机器人 / 具身智能

aerial-autonomy-stack -- a Faster-than-real-time, Autopilot-agnostic, ROS2 Framework to Simulate and Deploy Perception-based Drones

空域自主栈 -- 一个优于实时的、与自动驾驶无关的ROS2框架，用于模拟和部署基于感知的无人机

Jacopo Panerati, Sina Sajjadi, Sina Soleymanpour, Varunkumar Mehta, Iraj Mantegh

机构 * National Research Council Canada（加拿大国家研究理事会） 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 本文提出空域自主栈，一个基于ROS2的开源框架，支持快速模拟和部署基于感知的无人机系统，通过统一接口支持PX4和ArduPilot，实现20倍于实时的仿真速度，缩短开发测试周期。

Distributed Algorithm with Emergent Area Partitioning and Base Station's Situation Awareness for Multi-Robot Patrolling

多机器人巡逻的分布式算法与自适应区域划分及基站态势感知

Kazuho Kobayashi, Shohei Kobayashi, Seiya Ueno, Takehiro Higuchi

机构 * Department of Mechanical Engineering, Materials Science, and Ocean Engineering, Graduate School of Engineering Science, Yokohama National University（机械工程、材料科学与海洋工程系，工程科学研究生院， Yokohama国立大学） ； Faculty of Environment and Information Sciences, Yokohama National University（环境与信息科学系，Yokohama国立大学） 纠错

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

AI总结 本文提出LR-PT算法，通过自适应区域划分和基站态势感知提升多机器人巡逻效率，实现全面覆盖和态势感知增强。

Journal ref Journal of Robotics and Mechatronics, vol.37, no.4, pp.927-944, 2025

MemeLens: Multilingual Multitask VLMs for Memes

MemeLens：多语言多任务VLMs用于表情包

Ali Ezzat Shahroor, Mohamed Bayan Kmainasi, Abul Hasnat, Dimitar Dimitrov, Giovanni Da San Martino, Preslav Nakov, Firoj Alam

机构 * Qatar Computing Research Institute（卡塔尔计算研究所） ； Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱孟·奥赫里迪斯"） ； University of Padova（帕多瓦大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文提出MemeLens，一种统一的多语言多任务解释增强视觉语言模型，用于表情包理解。通过整合38个公开数据集，建立20个任务的共享分类体系，并分析不同模型范式和数据集的表现，发现多模态训练和统一训练对表情包理解至关重要。

Comments disinformation, misinformation, factuality, harmfulness, fake news, propaganda, hateful meme, multimodality, text, images

From Fold to Function: Simulation-Driven Design of Origami Mechanisms

从折叠到功能：基于仿真的折纸机制设计

Tianhui Han, Shashwat Singh, Sarvesh Patil, Zeynep Temel

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

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

AI总结 本文提出一种基于仿真的折纸机制设计框架，利用MuJoCo的可变形体能力，通过直观的图形用户界面实现折纸结构的仿真与优化，验证了其在折纸弹射装置中的应用效果。

Comments IEEE RoboSoft 2026 (8 Pages, 9 Figures)

Led to Mislead: Adversarial Content Injection for Attacks on Neural Ranking Models

导致误导：针对神经排序模型的对抗性内容注入攻击

Amin Bigdeli, Amir Khosrojerdi, Radin Hamidi Rad, Morteza Zihayat, Charles L. A. Clarke, Ebrahim Bagheri

机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出CRAFT框架，通过生成对抗性数据集、监督微调和偏好引导优化，提升对抗性攻击效果，验证了生成式AI在排序操纵中的风险。

Physics Driven Digital Twin Model for Evaluation of GNSS User Receiver Equipment

基于物理的数字孪生模型用于GNSS用户接收机设备评估

Jitu Sanwale, Mangal Kothari, Hari B. Hablani, Suresh Dahiya

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文提出一种物理一致的数字孪生框架，用于GNSS用户接收机设备的端到端建模与评估，通过轨迹驱动注入码相和多普勒动态，实现卫星轨道、用户运动与接收信号观测的一致性，验证了高动态场景下的高保真评估能力。