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。
传统媒体在线服务中的受控个性化：新闻推荐案例研究
机构 * University of Klagenfurt（克雷格弗尔特大学） ； University of Bergen（卑尔根大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 本文通过A/B测试评估了传统新闻媒体在在线平台上采用受控个性化策略的效果，发现适度的个性化能提高点击率、减少导航努力、增加内容多样性和目录覆盖，并降低流行度偏差，从而在满足用户需求的同时维护编辑价值。
单光子傅里叶变换
专题命中 具身导航 ：navigation(abstract)
AI总结 提出并实验验证了一种单光子傅里叶变换方案，通过全局检索稀疏单光子流中的隐含关联，实现对每个光子的精确分类并同步提取多个超弱信号，具有高抗噪性和大损耗容忍度。
基于广义相关熵诱导的鲁棒无迹卡尔曼滤波
专题命中 具身导航 ：navigation(abstract)
AI总结 针对非高斯噪声下非线性状态估计问题，提出基于广义相关熵的鲁棒迭代平方根无迹卡尔曼滤波，通过广义核结构实现核带宽不敏感，并利用非线性误差泛化模型提升强非线性下的估计精度，同时保证数值鲁棒性和理论稳定性。
世界机器：面向时间序列的生成式世界建模
机构 * Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学） ； Universidade Estadual Paulista (UNESP)（保罗斯州立大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出基于Transformer的潜在状态架构World Machine，用于时间序列生成式世界建模，在合成数据集Toy1D上验证了其超越传统Transformer的能力。
HorizonDrive: 用于长时域驾驶仿真的自纠正自回归世界模型
机构 * Wuhan University（武汉大学） ； The University of Tokyo（东京大学） ； Horizon Robotics ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 针对自回归驾驶仿真中教师模型因自身预测漂移导致监督退化的问题，提出HorizonDrive框架，通过计划性滚转恢复（SRR）训练抗漂移教师模型，并利用教师滚转分布匹配蒸馏（TRD）实现长时域监督下的高效学生模型部署。
Comments Comments: 22 pages, 14 figures. Project page: https://zcliangyue.github.io/HorizonDrive Code: https://github.com/zcliangyue/HorizonDrive
移动世界模型如何指导GUI代理？
机构 * Nanyang Technological University（南洋理工大学） ； MiLM Plus, Xiaomi Inc.（小米公司） ； Independent Researchers（独立研究人员） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Wuhan University（武汉大学） ； Xiamen University（厦门大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文通过训练四种模态（增量文本、完整文本、扩散图像、可渲染代码）的世界模型，并评估其在下游任务中的效用，发现可渲染代码重建在分布内保真度高，文本反馈对在线分布外执行更鲁棒，世界模型生成的轨迹可提供迁移经验但无法替代原始分布，且对低熵过度自信的代理，后验自省收益有限。
Exo-Daisy World: 通过信息架构视角重新审视盖亚理论
专题命中 具身推理 ：world model(abstract)
AI总结 本研究通过语义信息理论扩展经典Daisy World模型，分析生物圈与行星环境之间的信息流，提出Exo-Daisy World模型并揭示相关性随恒星亮度增强的规律，为天体生物学观测和不可知生物特征识别提供新方法。
Comments 14 pages, 4 figures, 1 appendix
Agentic-VLA：视觉-语言-动作模型的高效在线自适应
机构 * Ruofan Jin（金鲁凡） ； Zaixi Zhang（张在西）
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出Agentic-VLA框架，通过自适应奖励合成、语言引导探索和经验记忆三大创新，实现VLA模型在线高效自适应，在LIBERO基准上长时域任务提升12.3%，单样本学习提升28.5%，并实现零演示跨任务迁移。
Comments Total 15 pages
基于鲁棒视觉和深度强化学习仿真到现实控制的机器人草莓采摘
机构 * Department of Biological & Agricultural Engineering, Texas A&M University（德克萨斯A&M大学生物与农业工程系） ； Texas A&M AgriLife Research, Texas A&M University System（德克萨斯A&M大学系统农业生命研究） ； Department of Biomechatronics Engineering, National Taiwan University（国立台湾大学生物机械工程系）
专题命中 模仿学习与强化学习 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出结合改进YOLO26-seg视觉模块和仿真训练PPO控制器的闭环草莓采摘系统，在温室试验中实现84.3%总体采摘成功率。
PIMbot：一种用于多机器人强化学习对抗性操纵的自适应攻击框架
机构 * University of California, Riverside（加州大学河滨分校）
专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出PIMbot框架，通过奖励激励操纵和策略操纵两种互补杠杆，并采用自适应多目标控制器在线平衡，有效操纵多机器人社会困境环境，实验验证了其在仿真和真实嵌入式系统中的有效性。
Comments Extension version of IROS'23
模仿学习的仪器化：增强衣架插入训练数据集
