机器人 / 具身智能

PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation

PALM：通过具身理由推理进行长时间 horizon 肢体操作的进展感知策略学习

Yuanzhe Liu, Jingyuan Zhu, Yuchen Mo, Gen Li, Xu Cao, Jin Jin, Yifan Shen, Zhengyuan Li, Tianjiao Yu, Wenzhen Yuan, Fangqiang Ding, Ismini Lourentzou

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 PALM通过具身理由推理和子任务进展线索，改进长horizon机器人操作的策略学习，实现91.8%的成功率和更长的任务长度。

Comments CVPR 2026

Robots Need Some Education: On the complexity of learning in evolutionary robotics

机器人需要一些教育：关于在进化机器人学中学习复杂性的研究

Fuda van Diggelen

机构 * University of Oslo（奥斯陆大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Leiden University（莱顿大学） ； Edinburgh Napier University（爱丁堡龙比亚大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） 纠错

专题命中 机器人学习 ：robotics(title,abstract)；robot learning(abstract)；分类 cs.RO、cs.AI

AI总结 本文探讨了在进化机器人学中整合学习技术的复杂性，提出并分析了多种学习算法以优化机器人控制器设计。

Comments PhD thesis

Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret

通过偏好遗憾优化有限示范数据下的神经机器人策略

Viet Dung Nguyen, Yuhang Song, Anh Nguyen, Jamison Heard, Reynold Bailey, Alexander Ororbia

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司） ； University of Liverpool（利物浦大学） 纠错

专题命中 机器人学习 ：robot policy(title)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本文提出MYOE框架，通过可查询的偏好混合状态空间模型估计每一步的目标，利用偏好遗憾优化机器人控制策略，实验显示其鲁棒性、适应性和泛化能力优于其他RLfD方法。

Comments 10 pages, 4 figures, 4 tables

Learning Additively Compositional Latent Actions for Embodied AI

学习可加性组合的潜在动作以实现具身AI

Hangxing Wei, Xiaoyu Chen, Chuheng Zhang, Tim Pearce, Jianyu Chen, Alex Lamb, Li Zhao, Jiang Bian

机构 * Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

专题命中 机器人学习 ：embodied AI(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出AC-LAM模型，通过强制潜在动作空间上的可加性组合结构，提升动作表示的结构性和准确性，优于现有方法。

Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair

通过时间行为树引导轨迹修复学习不完美的示范

Aniruddh G. Puranic, Sebastian Schirmer, John S. Baras, Calin Belta

专题命中 机器人学习 ：robot learning(abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出利用时间行为树修复不完美示范轨迹，以提升机器人控制策略的学习效果，通过生成逻辑一致且可解释的数据集，指导强化学习 agent 向任务一致的 state space 区域发展。

Comments 12 pages, 4 figures. This work has been submitted to the IEEE for possible publication

From Seeing to Doing: Bridging Reasoning and Decision for Robotic Manipulation

从感知到行动：弥合推理与决策以实现机器人操作

Yifu Yuan, Haiqin Cui, Yibin Chen, Zibin Dong, Fei Ni, Longxin Kou, Jinyi Liu, Pengyi Li, Yan Zheng, Jianye Hao

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出FSD模型，通过空间关系推理生成中间表示，提升机器人操作的泛化能力，在8个基准测试中表现优异，且在零样本任务中实现显著性能提升。

Comments Published as a conference paper at ICLR 2026. Our project homepage: https://embodied-fsd.github.io/

Build on Priors: Vision--Language--Guided Neuro-Symbolic Imitation Learning for Data-Efficient Real-World Robot Manipulation

基于先验知识：视觉-语言引导的神经符号模仿学习用于数据高效的现实机器人操作

Pierrick Lorang, Johannes Huemer, Timothy Duggan, Kai Goebel, Patrik Zips, Matthias Scheutz

机构 * Tufts University（塔夫茨大学） ； Austrian Institute of Technology GmbH (AIT)（奥地利技术研究所（AIT）） 纠错

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

AI总结 本文提出一种可扩展的神经符号框架，通过少量未标注的示范数据自动构建符号规划领域和高效控制策略，无需手动领域工程，提升现实机器人操作的效率和可解释性。

Veo-Act: How Far Can Frontier Video Models Advance Generalizable Robot Manipulation?

