机器人 / 具身智能

Multi-Qubit Stabilizer Readout on a Dual-Species Rydberg Array

双物种Rydberg阵列中的多量子比特稳定器读取

Yu Wang, Ryan Cimmino, Kenneth Wang, Santiago Lopez, Jeffrey Li, Jin Ming Koh, Jonathan N. Hallén, Anne Matthies, Norman Y. Yao, Kang-Kuen Ni

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出利用双物种Rydberg阵列实现多量子比特非破坏性稳定器读取，通过调节Rabi频率和驱动场偏移，补偿几何相位误差，展示了单次全局脉冲序列对四量子比特Cs平面的Z稳定器非破坏性测量。

PauliEngine: High-Performant Symbolic Arithmetic for Quantum Operations

PauliEngine：用于量子操作的高性能符号运算

Leon Müller, Adelina Bärligea, Alexander Knapp, Jakob S. Kottmann

专题命中 机器人操作 ：manipulation(abstract)

AI总结 PauliEngine通过高效的二进制辛表示和位运算，提供高效的Pauli字符串运算、交换子、符号相位跟踪及结构变换，实现量子软件的高性能符号运算。

Control of localized states of itinerant electrons and their magnetic interactions

对它inerant电子局域态及其磁相互作用的控制

Yaxin Sun, I. S. Lobanov, Jiahao Su, Ho-Kin Tang, V. M. Uzdin

专题命中 机器人操作 ：manipulation(abstract)

AI总结 通过非共线性Alexander-Anderson模型研究电场对纳米系统磁性质的控制，揭示了局域磁矩与d能级位置的关系，以及通过电场调节磁态的可能性。

Comments 6 pages, 2 figures in main text and 2 pages, 2 figures in supplementary material

PhishSigma++: Malicious Email Detection with Typed Entity Relations

PhishSigma++：基于类型实体关系的恶意电子邮件检测

Shang Shang, Ruiqi Wang, Ruijie Qi, Hao Li, Yingxiao Xiang, Yepeng Yao, Zhengwei Jiang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 PhishSigma++通过构建类型电子邮件图谱，利用粒子群优化算法选择稀疏判别掩码，实现高精度恶意邮件检测，在清洁数据上达到0.9675 F1，并优于文本中心基线。

Stable and unstable capillary-gravity waves

稳定与不稳定的毛细重力波

Vera Mikyoung Hur, Zhao Yang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文通过周期性Evans函数方法研究非共振毛细重力波和小振幅Wilton涟漪的稳定性，提出新的分析框架，证明了非共振频率附近稳定性及共振频率附近稳定性与不稳定性特征。

Comments 112 pages, book format i. Title updated from "Unstable capillary-gravity waves" to "Stable and unstable capillary-gravity waves" to better reflect scope. New stable part incorporates and generalizes Sun & Whalen (arXiv:2509.17534). ii. Section 4 refined to support this generalization. iii. Mistakes in sections 6.1.6, 6.2.1 in V2 corrected. iv. Added refs; edited for readability & typos

Learning What Matters: Adaptive Information-Theoretic Objectives for Robot Exploration

学习关键要素：面向机器人探索的自适应信息论目标

Youwei Yu, Jionghao Wang, Zhengming Yu, Wenping Wang, Lantao Liu

机构 * Luddy School of Informatics, Computing, and Engineering（信息学、计算与工程学院） 纠错

专题命中 具身导航 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出Quasi-Optimal Experimental Design方法，通过Fisher信息矩阵分析和参数方向选择，提升机器人探索效率，实验证明在导航和操作任务中性能提升显著。

Interpreting Context-Aware Human Preferences for Multi-Objective Robot Navigation

解释情境感知的人类偏好以实现多目标机器人导航

Tharun Sethuraman, Subham Agrawal, Nils Dengler, Jorge de Heuvel, Teena Hassan, Maren Bennewitz

机构 * Hochschule Bonn-Rhein-Sieg, Germany（波恩-莱茵-锡格应用科学大学，德国） ； University of Bonn, Germany（波恩大学，德国） ； Lamarr Institute for Machine Learning and Artificial Intelligence, Germany（拉马尔机器学习与人工智能研究所，德国） 纠错