机构 * AI and Robotics Lab (IDLab-AIRO)（人工智能与机器人实验室（IDLab-AIRO）） ； Ghent University—imec（根特大学—imec）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文通过仪器化（在物体中集成传感器）提供状态信息，训练扩散策略进行衣架插入任务，实验表明仪器化策略比纯视觉策略成功率提高14-25%，且黑箱模仿学习能自动优先使用仪器信号。
Comments Accepted for presentation at ICRA2026
基于可度量任务表征学习的课程强化学习
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Fuzhou University（福州大学） ； China Academy of Sciences（中国科学院）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 提出一种基于可度量任务表征学习的自动课程生成方法，通过变分自编码器将任务空间映射到具有相似性度量的潜在空间，并据此生成逐步接近目标任务的课程，在复杂导航任务中优于现有插值和生成对抗网络方法。
Journal ref Neural Networks, 109019 (2026)
蒸馏思考，预见行动：面向自动驾驶的认知-物理强化学习
机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建大学）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.CV、cs.LG
AI总结 提出CoPhy框架，通过蒸馏VLM知识到BEV编码器实现零推理成本的认知能力，并构建自回归BEV世界模型预测未来语义地图以提供可解释的物理沙盒，结合双奖励机制（物理奖励和安全约束、认知奖励和意图对齐）优化驾驶策略，在NAVSIM基准上取得最优结果。
SkillTree: 面向长时域控制任务的可解释基于技能的深度强化学习
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； National Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Polixir Technologies ； SenseTime Research（商汤科技研究院）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 提出SkillTree框架，通过可微决策树将连续动作空间离散化为技能空间，实现技能级可解释性，在复杂机器人臂控制任务中达到与基于技能的神经网络相当的性能。
一种增强转向能力和适应性的重构轮腿机器人
机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统方向，香港科技大学（广州））
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO；robotics(journal_ref)
AI总结 提出一种名为FLORES的新型轮腿机器人，通过将前腿的髋关节横滚自由度替换为偏航自由度，并设计定制强化学习控制器，实现了高效转向和多地形适应。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7444-7451, June 2026
NeuroNL2LTL：用于线性时序逻辑自然语言翻译的神经符号框架
机构 * Baylor University（贝勒大学）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.AI
AI总结 提出NeuroNL2LTL神经符号框架，通过验证器在环训练和最小编辑修复机制，实现自然语言到线性时序逻辑的高可靠性翻译，在20万+需求上达到86%的可满足性输出。
血管内介入机器人的远程遥操作：系统综述
机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London（生物医学工程与成像科学学院，伦敦国王学院） ； Department of Engineering, King’s College London（工程系，伦敦国王学院） ； Department of Neuroradiology, King’s College Hospital（神经放射学系，伦敦国王医院）
专题命中 人机交互与遥操作 ：robotic(abstract,comments)；分类 cs.RO
AI总结 本文系统综述了远程遥操作血管内介入机器人的技术可行性、通信基础设施和临床结局，发现机械或电磁驱动的导管导丝可在7000公里内实现遥操作，网络延迟在临床可接受范围内，但多数证据来自动物或模型研究，未来需多中心临床试验验证。
Comments The manuscript has been submitted to IEEE Transaction on Medical Robotic and Bionics
USIM 和 U0：面向通用水下机器人的视觉-语言-动作数据集与模型
机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； Baidu Inc.（百度公司） ； The School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 机器人数据与评测 ：robotics(abstract)；embodied agent(abstract)；manipulation(abstract)；navigation(abstract)
AI总结 提出一个统一框架，通过数据合成管道构建模拟数据集 USIM 和视觉-语言-动作模型 U0，实现水下机器人从避障导航到三维移动操作的多任务执行，在离线动作预测误差和在线成功率上达到最优。
Comments Project Page: https://vincentgu2000.github.io/u0project/
基于SOFA框架的软体动态仿真的气动变形软四旋翼建模与控制
机构 * Luleå University of Technology（卢勒奥技术大学） ； VUB Brussels University（布鲁塞尔自由大学） ； IMEC Center（IMEC中心） ； Robotics & AI（机器人与人工智能）
专题命中 机器人数据与评测 ：robotic(title)；分类 cs.RO
AI总结 提出基于SOFA的有限元方法对气动变形软四旋翼进行软体建模、动态仿真与控制，保留传统四旋翼动力学结构并捕捉软臂复杂时变行为，通过比例积分控制器实现目标位置控制。
Comments 8 pages, 10 figures
人工神经网络求解逆运动学需要多少训练样本