Veo-Act：前沿视频模型在通用机器人操作中能走多远？

Zhongru Zhang, Chenghan Yang, Qingzhou Lu, Yanjiang Guo, Jianke Zhang, Yucheng Hu, Jianyu Chen

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文探讨前沿视频模型如Veo-3在通用机器人操作中的应用，提出Veo-Act框架结合高阶运动规划与低阶执行器，提升指令跟随性能。

Comments 16 pages, 12 figures. Equal contribution by Zhongru Zhang, Chenghan Yang, Qingzhou Lu and Yanjiang Guo. Project lead: Yanjiang Guo

RAGShield: Detecting Numerical Claim Manipulation in Government RAG Systems

RAGShield: 检测政府RAG系统中的数值主张操纵

KrishnaSaiReddy Patil

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

AI总结 RAGShield通过直接操作提取的数值，识别政府文本中的金额和百分比，验证每个主张并跟踪时间变化，有效检测数值操纵。

Comments 12 pages, 15 tables, 1 figure, 2 algorithms

Invisible Adversaries: A Systematic Study of Session Manipulation Attacks on VPNs

不可见的攻击者：对VPN连接跟踪框架的会话操纵攻击系统研究

Yuxiang Yang, Ao Wang, Xuewei Feng, Qi Li, Ke Xu

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

AI总结 本文研究了VPN中会话操纵攻击的漏洞，揭示了连接跟踪框架中的安全问题，提出三种攻击方式，并评估了多个框架和VPN提供商的漏洞情况。

Comments Accepted by INFOCOM 2026

CRAFT: Video Diffusion for Bimanual Robot Data Generation

CRAFT：基于视频扩散的双臂机器人数据生成

Jason Chen, I-Chun Arthur Liu, Gaurav Sukhatme, Daniel Seita

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 CRAFT通过视频扩散生成双臂机器人演示数据，利用边缘结构线索提升生成多样性与鲁棒性，提升多视角任务的泛化能力。

Learning to Grasp Anything by Playing with Random Toys

通过随机玩具学习抓取任何物体

Dantong Niu, Yuvan Sharma, Baifeng Shi, Rachel Ding, Matteo Gioia, Haoru Xue, Henry Tsai, Konstantinos Kallidromitis, Anirudh Pai, Caitlin Regan, Shankar Sastry, Trevor Darrell, Jitendra Malik, Roei Herzig

机构 * University of California, Berkeley（加州大学伯克利分校） ； Sapienza University of Rome（罗马大学） ； ItalAI ； Panasonic（松下） 纠错

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

AI总结 本文通过随机组装的简单玩具训练机器人，使其具备泛化抓取能力，采用对象中心视觉表示实现零样本性能，实现在YCB数据集上的67%抓取成功率。

Copilot-Assisted Second-Thought Framework for Brain-to-Robot Hand Motion Decoding

辅助第二思考框架用于脑机臂运动解码

Yizhe Li, Shixiao Wang, Jian K. Liu

机构 * University of Birmingham（伯明翰大学） 纠错

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

AI总结 本文提出混合CNN-注意力模型解码EEG手部运动轨迹，在单受试者实验中取得高PCC值，进一步扩展至EEG-EMG多模态解码，并引入copilot框架提升轨迹精度。

ST-BiBench: Benchmarking Multi-Stream Multimodal Coordination in Bimanual Embodied Tasks for MLLMs

ST-BiBench：多流多模态协调在双臂具身任务中的基准测试

Xin Wu, Zhixuan Liang, Yue Ma, Mengkang Hu, Zhiyuan Qin, Xiu Li

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； HKUST（香港科技大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） 纠错

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

AI总结 本文提出ST-BiBench框架，用于评估多流多模态协调，揭示MLLMs在高阶策略与精细物理执行间的协调悖论。

Comments 42 pages, 9 figures. Project page:https://stbibench.github.io/

Adversarial Robustness Analysis of Cloud-Assisted Autonomous Driving Systems

云辅助自动驾驶系统的对抗鲁棒性分析

Maher Al Islam, Amr S. El-Wakeel

机构 * Lane Department of Computer Science ； Electrical Engineering West Virginia University, WV, USA 纠错

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

AI总结 本文分析云辅助自动驾驶系统中感知模型和网络链路的跨层脆弱性，通过硬件在环测试验证对抗攻击和网络干扰对系统安全的影响，发现PGD攻击显著降低感知性能，网络延迟和丢包进一步破坏闭环控制。