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

AI总结 本文提出一种结合基础模型与多目标强化学习政策的框架，使机器人能理解并应用情境依赖的导航偏好，提升在共享人类环境中的适应性、透明性和可用性。

Physics Aware Neural Networks: Denoising for Magnetic Navigation

具有物理意识的神经网络：用于磁导航的去噪

Aritra Das, Yashas Shende, Muskaan Chugh, Reva Laxmi Chauhan, Arghya Pathak, Debayan Gupta

机构 * Ashoka University（阿什oka大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.LG

AI总结 本文提出基于物理约束的神经网络方法，用于磁导航中去除飞机自身引起的磁噪声，通过 divergence-free 和 E(3)-equivariance 约束提升时空性能，实验表明其在预测准确性和物理合理性上优于传统方法。

Floorplan2Guide: LLM-Guided Floorplan Parsing for BLV Indoor Navigation

Floorplan2Guide: 基于LLM的BLV室内导航floorplan解析

Aydin Ayanzadeh, Tim Oates

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） 纠错

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

AI总结 本文提出利用基础模型将floor plan转化为可导航的知识图谱，并生成可读的导航指令，通过LLM提取空间信息，提升BLV用户室内导航的精度与安全性。

Comments Accepted for publication in the proceedings of the IEEE International Conference on Big Data (IEEE BigData 2025)

Journal ref IEEE International Conference on Big Data (IEEE BigData 2025), pp. 7477-7485

Remarks on stochastic cloning and delayed-state filtering

关于随机克隆和延迟状态滤波的评论

Tara Mina, Lindsey Marinello, John Christian

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文探讨了延迟状态滤波器与随机克隆在处理延迟状态测量时的等效性，证明了延迟状态卡尔曼滤波无需状态扩展即可实现相同结果。

Why Conclusions Diverge from the Same Observations: Formalizing World-Model Non-Identifiability via an Inference

结论为何从相同观察中分歧：通过推理正式化世界模型非识别性

Toru Takahashi

机构 * Human Informatics and Systems Laboratory, Doshisha University, Kyoto, Japan（大阪大学人文学与系统实验室，京都，日本） ； Linked Open Data Initiative, NPO, Tokyo, Japan（开放数据倡议，东京，日本） ； Keio Research Institute at SFC, Fujisawa, Japan（庆应义塾大学SFC研究所， Fujisawa，日本） ； Stroly Inc., Kyoto, Japan（Stroly公司，京都，日本） 纠错

专题命中 具身导航 ：world model(abstract)；分类 cs.AI、cs.LG

AI总结 本文探讨了在相同观察下推理结论分歧的本质，提出非识别性是推理学习的固有属性，而非对方认知缺陷。通过θ-级和W-级非识别性分析，揭示了推理框架对数据暴露和模型学习的影响，并关联深度表示学习与监管辩论案例。

Comments 12 pages, 2 figures, 1 table. Extended English version of a paper accepted for presentation at JSAI 2026

DreamPolicy: A Unified World-model Policy for Scalable Humanoid Locomotion

DreamPolicy: 一种统一的世界模型策略用于可扩展的人形机器人运动

Yahao Fan, Tianxiang Gui, Kaiyang Ji, Shutong Ding, Chixuan Zhang, Yifeng Xu, Ke Yang, Jiayuan Gu, Jingyi Yu, Jingya Wang, Ye Shi

机构 * ShanghaiTech University（上海科技大学） ； InstAdapt 纠错

专题命中 具身导航 ：world model(abstract)；分类 cs.RO、cs.LG

AI总结 DreamPolicy通过整合离线数据与扩散式世界模型，实现单一策略掌握已知和未知地形。其地形感知世界模型能生成物理合理的未来轨迹，作为动态目标指导策略，避免手动奖励工程。实验表明，DreamPolicy在未知和复合地形上性能优于基线38%。

SI-Diff: A Framework for Learning Search and High-Precision Insertion with a Force-Domain Diffusion Policy

