机器人 / 具身智能

A Foot Resistive Force Model for Legged Locomotion on Muddy Terrains

一种用于泥泞地形腿部运动的脚部阻力模型

Xunjie Chen, Liuyin Wang, Xinyan Huang, Jerry Shan, Yantao Shen, Jingang Yi

机构 * Department of Mechanical and Aerospace Engineering, Rutgers University（罗格斯大学机械与航空航天工程系） ； Department of Electrical and Biomedical Engineering, University of Nevada（内华达大学电气与生物医学工程系） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种用于腿部机器人在泥泞地形中运动的阻力模型，通过模拟泥浆的粘弹性、触变性和吸力特性，设计了可变形机械脚，提高了运动效率和能效。

Comments IEEE/ASME Transactions on Mechatronics (under review)

Bipedal-Walking-Dynamics Model on Granular Terrains

颗粒地形上的双足行走动力学模型

Xunjie Chen, Xinyan Huang, Peter Shan, Jingang Yi, Tao Liu

机构 * Department of Mechanical and Aerospace Engineering, Rutgers University（罗格斯大学机械与航空航天工程系） ； Bridgewater Raritan High School（布里奇沃特-拉里坦高中） ； State Key Lab of Fluid Power Transmission and Control and the School of Mechanical Engineering, Zhejiang University（浙江大学流体动力传动与控制国家重点实验室和机械工程学院） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出一种新的双足行走动力学模型，用于预测在颗粒介质上行走的运动。模型通过动态足部-地形交互模型计算地面反作用力，并引入三个额外自由度以估计足部下沉和滑动，从而改进机器人行走的运动学和动力学分析。

Comments Accepted paper in ICRA 2026

Goal-Conditioned Neural ODEs with Guaranteed Safety and Stability for Learning-Based All-Pairs Motion Planning

具有保证安全性和稳定性的目标条件神经ODEs用于基于学习的全对运动规划

Dechuan Liu, Ruigang Wang, Ian R. Manchester

机构 * Australian Centre for Robotics（澳大利亚机器人中心） ； School of Aerospace, Mechanical and Mechatronic Engineering（航空航天、机械与机电工程学院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出了一种基于学习的全对运动规划方法，通过双 Lipschitz 双射构造平滑的目标条件神经ODEs，理论结果表明该模型在任意目标位置下能保证全局指数稳定性与安全性，且提供了收敛速率、跟踪误差和向量场大小的显式界。

Does RLVR Extend Reasoning Boundaries? Investigating Capability Expansion in Vision-Language Models

RLVR能否扩展推理边界？探究视觉-语言模型中的能力扩展

Minghe Shen, Zhuo Zhi, Chonghan Liu, Shuo Xing, Zhengzhong Tu, Che Liu

机构 * University College London（伦敦大学学院） ； Samsung R&D Institute UK（三星英国研发院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Texas A&M University（德克萨斯农工大学） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 本文通过Ariadne框架研究RLVR对视觉-语言模型空间推理能力的影响，证明其能扩展推理边界，并在真实导航任务中取得提升。

Automated Design of Tubular Origami with Anisotropic Stiffness

管状折纸的自动化设计：各向异性刚度

Mingkai Zhang, Davood Farhadi

专题命中 具身导航 ：robotics(abstract)

AI总结 本文提出自动化设计框架，通过通用度-n顶点和多边形横截面探索管状折纸的各向异性刚度，实验验证了横截面拓扑对刚度的影响，并展示了局部顶点度提高对结构性能的提升作用。

Representing expertise accelerates learning from pedagogical interaction data

呈现专业知识加速了从教学互动数据中的学习

Dhara Yu, Karthikeya Kaushik, Bill D. Thompson

机构 * UC Berkeley（加州大学伯克利分校） 纠错

专题命中 具身导航 ：navigation(abstract)

AI总结 研究通过可控实验探讨了互动数据有效性因素，发现教学互动能提升模型鲁棒性，即使专家行为少见，模型也能表现出专家行为。

Latent Chain-of-Thought World Modeling for End-to-End Driving

潜在链式思维世界建模用于端到端驾驶

Shuhan Tan, Kashyap Chitta, Yuxiao Chen, Ran Tian, Yurong You, Yan Wang, Wenjie Luo, Yulong Cao, Philipp Krahenbuhl, Marco Pavone, Boris Ivanovic

