机器人 / 具身智能

Unreal Robotics Lab: A High-Fidelity Robotics Simulator with Advanced Physics and Rendering

Unreal Robotics Lab：一个具有先进物理和渲染的高保真机器人模拟器

Jonathan Embley-Riches, Jianwei Liu, Simon Julier, Dimitrios Kanoulas

机构 * University College London（伦敦大学学院） 纠错

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: Democratizing Robotic Evaluation through Structured Physical Domains

RoboPlayground：通过结构化物理领域民主化机器人评估

Yi Ru Wang, Carter Ung, Evan Gubarev, Christopher Tan, Siddhartha Srinivasa, Dieter Fox

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

Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand

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

Yongliang Wang, Cristian C. Beltran-Hernandez, Tomoya Takahashi, Masashi Hamaya

机构 * OMRON SINIC X Corporation（欧姆龙SINIC X公司） ； University of Groningen（格罗宁根大学） 纠错

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: Common Open Modular robotic platform for Bees

COMB：用于蜜蜂的通用开放模组化机器人平台

Pranav Kedia, Marie Messerich, Tim Landgraf

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） 纠错

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: Benchmarking Robotic Online Bin Packing with Physics-based Simulation

RoboBPP：基于物理模拟的机器人在线装箱基准测试

Zhoufeng Wang, Hang Zhao, Juzhan Xu, Shishun Zhang, Ruizhen Hu, Chenyang Zhu, Zecui Zeng, Weiyan Zhu, Zeyu Xiong, Haibin Yu, Kai Xu

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） 纠错

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: A Lego-like Codebase for Vision-Language-Action Model Developing

StarVLA：一种积木式代码库，用于视觉-语言-动作模型开发

StarVLA Community

机构 * Von Neumann Institute, HKUST（香港科技大学冯·诺依曼研究所） 纠错

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: Evaluating LLM Behavioural Decision-Making Through Spot-Based Board Game Scenarios in Ludo

LUDOBENCH：通过基于点的棋盘游戏场景评估LLM的行为决策

Ojas Jain, Dhruv Kumar

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） 纠错

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

Can We Predict Before Executing Machine Learning Agents?

在执行机器学习代理之前，我们能否进行预测？

Jingsheng Zheng, Jintian Zhang, Yujie Luo, Yuren Mao, Yunjun Gao, Lun Du, Huajun Chen, Ningyu Zhang

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） 纠错

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

Vision-Based End-to-End Learning for UAV Traversal of Irregular Gaps via Differentiable Simulation

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

Linzuo Zhang, Yu Hu, Feng Yu, Yang Deng, Wenxian Yu, Danping Zou

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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。

Sparsity-Aware Voxel Attention and Foreground Modulation for 3D Semantic Scene Completion

稀疏感知体素注意力与前景调节用于3D语义场景补全

Yu Xue, Longjun Gao, Yuanqi Su, HaoAng Lu, Xiaoning Zhang

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

A Synthetic Eye Movement Dataset for Script Reading Detection: Real Trajectory Replay on a 3D Simulator

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

Kidus Zewde, Yuchen Zhou, Dennis Ng, Neo Tiangratanakul, Tommy Duong, Ankit Raj, Yuxin Zhang, Xingyu Shen, Simiao Ren

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: Towards the Next Stage in Benchmarks for Comprehensive Video Understanding

Video-MME-v2：迈向综合视频理解基准的下一阶段

Chaoyou Fu, Haozhi Yuan, Yuhao Dong, Yi-Fan Zhang, Yunhang Shen, Xiaoxing Hu, Xueying Li, Jinsen Su, Chengwu Long, Xiaoyao Xie, Yongkang Xie, Xiawu Zheng, Xue Yang, Haoyu Cao, Yunsheng Wu, Ziwei Liu, Xing Sun, Caifeng Shan, Ran He

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: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models

SABER：一种针对视觉-语言-动作模型的隐秘代理黑盒攻击框架

Xiyang Wu, Guangyao Shi, Qingzi Wang, Zongxia Li, Amrit Singh Bedi, Dinesh Manocha

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） 纠错

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。

Practical Universal Tracking With Pivoted Unidirectional Actuation

实用的普遍跟踪与偏转单向作动器

Ian J. Willebeek-LeMair, Craig A. Woolsey

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