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。
自主X光引导脊柱手术的机器人控制策略学习研究
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technical University of Munich（慕尼黑技术大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院）
专题命中 机器人学习 ：robotics(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文研究基于模仿学习的机器人控制策略在稀疏输入（双平面X光）下进行椎体成形术中的可行性，通过模拟环境训练策略实现基于视觉的套管针迭代对齐，首次尝试成功率达68.5%，并展示了向复杂解剖结构和真实X光的迁移能力，但存在入口点精度不足等局限。
点跟踪改进了世界动作模型
机构 * Aalto University（阿alto大学） ； ELLIS Institute Finland（ELLIS研究所芬兰） ； University of Oulu（奥卢大学） ； Sun Yat-sen University（中山大学） ； Peng Cheng Laboratory（鹏城实验室） ； Beihang University（北京航空航天大学）
专题命中 机器人学习 ：robot policy(abstract)；分类 cs.RO
AI总结 提出联合像素与跟踪的世界动作模型JOPAT，通过预测2D点跟踪和动作来提升机器人策略学习，在长时域、遮挡和离屏运动任务上优于纯像素方法。
GAF: 高斯动作场作为机器人操作中动态世界建模的4D表示
机构 * Tsinghua University（清华大学） ； Beijing Normal University（北京师范大学） ； Shadow AI
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；world model(title)；分类 cs.RO、cs.CV
AI总结 提出GAF，通过扩展3D高斯溅射引入可学习运动属性，实现动态场景的4D建模，并利用动作-视觉对齐去噪框架提升机器人操作成功率。
LACY: 基于视觉-语言模型的语言-动作循环用于自我改进的机器人操作
机构 * Department of Electrical and Computer Engineering, Univ. of Minnesota（电气与计算机工程系，明尼苏达大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出LACY框架，通过联合学习语言到动作、动作到语言和语言一致性验证三个任务，实现机器人操作的自我改进，平均任务成功率提升56.46%。
Comments Accepted to ICRA 2026. Project page: https://vla2026.github.io/LACY/
语义结构化混合专家用于组合机器人操作
机构 * The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO；robotics(comments)
AI总结 提出语义结构化混合专家扩散策略（SMoDP），通过视觉语言模型标注的技能语义指导专家专业化，实现参数高效的多任务组合操作。
Comments Accepted to Robotics: Science and Systems (RSS) 2026
6G通信网络赋能具身智能体：架构与原型
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Institute of Intelligent Networks and Communications (NINE), Nanjing University (Suzhou Campus)（南京大学智能网络与通信研究所（苏州校区））
专题命中 机器人操作 ：embodied agent(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种分层通信架构（包括人类意图感知层、基于O-RAN的传输层、智能中间层和具身层），并通过集成触觉设备、工业机械臂、中间平台和5G O-RAN测试床的原型验证了毫秒级延迟和稳定闭环操作。
单应性矩阵形式化验证的Lipschitz优化
机构 * Joby Aviation（Joby航空） ； Safe Intelligence
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出一种利用Lipschitz优化和分段连续性对单应性矩阵进行形式化验证的方法，首次实现对投影几何变换的鲁棒性验证，在基准测试中取得最高89%加速和7%更紧的边界。
Comments 18 pages, 13 figures, 6 tables, to be published at CVPR 2026
用于操作规划与控制的神经构型空间障碍
机构 * Contextual Robotics Institute, University of California San Diego（情境机器人研究所，加州大学圣地亚哥分校）
专题命中 机器人操作 ：manipulation(title)；分类 cs.RO、cs.LG
AI总结 提出一种基于神经构型空间距离函数障碍的统一方法，用于高维机器人操作规划与控制，通过分布鲁棒优化处理模型误差和传感器噪声，在杂乱动态环境中实现高效规划与鲁棒安全控制。
ComPose：何时信任手部进行物体姿态跟踪
机构 * GIST（韩国信息科学与技术学院） ； Yonsei Univ.（延世大学） ； DGIST（国立地面空间技术研究所）
专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；分类 cs.CV
AI总结 提出ComPose框架，利用手部作为补充线索，结合基础模型中的物体和手部线索，在RGB视频中实现6DoF物体姿态跟踪，有效应对严重手部遮挡和几何模糊。
Comments 22 pages, 10 figures
知道该问什么的机器人：通过有针对性的解释恢复未对齐的奖励
