Dismagicker: Unitary Gate for Non-Stabilizerness Reduction
Dismagicker：用于非稳定化程度降低的幺正门
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出dismagicker，一种非克利福德幺正门，用于降低量子多体态的非稳定化程度。通过结合非稳定化程度降低与克利福德电路的纠缠降低，显著提升了经典模拟和量子设备制备的准确性。
Comments 6 pages, 3 figures
视觉与机器人
机器人 / 具身智能
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
1. 机器人操作 28 篇
Emergent dynamic stress regulators via coordinated thermal fluctuations and stress in harmonic crystalline lattices
通过协调热波动和应力在谐振晶格中的动态应力调节器
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究通过热波动和应力的相互作用，在谐振晶格中开发出应力吸收四极结构和应力释放折叠结构，揭示了动态状态的相图，为热环境中的机械装置设计提供了新思路。
Comments 9 pages, 3 figures. SM is available at: https://ins.sjtu.edu.cn/people/zyao/
Journal ref Phys. Rev. E 113, 035506 (2026)
AttackEval: A Systematic Empirical Study of Prompt Injection Attack Effectiveness Against Large Language Models
AttackEval: 一种针对大语言模型的提示注入攻击有效性系统性实证研究
专题命中 机器人操作 ：manipulation(abstract)
AI总结 AttackEval系统性研究提示注入攻击有效性，揭示了Obfuscation攻击在对抗意图感知防御时的成功率最高，以及复合攻击策略显著提升攻击成功率，为改进大语言模型安全系统提供指导。
2. 具身导航 16 篇
Hypothesis Graph Refinement: Hypothesis-Driven Exploration with Cascade Error Correction for Embodied Navigation
假设图细化：基于假设的探索与级联错误校正的具身导航
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Peking University（北京大学）
专题命中 具身导航 ：navigation(title,abstract)；embodied agent(abstract)；分类 cs.CV
AI总结 本文提出HGR框架，通过假设节点的可修改性实现具身导航中的定向探索，并通过级联校正系统性地纠正错误。实验显示HGR在GOAT-Bench和QA基准上均取得显著提升。
C-NAV: Towards Self-Evolving Continual Object Navigation in Open World
C-NAV：迈向开放世界中的自进化持续物体导航
机构 * Beihang University（北京航空航天大学） ； Centre for Artificial Intelligence and Robotics, HKISI-CAS（香港智能科学与工业研究院人工智能与机器人中心） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Beijing Jiaotong University（北京交通大学）
专题命中 具身导航 ：navigation(title,abstract)；embodied agent(abstract)；分类 cs.RO
AI总结 本文提出C-Nav框架，通过双路径抗遗忘机制和自适应采样策略，解决持续物体导航中的灾难性遗忘问题，实验表明其在多个模型架构上均优于现有方法，且内存需求显著降低。
Comments Accepted at NeurIPS 2025
Journal ref NeurIPS 2025
Towards Edge Intelligence via Autonomous Navigation: A Robot-Assisted Data Collection Approach
通过自主导航实现边缘智能：一种机器人辅助数据收集方法
机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； College of Physics and Information Engineering, Fuzhou University（福州大学物理与信息工程学院） ； School of Electronics and Communication Engineering, Guangzhou University（广州大学电子与通信工程学院） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出一种结合区域感知传播特性和非点质机器人表示的通信与学习双驱自主导航方案，以提升复杂环境下的导航、通信和学习性能。
Comments 6 pages, 9 figures, submitted to IEEE International Conference on Communications (ICC) 2026
Surrogate Model-Based Near-Optimal Gain Selection for Approach-Angle-Constrained Two-Phase Pure Proportional Navigation
基于代理模型的近优增益选择用于受接近角约束的两阶段纯比例导航
机构 * Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； InspeCity