SI-Diff: 一种通过力域扩散策略学习搜索和高精度插入的框架

Yibo Liu, Stanko Oparnica, Simon Shewchun-Jakaitis, Guoyi Fu, Jie Wang, Jun Yang, Anand Jagannathan, Tony Hong-Yau Lo

机构 * Epson Canada（爱普生加拿大） ； Queen’s University（皇后大学） 纠错

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

AI总结 SI-Diff通过力域扩散策略整合搜索与高精度插入，提升装配容忍度与迁移能力。

Comments 9 pages, 8 figures

IGV-RRT: Prior-Real-Time Observation Fusion for Active Object Search in Changing Environments

IGV-RRT：面向动态环境主动目标搜索的先验-实时观测融合

Wei Zhang, Ping Gong, Yujie Wang, Leilei Yao, Minghui Bai, Rongfeng Ye, Yinchuan Wang, Yachao Wang, Chen Sun, Chaoqun Wang

机构 * The School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） ； Department of Data and Systems Engineering, HKU（数据与系统工程系，香港大学） 纠错

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

AI总结 本文提出IGV-RRT框架，结合先验场景知识与实时目标相关性估计，通过双层语义映射模块和实时规划器提升动态环境中目标搜索效率。

BronchoLumen: Analysis of recent YOLO-based architectures for real-time bronchial orifice detection in video bronchoscopy

BronchoLumen：基于最新YOLO架构的实时支气管开口检测分析：用于视频支气管镜检查

Yongchao Li, Marian Himstedt

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

AI总结 本文提出BronchoLumen系统，基于最新YOLO架构实现支气管开口实时检测，评估不同模型在多域数据中的鲁棒性，展示YOLOv12在定位精度上的优势，但精度略逊。

Comments 10 pages, 4 figures, IPCAI 2026

ToF ReSTIR: Time-of-Flight Rendering with Spatio-temporal Reservoir Resampling

ToF ReSTIR: 时间飞行渲染中的时空共振重采样

Juhyeon Kim, Wojciech Jarosz, Adithya Pediredla

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出一种时空重用框架，用于时间分辨光传输，实现高效蒙特卡洛渲染时间飞行现象。通过改进ReSTIR技术，解决传统方法计算成本高、扩展性差的问题，提出路径重用公式确保物理光学路径长度，支持交互速率的时间门控和瞬态渲染。

PriorZero: Bridging Language Priors and World Models for Decision Making

PriorZero：连接语言先验与世界模型以实现决策制定

Junyu Xiong, Yuan Pu, Jia Tang, Yazhe Niu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； The Chinese University of Hong Kong MMLab（香港中文大学MMLab） 纠错

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

AI总结 PriorZero通过解耦的rollout训练设计，将LLM生成的语义先验整合到基于世界模型的规划中，提升探索效率和长期性能，适用于文本冒险游戏和指令遵循任务。

Comments 30 pages, 12 figures

Do Enterprise Systems Need Learned World Models? The Importance of Context to Infer Dynamics

企业系统需要学习的世界模型吗？上下文对推断动态的重要性

Jishnu Sethumadhavan Nair, Patrice Bechard, Rishabh Maheshwary, Surajit Dasgupta, Sravan Ramachandran, Aakash Bhagat, Shruthan Radhakrishna, Pulkit Pattnaik, Johan Obando-Ceron, Shiva Krishna Reddy Malay, Sagar Davasam, Seganrasan Subramanian, Vipul Mittal, Sridhar Krishna Nemala, Christopher Pal, Srinivas Sunkara, Sai Rajeswar

机构 * ServiceNow ； Mila 纠错

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

AI总结 本文探讨了在可配置的企业环境中，代理是否仍需学习动态规则，通过实验表明运行时发现动态比离线训练更鲁棒。

Joint Learning of Hierarchical Neural Options and Abstract World Model

层级神经选项与抽象世界模型的联合学习

Wasu Top Piriyakulkij, Wolfgang Lehrach, Kevin Ellis, Kevin Murphy

机构 * Cornell University（康奈尔大学） ； Google Deepmind（谷歌DeepMind） 纠错

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

AI总结 本文提出AgentOWL方法，通过高效样本学习抽象世界模型和层级神经选项，使智能体在Object-Centric Ataris游戏中以更少数据学习更多技能。