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出一种框架，通过检测演示中未充分指定的特征，并主动请求有针对性的纠正演示，从而从有缺陷的演示中恢复奖励函数，减少歧义。
面向测试时自适应的样本级定向对抗攻击
机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 提出一种基于元学习的样本级定向攻击方法，通过优先感知梯度对齐策略解决攻击成功与分布隐蔽性之间的冲突，实现高成功率且难以检测。
Comments 32 pages, 17 figures
通过自模式连通性引导的流形表示遗忘实现近似机器遗忘
机构 * Xi'an Jiaotong University（西安交通大学） ； Southeast University（东南大学） ； University of Technology Sydney（悉尼大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 提出ManiF-SMC方法，通过将遗忘样本从其原始流形表示质心推向保留数据中最近的语义邻居，并利用自模式连通性模块自适应生成边界，在表示空间内实现近似遗忘，无需依赖标签和任务梯度。
EgoInteract: 用于交互理解和预测的合成自我中心视频生成
机构 * Department of Mathematics and Computer Science, University of Catania（卡塔尼亚大学数学与计算机科学系） ； Next Vision s.r.l.（Next Vision公司） ； Reality Labs Research, Meta（Meta现实实验室）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 提出EgoInteract可控模拟器，生成带密集时空标注的合成自我中心视频，用于动作分割、下一活动物体检测、交互预测和手物交互检测，在多个真实基准上提升性能。
UfM*：基于高斯分布的运动不确定性用于DNN深度估计
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 提出UfM*算法，利用紧凑高斯混合模型高效计算多视图不一致性，实现单次推理的不确定性估计，在资源受限机器人上达到实时性能。
Comments 18 pages, 15 figures
GT-HarmBench：通过博弈论视角评估AI安全风险
机构 * ETH Zürich（苏黎世联邦理工学院） ； Berea College（贝雷学院） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（图宾根德国智能系统马克斯·普朗克研究所）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 提出GT-HarmBench基准，包含1535个高风险场景，基于博弈论结构（如囚徒困境、猎鹿博弈、斗鸡博弈）评估前沿AI模型在多智能体环境中的安全风险，发现模型在38%的高风险案例中未能选择对社会有益的行为，并验证了博弈论干预可提升18%的社会有益结果。
GradingAttack: 揭示基于LLM的教育评分代理中的安全漏洞
机构 * Guangdong Institute of Smart Education（广东智能教育研究院） ； Jinan University（济南大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 提出GradingAttack框架，通过token级和prompt级对抗攻击策略，系统评估基于LLM的教育评分代理的安全漏洞，发现其缺乏鲁棒防御。
评估大型语言模型在复杂隐藏角色游戏中的表现
机构 * University of Göttingen（哥廷根大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 本研究通过社交推理游戏《秘密希特勒》评估大型语言模型的推理、说服和欺骗能力，引入新指标并发现当前模型在复杂多轮操纵中效果不佳。
Comments Master's thesis, University of Göttingen
AMP：具有有界包含保证的弧多提议者协议
专题命中 机器人操作 ：manipulation(abstract)
AI总结 针对区块链系统中单一验证者对交易包含和排序的垄断权力问题，提出基于Tendermint共识的多提议者协议AMP，通过分离传播与共识设计，实现有界包含保证和批量终结，限制验证者权力。
接近光学计算中潜在维度的物理极限
专题命中 机器人操作 ：manipulation(abstract)
AI总结 通过探索有界光学域潜在维度的物理极限，设计并实现了超紧凑多模光子处理器，在实验上逼近这些极限，为光学计算架构提供了缺失的理论参考。
脉冲热退火实现亚毫特斯拉磁场下Mn$_3$Sn手性反铁磁序的切换
专题命中 机器人操作 ：manipulation(abstract)
AI总结 通过脉冲热退火结合亚毫特斯拉磁场，在Weyl反铁磁体Mn$_3$Sn中实现了手性反铁磁态的可靠切换，并揭示了热软化降低能量势垒的关键作用。
Comments 7 pages, 3 figures
参数化运动规划算法的复杂性
专题命中 机器人操作 ：robotics(abstract)
AI总结 研究第r个顺序参数化拓扑复杂度的概率变体，该变体从下界度量经典不变量，并衡量构建允许参数化运动规划算法的难度。
Comments Minor changes made based on the referee report. To appear in the SIAM Journal on Applied Algebra and Geometry. May differ slightly from the published version
3000量子比特相干系统的连续运行
专题命中 机器人操作 ：manipulation(abstract)
AI总结 通过光学晶格传送带和光镊实现高重载率，在保持量子相干性的同时连续组装并维持超过3000个原子量子比特阵列超过2小时，为大规模连续运行原子钟、传感器和容错量子计算机奠定基础。