机构 * UT Austin（得克萨斯大学奥斯汀分校） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出Latent-CoT-Drive模型，通过潜在语言整合链式思维推理与决策，提升驾驶性能与安全性，实现更快推理和更优轨迹质量。

Comments Accepted to CVPR 2026

Dreamer-CDP: Improving Reconstruction-free World Models Via Continuous Deterministic Representation Prediction

Dreamer-CDP: 通过连续确定性表示预测改进无重建世界模型

Michael Hauri, Friedemann Zenke

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 本文提出Dreamer-CDP，通过连续确定性表示预测提升世界模型性能，在Crafter环境中达到与传统重建方法相当的性能。

SparseWorld-TC: Trajectory-Conditioned Sparse Occupancy World Model

SparseWorld-TC: 基于轨迹的稀疏占用世界模型

Jiayuan Du, Yiming Zhao, Zhenglong Guo, Yong Pan, Wenbo Hou, Zhihui Hao, Kun Zhan, Qijun Chen

机构 * Tongji University（同济大学） ； Li Auto Inc（力汽车公司） 纠错

专题命中 具身推理 ：world model(title)；分类 cs.CV

AI总结 本文提出了一种基于轨迹的未来3D场景占用预测新架构，通过端到端方式直接从原始图像特征预测多帧占用，避免了离散token化和BEV表示的限制，实现了nuScenes基准上的1-3秒占用预测最优性能。

Comments Accepted by CVPR2026 as an oral

ArtiCAD: Articulated CAD Assembly Design via Multi-Agent Code Generation

ArtiCAD: 通过多智能体代码生成实现可动CAD装配设计

Yuan Shui, Yandong Guan, Zhanwei Zhang, Juncheng Hu, Jing Zhang, Dong Xu, Qian Yu

机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 具身推理 ：embodied AI(abstract)；分类 cs.CV

AI总结 ArtiCAD通过多智能体系统从文本或图像生成可编辑的可动CAD装配，利用连接器定义连接点和关节参数，提升空间推理能力，通过验证步骤和回滚机制确保输出质量，验证了其在概念设计、物理原型和AI训练资产生成中的应用。

ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning

ABot-M0：基于动作流形学习的机器人操控VLA基础模型

Yandan Yang, Shuang Zeng, Tong Lin, Xinyuan Chang, Dekang Qi, Junjin Xiao, Haoyun Liu, Ronghan Chen, Yuzhi Chen, Dongjie Huo, Feng Xiong, Xing Wei, Zhiheng Ma, Mu Xu

机构 * AMAP CV Lab（AMAP视觉实验室） 纠错

专题命中 机器人基础模型 ：manipulation(title,comments)；robotic(title)；robotics(abstract)；embodied agent(abstract)

AI总结 ABot-M0通过统一预训练和动作流形学习，提升机器人操控的泛化能力与效率，构建了大规模数据集并支持模块化感知。

Comments Project website: https://amap-cvlab.github.io/ABot-Manipulation/ . Code: https://github.com/amap-cvlab/ABot-Manipulation . 22 pages, 10 figures, 10 tables

HazardArena: Evaluating Semantic Safety in Vision-Language-Action Models

HazardArena：评估视觉-语言-动作模型中的语义安全性

Zixing Chen, Yifeng Gao, Li Wang, Yunhan Zhao, Yi Liu, Jiayu Li, Xiang Zheng, Zuxuan Wu, Cong Wang, Xingjun Ma, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO

AI总结 HazardArena通过可控风险情境评估视觉-语言-动作模型的语义安全性，发现模型在安全场景训练后在危险场景中表现不佳，提出安全选项层以减少不安全行为。

Comments Submitted to conference; 12 pages, 8 figures, including supplementary material

Whole-Body Mobile Manipulation using Offline Reinforcement Learning on Sub-optimal Controllers

