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。
BINDER: 基于开放词汇命令的即时自适应移动操作
机构 * Seoul National University（首尔国立大学） ； ECE, ASRI and IPAI in SNU（SNU的电子工程系、先进机器人研究所和智能感知与人工智能实验室）
专题命中 机器人操作 ：manipulation(title,abstract)；navigation(abstract)；分类 cs.RO、cs.AI
AI总结 BINDER通过分离战略规划与连续环境监控，结合多模态大语言模型和视频大语言模型，实现动态环境下的高效移动操作，提升鲁棒性和适应性。
Comments 12 pages, 8 figures
可扩展的全身体态移动操作轨迹生成
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； Institute of Unmanned System, Beihang University（无人系统研究院，北航） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，PKU-武汉人工智能研究所）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出AutoMoMa框架，通过GPU加速整合运动学模型与并行轨迹优化，生成大规模物理有效轨迹数据，解决全身体态移动操作中规模、多样性和运动学精度的瓶颈问题。
评估用于有害操控的语言模型
机构 * Google（谷歌）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI
AI总结 本文提出评估AI有害操控的框架，通过人机交互研究评估AI模型在公共政策、金融和健康领域中的操控行为，发现情境影响操控效果，需在高风险情境中评估。
从衰减到注意：用于细粒度视觉感知的变分信息流操控
机构 * Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences (ICT/CAS)（智能信息处理重点实验室，计算技术研究所，中国科学院（ICT/CAS）） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (ICT/CAS)（人工智能安全国家重点实验室，计算技术研究所，中国科学院（ICT/CAS）） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
专题命中 机器人操作 ：manipulation(title)；分类 cs.CV
AI总结 本文提出变分信息流框架，通过建模问题-答案对相关的视觉显著性作为潜在分布，解决多模态大语言模型在细粒度感知任务中的信息衰减问题，提升模型表现。
RePAIR：通过提示感知模型修复实现交互式机器去学习
机构 * Indian Institute of Technology Mandi（印度理工学院曼迪）
专题命中 机器人操作 ：manipulation(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出RePAIR框架，通过提示感知模型修复实现用户交互式机器去学习，解决大语言模型在预训练中吸收有害知识、虚假信息和隐私数据的问题，实现用户自主控制数据。
在第一人称视频中精确检测手触时刻
机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学）
专题命中 机器人操作 ：robot learning(abstract)；manipulation(abstract)；分类 cs.CV
AI总结 本文提出HiCE模块和TouchMoment数据集，通过时空特征和跨注意力机制提升手触检测精度，实验显示在严格评估标准下，方法在平均精度上优于现有基线16.91%。
Comments Accepted to CVPR Findings 2026
iTeach：真实环境中的交互教学用于机器人感知的故障驱动适应
机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 iTeach通过故障驱动的交互教学框架，实现机器人感知在真实环境中的自适应。该方法通过人类与物体的短时交互暴露信息配置，结合少量样本进行迭代微调，提升分割性能和抓取成功率。
FastGrasp: 基于学习的移动机械臂快速灵巧抓取整体控制方法
机构 * ShanghaiTech University（上海科技大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出FastGrasp方法，通过强化学习策略生成抓取候选并协调移动基底、臂和手的运动，结合触觉反馈实现高速稳定抓取，实验证明其在仿真和现实中的优越性能。
BLaDA: 在3DGS场域中实现语言到功能灵巧动作的桥梁
机构 * School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（机器人视觉感知与控制技术国家工程研究中心，湖南大学） ； Key Laboratory of Advanced Manufacturing Technology of the Ministry of Education, Guizhou University（教育部贵州大学先进制造技术重点实验室）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 BLaDA提出一个可解释的零样本框架，通过解析自然语言为结构化的六元组操作约束，结合三角功能点定位模块和3D关键点抓取矩阵转换执行模块，实现功能灵巧操作的高精度和高成功率。
Comments Code will be publicly available at https://github.com/PopeyePxx/BLaDA
StructDiff：一种结构保持且空间可控的单图像生成扩散模型
机构 * Institute of Information Science, Beijing Jiaotong University（信息科学研究院，北京交通大学） ； Visual Intelligence +X International Cooperation Joint Laboratory of MOE, Beijing（教育部视觉智能+X国际合作联合实验室，北京） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 StructDiff基于单尺度扩散模型提出，通过自适应感受野模块和3D位置编码实现结构保持与空间可控，引入基于大语言模型的新型评估标准，优于现有方法在结构一致性、视觉质量和空间可控性上。
