机器人 / 具身智能

Reinforcing 3D Understanding in Point-VLMs via Geometric Reward Credit Assignment

通过几何奖励信用分配强化点-视觉-语言模型的3D理解

Jingkun Chen, Ruoshi Xu, Mingqi Gao, Shengda Luo, Jungong Han

机构 * Northwestern Polytechnical University（西北工业大学） ； Southern University of Science and Technology（南方科技大学） ； The University of Sheffield（谢菲尔德大学） ； Hengqin Laboratory（横琴实验室） ； Tsinghua University（清华大学） 纠错

专题命中 模仿学习与强化学习 ：embodied agent(abstract)；分类 cs.CV

AI总结 本文提出几何奖励信用分配框架，通过分离整体监督信号并定向反馈，提升点-视觉-语言模型的3D结构对齐能力，同时引入重投影一致性项约束物理可行性，从而提升3D KPA和重投影一致性评分。

Comments 10 pages, 3 figures, 5 tables

A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge

一种利用LLM增强的机器人交互方法进行可复制的机器人意识：来自企业挑战的证据

S. A. Prieto, M. A. Gopee, Y. Ben Arab, B. García de Soto, J. Esteba, P. Olivera Brizzio

机构 * KINESIS Core Technology Platform, New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校KINESIS核心科技平台） ； S.M.A.R.T. Construction Research Group, Division of Engineering, New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校S.M.A.R.T.建筑研究小组） ； AD Ports Group, Corporate Innovation Department（AD Ports集团企业创新部） 纠错

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

AI总结 本文提出了一种基于挑战的机器人意识方法，通过LLM增强的人形机器人与阿德港集团员工的互动，展示了在工业环境中提升机器人意识的可行性与可复制性。

Comments 10 pages, 8 Figures, to be submitted for journal per-review

ExpressMM: Expressive Mobile Manipulation Behaviors in Human-Robot Interactions

ExpressMM: 人机交互中的表达性移动 manipulation 行为

Souren Pashangpour, Haitong Wang, Matthew Lisondra, Goldie Nejat

机构 * Autonomous Systems and Biomechatronics Laboratory（自主系统与生物机械实验室） ； Department of Mechanical and Engineering（机械与工程系） ； University of Toronto（多伦多大学） 纠错

专题命中 人机交互与遥操作 ：manipulation(title,title_cn)；分类 cs.RO

AI总结 本文提出ExpressMM框架，结合视觉语言模型和低层策略生成表达性机器人行为，支持中断交互，提升人机协作任务中的沟通效果与社会适应性。

A Bayesian Reasoning Framework for Robotic Systems in Autonomous Casualty Triage

一种用于自主急救分级的贝叶斯推理框架

Szymon Rusiecki, Cecilia Morales, Pia Störy, Kimberly Elenberg, Leonard Weiss, Artur Dubrawski

机构 * AGH University of Krakow（克拉科夫AGH大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Osnabrück University（奥斯纳布吕克大学） ； University of Pittsburgh（匹兹堡大学） 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 本文提出一种融合多视觉算法的自主机器人系统，利用贝叶斯网络提升急救分级准确性，实验显示其在生理评估和整体分级准确率上显著提升。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA)

How VLAs (Really) Work In Open-World Environments

视觉-语言-动作模型（VLAs）在开放世界环境中的实际运作方式

Amir Rasouli, Yangzheng Wu, Zhiyuan Li, Rui Heng Yang, Xuan Zhao, Charles Eret, Sajjad Pakdamansavoji

机构 * Noah’s Ark Laboratory, Huawei Technologies Canada（华为加拿大技术有限公司诺亚实验室） 纠错

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

AI总结 本文探讨了VLAs在开放世界环境中的实际运作，指出现有评估方法可能忽视安全性问题，并提出改进的评估协议以更准确衡量复杂交互场景中的性能。

Comments 8 pages, 7 figures, 2 tables

AVOID-JACK: Avoidance of Jackknifing for Swarms of Long Heavy Articulated Vehicles

