint AMIAD-ENSTA laboratory（LARIAD，AMIAD-ENSTA联合实验室）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出一个开源的越野导航栈，结合激光雷达和单目3D感知，无需特定任务训练，通过边缘遮蔽和时间平滑提升鲁棒性，实验证明单目深度估计可替代激光雷达。
空间感知条件融合用于音视频导航
机构 * Joint Research Laboratory for Embodied Intelligence, Xinjiang University（新疆大学具身智能联合研究实验室） ； Joint International Research Laboratory of Silk Road Multilingual Cognitive Computing, Xinjiang University（新疆大学丝绸之路多语种认知计算联合国际研究实验室） ； School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.AI
AI总结 本文提出空间感知条件融合(SACF)，通过离散化目标相对方向和距离，生成紧凑描述符以指导策略和状态建模，利用音频嵌入和空间描述符生成通道级缩放和偏置，调节视觉特征以生成目标导向的融合表示，提升导航效率和泛化能力。
Comments Main paper (6 pages). Accepted for publication by the International Joint Conference on Neural Networks (IJCNN 2026)
音频空间引导融合用于音频视觉导航
机构 * Joint Research Laboratory for Embodied Intelligence, Xinjiang University（新疆大学联合研究实验室，具身智能） ； Joint International Research Laboratory of Silk Road Multilingual Cognitive Computing, Xinjiang University（新疆大学丝绸之路多语言认知计算国际联合研究实验室） ； School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.AI
AI总结 本文提出一种音频空间引导融合方法，通过自适应提取空间状态信息，实现多模态特征动态对齐与融合，提升在未知声源分布下的导航泛化能力。
Comments Main paper (6 pages). Accepted for publication by the International Joint Conference on Neural Networks (IJCNN 2026)
磁性毫米级旋转器的优化用于机器人内血管介入
专题命中 具身导航 ：robotic(title)；navigation(abstract)；robotics(journal_ref)
AI总结 本文通过计算流体动力学模拟与实验验证，优化磁性毫米级旋转器的结构设计，以提高在管状流体环境中的推进速度和血栓清除效率，实现高速稳定导航。
Journal ref Advanced Robotics Research (2026) e70121
OPRIDE: 通过数据集内探索实现离线偏好驱动强化学习
机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能重点实验室） ； Tsinghua University（清华大学） ； Moonshot AI（月之暗面） ； Amazon（亚马逊） ； University of Arizona（亚利桑那大学） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 具身导航 ：manipulation(abstract)；navigation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出OPRIDE算法，通过改进探索策略和折扣调度机制提升离线偏好驱动强化学习的查询效率，实验表明其在多种任务中表现优异。
Journal ref ICLR-2026
UI-Oceanus：通过合成环境动态扩展GUI代理
机构 * Key Lab of HCST (PKU), MOE（高可信软件技术教育部重点实验室（北京大学）；北京大学计算机学院） ； School of Computer Science, Peking University（北京通明湖信息技术应用创新中心） ； Beijing Tongming Lake Information Technology Application Innovation Center（腾讯微信） ； WeChat, Tencent Inc.（西蒙菲莎大学） ； Simon Fraser University（德克萨斯大学达拉斯分校） ； University of Texas at Dallas（复旦大学系统与先进计算研究所） ； Fudan University Institute of Systems for Advanced Computing（上海开放计算系统研究所） ； Shanghai Institute of Systems for Open Computing
专题命中 具身导航 ：navigation(abstract)；world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出UI-Oceanus框架，通过地面真实环境反馈掌握交互物理，解决GUI代理扩展中的数据瓶颈问题，实验表明其在离线和在线导航中均优于基线方法。
渐近有界的3D前沿探索增强与贝叶斯信息增益
机构 * Institute for Systems and Robotics, Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院系统与机器人研究所）
专题命中 具身导航 ：robotic(abstract)；分类 cs.RO；robotics(comments)
AI总结 本文提出一种基于OctoMap的前沿探索算法，通过策略性正向和逆向传感器建模实现渐近有界的性能，结合贝叶斯回归器估计信息增益，提升计算效率，实验证明在不同空间尺度下总探索时间提升54%。
Comments Submitted for review to IEEE Robotics and Automation Letters (RA-L)
耦合控制、结构化记忆与可验证行为在代理AI中的应用（SCRAT -- 随机控制与可审计轨迹：从松鼠运动与散落储藏的比较视角）
机构 * Taller Technologies
专题命中 具身导航 ：robotics(abstract)；分类 cs.AI
AI总结 本文从松鼠生态角度探讨代理AI中控制、记忆与可验证行为的耦合机制，提出结构化记忆模型与延迟验证信号，验证三种假设以提升系统鲁棒性与可靠性。
Comments 15 pages, 4 figures, 3 tables
基于足部位置图和稳定性奖励的四足机器人复杂地形运动学习
机构 * University of Tokyo（东京大学）
专题命中 具身导航 ：robotics(abstract)；分类 cs.RO
AI总结 本文提出结合高度图的足部位置图和基于注意力的动态运动-稳定性奖励，提升四足机器人在复杂地形中的运动精度与稳定性。
Comments Project page located at https://mhwang003.github.io/footmaplocomotion/
Rascene：利用毫米波通信信号实现高保真3D场景成像
机构 * Department of Computer Science and Engineering, Michigan State University（密歇根州立大学计算机科学与工程系）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 本文提出Rascene框架，利用毫米波通信信号实现高精度3D场景成像，克服了传统传感器在恶劣环境下的局限性，提供了一种低成本、可扩展的3D感知新途径。
Comments Accepted to CVPR 2026
ResAlignNet：一种数据驱动的惯性导航系统/多普勒声速计对齐方法
机构 * The Hatter Department of Marine Technologies Charney School of Marine Sciences, University of Haifa Haifa, Israel
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 ResAlignNet利用1D ResNet-18架构，通过深度神经网络优化解决INS/DVL对齐问题，无需外部辅助传感器或复杂机动，实现秒级快速收敛，提升水下导航能力。
Terra：面向任务无关户外测绘的分层地形感知3D场景图
机构 * Brigham Young University（杨百翰大学）
专题命中 具身导航 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出一种结合室内3DSG与标准户外几何测绘的地形感知方法，生成任务无关的度量-语义稀疏地图，并构建3DSG用于下游规划任务，同时保持轻量级。
一种Mz型光学泵磁强计的优化与向量化
专题命中 具身导航 ：navigation(abstract)
AI总结 本文提出一种Mz型光学泵铷磁强计，通过优化泵光强度和射频磁场，提升灵敏度至22.9 pT/Hz^{1/2}，并利用三轴调制和频域解调实现矢量磁场检测。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