Express Your Doubts -- Probabilistic World Modeling Should not be Based on Token logprobs

表达怀疑——概率世界建模不应基于token logprobs

Eitan Wagner, Omri Abend

机构 * Eitan Wagner ； Omri Abend 纠错

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

AI总结 本文探讨了大型语言模型作为概率估计器在世界概率估计中的应用问题，指出基于token logprobs的局限性，并提倡第二阶预测方法以提高概率合理性。

Comments Accepted to ICML 2026 (position track)

The DAWN of World-Action Interactive Models

世界-动作交互模型的黎明

Hongbo Lu, Liang Yao, Chenghao He, Haoyu Wang, Xiang Gu, Xianfei Li, Wenlong Liao, Tao He, Pai Peng

机构 * COWARobot Co. Ltd（COWARobot有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） 纠错

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

AI总结 本文提出WAIMs，通过DAWN模型在语义潜在空间中实现世界预测与动作生成的交互，提升自动驾驶中的规划性能与安全性。

World Action Models: The Next Frontier in Embodied AI

世界动作模型：具身AI的下一个前沿

Siyin Wang, Junhao Shi, Zhaoyang Fu, Xinzhe He, Feihong Liu, Chenchen Yang, Yikang Zhou, Zhaoye Fei, Jingjing Gong, Jinlan Fu, Mike Zheng Shou, Xuanjing Huang, Xipeng Qiu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 机器人基础模型 ：embodied AI(title)；world model(abstract)；分类 cs.RO、cs.CV

AI总结 本文探讨了具身AI中的世界动作模型（WAMs），通过整合环境动态预测模型，统一预测状态建模与动作生成，提出结构化分类体系并分析数据生态，为该领域提供系统性综述。

SEVO: Semantic-Enhanced Virtual Observation for Robust VLA Manipulation via Active Illumination and Data-Centric Collection

SEVO：语义增强的虚拟观察用于通过主动照明和数据导向收集的鲁棒VLA操作

Tianchonghui Fang, Yuan Zhuang, Fei Miao

机构 * School of Computing, University of Connecticut（康奈尔大学计算学院） 纠错

专题命中 机器人基础模型 ：manipulation(title,abstract)；分类 cs.RO、cs.AI

AI总结 SEVO通过主动照明和数据导向收集提升跨环境操作鲁棒性，采用三机制改进观察，实现95%和83%的成功率，在新环境中转移率达85%和75%。

Action Hallucination in Generative Vision-Language-Action Models

生成视觉-语言-动作模型中的动作幻觉

Harold Soh, Eugene Lim

机构 * Department of Computer Science, School of Computing（计算机科学系，计算系） ； Smart Systems Institute（智能系统研究所） 纠错

专题命中 机器人基础模型 ：robotics(abstract)；robot foundation model(abstract)；分类 cs.RO、cs.AI

AI总结 研究分析生成视觉-语言-动作模型中动作幻觉的根源，揭示拓扑、精度和地平线三类障碍对动作生成的影响，提出改进模型可靠性和可信度的方法。

Comments 24 pages; updated setup with minor changes to proofs. changed template

DreamAvoid: Critical-Phase Test-Time Dreaming to Avoid Failures in VLA Policies

DreamAvoid：关键阶段测试时 dreaming 以避免 VLA 策略中的失败

Xianzhe Fan, Yuxiang Lu, Shenyuan Gao, Xiaoyang Wu, Ruihua Han, Manling Li, Hengshuang Zhao

机构 * HKU（香港大学） ； HKUST（香港理工大学） ； Northwestern University（西北大学） 纠错

专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 DreamAvoid 通过关键阶段测试时 dreaming 框架，使 VLA 模型能预测并避免失败，提升任务成功率。

Comments 19 pages, 7 figures

SenseNova-U1: Unifying Multimodal Understanding and Generation with NEO-unify Architecture