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出利用代理模型进行两阶段纯比例导航的近优增益选择，通过神经网络学习增益与初始和终端接近几何之间的非线性映射，实现高效导航。
Comments 6 pages
MfNeuPAN: Proactive End-to-End Navigation in Dynamic Environments via Direct Multi-Frame Point Constraints
MfNeuPAN: 通过直接多帧点约束实现动态环境中的前瞻性端到端导航
机构 * Department of Electronic and Electrical Engineering, Southern University of Science and Technology（南方科技大学电子与电气工程系） ； Shenzhen Key Laboratory of Robotics and Computer Vision（深圳市机器人视觉与感知重点实验室）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出MfNeuPAN框架，通过多帧点约束实现动态环境中的前瞻性端到端导航，提升机器人在未知动态环境中的导航鲁棒性和效率。
Comments 6 pages, 9 figures, accepted at IEEE ROBIO 2025
Privacy-Preserving Semantic Segmentation from Ultra-Low-Resolution RGB Inputs
隐私保护的超低分辨率RGB输入语义分割
机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所） ； Center for Robotics（机器人中心）
专题命中 具身导航 ：navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出一种全新联合学习框架，解决超低分辨率RGB输入下的语义分割难题，通过实验验证方法在隐私保护与分割性能间取得良好平衡，并在真实机器人任务中成功应用。
Comments Submit to IJCV Special Issue on Responsible Imaging
Event-Driven Neuromorphic Vision Enables Energy-Efficient Visual Place Recognition
基于事件驱动的类脑视觉实现高效视觉位置识别
机构 * IPAL, CNRS IRL 2955, Singapore（IPAL，CNRS IRL 2955，新加坡） ； Univ Toulouse, CNRS, CerCo UMR 5549, Toulouse, France（图卢兹大学，CNRS，CerCo UMR 5549，法国图卢兹） ； Laboratoire ETIS UMR 8051, CY Cergy-Paris Université, ENSEA, CNRS, Cergy, France（ETIS实验室 UMR 8051，CY塞尔吉-巴黎大学，ENSEA，CNRS，法国塞尔吉）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.CV、cs.LG
AI总结 本文提出SpikeVPR，结合事件相机与脉冲神经网络，实现高效鲁棒的视觉位置识别，在动态环境下使用更少参数和能量。
Comments 40 pages single column, v1
Visual Prompt Based Reasoning for Offroad Mapping using Multimodal LLMs
基于视觉提示的越野制图推理使用多模态大语言模型
机构 * Khalifa University（哈利法大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出一种零样本方法，利用SAM2进行环境分割和多模态大语言模型（VLM）进行可行驶区域推理，通过整合分割图像和原始图像实现越野制图推理，无需专门地形模型。
Efficient Multi-Objective Planning with Weighted Maximization Using Large Neighbourhood Search
基于大邻域搜索的加权最大化多目标规划高效方法
机构 * University of Waterloo（滑铁卢大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出基于大邻域搜索的新型算法，高效解决加权最大化规划问题，在保持解质量的同时将运行时间提升1-2个数量级，适用于自主导航中的多目标优化。
SAIL: Scene-aware Adaptive Iterative Learning for Long-Tail Trajectory Prediction in Autonomous Vehicles
SAIL：面向场景的自适应迭代学习用于自动驾驶车辆的长尾轨迹预测
机构 * State Key Laboratory of Internet of Things for Smart City and Department of Civil and Environmental Engineering, University of Macau（澳门大学智慧城市物联网国家重点实验室及土木与环境工程系） ； State Key Laboratory of Internet of Things for Smart City and Department of Computer and Information Science, University of Macau（澳门大学智慧城市物联网国家重点实验室及计算机与信息科学系） ； Department of Automotive Engineering, Tsinghua University（清华大学汽车工程系） ； State Key Laboratory of Internet of Things for Smart City and Departments of Civil and Environmental Engineering and Computer and Information Science, University of Macau（澳门大学智慧城市物联网国家重点实验室及土木与环境工程系和计算机与信息科学系） ； Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科技大学土木与环境工程系）