HOIGS: Human-Object Interaction Gaussian Splatting

HOIGS: 人-物交互高斯散射

Taewoo Kim, Suwoong Yeom, Jaehyun Pyun, Geonho Cha, Dongyoon Wee, Joonsik Nam, Yun-Seong Jeong, Kyeongbo Kong, Suk-Ju Kang

机构 * Department of Electronics Engineering, Sogang University（西江大学电子工程系） ； NAVER Cloud Corp（NAVER Cloud公司） ； Department of Electrical & Electronics Engineering, Pusan National University（釜山国立大学电气与电子工程系） 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HOIGS方法，通过交叉注意力模块显式建模人与物的交互变形，结合HexPlane和CHS提取特征，提升动态场景重建的精度与鲁棒性。

Comments 24 pages, 9 figures

Automating Cloud Security and Forensics Through a Secure-by-Design Generative AI Framework

通过安全设计的生成AI框架实现云安全与取证自动化

Dalal Alharthi, Ivan Roberto Kawaminami Garcia

机构 * University of Arizona（亚利桑那大学） 纠错

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

AI总结 本文提出一个安全设计的生成AI框架，结合PromptShield和CIAF，提升云环境中的安全性和取证准确性，通过实验证明在攻击条件下分类性能和勒索软件检测精度显著提升。

Comments arXiv admin note: substantial text overlap with arXiv:2510.00452

ContextDrag: Precise Drag-Based Image Editing via Context-Preserving Token Injection and Position-Aligned Attention

ContextDrag: 通过上下文保留的标记注入和位置对齐注意力实现精确的拖动式图像编辑

Huiguo He, Pengyu Yan, Ziqi Yi, Weizhi Zhong, Zheng Liu, Yejun Tang, Huan Yang, Guanbin Li, Lianwen Jin

机构 * School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息学院） ； KlingAI Research, Kuaishou Technology（快手科技KlingAI研究） ； The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） 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ContextDrag，首个将拖动式操作引入上下文图像编辑的框架，通过上下文保留的标记注入和位置对齐注意力实现精确拖动编辑，提升编辑精度与质量。

An Adaptive Grasping Force Tracking Strategy for Nonlinear and Time-Varying Object Behaviors

一种针对非线性和时变物体行为的自适应抓取力跟踪策略

Ziyang Cheng, Xiangyu Tian, Ruomin Sui, Tiemin Li, Yao Jiang

机构 * Tsinghua University（清华大学） ； Department of Mechanical Engineering, Tsinghua University（清华大学机械工程系） 纠错

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

AI总结 本文提出基于LSTM网络的通用刚度估计器，解决非线性和时变物体抓取力跟踪问题，提升机器人在非结构化环境中的抓取能力。

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 22, pp. 17063-17076, 2025

Relay-Assisted Activation-Integrated SIM for Wireless Physical Neural Networks

中继辅助的激活集成SIM用于无线物理神经网络

Meng Hua, Deniz Gündüz

机构 * Department of Electrical and Electronic Engineering, Imperial College London, United Kingdom（英国伦敦帝国理工学院电气与电子工程系） 纠错

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

AI总结 本文提出一种基于激活集成堆叠智能超材料的中继辅助无线物理神经网络架构，通过多跳无线传播结构实现非线性处理，提升分类准确率和表示能力。

Security in LLM-as-a-Judge: A Comprehensive SoK

LLM-as-a-Judge 的安全性：全面的系统化知识综述

Aiman Al Masoud, Antony Anju, Marco Arazzi, Mert Cihangiroglu, Vignesh Kumar Kembu, Serena Nicolazzo, Antonino Nocera, Vinod P., Saraga Sakthidharan

机构 * University of Pavia（帕维亚大学） ； Cochin University of Science and Technology（科钦科技大学） 纠错

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

AI总结 本文系统分析了LLM-as-a-Judge的安全性问题，提出分类框架，探讨了攻击、防御和应用等方向，揭示了现有框架的漏洞及改进方向。

Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions

在较弱假设下具有鲁棒性和差分隐私的联邦优化

Rustem Islamov, Grigory Malinovsky, Alexander Gaponov, Aurelien Lucchi, Peter Richtárik, Eduard Gorbunov

机构 * University of Basel, Switzerland（瑞士巴塞尔大学） ； KAUST, Saudi Arabia（沙特阿拉伯阿卜杜拉国王科技大学） ； MBZUAI, UAE（阿联酋穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文提出Byz-Clip21-SGD2M算法，结合鲁棒聚合与双动量，通过放宽条件实现收敛保证，同时在无对手和存在对手时提升隐私和效用保障。

