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。
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。
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