Comments Main text: 8 pages, 4 figures. Methods: 7 pages, 10 figures. Ancillary files: one supplementary movie and caption
Journal ref Nature 646, pages 1075-1080 (2025)
IntentionNav: 一种基于隐式人类指令的意图驱动目标导航基准
机构 * The University of Manchester（曼彻斯特大学） ； A*STAR ； Responsible AI Research Centre, Adelaide University（阿德莱德大学负责任人工智能研究中心） ； University of Bedfordshire（贝福德郡大学）
专题命中 具身导航 ：navigation(title,abstract)；embodied AI(abstract)；embodied agent(abstract)；分类 cs.RO、cs.CV
AI总结 提出IntentionNav基准，通过隐式人类指令（如“我需要热一下食物”）驱动智能体推断目标物体并导航至其位置，实验表明当前模型在终端成功率和精确定位方面存在显著瓶颈。
Comments preprint
将适应转化为资产：面向在线视觉语言导航的跨域桥接
机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机科学系） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） ； School of Electronics, Peking University, Beijing, China（北京大学电子学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出 IDEA 框架，通过 Fisher 引导的软提示优化和动态资产库构建跨域桥接，解决视觉语言导航中测试时适应的灾难性遗忘和负迁移问题。
Comments Accepted by ICML 2026
近直线晕轨道上的自主导航与站位保持
专题命中 具身导航 ：navigation(title,abstract)
AI总结 本文开发了一种基于光学导航和站位保持的管道，用于高保真星历模型动力学中的近直线晕轨道，通过非迭代地平线光学导航算法、导航滤波器和站位保持控制方案实现自主导航与轨道保持。
Comments 40 pages, 17 figures
基于运动基元的几何组装的稀疏组合流匹配
机构 * Tsinghua Shenzhen Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳研究生院，清华大学，深圳，中国） ； School of AI, Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）人工智能学院）
专题命中 具身导航 ：embodied AI(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出一种通过运动基元字典学习和几何约束的稀疏流匹配框架，直接在物理轨迹空间进行组合生成，实现状态最优精度并显著降低FDE/ADE比。
基于自主前沿探索与VLM引导
机构 * EECS Department, University of California（加州大学EECS系）
专题命中 具身导航 ：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出利用视觉语言模型进行高层战略决策，替代几何启发式，通过多模态提示选择最优前沿，在模拟环境中将地图覆盖率提升高达24%。
Comments 8 pages, 10 figures, CVPR 2026: 2nd Workshop on 3D-LLM/VLA: Bridging Language, Vision and Action in 3D Environments
Droneulator: 一种基于RotorPy和Godot 4的农业工作流便携式无人机模拟器
机构 * Lincoln Centre for Autonomous Systems (L-CAS), University of Lincoln, Lincoln, UK（林肯自主系统中心（L-CAS）、林肯大学、林肯，英国） ； Faculty of Aerospace Engineering, MAVLab, Delft University of Technology (TU Delft), Delft, Netherlands（航空航天工程学院、MAVLab、代尔夫特理工大学（TU Delft）、代尔夫特，荷兰）
专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.RO
AI总结 提出一种结合RotorPy动力学与Godot 4渲染的便携式无人机模拟器Droneulator，支持PX4控制、WebSocket命令和Zenoh/ROS~2管道，实现农业无人机数据采集、局部规划和强化学习实验的统一验证。
利用梯度惩罚潜在动力学实现平滑且高效的采样
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Texas A&M University（德克萨斯大学）
专题命中 具身导航 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 提出GPLD正则化器，通过行雅可比惩罚增强DreamerV3潜在转移动力学的局部平滑性，提升样本效率，尤其在复杂运动控制任务中表现显著。
Comments 17 pages and 9 figures
基于稀疏查询特征的梯度优化引导生成
机构 * University of Illinois Chicago（伊利诺伊大学香槟分校）
专题命中 具身导航 ：navigation(abstract)；分类 cs.LG
AI总结 提出基于稀疏自编码器和梯度优化的稀疏查询特征引导方法，实现对大型语言模型逻辑规划与风格细节的统一可解释控制。
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