机器人 / 具身智能

UniJEPA: Enhancing Robot Policy via Unified Continuous and Discrete Representation Learning

UniJEPA：通过统一的连续和离散表示学习增强机器人策略

Jianke Zhang, Yucheng Hu, Yanjiang Guo, Xiaoyu Chen, Yichen Liu, Wenna Chen, Chaochao Lu, Jianyu Chen

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China.（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute, Shanghai, China（上海启智研究院） ； Peking University, Beijing, China（北京大学） ； Shanghai AI Lab, Shanghai, China（上海人工智能实验室） 纠错

专题命中 机器人学习 ：robot policy(title)；robotics(abstract)；manipulation(abstract)；robotic(abstract)

AI总结 本文提出UniJEPA，通过大规模预训练学习高维视觉特征，结合理解、规划和连续未来表示学习，提升机器人在开放环境中的任务执行能力。

Journal ref ICML 2026

COSMIC: Concurrent Optimization of Structure, Material, and Integrated Control for robotic systems

COSMIC: 机器人系统结构、材料与集成控制的协同优化

Qinsong Guo, Liwei Wang

机构 * Dept. of Mechanical Engineering（机械工程系） 纠错

专题命中 机器人学习 ：robotic(title,abstract)；robotics(abstract)；分类 cs.RO

AI总结 本文提出一种基于梯度的协同设计框架，同时优化桁架机器人结构、材料分布和控制策略，揭示不同设计要素对机器人性能的影响。

Neural Associative Skill Memories for safer robotics and modelling human sensorimotor repertoires

神经关联技能记忆用于更安全的机器人及建模人类传感器运动 repertoire

Pranav Mahajan, Mufeng Tang, T. Ed Li, Ioannis Havoutis, Ben Seymour

机构 * University of Oxford（牛津大学） ； Yale University（耶鲁大学） 纠错

专题命中 机器人学习 ：robotics(title,abstract)；分类 cs.RO

AI总结 本文提出神经关联技能记忆框架，通过自监督预测编码统一技能学习与表达，实现故障检测与上下文感知执行，提升机器人安全性和生物传感器运动学习研究。

Journal ref Neural Computation (2026) 38 (1): 1-27

Unify Robot Actions in Camera Frame

在摄像机坐标系中统一机器人动作

Sicheng Xie, Lingchen Meng, Zijie Diao, Haidong Cao, Zhiying Du, Shuyuan Tu, Jiaqi Leng, Qiuyue Wang, Mingsheng Li, Shuai Bai, Zuxuan Wu, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI, Fudan University（可信具身人工智能研究院，复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Qwen Team, Alibaba Inc.（通义实验室，阿里巴巴公司） 纠错

专题命中 机器人学习 ：robot learning(abstract)；分类 cs.RO

AI总结 本文提出CalibAll方法，通过摄像机外参标注统一不同机器人平台的动作表示，提升跨平台学习性能。

Robotic Manipulation by Imitating Generated Videos Without Physical Demonstrations

通过模仿生成视频实现机器人操作

Shivansh Patel, Shraddhaa Mohan, Hanlin Mai, Unnat Jain, Svetlana Lazebnik, Yunzhu Li

机构 * UIUC（伊利诺伊大学香槟分校） ； UC Irvine（加州大学尔湾分校） ； Columbia University（哥伦比亚大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本文提出RIGVid系统，通过模仿AI生成视频使机器人完成复杂操作任务，无需物理示范或特定机器人训练。系统利用视频扩散模型生成潜在示范视频，并通过视觉语言模型筛选符合指令的视频，再通过6D姿态跟踪器提取轨迹并映射到机器人。实验表明生成视频效果与真实示范相当，且性能随生成质量提升。

Comments In ICLR 2026. Website: https://rigvid-robot.github.io/

RoboEvolve: Co-Evolving Planner-Simulator for Robotic Manipulation with Limited Data

RoboEvolve：用于有限数据的机器人操作共进化规划-模拟器

Harold Haodong Chen, Sirui Chen, Yingjie Xu, Wenhang Ge, Ying-Cong Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.CV

