机器人 / 具身智能

ACT: Automated CPS Testing for Open-Source Robotic Platforms

ACT：用于开源机器人平台的自动化CPS测试

Aditya A. Krishnan, Donghoon Kim, Hokeun Kim

机构 * Arizona State University（亚利桑那州立大学） ； Arkansas State University（阿肯色州立大学） 纠错

专题命中 其他机器人 ：robotic(title,abstract)；分类 cs.RO

AI总结 本文提出ACT框架，通过自动化持续测试开源CPS软件与机器人平台，解决多模块开发中测试不足的问题，并通过案例验证其有效性。

Beyond Theory of Mind in Robotics

机器人中的超越心智理论

Malte F. Jung

专题命中 其他机器人 ：robotics(title,abstract)；分类 cs.AI

AI总结 本文挑战传统心智理论在机器人社交交互中的应用，提出通过实时协调产生社会意义，强调协调策略与主动参与的重要性。

GeomPrompt: Geometric Prompt Learning for RGB-D Semantic Segmentation Under Missing and Degraded Depth

GeomPrompt：用于在缺失和退化深度下的RGB-D语义分割的几何提示学习

Krishna Jaganathan, Patricio Vela

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 其他机器人 ：robotics(abstract)；embodied AI(abstract)；分类 cs.RO、cs.CV

AI总结 GeomPrompt通过从RGB生成任务驱动的几何提示，提升RGB-D语义分割在缺失和退化深度下的性能，同时比单目深度估计器更高效。

Comments Accepted to the CVPR 2026 URVIS Workshop. Project page: https://geomprompt.github.io

DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models

DA-PTQ：面向视觉-语言-动作模型的漂移感知后训练量化

Siyuan Xu, Tianshi Wang, Fengling Li, Lei Zhu, Heng Tao Shen

机构 * Tongji University（同济大学） ； University of Technology Sydney（悉尼科技大学） 纠错

专题命中 其他机器人 ：embodied AI(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出DA-PTQ，通过跨空间表示补偿和运动驱动混合精度分配，解决视觉-语言-动作模型中因量化扰动导致的轨迹漂移问题，实现低比特下的高效部署。

Comments 13 pages, 6 figures

Not Your Stereo-Typical Estimator: Combining Vision and Language for Volume Perception

非典型立体视觉估计器：结合视觉与语言进行体积感知

Gautham Vinod, Bruce Coburn, Siddeshwar Raghavan, Fengqing Zhu

机构 * Purdue University（普渡大学） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV、cs.LG

AI总结 本文提出融合立体视觉隐式3D线索与自然语言显式先验知识的方法，通过多模态表示提升体积估计精度。

Minimal Embodiment Enables Efficient Learning of Number Concepts in Robot

最小的具身化能有效学习数字概念的机器人

Zhegong Shangguan, Alessandro Di Nuovo, Angelo Cangelosi

机构 * Cognitive Robotics Lab, Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系认知机器人实验室） ； Smart Interactive Technologies (SIT) Research Laboratory, Department of Computing, Sheffield Hallam University（谢菲尔德哈勒姆大学计算系智能交互技术（SIT）研究实验室） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文研究了通过机器人与Franka Panda机械臂的自然交互，利用神经网络模型进行序列计数，证明最小具身化能提高学习效率并产生生物合理的表示。

HOG-Layout: Hierarchical 3D Scene Generation, Optimization and Editing via Vision-Language Models

HOG-Layout：通过视觉-语言模型实现层次化3D场景生成、优化与编辑

Haiyan Jiang, Deyu Zhang, Dongdong Weng, Weitao Song, Henry Been-Lirn Duh

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 其他机器人 ：embodied AI(abstract)；分类 cs.CV

AI总结 HOG-Layout利用大语言模型和视觉-语言模型实现文本驱动的层次化3D场景生成、优化与实时编辑，通过检索增强生成技术提升语义一致性，结合优化模块增强物理一致性，实现高效场景编辑。

Comments CVPR 2026

TAPNext++: What's Next for Tracking Any Point (TAP)?

TAPNext++: 追踪任意点（TAP）的下一步

Sebastian Jung, Artem Zholus, Martin Sundermeyer, Carl Doersch, Ross Goroshin, David Joseph Tan, Sarath Chandar, Rudolph Triebel, Federico Tombari

机构 * Google（谷歌） ； Google DeepMind（谷歌DeepMind） ； German Aerospace Center (DLR)（德国航空航天中心） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Chandar Research Lab（钱达尔研究实验室） ； Polytechnique Montréal（蒙特利尔综合理工学院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Technical University Munich (TUM)（慕尼黑工业大学） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV

AI总结 TAPNext++通过训练长序列和引入重检指标提升追踪性能，在保持低内存计算开销的同时实现更长序列的追踪。

Comments 8 pages, will be publised at CVPR Findings 2026, Website https://tap-next-plus-plus.github.io

Unified Unsupervised and Sparsely-Supervised 3D Object Detection by Semantic Pseudo-Labeling and Prototype Learning

通过语义伪标签和原型学习实现统一的无监督和稀疏监督3D目标检测

Yushen He, Lei Zhao, Weidong Chen

机构 * Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（系统控制与信息处理教育部重点实验室） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.CV

AI总结 本文提出SPL框架，通过语义伪标签和原型学习统一无监督和稀疏监督3D目标检测，生成高质量伪标签并稳定特征学习，实验表明在KITTI和nuScenes数据集上优于现有方法。

Natural Gradient Gaussian Approximation Filter on Lie Groups for Robot State Estimation

在李群上的自然梯度高斯近似滤波器用于机器人状态估计

Tianyi Zhang, Wenhan Cao, Chang Liu, Yao Lyu, Shengbo Eben Li

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； College of Engineering, Peking University（北京大学工学院） ； College of Artificial Intelligence, Tsinghua University（清华大学人工智能学院） ； Tsinghua-Efort Joint Research Center for EAI Computation and Perception（清华大学-埃夫特EAI计算与感知联合研究中心） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出在李群上基于自然梯度优化的高斯近似滤波器，用于解决机器人系统在李群流形上状态估计的非线性问题，通过避免局部线性化提高估计精度。

Electro-mechanical wrinkling of soft dielectric films bonded to hyperelastic substrates

软电介质薄膜与超弹性基底的机电皱褶

Bin Wu, Linghao Kong, Weiqiu Chen, Davide Riccobelli, Michel Destrade

专题命中 其他机器人 ：robotics(abstract)

AI总结 研究通过电场控制软薄膜-基底复合材料的皱褶现象，推导出临界拉伸和电压的解析公式，揭示了机电皱褶的基本机制，为柔性材料设计提供理论指导。

Journal ref Journal of the Mechanics and Physics of Solids, Volume 209, 2026, 106490