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。
MANTRA: 为使用工具的LLM代理合成经过SMT验证的合规性基准
机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
专题命中 具身推理 ：world model(abstract)；分类 cs.LG
AI总结 MANTRA通过自动合成可机检验的合规性基准，解决LLM代理在复杂手册下的合规性验证问题，支持任意领域和长流程手册，并提供可调节的任务复杂度，生成285个任务的基准套件。
CompassLLM: 一种面向流行路径查询的多智能体方法
机构 * Bangladesh University of Engineering and Technology（孟加拉工程科技大学） ； University of Utah（犹他大学） ； Monash University（莫纳什大学） ； Qatar Computing Research Institute（卡塔尔计算研究所）
专题命中 具身推理 ：navigation(abstract)；分类 cs.AI
AI总结 CompassLLM通过多智能体框架解决流行路径查询问题，结合空间推理能力提升搜索和生成性能，实验显示其在准确性和成本效益方面表现优异。
AsyncVLA: 视觉-语言-动作模型中的异步流匹配
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Lumos Robotics（Lumos机器人）
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文提出AsyncVLA，一种引入异步流匹配的视觉-语言-动作模型框架，通过非均匀时间调度和自修正机制提升长周期任务的稳定性与效率。
LaST-R1：通过自适应物理潜在推理强化机器人操作
机构 * The Chinese University of Hong Kong（香港中文大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室，计算机学院） ； Simplexity Robotics Project（Simplexity机器人项目）
专题命中 模仿学习与强化学习 ：robotic(title,abstract)；manipulation(title)；world model(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出LaST-R1，一种基于强化学习的后训练框架，通过联合优化潜在推理过程和动作生成，提升机器人在动态环境中的适应性和泛化能力。
向离散自回归语言模型传授度量距离
机构 * Yonsei University（延世大学） ； LG AI Research（LG AI研究院） ； Seoul National University（首尔国立大学）
专题命中 模仿学习与强化学习 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.CV、cs.LG
AI总结 本文提出DIST2Loss，通过奖励加权分布替代one-hot目标，提升离散自回归模型的数据效率和跨领域表现，应用于视觉 grounding、机器人操控、奖励建模和向量量化图像生成。
AdaGamma：强化学习中时序适应的状态依赖折扣
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳））
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 AdaGamma通过学习状态依赖折扣函数和回报一致性目标，改进了深度强化学习中的状态依赖折扣方法，在连续控制基准和京东物流平台实现显著提升。
Comments 22 pages, 9 figures
一种适应数据拟合Q迭代的测度论有限样本理论
机构 * Department of Mathematics and Computer Science（数学与计算机科学系）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.LG
AI总结 本文提出一种统一的理论框架，用于在一般可测Borel空间上分析拟合Q迭代，通过结合测度论概率与Banach空间中的Bellman算子收缩，提供有限样本适应数据性能界，并首次为连续空间中的FQI提供累积路径在线遗憾保证。
Comments preprint
LANTERN：基于大语言模型的神经符号迁移与经验门控推理网络
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Central Florida（中央佛罗里达大学） ； Department of Computer Science（计算机科学系）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI
AI总结 LANTERN通过生成自动机、语义聚合和自适应门控方法，实现多源神经符号迁移，提升样本效率和鲁棒性。
通过激活回放提升大多模态模型的推理能力
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯云图实验室） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.CV
AI总结 本文通过激活回放方法提升大模型的多模态推理能力，通过操控低熵激活来增强推理性能，验证了该方法在数学、视觉代理和视频推理等场景中的有效性。
Comments CVPR 2026
PEPA：具有个性的持续自主体
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； Shanghai Innovation Institute（上海创新研究院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室）
专题命中 机器人数据与评测 ：embodied agent(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出PEPA框架，通过三层认知架构实现持续自主，利用个性特质自主生成目标并维持行为演化，实验证明其在动态环境中稳定运行。
迈向视觉逼真模拟：评估机器人操作的基准测试
机构 * Nanjing University（南京大学） ； Nankai University（南开大学） ； ShanghaiTech University（上海科技大学）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；分类 cs.RO
AI总结 本文提出VISER基准，通过高保真3D资产和物理渲染材料，评估机器人操作的视觉逼真度，提升仿真与现实性能的关联性。
动作到动作流匹配
机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室）
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A2A方法，通过利用前一动作的本体感知信息进行初始化，避免了随机噪声采样带来的高延迟问题，提升了动作生成的效率和鲁棒性。
Comments 20 pages, 19 figures
RobustSora：用于鲁棒AI生成视频检测的去水印基准
机构 * College of Computer Science, Beijing University of Technology（北京理工大学计算机学院）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出RobustSora基准，通过6500个手动验证的视频评估AI生成视频检测的鲁棒性，发现水印操控影响检测准确率，强调水印意识在训练中的重要性。
CKT-WAM: 在世界动作模型之间高效传递上下文知识
机构 * Tsinghua University（清华大学） ； LivsynRobotics ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO
AI总结 CKT-WAM通过文本嵌入空间中的紧凑上下文传递教师WAM知识，提升零样本泛化能力，在LIBERO-Plus上达到86.1%的成功率，且在现实任务中表现出色。
面对混合不确定性的资源受限机器人规划
机构 * Hangzhou Institute for Advanced Study (HIAS), UCAS, China（杭州先进研究院（HIAS），UCAS，中国） ； Key Laboratory of System Software (Chinese Academy of Sciences), Institute of Software Chinese Academy of Sciences, Beijing, China（系统软件重点实验室（中国科学院），软件研究所，中国科学院，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； University College London, London, UK（伦敦大学学院，伦敦，英国）
专题命中 其他机器人 ：robotic(title,abstract)；分类 cs.RO
AI总结 本文提出基于CMDPST和LTLf的框架，解决机器人在资源受限条件下鲁棒策略合成问题，通过直接展开和优化方法提升效率，实验验证有效性。
悬挂在电缆上的非完整机械艺术作品中的振动阻尼——飞行带运动控制
机构 * NTIS Research Center, University of West Bohemia, Pilsen, Czechia（NTIS研究所以西波西米亚大学，普日辛，捷克） ； Antimodular Research Inc., Montreal, Canada（Antimodular研究公司，蒙特利尔，加拿大） ； Department of Mechanics, Faculty of Applied Sciences, University of West Bohemia, Pilsen, Czechia（力学部门，应用科学学院，西波西米亚大学，普日辛，捷克）
专题命中 其他机器人 ：robotics(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文改进了Rafael Lozano-Hemmer的交互式机器人艺术装置Standards and Double Standards，通过硬件升级和控制算法优化，解决了振动问题，提升了互动性能。
Comments 10 pages, 10 figures
基于开放对话的目标推断的灵活代理对齐
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文提出OU-AGs框架，通过开放对话中目标推断提升代理对齐能力，采用GOOD方法实现动态目标分布，提高多领域任务中的意图对齐效果。
Comments Previous version of the paper was titled: Open-Universe Assistance Games
StableTTA：通过无训练测试时间适应方法提升视觉模型性能
机构 * Department of Computer Science（计算机科学系）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 StableTTA通过无训练测试时间适应方法，在相干批次推理中提升预测一致性与准确性，同时通过特征级裁剪实现高效logit聚合。
Comments 27 pages, 10 figures, 9 tables
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