利用离线强化学习在次优控制器上实现全身移动操作

Snehal Jauhri, Vignesh Prasad, Georgia Chalvatzaki

机构 * PEARL Lab, Computer Science Department, Technische Universität Darmstadt（达姆施塔特技术大学计算机科学系PEARL实验室） ； Robotics Institute（机器人研究所） 纠错

专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出WHOLE-MoMa方法，通过生成多样演示和离线强化学习提升全身移动操作性能，实现在无示教数据情况下实现高成功率的任务。

Comments PrePrint. Project website: sites.google.com/view/whole-moma

LLM-Guided Task- and Affordance-Level Exploration in Reinforcement Learning

基于大型语言模型的任务与能力层面探索的强化学习

Jelle Luijkx, Runyu Ma, Zlatan Ajanović, Jens Kober

机构 * RWTH Aachen University（亚琛工业大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出LLM-TALE框架，利用大型语言模型的规划能力引导强化学习探索，提升学习效率和任务成功率，实验证明在抓取放置任务中表现出更高的样本效率和成功率。

Comments 8 pages, 7 figures, ICRA 2026

Synthetic POMDPs to Challenge Memory-Augmented RL: Memory Demand Structure Modeling

合成POMDPs挑战记忆增强型RL：内存需求结构建模

Yongyi Wang, Lingfeng Li, Bozhou Chen, Ang Li, Hanyu Liu, Qirui Zheng, Xionghui Yang, Wenxin Li

机构 * School of Computer Science, Peking University, Beijing 100871, China（北京大学计算机学院，北京100871，中国） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI

AI总结 本文提出定制化的POMDP环境设计，通过理论框架、线性动力学和奖励再分配方法，构建具有预定义内存需求结构的环境，以评估记忆增强型RL的挑战与性能。

Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52148-y}

Designing for Error Recovery in Human-Robot Interaction

人机交互中的错误恢复设计

Christopher D. Wallbridge, Erwin Jose Lopez Pulgarin

机构 * Cardiff University（卡迪夫大学） ； The University of Manchester（曼彻斯特大学） 纠错

专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO

AI总结 本文探讨了如何设计能自我检测和恢复错误的机器人系统，以提升人机交互的成功率，以核反应堆手套箱为例说明挑战与初步设计。

Journal ref Proceedings of Errors, Mistakes, and Failures in Humans and Robots at HRI 2026

Human-Inspired Context-Selective Multimodal Memory for Social Robots

以人为本的上下文选择性多模态记忆用于社交机器人

Hangyeol Kang, Slava Voloshynovskiy, Nadia Magnenat Thalmann

机构 * Department of Computer Science, University of Geneva（日内瓦大学计算机科学系） ； MIRALab, University of Geneva（日内瓦大学MIRALab） 纠错

专题命中 人机交互与遥操作 ：embodied agent(abstract)；分类 cs.AI

AI总结 本文提出一种以人为本的多模态记忆架构，用于社交机器人，通过捕捉和检索文本和视觉事件痕迹，提升个性化和上下文感知的交互能力。

Comments Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

From Imitation to Discrimination: Progressive Curriculum Learning for Robust Web Navigation

从模仿到鉴别：面向鲁棒网络导航的渐进课程学习

Chuang Peng, Wei Zhang, Renshuai Tao, Xinhao Zhang, Jian Yang

机构 * Beijing Jiaotong University（北京交通大学） ； Beihang University（北京航空航天大学） 纠错

专题命中 机器人数据与评测 ：navigation(title,abstract)；分类 cs.LG

AI总结 本文提出Triton数据集和渐进训练课程，通过结构-语义硬负样本挖掘和双代理共识流程构建，提升网络导航中对复杂页面的鉴别能力与泛化能力，最终在Mind2Web上验证了专用数据课程优于单纯参数规模的优势。

Comments 17 pages, 10 figures

Frequency-aware Decomposition Learning for Sensorless Wrench Forecasting on a Vibration-rich Hydraulic Manipulator

面向频率的分解学习用于振动丰富的液压机械臂无传感器力预测

Hyeonbeen Lee, Min-Jae Jung, Tae-Kyeong Yeu, Jong-Boo Han, Daegil Park, Jin-Gyun Kim