Comments Accepted by IEEE Transactions on Multimedia (Regular Paper)
自动驾驶中的安全与韧性：一种主动设计方法
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 本文提出一种主动设计方法，通过分析不同架构层的潜在攻击，构建了具有冗余、多样性及自适应重构策略的自动驾驶韧性架构，实验验证了其在检测深度相机致盲攻击和感知模块软件篡改中的有效性。
Comments 20 pages. Accepted for publication as a book chapter
通过黄金问题激励高质量的人工标注
机构 * Imperial College Business School（帝国理工学院商学院） ； Imperial College London（帝国理工学院伦敦分校） ； Meta
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 本文研究如何通过黄金问题激励标注者产生高质量数据，提出基于主代理模型的激励机制，并通过实验验证黄金问题在标注性能监控中的有效性。
Comments Corrected bugs in the proofs by specifying a further assumption. arXiv admin note: text overlap with arXiv:2502.06387
有限孔径聚焦束焦距精确调节的实验演示
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出一种通过调节驱动频率实现高频率超声波聚焦焦距调节的方法，实验验证了焦距与驱动频率近似线性关系，为紧凑型高频超声设备提供了一种简单有效的解决方案。
在 rubidium 原子蒸气中光学诱导晶格中观察到离散一维孤子
专题命中 机器人操作 ：manipulation(abstract)
AI总结 该研究在 rubidium 原子蒸气中光学诱导晶格中观察到离散一维孤子，通过平衡离散衍射与非线性原子介质中的自聚焦，实现了孤子的形成。
铁电可切换的I型多铁材料拓扑磁子Hall效应
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究通过铁电极化切换调控磁子交换作用，实现室温下非易失且可逆的磁子电控，揭示铁电极化反转对磁子 Berry 曲率的影响，为低功耗磁子器件提供新途径。
Comments 15 pages, 4 figures
Journal ref Appl. Phys. Lett. 128, 152901 (2026)
自由空间中紧凑且可编程的大规模光学处理器
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出一种自由空间光学平台，通过三层实现高维单元ary变换，支持多种量子行走动态，展示了自由空间光学处理器在高维量子模拟和可扩展光学信息处理中的潜力。
Journal ref Light: Science & Applications, 15(1), 179 (2026)
磁涡旋在表面声波锯齿波驱动下的运动
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出利用锯齿形声波驱动磁涡旋的ratchet运动，通过微磁模拟和分析模型验证了在存在钉扎中心时，特定应变梯度可使涡旋产生净运动。
Comments 7 pages, 4 figures
Journal ref Phys. Rev. B 112, 214409 (2025)
诱导性检测磁异质结构中的反向自旋轨道扭矩
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究通过诱导技术检测磁异质结构中的反向自旋轨道扭矩，利用自旋轨道扭矩驱动磁化动态，并通过矢量网络分析仪研究自旋动力学与反向自旋轨道扭矩过程中的电荷电流生成。
Journal ref Phys. Rev. B 110, 104432 (2024)
生物启发的拓扑自主导航与主动推断在机器人中的应用
机构 * Ghent University（根特大学） ； Verses ； Flanders Make（佛兰德斯制造）
专题命中 具身导航 ：robotics(title,abstract)；navigation(title,abstract)；分类 cs.RO
AI总结 本文提出一种基于主动推断框架的生物启发代理，实现环境拓扑地图的实时生成与更新，通过概率推理框架实现可解释的导航，并在动态和未知环境中表现出鲁棒适应性。
Comments Conference ICCAS 2025 - accepted (in processing)
Journal ref Communications in Computer and Information Science, vol 2857, 2025
Habitat-GS：一种高保真导航仿真器与动态高斯点云
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； XGRIDS ； UDeer AI ； Shenzhen University（深圳大学）
专题命中 具身导航 ：navigation(title,abstract)；embodied AI(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出Habitat-GS，通过整合3D高斯点云渲染和可驾驶高斯化身，提升导航仿真的视觉真实性和动态人类建模能力，实验表明其在跨领域泛化和人类感知导航中表现优异。
Comments Project page: https://zju3dv.github.io/habitat-gs/
可靠性引导的深度融合用于抗眩光导航成本图
机构 * Intel（英特尔）
专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出基于显式深度可靠性建模的抗眩光成本图构建方法，通过轻量级深度可靠性地图估计器和可靠性引导融合机制，减少眩光导致的假障碍物插入，提升自由空间保真度。
DeCoNav：基于对话的长时程协作视觉语言导航
