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。
QuantVLA: 用于视觉-语言-动作模型的可扩展后训练量化
机构 * The Ohio State University（俄亥俄州立大学） ； University of Michigan（密歇根大学） ； City University of Hong Kong（香港城市大学）
专题命中 机器人基础模型 ：embodied agent(abstract)；分类 cs.LG
AI总结 QuantVLA是一种无需训练的后训练量化框架，首次应用于视觉-语言-动作系统，并成功量化了扩散变换器（DiT）动作头，通过三种可扩展组件实现了高效的低比特量化，显著提升任务成功率并降低内存消耗。
Comments CVPR2026
通过多样性感知的红队行动揭示视觉-语言-动作模型中的语言脆弱性
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 模仿学习与强化学习 ：embodied AI(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出DAERT框架，通过评估统一策略生成多样化挑战性指令，揭示VLA模型在语言变化下的脆弱性，实验显示任务成功率从93.33%降至5.85%。
实时VLA适应 via 测试时强化学习
机构 * University of Missouri–Kansas City（密苏里大学堪萨斯城分校） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； U. S. Naval Research Laboratory（美国海军研究实验室） ； Lamar University（拉马尔大学） ； Meta AI ； Rochester Institute of Technology（罗彻斯特理工学院）
专题命中 模仿学习与强化学习 ：robot learning(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出TT-VLA框架，通过测试时强化学习实现VLA模型的实时策略适应，提升机器人在动态环境中的适应性与稳定性。
单样本适应人类全身体态与行走先验
机构 * Embodied AI and Robotics (AIR) Lab, NYUAD（纽约大学阿布扎比分校具身人工智能与机器人实验室） ； NYUAD Center for Artificial Intelligence and Robotics (CAIR)（纽约大学阿布扎比分校人工智能与机器人中心） ； New York University Abu Dhabi（纽约大学阿布扎比分校） ； Harvard Ophthalmology AI Lab, Harvard University（哈佛大学眼科人工智能实验室）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种高效适应全身体态的方法，利用行走先验和单样本目标生成中间姿态，通过最优传输和几何插值实现碰撞自由配置，实验显示优于基线方法。
Comments 14 pages, 3 figures, 5 tables
PhySe-RPO：物理与语义引导的相对策略优化用于基于扩散的手术烟雾去除
机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Future Technology, South China University of Technology（华南理工大学未来技术学院）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI
AI总结 本文提出PhySe-RPO框架，通过物理和语义引导的相对策略优化，解决手术烟雾去除中配对监督不足的问题，实现物理一致、语义忠实且临床可解释的扩散修复。
Comments 12 pages,7figures,published to CVPR
RL-VLA$^3$：一种灵活且异步的强化学习框架用于VLA训练
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； JDT AI Infra（京东科技AI基础设施） ； Swinburne University of Technology（斯威本科技大学）
专题命中 模仿学习与强化学习 ：embodied agent(abstract)；分类 cs.AI
AI总结 本文提出RL-VLA$^3$，一种异步强化学习框架，通过动态批调度和灵活环境分片策略，提升VLA训练效率，实验显示其在8至256GPU上均取得85.2%的吞吐量提升。
AgentGL: 通过强化学习实现基于LLM的代理图学习
机构 * New York University Shanghai（上海纽约大学） ； New York University（纽约大学） ； Tsinghua University（清华大学）
专题命中 模仿学习与强化学习 ：navigation(abstract)
AI总结 AgentGL通过强化学习框架实现图学习，结合图导航与LLM推理，提升复杂关系环境下的自主导航与推理能力，优于现有基线方法。
Comments ACL 2026 Main Conference
MARS：基于多模态大语言模型的多智能体机器人系统用于辅助智能
机构 * School of Computer Science and Engineering, Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院计算机科学与工程学院）
专题命中 人机交互与遥操作 ：robotic(title,abstract)；分类 cs.RO、cs.CV
AI总结 MARS系统利用多模态大语言模型实现风险感知和个性化辅助，通过多智能体决策框架提升智能家庭机器人在动态环境中的表现。
Comments 3 figures, 1 table
CoEnv：通过组合环境驱动具身体验多智能体协作
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； Dalian University of Technology（大连理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学）
专题命中 人机交互与遥操作 ：embodied AI(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出CoEnv框架，通过模拟与现实结合的组合环境，实现多智能体协作的高效执行与安全部署，提升任务成功率和效率。
Comments 31 pages, 8 figures, including supplementary material. Project page: https://faceong.github.io/CoEnv/
一种新型手术机器人工具的控制架构及实验验证
机构 * European University of Technology（欧洲技术大学） ； LS2N, UMR 6004, CNRS（法国国家科学研究中心LS2N实验室） ； École Centrale Nantes（南特中央理工学院） ； Nantes Université（南特大学）