Comments 12 pages, 3 figures

Convergence of Byzantine-Resilient Gradient Tracking via Probabilistic Edge Dropout

通过概率边丢弃实现容错梯度跟踪的收敛性

Amirhossein Dezhboro, Fateme Maleki, Arman Adibi, Erfan Amini, Jose E. Ramirez-Marquez

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

AI总结 本文提出GT-PD方法，通过概率边丢弃和自中心投影，实现对抗通信下的收敛性，针对部分隔离情况引入GT-PD-L，通过漏积分控制跟踪误差，提升鲁棒性。

Robust Power System State Estimation using Physics-Informed Neural Networks

利用物理信息神经网络实现鲁棒的电力系统状态估计

Solon Falas, Markos Asprou, Charalambos Konstantinou, Maria K. Michael

机构 * University of Cyprus（塞浦路斯大学） ； KIOS Research and Innovation Center of Excellence（KIOS研究与创新卓越中心） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） 纠错

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

AI总结 本文提出利用物理信息神经网络提升电力系统状态估计的准确性和鲁棒性，通过嵌入物理定律增强估计精度，并在故障和网络攻击条件下表现优异。

Journal ref IEEE Transactions on Industrial Informatics ( Volume: 21, Issue: 10, October 2025)

Comparing Human Oversight Strategies for Computer-Use Agents

比较计算机使用代理的人类监督策略

Chaoran Chen, Zhiping Zhang, Zeya Chen, Eryue Xu, Yinuo Yang, Ibrahim Khalilov, Simret A Gebreegziabher, Yanfang Ye, Ziang Xiao, Yaxing Yao, Tianshi Li, Toby Jia-Jun Li

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究通过混合方法比较四种监督策略，发现策略更影响用户暴露于问题行为而非纠正能力，计划策略降低代理问题行为发生率，但干预成功率不均一，信任差异明显。

RegGuard: Legitimacy and Fairness Enforcement for Optimistic Rollups

RegGuard：乐观卷积的合法性与公平性保障

Zhenhang Shang, Yingzhe Yu, Kani Chen

专题命中 机器人操作 ：manipulation(abstract)

AI总结 RegGuard通过整合语义验证器、跨层状态预同步验证器和公平排序服务，解决乐观卷积在监管金融应用中的合法性、状态一致性与顺序公平性问题，降低结算失败率90%以上。

Comments 10 pages, 4 figures, accepted at IEEE ICBC 2026

Digital Privacy in IoT: Exploring Challenges, Approaches and Open Issues

物联网中的数字隐私：探讨挑战、方法和开放问题

Shini Girija, Pranav M. Pawar, Raja Muthalagu, Mithun Mukherjee

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文探讨物联网中数字隐私的风险与挑战，提出IEEE隐私模型分类框架，分析加密、区块链等隐私增强技术，并介绍AURA-IoT框架以应对AI驱动的隐私风险。

Comments 32 pages, 11 figures

Ultrafast Néel vector switching

超快奈尔向量切换

Eddie Ivor Harris-Lee, John Kay Dewhurst, Wenhan Chen, Shiqi Hu, Samuel Shallcross, Sangeeta Sharma

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究提出在反铁磁体中实现超快切换，利用超快自旋电流产生有效磁场，推动磁序在六种非列态间切换，为超快磁操控提供新途径。

Resource-Theoretic Quantifiers of Weak and Strong Symmetry Breaking: Strong Entanglement Asymmetry and Beyond

资源理论中的弱和强对称破缺量化器：强纠缠不对称性及更进一步

Yuya Kusuki, Sridip Pal, Hiroyasu Tajima

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出一种针对强对称性的资源理论，通过研究强对称破缺量化器，揭示了U(1)对称性下强对称破缺的特征，并探讨了其在开放量子系统中的应用。

Comments 51 pages, 4 figures, v2: minor changes

Spin-based magnetic detection of optically trapped single cell in microfluidic channel

基于自旋的磁学检测用于微流体通道中单细胞的光学捕获

Jun Yin, Sanyou Chen, Yihao Yan, Mengqi Wang, Ya Wang, Yiheng Lin, Qi Zhang, Fazhan Shi

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出一种结合量子磁力计与光学镊子的磁学检测方法，用于高精度单细胞分析，能有效克服生物组织中的荧光检测挑战。

Comments Accepted manuscript. The final published version appeared in Chinese Physics B 34, 070704 (2025)

Journal ref Chinese Physics B 34, 070704 (2025)