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。
HumanEgo：从几分钟的人类自我中心视频中零样本学习机器人
机构 * University of Maryland（马里兰大学）
专题命中 机器人学习 ：robot learning(title)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出HumanEgo框架，通过将人类演示提升为手-物体交互的实体级表示，并训练具有密集辅助目标的流匹配策略，实现从人类自我中心视频到机器人的零样本、无机器人数据、硬件无关的技能迁移。
Comments Project page: https://humanego-ai.github.io
动态渐进式参数高效专家库混合用于终身机器人学习
机构 * The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Huawei Cloud Computing Technologies（华为云计算技术） ； Ola Dimensions ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心）
专题命中 机器人学习 ：robot learning(title,abstract)；分类 cs.RO、cs.LG
AI总结 针对终身学习中任务标识不可用和知识隔离问题，提出动态渐进式参数高效专家库混合（DMPEL），通过构建低秩专家库和轻量路由器实现灵活的前向迁移，并引入专家系数回放缓解遗忘，在LIBERO基准上以最少可训练参数和存储超越现有方法。
Comments Accepted to Transactions on Machine Learning Research (TMLR) at https://openreview.net/forum?id=MHVBrjS8cG . Code is available at https://github.com/HarryLui98/DMPEL
MARS策略：仅在必要时使用多模态
机构 * MARS Lab, Nanyang Technological University（MARS实验室，南洋理工大学）
专题命中 机器人学习 ：robot learning(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出MARS策略，通过自适应地在需要时引入随机性，在单模态阶段使用确定性学习，平衡生成策略的多模态能力与确定性模型的高效率，在模拟和真实任务中提升成功率和推理速度。
Comments 13 figures, 17 pages
GaussianDream：用于机器人操作的前馈3D高斯世界模型
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；world model(title)；分类 cs.RO
AI总结 提出GaussianDream，一种前馈3D高斯世界模型插件，通过可学习查询编码当前帧3D空间结构和短期未来演化，在训练时用静态重建和未来预测头监督，推理时仅保留查询条件化动作生成，在多个机器人操作基准上达到最先进性能。
Comments 19 pages, 9 figures
DynaFLIP: 通过三模态动力学引导表示重新思考机器人感知
机构 * Seoul National University（首尔国立大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 机器人操作 ：robotics(title,comments)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 提出DynaFLIP，一种动力学感知的多模态预训练框架，通过图像-语言-3D流三元组训练图像编码器，利用单纯形体积最小化与余弦正则化和对比目标对齐三模态，提升机器人操作中的运动理解与泛化能力。
Comments Project website: https://dynaflip-robotics.github.io
SM2ITH：通过任务分层双层模型预测控制实现安全移动操作与人机交互预测
机构 * Department of Computer, Control and Management Engineering, of Sapienza University of Rome（意大利萨皮恩扎大学计算机、控制与管理工程系） ； University of Toronto Institute for Aerospace Studies (UTIAS) and the Vector Institute for Artificial Intelligence（多伦多大学航空航天研究所（UTIAS）和向量人工智能研究所） ； Learning Systems and Robotics lab at the Technical University of Munich and the Munich Institute for Robotics and Machine Intelligence (MIRMI)（慕尼黑技术大学学习系统与机器人实验室及慕尼黑机器人与机器智能研究所（MIRMI）） ； School of Computing Science, Faculty of Applied Sciences, Simon Fraser University（西蒙·弗雷泽大学应用科学学院计算机科学系）
专题命中 机器人操作 ：manipulation(title,abstract)；navigation(abstract)；分类 cs.RO；robotics(comments)
AI总结 提出SM$^2$ITH框架，结合分层任务模型预测控制与双层优化的人机交互预测，实现动态人机环境中的安全高效移动操作。
Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026
Gaze2Act: 基于注视条件的视觉-语言-动作策略用于交互式机器人操作
机构 * MARS Lab, Nanyang Technological University（MARS实验室，南洋理工大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robot learning(abstract)；分类 cs.RO