专题命中 人机交互与遥操作 ：robotic(title)；分类 cs.RO；robotics(journal_ref)
AI总结 本文提出一种四自由度柔性内窥镜工具，结合远端弯曲、独立远端头部旋转、轴旋转和夹具，通过实验验证其在胰腺手术中的应用效果。
Journal ref IEEE International Conference on Automation, Quality and Testing, Robotics, May 2026, Cluj Napoca, Romania
机器人辅助乳腺X光检查中的危险管理
机构 * York and Scarborough Teaching Hospitals NHS Foundations Trust（约克和斯卡伯勒教学医院NHS基金会信托）
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出了一种针对MammoBot辅助机器人系统的危险管理方法，结合专家引导的过程建模与SHARD和STPA分析，识别人类-机器人交互中的安全隐患，通过制定安全需求减少对人类操作的依赖。
Unreal Robotics Lab：一个具有先进物理和渲染的高保真机器人模拟器
机构 * University College London（伦敦大学学院）
专题命中 机器人数据与评测 ：robotics(title,abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 本文提出Unreal Robotics Lab框架，结合Unreal Engine渲染与MuJoCo物理模拟，实现高保真机器人仿真，支持复杂环境效果，用于测试视觉导航和SLAM方法的鲁棒性。
RoboPlayground：通过结构化物理领域民主化机器人评估
专题命中 机器人数据与评测 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 RoboPlayground通过自然语言定义可执行任务，使用户能更高效地评估机器人策略，展现其在任务泛化和多样性上的优势。
Comments Yi Ru Wang and Carter Ung contributed equally
基于仿真驱动的进化运动参数化方法用于具有丰富接触的颗粒抓取任务中柔性圆锥形机械手
机构 * OMRON SINIC X Corporation（欧姆龙SINIC X公司） ； University of Groningen（格罗宁根大学）
专题命中 机器人数据与评测 ：robotic(title,abstract)；robotics(abstract)；分类 cs.RO
AI总结 本文提出一种基于仿真的进化运动参数化方法，用于通过柔性圆锥形机械手进行复杂颗粒抓取任务，通过仿真和真实机器人实验验证，实现了高效且通用的抓取性能。
COMB：用于蜜蜂的通用开放模组化机器人平台
机构 * Department of Computer and Information Science, University of Konstanz（康斯坦茨大学计算机与信息科学系） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Dahlem Center for Machine Learning and Robotics, Freie Universität Berlin（柏林自由大学达勒姆机器学习和机器人中心）
专题命中 机器人数据与评测 ：robotic(title,abstract)；robotics(abstract)；分类 cs.RO
AI总结 本文介绍COMB平台，一种用于蜂巢实验的紧凑型开放式模组化机器人平台，具备定位阶段、可移动访问窗口、可替换载具模块和嵌入式控制架构，支持在有限空间内进行传感与局部驱动。
RoboBPP：基于物理模拟的机器人在线装箱基准测试
机构 * National University of Defense Technology（国防科技大学） ； Institute of AI for Industries, Chinese Academy of Sciences（中国科学院人工智能产业研究院） ； Wuhan University（武汉大学） ； Shenzhen University（深圳大学） ； JD Explore Academy（京东探索研究院） ； China Post Technology Company（中国邮政技术公司）
专题命中 机器人数据与评测 ：robotic(title,abstract)；分类 cs.RO；robotics(comments)
AI总结 本文提出RoboBPP基准系统，通过物理模拟和真实工业数据集，解决在线装箱中评估标准不统一的问题，提供结构稳定性与操作安全性等新指标。
Comments Under review at the International Journal of Robotics Research (IJRR)
StarVLA：一种积木式代码库，用于视觉-语言-动作模型开发
机构 * Von Neumann Institute, HKUST（香港科技大学冯·诺依曼研究所）
专题命中 机器人数据与评测 ：embodied agent(abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 StarVLA通过模块化架构、可重用训练策略和统一评估接口，解决VLA方法碎片化问题，提升可复现性和跨架构兼容性。
Comments Open-source VLA infra, Technical Report
LUDOBENCH：通过基于点的棋盘游戏场景评估LLM的行为决策
机构 * Department of Computer Science and Information Systems, BITS Pilani（比拉理工学院皮拉尼校区计算机科学与信息系统系）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 LudoBench通过12种不同决策类别中的480个手工设计点场景，评估LLM在Ludo棋盘游戏中的战略推理能力，发现模型在行为上呈现不同特征，揭示了提示敏感性作为关键漏洞。
Comments Under Review
在执行机器学习代理之前，我们能否进行预测？
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出通过内部化执行先验来预测数据驱动的解决方案偏好，利用预验证的数据分析报告提升LLM的预测能力，并在FOREAGENT中实现预测-验证循环，加速收敛并超越基于执行的基线。
Comments ACL 2026
基于视觉的端到端学习：通过可微模拟实现无人机穿越不规则缝隙
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出一种纯视觉端到端框架，通过可微模拟实现无人机在未知环境中穿越复杂不规则缝隙，采用SE(3)空间、停止梯度操作和双模初始化分布提升稳定性，结合辅助预测模块增强导航连续性和安全性。