AI总结 RoboEvolve通过共进化循环提升机器人操作性能，利用无标签种子图像实现高效数据生成，显著提升规划和模拟效果，同时表现出极高的数据效率和持续学习能力。

Comments On-going work

SID: Sliding into Distribution for Robust Few-Demonstration Manipulation

SID：滑入分布以实现鲁棒的少样本操控

Yicheng Ma, Wei Yu, Zhian Su, Xidan Zhang, Huixu Dong

机构 * Grasp Lab, Zhejiang University（浙江大学抓取实验室） ； Torch Kernel Co., Ltd.（火炬内核有限公司） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 SID通过学习对象中心运动场，使系统在少样本下鲁棒地滑向演示 manifold 和轻量执行策略的可靠区域，提升动态扰动下的操控性能。

Comments 20 pages, 14 figures. Project website: https://sliding-into-distribution.github.io/

ViTacFormer: Learning Cross-Modal Representation for Visuo-Tactile Dexterous Manipulation

ViTacFormer：学习跨模态表示以实现视觉-触觉灵巧操作

Liang Heng, Haoran Geng, Kaifeng Zhang, Pieter Abbeel, Jitendra Malik

机构 * University of California, Berkeley（加州大学伯克利分校） ； Peking University（北京大学） ； Sharpa 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出ViTacFormer，通过跨注意力编码器融合高分辨率视觉与触觉，并结合自回归触觉预测头提升精度与鲁棒性，实现多指手的模仿学习，成功完成高精度灵巧操作任务。

When Absolute State Fails: Evaluating Proprioceptive Encodings for Robust Manipulation

当绝对状态失效：评估本体感觉编码以实现鲁棒操作

Maxime Alvarez, Ryo Watanabe, Paul Crook, Afshin Zeinaddini Meymand, Suvin Kurian, Pablo Ferreiro, Genki Sano

机构 * TELEXISTENCE Inc, Foundation Model Division（TELEXISTENCE公司基础模型部门） ； The University of Tokyo（东京大学） 纠错

专题命中 机器人操作 ：manipulation(title)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 研究探讨了本体感觉状态编码策略，通过系统分析联合表示发现，简单的回合间相对框架在任务性能与鲁棒性之间提供了最佳平衡，优于基线方法。

Comments Accepted to ICRA 2026 Workshop: From Data to Decisions

FRAME: Forensic Routing and Adaptive Multi-path Evidence Fusion for Image Manipulation Detection

FRAME：图像篡改检测的取证路由与自适应多路径证据融合

Kaixiang Zhao, Tianrun Yu, Aoxu Zhang, Junhao Su, Porter Jenkins, Amanda Hughes

机构 * Brigham Young University ； Rutgers University 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI、cs.CV

AI总结 FRAME通过多路径分析空间整合多种取证算法，自适应选择信息量大的路径并融合互补证据，提升图像篡改检测与定位性能。

Comments Accepted to CVPR 2026 SAFE Workshop

Manipulation Planning for Construction Activities with Repetitive Tasks

具有重复任务的建筑活动的操纵规划

Wangyi Liu, Dasharadhan Mahalingam, Fanru Gao, Ci-Jyun Liang, Nilanjan Chakraborty

机构 * Department of Mechanical Engineering, Stony Brook University, NY, USA（石英布大学机械工程系） ； Department of Civil Engineering, Stony Brook University, NY, USA（石英布大学土木工程系） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 本文研究了执行包含重复任务的建筑活动的操纵技能获取问题，通过虚拟现实环境模拟建筑活动，利用螺旋几何近似演示动作，并通过ScLERP和RMRC计算关节空间运动规划，实验表明该方法能稳健地处理长且需要精度的重复性建筑任务。

