机器人 / 具身智能

USIM and U0: A Vision-Language-Action Dataset and Model for General Underwater Robots

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

Junwen Gu, Zhiheng Wu, Pengxuan Si, Shuang Qiu, Zhentao Zhang, Yukai Feng, Luoyang Sun, Laien Luo, Lianyi Yu, Jian Wang, Zhengxing Wu

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） 纠错

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/

Modeling and Control of a Pneumatic Morphing Soft Quadrotor based on the SOFA Framework for Dynamic Soft Robotic Simulation

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

F. Labra Caso, V. Sumathy, P. Ferrentino, B. Vanderborght, J. Haluska, G. Nikolakopoulos

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） 纠错

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

How Many Training Samples Are Needed for the Inverse Kinematics Solutions by Artificial Neural Networks

人工神经网络求解逆运动学需要多少训练样本

Dong-Won Lim

机构 * The University of Suwon（苏won大学） 纠错

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

Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences

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

Simon Bultmann, Daniele Cattaneo, Abhinav Valada

机构 * Department of Computer Science, University of Freiburg, Germany（弗赖堡大学计算机科学系） 纠错

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)

Learning a Particle Dynamics Model with Real-world Videos

利用真实世界视频学习粒子动力学模型

Chanho Kim, Suhas V. Sumukh, Li Fuxin

机构 * Oregon State University（俄勒冈州立大学） 纠错

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: Benchmarking Counterfactual Physical Consistency in Video Models

CRONOS：视频模型中反事实物理一致性的基准测试

León Begiristain, Olaf Dünkel, Adam Kortylewski

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） 纠错

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

How Hard is it to Rig a Benchmark? A Social Choice Analysis of Leaderboard Robustness

操纵基准测试有多难？排行榜鲁棒性的社会选择分析

Polina Gordienko, Georg Schollmeyer, Frauke Kreuter, Christoph Jansen

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） 纠错

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: Automated Attack Search for Adversarial Evaluation of World-Model Agents

WMAttack：世界模型智能体对抗评估的自动化攻击搜索

Zhixiang Guo, Siyuan Liang, Shi Fu, Cheng Guo, Andras Balogh, Mark Jelasity, Dacheng Tao

机构 * Nanyang Technological University（南洋理工大学） ； University of Szeged（塞格德大学） 纠错

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: Geometry-Enhanced Cross-View Segmentation

VGGT-Segmentor: 几何增强的跨视角分割

Yulu Gao, Bohao Zhang, Zongheng Tang, Jitong Liao, Wenjun Wu, Si Liu

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） 纠错

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: Multi-Frame Spatial Understanding with Multi-Modal Large Language Models

Multi-SpatialMLLM: 多模态大语言模型的多帧空间理解

Runsen Xu, Weiyao Wang, Hao Tang, Xingyu Chen, Xiaodong Wang, Fu-Jen Chu, Matt Feiszli, Kevin J. Liang

机构 * FAIR, Meta（FAIR，Meta） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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: A Hybrid Cyber-Physical Systems Testbed for IoT Security Assessment and Platform Evaluation

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

Yan Lin Aung, Nelson Che Neba

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。