机构 * The University of Suwon（苏won大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 研究通过数学框架和实验分析，确定人工神经网络求解机器人逆运动学所需的最小训练样本数，发现超过125个样本不再提升模型效率。
Comments 14 pages, 5 figures
基于深度点对应的无靶标联合相机-激光雷达内参和外参标定
机构 * Department of Computer Science, University of Freiburg, Germany（弗赖堡大学计算机科学系）
专题命中 机器人数据与评测 ：robotics(abstract,comments)；分类 cs.CV
AI总结 提出首个完全无靶标的联合标定流程，通过深度像素-点对应同时估计相机内参（含畸变）和相机-激光雷达外参，并采用结构运动初始化内参、联合非线性优化。
Comments presented at 2nd German Robotics Conference (GRC)
利用真实世界视频学习粒子动力学模型
机构 * Oregon State University（俄勒冈州立大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 提出一种从无标签真实视频直接训练神经物体动力学模型的框架，结合高斯溅射技术，通过渲染监督学习粒子位置和旋转变化，避免对合成数据的依赖。
Comments CVPR 2026 Findings
CRONOS：视频模型中反事实物理一致性的基准测试
机构 * University of Freiburg（弗莱堡大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； CISPA Helmholtz Center for Information Security（哈勒斯海姆信息安全中心）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 提出CRONOS基准，通过干预视角、场景、物体类别和外观四个因素，评估视频模型在固定物理事件类型下反事实物理一致性的表现，发现现有模型存在显著失败。
Comments 27 pages, 12 figures
操纵基准测试有多难？排行榜鲁棒性的社会选择分析
机构 * Department of Statistics, LMU Munich（慕尼黑大学统计系） ； Social Data Science Center, University of Maryland（马里兰大学社会数据科学中心） ； School of Computing & Communications, Lancaster University Leipzig（莱比锡兰卡斯特大学计算与通信学院）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.LG
AI总结 本文通过社会选择理论中的移位贿赂问题，将基准特定训练建模为选举操纵，证明在Borda计数和平均胜率下该问题是NP难的，并引入实例级鲁棒性度量，实验表明平均胜率最难操纵。
WMAttack：世界模型智能体对抗评估的自动化攻击搜索
机构 * Nanyang Technological University（南洋理工大学） ； University of Szeged（塞格德大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.LG
AI总结 提出WMAttack框架，通过自校正攻击搜索和表征引导攻击检索，自动搜索攻击配置以高效评估世界模型智能体的对抗鲁棒性。
VGGT-Segmentor: 几何增强的跨视角分割
机构 * Hangzhou International Innovation Institute of Beihang University（北航杭州国际创新研究院） ； Beihang University（北京航空航天大学）
专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.CV
AI总结 针对不同视角下的实例分割难题，提出VGGT-Segmentor框架，结合VGGT的几何建模与新型Union分割头，通过掩码提示融合、点引导预测和迭代细化实现像素精确分割，并采用单图像自监督训练，在Ego-Exo4D基准上达到新最优性能。
Multi-SpatialMLLM: 多模态大语言模型的多帧空间理解
机构 * FAIR, Meta（FAIR，Meta） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 提出一种框架，通过整合深度感知、视觉对应和动态感知等基本空间技能，使多模态大语言模型具备多帧空间理解能力，并构建MultiSPA数据集和基准测试，模型Multi-SpatialMLLM在多项任务上取得显著提升。
Comments CVPR 2026 Camera Ready. 27 pages. Project page: https://runsenxu.com/projects/Multi-SpatialMLLM
BYOT-CPS：用于物联网安全评估和平台评估的混合信息物理系统测试平台
专题命中 机器人数据与评测 ：manipulation(abstract)
AI总结 提出一种混合信息物理测试平台BYOT-CPS，通过连接真实物联网设备与基于GNS3的虚拟化网络基础设施，在保留真实设备行为的同时支持安全实验、教育和商业物联网安全平台独立评估。
主动感知服务于任务级控制
机构 * Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算感知与机器人实验室） ； Federated Department of Biological Sciences, New Jersey Institute of Technology（新泽西理工学院联合生物科学系） ； Department of Mathematics, Cornell University（康奈尔大学数学系） ； Department of Mathematics and Statistics, University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校数学与统计学系） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出主动感知并非为减少状态不确定性，而是任务级控制的必然产物，并通过生物数据和数学理论支持这一观点，同时探讨了探索与利用两种行为模式的切换及其对工程系统的启示。
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