Object Manipulation of the Variable Topology Truss system

可变拓扑桁架系统的物体操作

Andrew Jang-Ho Bae, Myeongjin Choi, Haorui Li, Mark Yim, TaeWon Seo

机构 * RealMan Robotics Co., Ltd.（RealMan机器人有限公司） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 本文提出了一种针对可变拓扑桁架（VTT）系统的物体操作策略，通过混合控制框架实现位置与力的协同控制，实验验证了其在单模块和完整系统中的力跟踪性能及物体操作能力。

Comments 15 pages, 14 figures

SCU-Hand with Integrated Single-Sheet Valve: A Funnel-Shaped Robotic Hand for Milligram-Scale Powder Handling

带有集成单层阀门的SCU-Hand：用于毫克级粉末处理的漏斗形机器人手

Tomoya Takahashi, Yusaku Nakajima, Cristian Camilo Beltran-Hernandez, Yuki Kuroda, Kazutoshi Tanaka, Masashi Hamaya, Kanta Ono, Yoshitaka Ushiku

机构 * OMRON SINIC X Corporation（OMRON SINIC X公司） ； The University of Osaka（大阪大学） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO

AI总结 本文提出SCU-Hand-SV，通过集成可控阀门实现精确毫克级粉末 dispensing，实验表明其在粉末称重中的高精度和灵活性，适用于实验室自动化任务。

Comments 8 pages, 8 figures

Still Camouflage, Moving Illusion: View-Induced Trajectory Manipulation in Autonomous Driving

仍然伪装，移动的幻觉：自动驾驶中的视角诱导轨迹操纵

Shuo Ju, Qingzhao Zhang, Huashan Chen, Xuheng Wang, Haotang Li, Wanqian Zhang, Feng Liu, Kebin Peng, Sen He

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Arizona（亚利桑那大学） ； Beijing Jiaotong University（北京交通大学） ； East Carolina University（东卡罗来纳大学） 纠错

专题命中 机器人操作 ：manipulation(title)；分类 cs.CV

AI总结 本文提出一种新型攻击方法，利用车辆视角变化自然演变的伪装，诱导自动驾驶系统产生错误轨迹推断，导致不必要的制动，且无需多视角鲁棒性或主动干预。

SECOND-Grasp: Semantic Contact-guided Dexterous Grasping

SECOND-Grasp：语义接触引导的灵巧抓取

Han Yi Shin, Heeju Ko, Jaewon Mun, Qixing Huang, Jaehyeok Lee, Sung June Kim, Honglak Lee, Sujin Jang, Sangpil Kim

机构 * Korea University（韩国大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Michigan（密歇根大学） ； Hanyang University（翰阳大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出SEmantic CONtact-guided Dexterous Grasping框架，通过语义推理与物理可行性结合，提升机器人手部抓取的稳定性和语义理解能力。

Humanwashing -- It Should Leave You Feeling Dirty

人类洗清——它应该让你感到肮脏

Ben Wilson, Matimba Swana, Peter Winter, Matt Roach

机构 * Computational Foundry, Swansea University, UK（计算泉研究所，斯wansea大学，英国） ； University of Bristol, UK（布里斯托大学，英国） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 本文质疑'人类在环'概念在AI决策系统中的有效性，指出其可能掩盖真实过程与结果，提出'人类洗清'现象需引起关注。

Comments 10 pages, 1 figure. Reviewed and accepted for presentation at HHAI 2026, Brussels

CUBic: Coordinated Unified Bimanual Perception and Control Framework

CUBic：协调统一的双臂感知与控制框架

Xingyu Wang, Pengxiang Ding, Jingkai Xu, Donglin Wang, Zhaoxin Fan

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算高级创新中心，人工智能学院，北京航空航天大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出CUBic框架，通过统一感知模型解决双臂协调问题，采用共享表示学习提升任务成功率。

A Formal Framework for Robot Construction Problems: A Hybrid Planning Approach

机器人构建问题的正式框架：一种混合规划方法

Faseeh Ahmad, Esra Erdem, Volkan Patoglu

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出一种基于答案集编程的混合规划框架，用于解决机器人构建问题，确保结构稳定性、支撑性和任务顺序，通过基准实例验证了方法的有效性。