机构 * Institute of Artificial Intelligence (TeleAI)（人工智能研究院（TeleAI）） ； China Telecom Fudan University（中国电信复旦大学） ； Tongji University（同济大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 DeCoNav通过事件触发对话与动态任务分配实现多机器人协作，提升了多机器人系统的长时程协作效率。
BIND-USBL: 利用USBL限制IMU导航漂移在异构ASV-AUV团队中
机构 * Dept of Computer and Information Science, University of Konstanz, Germany（计算机与信息科学系，康斯坦茨大学，德国） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz, Germany（集体行为高级研究中心，康斯坦茨大学，德国） ； Dept of Aerospace Engineering, Indian Institute of Science, Bangalore, India（航空航天工程系，印度科学研究院，班加罗尔，印度）
专题命中 具身导航 ：navigation(title,abstract)；robotics(abstract)；分类 cs.RO
AI总结 本文提出BIND-USBL框架，通过异构ASV-AUV团队的USBL定位系统限制AUV的IMU导航漂移，通过多ASV编队模型、冲突图基TDMA调度器和延迟融合技术提升定位性能。
Comments Accepted at OCEANS 2026, Sanya, China
揭示端到端自动驾驶中导航理解的惊人效能
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Didi Chuxing（滴滴出行） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出SNG框架，通过真实导航模式高效表示全局导航信息，结合导航路径与分步信息，提升自动驾驶的全局与局部规划能力，实现无需辅助损失函数的高精度导航建模。
Comments 8 pages, 6 figures. ICRA 2026. Code available at https://fudan-magic-lab.github.io/SNG-VLA-web
OVAL: 开放词汇增强记忆模型用于终身物体目标导航
机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 OVAL提出一种开放词汇增强记忆框架，解决长期目标导航中的记忆限制问题，通过内存描述符和概率探索策略提升导航效率与鲁棒性。
Comments 8 pages, 5 figures
VULCAN：基于视觉-语言模型的多智能体协作导航用于室内火灾应急响应
机构 * Computer Science \& Engineering Michigan State University East Lansing, MI, USA
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出VULCAN框架，结合多模态感知与视觉语言模型，解决火灾环境下多智能体协作导航的挑战，通过模拟真实火灾场景评估现有方法的失效模式，强调鲁棒感知与危险意识规划的重要性。
Comments INFOCOM EIN Workshop 2026
Progress-Think: 语义进展推理用于视觉-语言导航
机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算先进创新中心） ； Horizon Robotics
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出语义进展推理方法，通过视觉观察预测指令式进展，提升导航准确性。采用三阶段框架，结合自对齐预训练、进展引导策略预训练和进展-策略联合微调，实现高效导航。
表征人类概念生成中的语义导航作为嵌入空间中的轨迹
机构 * Center of Mathematics, Computing and Cognition, Federal University of ABC（数学、计算与认知中心，巴西ABC联邦大学） ； Department of Computer Science and Operations Research, Université de Montréal（计算机科学与运筹学系，蒙特利尔大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.LG
AI总结 研究通过嵌入空间导航表征人类语义导航，利用不同变换器文本嵌入模型构建参与者特定的语义轨迹，并提取几何和动态指标，以评估跨语言和不同任务的语义表示动态。
Comments 10 pages, 6 figures (excluding refs/appendix). Accepted to ICLR 2026
Journal ref International Conference on Learning Representations (ICLR) 2026
树学习：一种面向双足机器人的人机交互连续学习框架
机构 * School of Future Technology, Shanghai University（上海大学未来技术学院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出Tree Learning框架，通过参数继承机制和多模态适应机制，实现双足机器人多技能连续学习，避免灾难性遗忘，提升技能切换和交互控制性能。
在风切变流中学习步级动态滑翔
机构 * J.C.Wu Center for Aerodynamics, School of Aeronautics and Astronautics, Shanghai Jiao Tong University（J.C.Wu 动力学中心，航空与航天学院，上海交通大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文通过深度强化学习展示在无风切变流中无需显式轨迹规划，仅通过局部感知即可实现稳健的全方位导航，揭示了动态滑翔的反馈控制结构。
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