机构 * Department of Mechanical Engineering, Kyung Hee University（Kyung Hee 大学机械工程系） ； Korea Research Institute of Ships and Ocean Engineering（韩国船舶海洋研究院） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出频率感知分解网络（FDN）用于预测振动丰富的力，通过自适应增强输入频谱和频率带先验，提升高频力预测性能，实验表明FDN在高频段优于基线方法，在低频段表现稳健，且迁移学习进一步提升性能。

Comments 11 pages, 6 figures, submitted to IEEE/ASME Transactions on Mechatronics

Generative Anonymization in Event Streams

事件流中的生成匿名化

Adam T. Müller, Mihai Kocsis, Nicolaj C. Stache

机构 * Heilbronn University of Applied Sciences（海德堡应用科学大学） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出首个事件流生成匿名化框架，通过桥接异步事件与标准空间生成模型，实现隐私保护与数据效用的平衡。

Comments Accepted to the 1st Workshop on Low-Level Vision Frontiers (LoViF) at IEEE/CVF CVPR 2026

PAINT: Partner-Agnostic Intent-Aware Cooperative Transport with Legged Robots

PAINT：伙伴无关意图感知的协作运输

Zhihao Cao, Tianxu An, Chenhao Li, Stelian Coros, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机器人系统实验室） ； Computational Robotics Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算机器人学实验室） ； ETH AI Center, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院ETH人工智能中心） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO

AI总结 PAINT通过 proprioceptive 反馈直接推断伙伴意图，实现轻量级、高效的协作运输，适用于复杂地形和多种伙伴。

Ro-SLM: Onboard Small Language Models for Robot Task Planning and Operation Code Generation

Ro-SLM：机器人任务规划与操作代码生成的 onboard 小语言模型

Wenhao Wang, Yanyan Li, Long Jiao, Jiawei Yuan

机构 * Department of Computer & Information Science, University of Massachusetts Dartmouth（达特茅斯大学计算机与信息科学系） ； Department of Computer Science & Engineering, California State University San Marcos（加州州立大学桑马克斯分校计算机科学与工程系） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出Ro-SLM框架，通过蒸馏大语言模型知识提升机器人任务规划与代码生成能力，实验证明其性能接近大语言模型。

Comments 25 pages, 2 figures, ACL 2026

Physically Accurate Rigid-Body Dynamics in Particle-Based Simulation

基于物理的刚体动力学在粒子模拟中的实现

Ava Abderezaei, Nataliya Nechyporenko, Joseph Miceli, Gilberto Briscoe-Martinez, Alessandro Roncone

机构 * Department of Computer Science, University of Colorado Boulder（科罗拉多大学博尔德分校计算机科学系） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO

AI总结 本文提出PBD-R方法，通过新的动量守恒约束和修改的速度假设，提升粒子模拟在机器人中的物理准确性，并引入无solver基准测试评估性能。

Comments Submitted to IROS 2026

SecureWebArena: A Holistic Security Evaluation Benchmark for LVLM-based Web Agents

SecureWebArena: 一个针对基于大视觉-语言模型的Web代理的综合安全评估基准

Zonghao Ying, Yangguang Shao, Jianle Gan, Gan Xu, Wenxin Zhang, Quanchen Zou, Junzheng Shi, Zhenfei Yin, Mingchuan Zhang, Aishan Liu, Xianglong Liu

机构 * SKLCCSE, Beihang University（北京航空航天大学安全实验室） ； Institute of Information Engineering, CAS（中国科学院信息工程研究所） ； China University of Petroleum (East China)（中国石油大学（华东）） ； Zhejiang University of Technology（浙江工业大学） ； University of Chinese Academy of Science（中国科学院大学） ； AI Security Lab（360人工智能安全实验室） ； The University of Sydney（悉尼大学） ； Henan University of Science and Technology（河南理工大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV

AI总结 本文提出SecureWebArena，首个针对基于大视觉-语言模型的Web代理安全性的综合评估基准，通过六个真实模拟的Web环境和2970条高质量轨迹，分析代理在内部推理、行为轨迹和任务结果三个维度上的安全风险。

