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。
WorldMAP: 通过生成世界模型提升视觉-语言导航轨迹预测
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Shandong University（山东大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院）
专题命中 具身导航 ：navigation(title,abstract)；world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 WorldMAP通过生成世界模型与教师-学生框架，将生成的未来场景转化为语义空间结构和规划监督，提升导航轨迹预测的稳定性与准确性，取得最佳性能。
NaviSlim: 通过动态可缩放网络实现自适应的上下文感知导航与感知
机构 * University of California, Irvine（加州大学尔湾分校） ； San Diego State University（圣地亚哥州立大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文提出NaviSlim模型，通过动态调整计算和感知资源，提升小型自主飞行器在复杂环境中的导航能力，实验显示模型复杂度减少57-92%，传感器利用率提升61-80%。
Comments 13 pages, 12 figures
Journal ref 2024 IEEE/ACM Ninth International Conference on Internet-of-Things Design and Implementation (IoTDI)
基于深度学习的视觉SLAM：辅助视障导航
机构 * Institute of Computer Science, ZHAW School of Engineering（苏黎世应用科技大学工程学院计算机科学研究所） ； Department of Informatics, University of Zurich（苏黎世大学信息学系）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出SELM-SLAM3框架，结合SuperPoint和LightGlue提升特征提取与匹配鲁棒性，在低纹理、运动模糊等挑战性条件下实现更精确的定位与跟踪，提升视障导航可靠性。
Comments 8 pages, 7 figures, 4 tables. Published in the Proceedings of the 20th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP 2025), VISAPP
AnyImageNav: 任意视角几何用于精确最后一步图像目标导航
机构 * 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, Electrical Engineering（纽约大学阿布扎比分校电气工程系） ； Embodied AI and Robotics (AIR) Lab, NYU Abu Dhabi（纽约大学阿布扎比分校具身人工智能与机器人实验室）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出AnyImageNav，通过语义到几何的级联方法实现精确6自由度相机姿态恢复，提升导航成功率和定位精度。
NaviSplit：动态多分支分割DNNs用于高效分布式自主导航
机构 * University of California Irvine（加利福尼亚大学尔湾分校）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出NaviSplit框架，通过动态多分支DNN实现高效自主导航，减少数据传输量并提升导航精度。
Comments 6 pages, 3 figures
Journal ref 2024 IEEE 25th International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM)
一种柔软的机器人接口用于鸡-机器人情感互动
机构 * Queen Mary University of London（伦敦玛丽女王大学） ； School of Biological and Behavioural Sciences, Queen Mary University of London（伦敦玛丽女王大学生物与行为科学学院）
专题命中 具身导航 ：robotic(title,abstract)；分类 cs.RO
AI总结 本文提出了一种以动物为中心的柔软机器人情感接口，用于新生鸡的机器人情感互动研究，通过温度、呼吸样变形和面孔状视觉刺激等安全可控的提示，评估鸡对接口的接受度及与机器人互动。
HiRO-Nav：混合推理实现高效具身导航
机构 * Nanyang Technological University（南洋理工大学） ； Tencent（腾讯） ； Independent Researcher（独立研究员）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.AI
AI总结 HiRO-Nav通过混合推理策略，在导航任务中根据动作熵动态决定是否进行推理，提升决策质量并降低计算开销。
大型多模态模型距离人类水平的空间行动还有多远？一个面向城市空域目标导向的具身导航基准测试
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Northeastern University（东北大学） ； National University of Defense Technology（国防科技大学） ； Shandong University（山东大学） ； BNRist, Tsinghua University（清华大学北京信息科学与技术国家研究中心）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.AI
AI总结 本文通过构建包含5037个高质量目标导向导航样本的数据集，评估17种代表性模型在城市3D空间中具身空间行动的能力，发现尽管LMMs展现出新兴行动能力，但仍远未达到人类水平，并揭示导航误差在关键决策分歧后迅速发散的现象。
大规模水下AUV导航的最优锚点部署与拓扑设计
专题命中 具身导航 ：navigation(title,abstract)
AI总结 本文研究了大规模水下AUV导航中锚点部署拓扑的优化方法，分析了部署模式并推导了锚点对导航性能的影响规律，通过实验验证了优化效果。
