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。
BlockVLA: 通过块扩散微调加速自回归VLA
机构 * Xi'an Jiaotong University（西安交通大学）
专题命中 机器人基础模型 ：robotics(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出BlockVLA框架，通过块扩散方法将预训练自回归模型转化为高效离散扩散策略，减少推理延迟并提升训练效率，实验证明在复杂长周期任务中性能显著提升。
忽略什么，反应什么：视觉鲁棒的VLA模型强化学习微调
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Microsoft Research Asia（微软亚洲研究院） ； Zhejiang University（浙江大学）
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出PAIR-VLA框架，通过在PPO优化中加入两个辅助目标，提升VLA模型在视觉变化下的鲁棒性，实验表明其在不同视觉扰动下均优于标准PPO。
ALAM：基于代数一致的潜在动作模型用于视觉-语言-动作模型
机构 * Zhejiang University（浙江大学） ； Amap, Alibaba Group（阿里集团阿地图） ； Nanjing University（南京大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Beijing University of Chemical Technology（北京化工大学） ； Embodied Intelligence General Platform Laboratory, Chery Auto（奇瑞汽车 embodied intelligence 通用平台实验室） ； Tsinghua University（清华大学） ； Queen Mary University of London（伦敦大学玛丽女王学院）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 ALAM通过代数一致的潜在动作模型从无标注视频中提取结构化先验，结合流匹配目标提升VLA学习性能，显著提高任务成功率。
FrameSkip: 从更信息丰富的较少帧中学习以在VLA训练中提升性能
机构 * Harbin Institute of Technology（哈尔滨理工大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（华东师范大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beihang University（北航） ； DeepCybo
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 本文提出FrameSkip框架，通过选择高重要性帧来优化VLA训练，提升成功率与保留率的平衡，实现在三个基准测试中达到76.15%的成功率。
Comments GitHub: https://github.com/ZGC-EmbodyAI/FrameSkip
DAWM：基于扩散的世界模型用于通过动作推断的离线强化学习
机构 * Department of Computer Science, University of Munich, Munich, Germany（慕尼黑大学计算机科学系） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心（MCML））
专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 DAWM通过动作推断生成未来状态-奖励轨迹，结合逆动力学模型，为离线强化学习提供高效训练方案，提升算法性能。
Comments ICML2025 workshop Building Physically Plausible World Models
测试时的离线强化学习在目标相关经验上的应用
机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院，苏黎世，瑞士） ； Max Planck Institute for Intelligent Systems, Tubingen, Germany（智能系统马克斯·普朗克研究所，图宾根，德国） ； University of Tubingen, Tubingen, Germany（图宾根大学，图宾根，德国）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；navigation(abstract)；分类 cs.LG
AI总结 本文提出了一种基于目标的测试时训练方法，通过选择与当前状态和评估目标相关的经验来提升策略性能，适用于高维定位导航和操作任务。
自适应平滑切比雪夫注意力用于多目标策略优化
机构 * Indiana University–Bloomington（印第安纳大学布卢明顿分校）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG；robotics(comments)
AI总结 本文提出自适应平滑切比雪夫框架，通过动态调节优化景观曲率，解决多目标强化学习中非凸区域解恢复问题，验证于机器人隐身视觉搜索任务，发现非凸区域的帕累托最优策略。
Comments To appear in the Proceedings of Robotics: Science and Systems (RSS) 2026
关于差分隐私策略优化的样本复杂性
机构 * Wayne State University（韦恩州立大学）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了差分隐私策略优化的样本复杂性，分析了多种策略优化算法在隐私约束下的样本复杂性，揭示隐私成本在样本复杂性中的表现。
Comments Accepted at NeurIPS 2025
解耦探索与策略优化：基于不确定性引导的树搜索用于困难探索
机构 * Google Research, NYC（谷歌研究，纽约市）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.LG
AI总结 本文提出一种解耦探索与策略优化的方法，通过树搜索策略和不确定性测量提升探索效率，在困难探索任务中取得显著成果。
量化逆强化学习中的潜在观察缺失程度
机构 * School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.LG
AI总结 本文研究逆强化学习中因观察缺失导致的决策偏差问题，提出算法量化行为数据中可能的观察缺失范围，通过合成导航任务、癌症治疗模拟和ICU治疗数据实验验证方法有效性。
CoT-Guard：用于强监控的小型模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Capital One
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI
AI总结 本文提出CoT-Guard，通过结合监督微调和强化学习，提升小型模型在代码生成任务中检测隐藏目标的能力，其在提示和代码攻击下的表现优于现有大模型。
可微分进化强化学习
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家）
专题命中 模仿学习与强化学习 ：embodied agent(abstract)；分类 cs.AI
AI总结 本文提出DERL，通过可微分的元优化器自动发现最优奖励结构，实现复杂任务中的高效强化学习，优于传统非可微方法。
Comments Work in Progress. We release our code and model at https://github.com/sitaocheng/DERL
AmaraSpatial-10K：一个空间和语义对齐的3D数据集用于空间计算和具身AI
机构 * Zero One Creative（Zero One创意）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；robotics(abstract)；分类 cs.AI、cs.CV、cs.LG
AI总结 本文提出AmaraSpatial-10K数据集，包含10000多个合成3D资产，优化零样本部署，通过精确锚点、PBR贴图和文本元数据提升CLIP召回率和物理稳定性。
基于Bug报告的故障定位：在ABB机器人中的工业基准测试与经验总结
机构 * M\" a lardalen University Sweden ； M\" a lardalen University
专题命中 机器人数据与评测 ：robotics(title,abstract)；分类 cs.LG
AI总结 本文研究了仅利用自然语言bug报告能否通过AI实现故障定位，通过ABB机器人五年数据验证传统模型优于transformer模型，展示了文本驱动的故障定位方法。
低自由度机器人的情绪表达：通过Reachy Mini评估感知
机构 * Robotic Musicianship Lab（机器人音乐性实验室） ； Georgia Institute of Technology（佐治亚理工学院） ； School of Computing and Communications（计算与通讯学院） ； Ben-Gurion University of the Negev（贝内尔盖翁大学（内盖夫分校）） ； School of Brain Sciences and Cognition（脑科学与认知学院） ； The Azrieli National Center for Autism and Neurodevelopment Research（阿兹里尔国家自闭症与神经发育研究中心）
专题命中 机器人数据与评测 ：robotics(abstract,abstract_cn)；robotic(abstract)；分类 cs.RO
AI总结 研究探讨了低自由度机器人Reachy Mini在表达不同情绪时，人们如何感知和评估其情绪，发现尽管识别准确度不高，但整体情绪影响社交评价，为低自由度机器人情感交流研究提供了基准。
AdaptNC: 适应性非符合分数用于分布偏移下的符合预测
机构 * Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系）
专题命中 机器人数据与评测 ：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出AdaptNC框架，通过联合在线调整非符合分数参数和符合阈值，解决分布偏移下的预测区域保守问题，实验表明其在保持覆盖率的同时显著减少预测区域体积。
视觉-语言模型的终身学习：增强的EWC与跨模态知识保留
机构 * Sejong University, Computer Science Engineering（世宗大学，计算机科学工程） ； Technische Universität Ilmenau, Computer Engineering（伊门瑙技术大学，计算机工程）
专题命中 机器人数据与评测 ：robotic(abstract,comments)；分类 cs.RO；robotics(comments)
AI总结 本文提出一种结合增强EWC与参数高效微调的框架，有效减少视觉-语言模型在连续学习中的遗忘，通过多模态Fisher信息矩阵计算和跨模态一致性保留，实现78%的遗忘率降低，并在动态环境中提升多模态AI系统的适应能力。
Comments 8 pages, 5 figures, 1 table. Applications in autonomous driving, intelligent robotic assistants, and adaptive robotics systems
考虑饱和的角速度估计：将SLAM的鲁棒性扩展到激进运动
机构 * Northern Robotics Laboratory, Université Laval, Quebec City, Quebec, Canada（北方机器人实验室，拉瓦尔大学，魁北克市，魁北克，加拿大）
专题命中 机器人数据与评测 ：robotics(abstract,comments)；分类 cs.RO
AI总结 本文提出一种新的角速度估计方法，以提高SLAM算法在剧烈运动引起的陀螺仪饱和情况下的鲁棒性。通过使用加速度计在机器人翻滚时估计角速度，显著降低定位误差，并提出TIGS数据集以支持研究。
Comments 7 pages, 7 figures, published in 2024 IEEE International Conference on Robotics and Automation (ICRA), Yokohama, Japan
Journal ref 2024 IEEE International Conference on Robotics and Automation (ICRA), Yokohama, Japan, 2024, pp. 10711-10718
HetScene: 基于异质性的扩散方法用于密集室内场景生成
专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出HetScene方法，通过将物体分解为主次物体，解决密集布局和复杂空间依赖的生成问题，提升场景生成的物理合理性和可扩展性。
Ego2World：将第一人称视角烹饪视频编译为可执行世界以支持信念状态规划
机构 * Xi’an Jiaotong University（西安交通大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； A*STAR
专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出Ego2World基准，通过编译第一人称视角烹饪视频为可执行符号世界，支持信念状态规划。实验表明，信念维护对任务完成至关重要。
Comments Project page: https://sj-li.com/PROJ/Ego2World/
CoGE：用于内镜的仿真到现实在线几何估计
机构 * Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学电子工程系，香港特别行政区，中国） ； Shenzhen Loop Area Institute, China（深圳环湖研究所，中国）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出CoGE框架，通过光照感知监督模块和结构感知感知模块，实现内镜中在线单目几何估计，仅用仿真数据训练即可在仿真和真实场景中取得最佳性能。