稀疏感知体素注意力与前景调节用于3D语义场景补全
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 本文提出VoxSAMNet，通过稀疏感知和语义引导设计，解决单目语义场景补全中体素分布不平衡和泛化能力差的问题，实现更高效准确的3D场景补全。
Comments Accepted at CVPR 2026
用于脚本阅读检测的合成眼动数据集：在3D模拟器上的真实轨迹回放
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 本文提出一种生成合成眼动视频的 pipeline，通过回放真实人类虹膜轨迹生成12小时的合成数据，用于脚本阅读检测任务，验证了生成轨迹在时间动态上的有效性。
Comments Synthetic eye movement dataset generation via 3D eye simulator; iris trajectory replay; script reading detection; behavioral data augmentation
Video-MME-v2：迈向综合视频理解基准的下一阶段
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 Video-MME-v2通过三级层次结构和非线性评估策略，评估视频理解的鲁棒性和准确性，揭示当前模型与人类专家间的差距及多模态推理瓶颈。
Comments Homepage: https://video-mme-v2.netlify.app/
SABER：一种针对视觉-语言-动作模型的隐秘代理黑盒攻击框架
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Southern California（南加州大学） ； University of Central Florida（中佛罗里达大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 SABER通过生成最小有效指令修改，评估VLA模型的鲁棒性，展示小幅度指令扰动可显著降低机器人执行效果，且代理黑盒方法在红队测试中表现高效且可扩展。
实用的普遍跟踪与偏转单向作动器
专题命中 机器人数据与评测 ：robotic(abstract)
AI总结 本文针对配备偏转单向作动器的机器人车辆的跟踪控制问题，重新设计控制律以兼容偏转作动器，并通过仿真验证理论。
Comments 8 pages, 5 figures, Submitted to the 65th IEEE Conference on Decision and Control. This work has been submitted to the IEEE for possible publication
具有障碍物避障的力反馈模型预测控制学习方法用于机器人去毛刺
机构 * LAAS-CNRS, Universite de Toulouse, CNRS, Toulouse, France（法国国家科学研究中心LAAS实验室，图卢兹大学，法国图卢兹） ； Inria, AUCTUS team, Talence, France（法国国家信息与自动化研究所AUCTUS团队，法国塔朗斯） ； Image and Pervasive Access Laboratory (IPAL), CNRS-UMI, 2955, Singapore（图像与普适接入实验室（IPAL），法国国家科学研究中心-国际联合实验室2955，新加坡） ； Artificial and Natural Intelligence Toulouse Institute, France（图卢兹人工智能与自然智能研究所，法国）
专题命中 其他机器人 ：robotic(title)；分类 cs.RO
AI总结 本文提出结合力反馈MPC与扩散运动先验的框架，解决机器人去毛刺任务中力控制、碰撞避免和复杂运动的问题，通过实验验证其在工业场景下的可靠性与有效性。
Comments Accepted to ICRA 2026
通过直观的机器人编程和认知机器人自动化手动任务
机构 * Laboratory for Machine Tools and Production Engineering (WZL) of RWTH Aachen University（亚琛工业大学机床与生产工程实验室（WZL））
专题命中 其他机器人 ：robotics(title)；分类 cs.RO
AI总结 本文提出了一种基于人类自然交互的直观机器人用户编程方法，利用大语言模型和计算机视觉将自然语言和手势转化为机器人程序，并通过澄清问题和视觉反馈确保程序的安全性和透明性。
Comments This submission contains both an English translation and the original German version. The German version was originally published in the Proceedings of the 71st GfA Conference (2025)
Journal ref Proceedings of the 71st GfA Conference, Aachen, Germany, GfA-Press, 2025, pp. 812-817
最终报告，计算机集成外科系统与技术研究中心，NSF ERC合作协议EEC9731748，第一卷
机构 * Center for Computer-Integrated Surgical Systems and Technology（计算机集成外科系统与技术中心）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 医疗机器人十年来从边缘走向主流，CISST ERC推动了医疗机器人从执行常规任务到进行复杂手术的转变，带来更精准的治疗和更安全的医疗系统。
基于PDE的多体柔顺机械臂动态建模的可扩展螺旋理论综合方法
机构 * Tampere University（坦佩雷大学） ； Johannes Kepler University Linz（林茨约翰·开普勒大学）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出一种可扩展的螺旋理论多体综合框架，用于PDE基的串行机器人柔性连杆动态建模。通过构建螺旋理论PDE模型并严格施加约束力，实现了对局部和全局动态的捕捉。
Comments Submitted to Springer for peer review. Copyright might be transferred without notice
超越工具与人：他们是谁？为比例治理分类机器人和人工智能代理
专题命中 其他机器人 ：robotics(abstract)
AI总结 本文提出基于CPST空间理论的分类框架，用于确定自主系统实体类型及相应治理措施，提出三类分类体系并设计评估协议。
Comments 14 pages, 2 figures, 1 table
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