Comments 8 pages (double-column), 7 figures

Bias In, Bias Out? Finding Unbiased Subnetworks in Vanilla Models

偏差输入，偏差输出？在普通模型中寻找无偏子网络

Ivan Luiz De Moura Matos, Abdel Djalil Sad Saoud, Ekaterina Iakovleva, Vito Paolo Pastore, Enzo Tartaglione

机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris, France（法国巴黎电信学院（LTCI）、巴黎理工学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出BISE方法，通过剪枝从常规训练模型中提取无偏子网络，无需额外数据或微调，提升模型鲁棒性与效率。

Comments This work has been accepted for publication at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance

TouchGuide: 通过触觉引导在推理时操控视觉-触觉策略

Zhemeng Zhang, Jiahua Ma, Xincheng Yang, Xin Wen, Yuzhi Zhang, Boyan Li, Yiran Qin, Jin Liu, Can Zhao, Li Kang, Haoqin Hong, Zhenfei Yin, Philip Torr, Hao Su, Ruimao Zhang, Daolin Ma

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xense Robotics（Xense机器人公司） ； Sun Yat-sen University（中山大学） ； Oxford（牛津大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； UCSD（加州大学圣地亚哥分校） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 本文提出TouchGuide，一种新的跨策略视觉-触觉融合方法，通过触觉引导在推理时优化预训练的视觉-触觉策略，提升机器人精细接触操作能力。

Make-It-Poseable: Feed-forward Latent Posing Model for 3D Characters

让其可塑形：用于3D角色的前馈潜在姿态模型

Zhiyang Guo, Ori Zhang, Jax Xiang, Alan Zhao, Zhenxun Yuan, Wengang Zhou, Houqiang Li

机构 * EEIS Department University of Science（电子信息科学系中国科学技术大学） ； Tencent PCG Shenzhen China（腾讯PCG深圳中国） ； Tencent PCG New York USA（腾讯PCG纽约美国） ； Tencent PCG Beijing China（腾讯PCG北京中国） ； University of Science（中国科学技术大学） ； Tencent PCG（腾讯PCG） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV

AI总结 本文提出Make-It-Poseable模型，通过将角色姿态问题转化为无皮肤的潜在空间转换，解决传统方法在皮肤权重、网格拓扑和姿态适应性上的不足，提升3D角色姿态重建质量。

Comments Project page: https://jasongzy.github.io/Make-It-Poseable/

Flow Augmentation and Knowledge Distillation for Lightweight Face Presentation Attack Detection

流增强与知识蒸馏用于轻量级人脸呈现攻击检测

Muhammad Shahid Jabbar, Muhammad Sohail Ibrahim, Taha Hasan Masood Siddique, Kejie Huang, Shujaat Khan

机构 * SDAIA-KFUPM Joint Research Center for Artificial Intelligence（SDAIA-KFUPM联合人工智能研究中心） ； King Fahd University of Petroleum & Minerals（国王法赫德石油大学） ； Interdisciplinary Research Center for Intelligent Secure Systems (IRC-ISS)（智能安全系统跨学科研究中心） ； College of Information Science & Electronic Engineering（信息科学与电子工程学院） ； Department of Computer Engineering, College of Computing and Mathematics（计算机工程系，计算与数学学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV

AI总结 本文提出双分支教师模型融合RGB帧外观线索与颜色轮编码的光流运动线索，通过知识蒸馏实现轻量级学生模型，提升实时人脸呈现攻击检测性能。

Comments Accepted at 2026 International Conference on Automatic Face and Gesture Recognition (FG)

TouchAnything: A Dataset and Framework for Bimanual Tactile Estimation from Egocentric Video

TouchAnything: 一个用于从第一人称视频中估计双臂触觉的数据库和框架

Jianyi Zhou, Ziteng Gao, Feiyang Hong, Zirui Liu, Guannan Zhang, Weisheng Dai, Ruichen Zhen, Chuqiao Lyu, Haotian Wu, Yinian Mao, Xushi Wang, Yuxiang Jiang, Wenbo Ding, Shuo Yang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳研究院） ； Meituan Academy of Robotics（美团机器人研究院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 本文提出EgoTouch数据库和TouchAnything框架，通过多视角视频数据提升双臂触觉估计性能，实验表明结合腕部视角可提升接触和体积IoU指标。