Comments Early Accepted by MICCAI 2026
Twincher: 基于双射表示学习的连续系统鲁棒反演
机构 * Department of Physics, University of Gothenburg（哥德堡大学物理系）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.LG
AI总结 本文提出Twincher架构，通过结构化微分同胚变换和对抗训练策略，实现对连续前向过程的鲁棒反演，提升机器人、视觉和物理AI中的数据效率和鲁棒性。
Rigel3D: 基于姿态的潜变量用于动画准备的3D资产生成
机构 * Technical University of Crete（希腊克里特技术大学） ； CYENS Center of Excellence（CYENS卓越中心） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校）
专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.CV
AI总结 Rigel3D通过联合建模几何和骨架结构，生成可动画化的3D资产，优于现有rigging基线。
EgoForce：通过扩散强迫实现鲁棒的在线自体视角运动重建
机构 * Seoul National University（首尔国立大学）
专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.CV
AI总结 本文提出EgoForce框架，通过扩散强迫方法实现从噪声自体视角输入中鲁棒的长时间全身体运动重建，优于现有在线和离线方法。
Comments Project page: https://inwoohwang.me/EgoForce
安卓会为打破游戏而做梦吗？通过BenchJack系统性审计AI代理基准
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI
AI总结 本文提出BenchJack系统，通过自动化红队系统审计AI代理基准，发现219种奖励黑客漏洞，提升基准鲁棒性。
连接点：为电离层预报模型准备的机器学习数据集
机构 * Department of Information and Computer Science（信息与计算机科学系） ； University of Hawai‘i at Mānoa（夏威夷大学毛纳罗亚分校） ； Department of Engineering Science（工程科学系） ； University of Oxford（牛津大学） ； Università degli Studi di Roma Sapienza（罗马大学） ； Free Flight Research Lab（自由飞行研究实验室） ； University of New Hampshire（新罕布什尔大学） ； European Space Agency (ESA)（欧洲航天局） ； NASA Jet Propulsion Laboratory（美国宇航局喷气推进实验室） ； NASA Headquarters（美国宇航局总部） ； Space Weather Technology, Research, and Education Center（空间天气技术、研究与教育中心） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； Department of Computer Science（计算机科学系） ； University of York & King’s College London（约克大学及伦敦国王学院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.LG
AI总结 本文提出一个整合多种电离层和日球层数据的机器学习数据集，用于改进电离层预报模型，支持科学探索和实际应用。
Comments 8 pages, 2 figures, 2 tables. Accepted as a poster presentation in the Machine Learning for the Physical Sciences workshop at NeurIPS 2025. Dataset can be found on Zenodo (https://zenodo.org/records/18343833) or GitHub (https://github.com/FrontierDevelopmentLab/2025-HL-Ionosphere-dataset)
SimART：一个统一的开放现实多模态仿真平台用于6G集成感知与通信
专题命中 机器人数据与评测 ：robotics(abstract)
AI总结 SimART通过整合机器人学、光线追踪和无线评估引擎，提供一个可重复的多模态仿真平台，支持6G集成感知与通信的多方面需求，包括场景构建和信道知识图生成。
块级自适应缓存用于加速扩散策略
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出BAC方法，通过块级自适应缓存加速扩散策略，利用特征相似性非均匀时间动态特性，减少计算开销，实现无损动作生成加速。
软-刚性混合连杆系统动力学计算及其在运动员运动分析中的应用
机构 * Department of Mechano-Informatics, University of Tokyo（东京大学机械信息学系） ； Research Institute for Science and Technology, Tokyo University of Science（东京科学大学研究所）
专题命中 其他机器人 ：robotics(abstract,journal_ref)；分类 cs.RO
AI总结 本文提出基于软-刚性混合连杆系统的运动员运动分析框架，解决柔性假肢与刚性骨骼系统交互力的计算问题，并通过实验验证了逆动力学方法在地面反作用力估计中的有效性。
Journal ref Advanced Robotics, Vol.40, No.4, 2026
基于遮挡的对象绕障物运输的群体机器人
机构 * Faculty of Science and Engineering, Rijksuniversiteit Groningen（格罗宁根大学科学与工程学院）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO
AI总结 本文提出了一种基于遮挡的群体机器人运输方法，通过设置子目标实现绕障运输，保持去中心化和无通信特性，适用于复杂环境。
Comments 25 pages, 9 figures, 6 tables. Accepted for publication in the journal Swarm Intelligence
Journal ref Swarm Intelligence, 2024
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