AVOID-JACK: 避免长重型关节车辆群的翻车

Adrian Schönnagel, Michael Dubé, Christoph Steup, Felix Keppler, Sanaz Mostaghim

机构 * Chair for Computational Intelligence, Otto-von-Guericke-University（计算智能系，奥托·冯·格里克大学） ； Fraunhofer Institute for Transportation and Infrastructure Systems IVI（交通与基础设施系统研究所） 纠错

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

AI总结 本文提出一种基于反应的分布式 swarm 智能策略，用于避免长重型关节车辆的翻车和相互碰撞，通过模拟实验验证了其有效性。

Comments 6+1 pages, 9 figures, accepted for publication in IEEE MRS 2025

PREVENT-JACK: Context Steering for Swarms of Long Heavy Articulated Vehicles

PREVENT-JACK：群组中长重载 articulated 车辆的上下文引导

Adrian Baruck, Michael Dubé, Christoph Steup, Sanaz Mostaghim

机构 * Fraunhofer Institute for Transportation and Infrastructure Systems IVI（交通与基础设施系统研究所） 纠错

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

AI总结 本文提出PREVENT-JACK方法，通过融合六个局部行为，解决长重载 articulated 车辆群组的死锁和碰撞问题，通过15000次模拟验证了大群组和密集场景下的性能影响。

Comments 32 pages, 7 figures, 4 videos; submitted to the Swarm Robotics collection of the Nature Portfolio Journal Robotics (NPJ Robot)

Rethinking Cross-Domain Evaluation for Face Forgery Detection with Semantic Fine-grained Alignment and Mixture-of-Experts

重新思考面向面部伪造检测的跨领域评估：基于语义细粒度对齐和专家混合

Yuhan Luo, Tao Chen, Decheng Liu

机构 * School of Cyber Engineering, Xidian University（西安电子科技大学信息工程学院） 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Cross-AUC评估指标和SFAM框架，通过语义细粒度对齐和专家混合提升面部伪造检测的跨领域鲁棒性，实验证明方法在多个数据集上优于现有技术。

Comments The source code is available at https://github.com/Yuhan-Luo/Semantic-Fine-grained-Alignment-and-Mixture-of-Experts

Instance-level Visual Active Tracking with Occlusion-Aware Planning

实例级视觉主动跟踪与遮挡感知规划

Haowei Sun, Kai Zhou, Hao Gao, Shiteng Zhang, Jinwu Hu, Xutao Wen, Qixiang Ye, Mingkui Tan

机构 * South China University of Technology（南方科技大学） ； Pazhou Laboratory（Pazhou实验室） ； Key Laboratory of Big Data and Intelligent Robot, Ministry of Education（教育部大数据与智能机器人重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出OA-VAT方法，通过实例感知原型初始化、在线原型增强跟踪和遮挡感知轨迹规划模块，解决遮挡和相似干扰问题，实现高精度实时跟踪。

Comments CVPR 2026 Poster

Materialistic RIR: Material Conditioned Realistic RIR Generation

物质导向的RIR：基于材料的现实RIR生成

Mahnoor Fatima Saad, Sagnik Majumder, Kristen Grauman, Ziad Al-Halah

机构 * University of Utah（犹他大学） ； UT Austin（得克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出一种基于材料的RIR生成方法，通过分离空间和材料影响，提升生成声学的真实感和材料敏感性，实验结果显示在声学和材料指标上均有显著提升。

Comments Accepted to CVPR 2026 Findings. Project page: https://mahnoor-fatima-saad.github.io/MatRIR.html

Robustness Analysis of POMDP Policies to Observation Perturbations

POMDP策略对观测扰动的鲁棒性分析

Benjamin Kraske, Qi Heng Ho, Federico Rossi, Morteza Lahijanian, Zachary Sunberg

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； Virginia Tech（弗吉尼亚理工大学） ； Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院） 纠错

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

AI总结 研究POMDP策略在观测模型偏差下的鲁棒性，提出政策观测鲁棒性问题，并设计Robust Interval Search算法，验证其在大规模POMDP问题中的有效性。

Comments 43 Pages