SenseNova-U1：基于NEO-unify架构的多模态理解和生成统一范式

Haiwen Diao, Penghao Wu, Hanming Deng, Jiahao Wang, Shihao Bai, Silei Wu, Weichen Fan, Wenjie Ye, Wenwen Tong, Xiangyu Fan, Yan Li, Yubo Wang, Zhijie Cao, Zhiqian Lin, Zhitao Yang, Zhongang Cai, Yuwei Niu, Yue Zhu, Bo Liu, Chengguang Lv, Haojia Yu, Haozhe Xie, Hongli Wang, Jianan Fan, Jiaqi Li, Jiefan Lu, Jingcheng Ni, Junxiang Xu, Kaihuan Liang, Lianqiang Shi, Linjun Dai, Linyan Wang, Oscar Qian, Peng Gao, Pengfei Liu, Qingping Sun, Rui Shen, Ruisi Wang, Shengnan Ma, Shuang Yang, Siyi Xie, Siying Li, Tianbo Zhong, Xiangli Kong, Xuanke Shi, Yang Gao, Yongqiang Yao, Yves Wang, Zhengqi Bai, Zhengyu Lin, Zixin Yin, Wenxiu Sun, Ruihao Gong, Quan Wang, Lewei Lu, Lei Yang, Ziwei Liu, Dahua Lin

专题命中 机器人基础模型 ：world model(abstract)；分类 cs.CV

AI总结 SenseNova-U1通过NEO-unify架构实现多模态理解与生成的统一，展示了在文本理解、视觉语言感知、知识推理、代理决策和空间智能等任务中的表现，同时在X2I合成、图文生成和视觉语言生成中表现出色。

Comments Project page: https://github.com/OpenSenseNova/SenseNova-U1

ECHO: Continuous Hierarchical Memory for Vision-Language-Action Models

ECHO：面向视觉-语言-动作模型的连续层次记忆

Yanbin Hu, Jin Cui, Jiayi Lu, Ruixuan Yang, Jun Ye, Boran Zhao, Xingyu Chen, Xuguang Lan, Pengju Ren

机构 * School of Software, Xi’an Jiaotong University（西安交通大学软件学院） ； School of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人机混合增强智能国家重点实验室，人工智能与机器人研究院） 纠错

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

AI总结 本文提出ECHO框架，通过连续层次空间提升视觉-语言-动作模型在长周期任务中的表现，实现高效经验检索与泛化能力。

NavOL: Navigation Policy with Online Imitation Learning

NavOL：基于在线模仿学习的导航策略

Xiaofei Wei, Chun Gu, Li Zhang

机构 * Shanghai Innovation Institute（上海创新研究院） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 NavOL通过在线模仿学习在仿真环境中训练导航策略，利用预训练的扩散策略和全局规划器，提升学习效率并减少分布偏移，实现在50个场景中每小时生成2000多条轨迹。

Comments Project page: https://logosroboticsgroup.github.io/NavOL/

EvoNav: Evolutionary Reward Function Design for Robot Navigation with Large Language Models

EvoNav：基于大语言模型的机器人导航奖励函数进化设计

Zhikai Zhao, Chuanbo Hua, Federico Berto, Zihan Ma, Kanghoon Lee, Jiachen Li, Jinkyoo Park

机构 * KAIST（韩国科学技术院） ； Radical Numerics ； UC Riverside（加州大学河滨分校） ； Omelet AI4CO 纠错

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

AI总结 本文提出EvoNav框架，利用大语言模型自动设计机器人导航奖励函数，通过逐步升温-提升流程降低训练成本，实验表明其优于人工设计和现有方法。

Behavioral Mode Discovery for Fine-tuning Multimodal Generative Policies

多模态生成策略细调中的行为模式发现

Alberta Longhini, David Emukpere, Jean-Michel Renders, Seungsu Kim

机构 * Naver Labs Europe（纳维尔实验室欧洲分部） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 本文提出一种无监督的行为模式发现框架，用于在强化学习细调多模态生成策略时保持行为多样性，通过互信息作为内在奖励提升任务成功率。

Journal ref International Conference on Machine Learning, 2026