机器人 / 具身智能

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

Peixin Chen, Guoxi Zhang, Jianwei Ma, Qing Li

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） 纠错

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

Ming-Ming Yu, Fei Zhu, Wenzhuo Liu, Yirong Yang, Qunbo Wang, Wenjun Wu, Jing Liu

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） 纠错

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

Tingting Huang, Yingyang Chen, Sixian Qin, Zhijian Lin, Jun Li, Li Wang

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） 纠错

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

Abhigyan Roy, Shreeya Padte, Abel Viji George, Vivek A, Satadal Ghosh

机构 * Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； InspeCity 纠错

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

Yiwen Ying, Hanjing Ye, Senzi Luo, Luyao Liu, Yu Zhan, Li He, Hong Zhang

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） 纠错

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

Xuying Huang, Sicong Pan, Olga Zatsarynna, Juergen Gall, Maren Bennewitz

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） 纠错

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

Geoffroy Keime, Nicolas Cuperlier, Benoit R. Cottereau

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） 纠错

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

Abdelmoamen Nasser, Yousef Baba'a, Murad Mebrahtu, Nadya Abdel Madjid, Jorge Dias, Majid Khonji

机构 * Khalifa University（哈利法大学） 纠错

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

Krishna Kalavadia, Shamak Dutta, Yash Vardhan Pant, Stephen L. Smith

机构 * University of Waterloo（滑铁卢大学） 纠错

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

Bin Rao, Haicheng Liao, Chengyue Wang, Keqiang Li, Zhenning Li, Hai Yang

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） 纠错

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

Qintong Xie, Weishu Zhan, Peter Chin

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） 纠错

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

Jonathan Albert Cohen, Kye Shimizu, Allen Song, Vishnu Bharath, Kent Larson, Pattie Maes

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） 纠错

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

Denan Liang, Yuan Zhu, Ruimeng Liu, Thien-Minh Nguyen, Shenghai Yuan, Lihua Xie

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） 纠错

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

Uman Khalid, Muhammad Shohibul Ulum, Mujirin, Giuseppe Thadeu Freitas de Abreu, Emil Björnson, Hyundong Shin

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

Dina Albassam, Kexin Quan, Mengke Wu, Sanika Pande, ChengXiang Zhai, Yun Huang

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

Yana Lishkova, Pio Ong, Sander Tonkens, Sylvia Herbert, Aaron D. Ames

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。