Journal ref IEEE Sensors Journal, 01 March 2026
为何这种避让动作？
机构 * Department of ICT and Natural Sciences, Norwegian University of Science and Technology (NTNU), Ålesund, Norway（挪威科技大学（NTNU）奥勒松校区信息通信技术与自然科学系） ； Department of Ocean Operations and Civil Engineering, Norwegian University of Science and Technology (NTNU), Ålesund, Norway（挪威科技大学（NTNU）奥勒松校区海洋运营与土木工程系） ； Department of Science and Mathematics, Volda University College (HVO), Volda, Norway（沃尔达大学学院（HVO）科学与数学系） ； Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU), Trondheim, Norway（挪威科技大学（NTNU）特隆赫姆校区工程控制论系）
专题命中 具身导航 ：navigation(title)；分类 cs.RO、cs.AI
AI总结 本文探讨如何通过对比解释帮助海上导航员理解避让决策，提出生成对比解释的方法，并通过用户研究验证其在复杂多船场景中的有效性及认知负荷影响。
Comments Submitted to IEEE Intelligent Transportation Systems Conference (ITSC) 2026
别这样做！
机构 * Technical University Munich（慕尼黑工业大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
专题命中 具身导航 ：navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出STPR框架，利用LLM将自然语言中的约束转化为可执行Python代码，解决复杂约束的翻译问题，并在仿真环境中验证其高效性和兼容性。
Comments ICLR 2026 Workshop -- Agentic AI in the Wild: From Hallucinations to Reliable Autonomy
不要过度思考：跨回合动作一致性作为LLM代理的自由自适应计算信号
机构 * Stanford University（斯坦福大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 TrACE通过测量跨回合动作一致性，实现LLM代理的自适应计算分配，无需训练或外部验证，在多步序列决策任务中提升效率和准确性。
相同结果，不同旅程：一种基于轨迹层面的框架，用于比较人类和GUI代理在生产搜索系统中的行为
机构 * Spotify, Sweden（Spotify瑞典） ； Spotify, Netherlands（Spotify荷兰） ； Stockholm University, Sweden（斯德哥尔摩大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 本文提出一个基于轨迹的评估框架，比较人类和GUI代理在任务结果、努力、查询构建和界面状态导航中的行为差异，通过实验证明代理行为与人类不同，强调轨迹层面诊断的重要性。
超越人类可读性：为代理开发时代重新思考软件工程惯例
机构 * Military Institute of Telecommunications and Information Technologies (MITIT)（军事电信与信息技术研究所）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 本文探讨代理开发时代软件工程惯例的变革，提出语义密度优化原则，通过实验验证压缩对开发成本的影响，并提出程序骨架概念和语义意图与可读性分离的主张。
迭代学习肌肉记忆：为四足机器人掌握适应性和高精度运动
机构 * Department of Mechanical and Aerospace Engineering, Syracuse University（雪城大学机械与航空航天工程系）
专题命中 具身导航 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出了一种可扩展且适应性强的控制框架，结合迭代学习控制与生物启发的扭矩库，提升机器人在动态和外部干扰下的轨迹跟踪精度。通过存储学习的控制配置，实现快速适应速度、地形和重力变化，减少在线计算。
LipKernel：通过耗散层实现具有Lipschitz界限制的卷积神经网络
机构 * Department of Mechanical Engineering, Eindhoven University of Technology（埃因霍温理工大学机械工程系） ； Institute for Systems Theory and Automatic Control, University of Stuttgart（斯图加特大学系统理论与自动控制研究所） ； Australian Centre for Robotics and School of Aerospace, Mechanical and Mechatronic Engineering, The University of Sydney（悉尼大学澳大利亚机器人中心及航空航天、机械与机电工程学院）
专题命中 具身导航 ：robotics(abstract)；分类 cs.LG
AI总结 本文提出了一种新的卷积神经网络参数化方法，通过强制设定Lipschitz界来确保鲁棒性。该方法利用线性矩阵不等式（LMI）保证耗散性，并在数值实验中展示出比傅里叶域参数化方法快多个数量级的运行速度。
Journal ref Automatica 188 (2026): 112959
WebTestPilot: 通过符号化GUI元素推断或acles实现基于自然语言规范的端到端Web测试
专题命中 具身导航 ：navigation(abstract)
AI总结 WebTestPilot通过符号化GUI元素推断隐式或acles，解决自然语言规范下的端到端Web测试中的隐式或acles推断和概率推理挑战，实现99%的任务完成率和高精度召回率。
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