专题命中 具身导航 ：navigation(abstract)；分类 cs.LG
AI总结 本文提出SAIL框架，通过定义和建模轨迹的三个关键属性维度，结合属性引导增强与自适应对比学习策略，提升自动驾驶车辆在长尾场景下的轨迹预测性能。
FORMULA: FORmation MPC with neUral barrier Learning for safety Assurance
FORMULA：基于神经屏障学习的形成MPC以确保安全性
机构 * Thayer School of Engineering, Dartmouth College（达特茅斯学院塞耶工程学院） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出FORMULA框架，结合MPC与CLFs确保稳定性，利用神经网络CBFs实现分布式安全性，解决多机器人在复杂环境中的形成保持与障碍避让问题。
Comments Accepted to IEEE Intelligent Vehicles Symposium (IV) 2026
Do Robots Need Body Language? Comparing Communication Modalities for Legible Motion Intent in Human-Shared Spaces
机器人需要肢体语言吗？比较不同沟通方式以实现人类共享空间中运动意图的可理解性
机构 * MIT Media Lab（麻省理工学院媒体实验室） ； New England Innovation Academy（新英格兰创新学院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 研究探讨不同沟通方式对理解四足机器人导航意图的影响，评估表达性动作、灯光、文本和音频等模态对预测准确性、信心和信任度的作用。
Watch Your Step: Learning Semantically-Guided Locomotion in Cluttered Environment
小心脚下：在杂乱环境中学习语义引导的运动
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Mechanical and Mining Engineering, The University of Queensland（昆士兰大学机械与采矿工程学院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出SemLoco框架，通过结合软硬约束的强化学习方法，在杂乱环境中精准避障，提升机器人安全导航能力。
Comments Submitted to IROS 2026
Quantum Clock Synchronization Networks: A Survey
量子钟同步网络：综述
专题命中 具身导航 ：navigation(abstract)
AI总结 本文综述了量子钟同步技术，探讨其原理、协议类型、资源及性能限制，分析了其在分布式量子网络中的应用潜力。
YT-Pilot: Turning YouTube into Structured Learning Pathways with Context-Aware AI Support
YT-Pilot：利用上下文感知的AI支持将YouTube转化为结构化学习路径
专题命中 具身导航 ：navigation(abstract)
AI总结 YT-Pilot基于自我调节学习理论，通过结构化学习路径提升用户在YouTube上的目标清晰度、路径连贯性和进度跟踪能力。
Steering with Contingencies: Combinatorial Stabilization and Reach-Avoid Filters
通过备选方案进行转向：组合稳定性和可达-回避滤波器
专题命中 具身导航 ：navigation(abstract)
AI总结 本文提出组合稳定性与可达-回避滤波器，用于在条件变化时安全转向并备选切换，通过优化滤波器实现有限时间内的稳定性和安全性。
3. 具身推理 9 篇
Embodied-R1: Reinforced Embodied Reasoning for General Robotic Manipulation
Embodied-R1：强化的具身推理用于通用机器人操作
机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部）
专题命中 具身推理 ：manipulation(title)；robotic(title)；robotics(abstract)；embodied AI(abstract)
AI总结 本文提出Embodied-R1，通过引入指向作为统一的中间表示，结合强化微调方法，实现通用机器人操作中的具身推理，展示了在多个基准测试中的卓越性能和零样本泛化能力。
Comments Embodied-R1 technical report v2; Published as a conference paper at ICLR 2026
PlayWorld: Learning Robot World Models from Autonomous Play
PlayWorld: 从自主玩耍中学习机器人世界模型
机构 * Princeton University（普林斯顿大学）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 PlayWorld通过自主玩耍数据训练高保真视频世界模拟器，解决了传统方法在物理交互预测上的不足，提升了机器人操控任务的预测精度和政策性能。
Comments Website: https://robot-playworld.github.io/
Empowering Multi-Robot Cooperation via Sequential World Models
通过序列世界模型增强多机器人协作
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；分类 cs.RO