Comments ACL

ORBIT: Guided Agentic Orchestration for Autonomous C-to-Rust Transpilation

ORBIT: 用于自主C到Rust转换的引导代理 orchestration

Muhammad Farrukh, Baris Coskun, Tapti Palit, Michalis Polychronakis

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 ORBIT 提出一种自主代理框架，通过动态上下文收集和依赖引导 orchestration 实现项目级 C到Rust转换，显著提升大规模代码转换的准确性和安全性。

Layered Control of Partially Observed Stochastic Systems

分层控制部分观测随机系统

Charis Stamouli, Anastasios Tsiamis, George J. Pappas

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文提出一种分层控制框架，用于处理部分观测和随机噪声的系统，通过引入随机模拟函数保证各层系统输出距离的可计算界，适用于线性系统和无人机场景。

Unconventional Hexacopters via Evolution and Learning: Performance Gains and New Insights

非传统六旋翼机通过进化与学习：性能提升与新见解

Jed Muff, Keiichi Ito, Elijah H. W. Ang, Karine Miras, A. E. Eiben

机构 * Department of Computer Science, Vrije Universiteit, Amsterdam, The Netherlands（计算机科学系，弗里兹大学，阿姆斯特丹，荷兰） ； Department of Control and Operations, Technische Universiteit Delft, The Netherlands（控制与运营系，代尔夫特理工大学，荷兰） 纠错

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

AI总结 本文探讨了具有可进化形态和可学习控制器的六旋翼无人机系统，证明了进化与学习结合可产生性能显著优于传统六旋翼的非传统无人机，并在进化计算领域引入新指标和分析方法。

Comments 16 pages, 14 figures, Published in evostar2026. Code: https://github.com/JedMuff/airevolve. Videos: https://www.youtube.com/watch?list=PL5oQiyJFx4qM9Hzs2asyoGbJo9TuO4sPS&v=playlist&feature=youtu.be

AniGen: Unified $S^3$ Fields for Animatable 3D Asset Generation

AniGen：统一的S³场用于可动画化的3D资产生成

Yi-Hua Huang, Zi-Xin Zou, Yuting He, Chirui Chang, Cheng-Feng Pu, Ziyi Yang, Yuan-Chen Guo, Yan-Pei Cao, Xiaojuan Qi

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 AniGen通过统一的S³场生成可动画化的3D资产，解决传统方法在生成后制作rig时的不稳定性问题，提升动画质量和泛化能力。

Comments 16 pages, 12 figures

Agentic LLM Reasoning in a Self-Driving Laboratory for Air-Sensitive Lithium Halide Spinel Conductors

具有自主推理能力的LLM在空气敏感性锂卤化物尖晶石导体自驱动实验室中的应用

Yuxing Fei, Bernardus Rendy, Xiaochen Yang, Junhee Woo, Xu Huang, Chang Li, Shilong Wang, David Milsted, Yan Zeng, Gerbrand Ceder

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

AI总结 本文提出A-Lab GPSS平台，通过整合代理AI框架，实现对空气敏感性材料的自主实验设计，探索锂卤化物尖晶石固态离子导体的广阔化学空间，提升离子导电性和相纯度。

Polymer-free van der Waals assembly of 2D material heterostructures using muscovite crystals

无聚合物的范德瓦尔斯异质结构2D材料自组装

Ian Babich, Timofey M. Savilov, Natalia A. Mamchik, Kristina Vaklinova, Nansi Zhou, Denis S. Baranov, Dmitrii A. Litvinov, Virgil Gavriliuc, Yue Yuan, Amoz Chua, Kenji Watanabe, Takashi Taniguchi, Mario Lanza, Maciej Koperski, Kostya S. Novoselov, Alexey I. Berdyugin, Makars Šiškins

专题命中 其他机器人 ：robotics(abstract)

AI总结 利用云母晶体实现无聚合物的范德瓦尔斯异质结构2D材料自组装，通过温度控制实现确定性操作，确保界面纯净，适用于复杂异质结构的制备。