Approximating Electoral Control Problems

近似选举控制问题

Huy Vu Bui, Michael C. Chavrimootoo, Kien T. Le, Son M. Nguyen

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文研究了选举控制问题的近似性，分析了 plurality、approval 和 Condorcet 等投票规则下的控制问题是否可近似，并在加权和非加权投票场景中证明了结果。

SoK: Exposing the Generation and Detection Gaps in LLM-Generated Phishing

SoK：揭示大语言模型生成钓鱼攻击的生成与检测差距

Fengchao Chen, Tingmin Wu, Van Nguyen, Carsten Rudolph

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文首次全面分析大语言模型生成的钓鱼内容，揭示其逃避检测、强调人类认知操控的特点，并指出防御策略与生成方法间的不对称性。

Biprofile Deviation Logic: Report-Replacement Frames and Audit Witnesses

双轮廓偏差逻辑：报告替换框架和审计见证

Faruk Alpay, Baris Basaran

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出双轮廓偏差逻辑，通过报告替换框架和审计见证，证明了H_bp在抽象框架类Dev(N)中的正确性和完备性，并引入了审计层以处理表示变化。

Comments 27 pages; ancillary finite certificate checker, Lean 4 companion, and Alloy 6.2.0 bounded relational companion

What Limits Vision-and-Language Navigation ?

什么是限制视觉-语言导航的因素？

Yunheng Wang, Yuetong Fang, Taowen Wang, Lusong Li, Kun Liu, Junzhe Xu, Zizhao Yuan, Yixiao Feng, Jiaxi Zhang, Wei Lu, Zecui Zeng, Renjing Xu

机构 * HKUST(GZ)（香港科技大学（广州）） ； JD Explore Academy（京东探索研究院） 纠错

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

AI总结 本文提出StereoNav框架，通过引入目标-位置先验和立体视觉，提升真实环境导航一致性，实验显示其在RGB性能和参数效率上优于现有方法。

ReAct! An Interactive Tool for Hybrid Planning in Robotics

ReAct! 一种用于机器人混合规划的交互工具

Zeynep Dogmus, Esra Erdem, Volkan Patoglu

机构 * Sabancı University（Sabanci大学） 纠错

专题命中 具身导航 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 ReAct! 提供了一种交互式工具，使机器人研究人员能够在无需了解底层形式化细节的情况下，通过高级推理解决复杂规划问题，适用于服务机器人和认知工厂等动态领域。

SimWorld Studio: Automatic Environment Generation with Evolving Coding Agent for Embodied Agent Learning

SimWorld Studio：基于进化编码代理的自动环境生成用于具身学习

Haoqiang Kang, Xiaokang Ye, Yuhan Liu, Siddhant Hitesh Mantri, Lingjun Mao, James Fleming, Drishti Regmi, Lianhui Qin

机构 * UC San Diego（加州大学圣迭戈分校） ； New York University（纽约大学） 纠错

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

AI总结 本文提出SimWorld Studio平台，通过进化编码代理生成动态3D环境，提升具身学习性能。环境生成与学习相互促进，使代理在未见基准上表现更优。

Breaking Down and Building Up: Mixture of Skill-Based Vision-and-Language Navigation Agents

拆解与构建：基于技能的视觉-语言导航代理混合

Tianyi Ma, Yue Zhang, Zehao Wang, Parisa Kordjamshidi

机构 * Michigan State University（密歇根州立大学） ； ESAT-PSI, KU Leuven（KU莱顿大学ESAT-PSI实验室） 纠错

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

AI总结 本文提出SkillNav框架，通过模块化技能推理提升视觉-语言导航性能，通过合成数据训练无监督的路由模型，实现对复杂场景的泛化能力。

Comments Accepted by ACL 2026 Main Conference