AI总结 本文提出SeqWM框架，通过引入序列范式提升多机器人MBRL的协作能力，实验表明其在性能和样本效率上优于现有方法，并展示了预测适应、时间对齐和角色分配等先进协作行为。
WIMLE: Uncertainty-Aware World Models with IMLE for Sample-Efficient Continuous Control
WIMLE：具有IMLE的不确定性感知世界模型用于高效连续控制
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 WIMLE通过扩展IMLE至模型基于强化学习框架，学习随机多模世界模型并估计预测不确定性，提升了连续控制任务的样本效率和稳定性。
Comments Accepted at ICLR 2026. Website: https://mehranagh20.github.io/wimle/ Code: https://github.com/mehranagh20/wimle
Journal ref In Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), 2026
A Frame is Worth One Token: Efficient Generative World Modeling with Delta Tokens
一个标记值得一个标记：高效生成世界建模与Delta标记
机构 * Amazon（亚马逊） ； Eindhoven University of Technology（埃因霍温理工大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出DeltaTok和DeltaWorld，通过将视频特征差值编码为单个连续标记，实现高效生成世界建模，减少参数和计算量，提升预测多样性。
Comments CVPR 2026. Code and weights: https://deltatok.github.io
Co-Evolving Latent Action World Models
共演潜在动作世界模型
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出CoLA-World，通过关键预热阶段实现联合学习，解决世界模型与动作模型的协同问题，提升视频模拟质量和下游视觉规划性能。
Physically Interpretable World Models via Weakly Supervised Representation Learning
通过弱监督表征学习实现物理可解释的世界模型
机构 * University of Florida（佛罗里达大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出PIWM框架，通过弱监督学习实现物理可解释的世界模型，利用物理动态约束提升预测准确性与系统参数恢复能力。
Steerable Vision-Language-Action Policies for Embodied Reasoning and Hierarchical Control
可调节的视觉-语言-动作策略用于具身推理和分层控制
专题命中 具身推理 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出可调节策略，通过训练在丰富合成命令上的视觉-语言-动作模型，提升低层可控性，解锁预训练VLM知识，改进任务泛化能力。
Individual and Combined Effects of English as a Second Language and Typos on LLM Performance
英语作为第二语言与拼写错误的个体与综合影响
机构 * Harvard University（哈佛大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI
AI总结 研究探讨了英语作为第二语言和拼写错误对大语言模型性能的影响，发现两者结合时性能下降更显著，且在封闭式任务中表现更一致，而开放式任务结果更混杂。
4. 机器人基础模型 1 篇
RAPTOR: A Foundation Policy for Quadrotor Control
RAPTOR：四旋翼控制的基石策略
机构 * EECS, UC Berkeley, USA（加州大学伯克利分校电子工程与计算机科学系） ； ARRC, Technology Innovation Institute, UAE（阿联酋技术创新研究所自主与机器人研究中心）
专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 RAPTOR通过元模仿学习训练出适应性强的四旋翼基础策略，能零样本适应多种四旋翼平台，包括不同重量、电机类型和飞行控制器的设备。
5. 模仿学习与强化学习 5 篇
Disentangled World Models: Learning to Transfer Semantic Knowledge from Distracting Videos for Reinforcement Learning
解耦世界模型：从干扰视频中学习转移语义知识以用于强化学习
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo, China（东方理工高等研究院宁波数字孪生研究院） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Ningbo, China（宁波市空间智能与数字衍生重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； Shenyang CASNC Technology Co., Ltd（沈阳中科数控技术股份有限公司）
专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.CV、cs.LG
AI总结 本文提出了解耦世界模型，通过离线到在线的潜在蒸馏和灵活解耦约束，从干扰视频中学习语义知识，提升强化学习的样本效率。
Comments Accepted by ICCV 2025. Project page: https://qiwang067.github.io/diswm