AI总结 提出Gaze2Act框架，通过将人类注视作为动态意图信号，结合跨视角语义匹配和策略级条件化，实现机器人对复杂交互任务的精确操作。
Comments Project page: https://zuo-kuangji.github.io/Gaze2Act/
通过一致性训练减少政治操纵
机构 * Center for AI Safety（人工智能安全中心） ； UC Berkeley（加州大学伯克利分校）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI
AI总结 针对大语言模型在敏感话题中表现出的隐性政治偏见，提出政治一致性训练（PCT）方法，通过情感一致性和帮助一致性两个指标及相应训练范式来减少偏见。
去中心化LLM驱动的声学机器人协调用于非接触式物体操控
机构 * Department of Computer Science, University College London（计算机科学系，伦敦大学学院） ； Department of Artificial Intelligence, University of Malaya（人工智能系，马来大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出一种去中心化框架，利用Whisper语音识别和LLM语义解析将自然语言指令转换为多机器人任务计划，实现声学机器人的非接触式物体操控，实验验证了顺序、并行和同步协作任务的有效性。
Comments This paper has been accepted for publication in the Proceedings of the 2026 IEEE 22nd International Conference on Automation Science and Engineering (CASE 2026), August 17-21, 2026, Shenyang, China
野外移动操作抓取策略的实用见解
机构 * Toyota Research Institute（丰田研究院）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；分类 cs.RO
AI总结 本文通过SHOPPER移动操作机器人在真实杂货店中的部署实验，提出并分析了通用抓取策略的设计方法及数百次抓取尝试中的关键失败模式，为机器人社区提供了实用见解和待解决的关键挑战。
Comments 8 pages, 8 figures, submitted to IROS 2025
LLM引导的未来假设用于多步机器人操作中的视野感知探索
机构 * Institute of Artificial Intelligence, University of Bremen（人工智能研究所，不莱梅大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出未来经验条件化（FEC）框架，利用LLM生成短期未来视频作为结构化先验，结合行为克隆和强化学习微调，提升多步机器人操作中的探索和策略适应能力。
流式拖拽导向的交互式视频操作：随时拖动任何物体！
机构 * Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.CV
AI总结 提出REVEL任务和DragStream方法，通过自适应分布自校正和空间频率选择性优化，实现自回归视频扩散模型的流式拖拽交互操作。
相位条件化模仿学习与自主故障恢复用于鲁棒可变形物体操作
机构 * Department of Robotics, Tohoku University（东大理学院机器人系） ； JC STEM Lab of Robotics for Soft Materials, the Department of Electrical and Computer Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与计算机工程系软材料机器人实验室）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出一种相位条件化、力感知的闭环分层框架，通过FiLM调节的ACT编码器和多模态相位预测器实现自主故障恢复，显著提升可变形物体操作的成功率。
Comments Accepted to IEEE/ASME Transactions on Mechatronics
电子显微镜中碳纤维尖端操控纳米颗粒用于μ-SQUID磁力测量
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 本文报道了一种基于碳纤维尖端的纳米操控系统，可在扫描电子显微镜中实现单个纳米颗粒的表面定位，并成功将Fe₃O₄磁性纳米颗粒置于微米级超导量子干涉器件上以探测其磁性。
Comments 7 pages, 4 figures, suppl-info available through email
LEIA: 用于交互式架构材料的学习环境
机构 * Unreasonable Labs
专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；robotic(abstract)；分类 cs.LG
AI总结 提出LEIA世界模型，通过逐步施加边界条件并实时观察变形和应力场，支持工程师交互式探索架构材料，并实现快速代理引导的候选生成与排序。
Comments 22 pages, 10 figures
将偏见转化为漏洞：基于Bandit引导的LLM裁判风格操纵攻击
机构 * School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） ； Nanyang Technological University, Singapore（南洋理工大学）
专题命中 机器人操作 ：manipulation(title)；分类 cs.AI、cs.LG
AI总结 提出BITE黑盒对抗框架，将风格编辑选择建模为上下文Bandit问题，通过LinUCB策略自适应选择编辑以误导LLM裁判并人为提高评分，攻击成功率超65%。
Comments Accepted to the Forty-Third International Conference on Machine Learning (ICML 2026)
Masquerade: 利用数据编辑从真实世界人类视频中学习
机构 * Stanford University（斯坦福大学）
专题命中 机器人操作 ：manipulation(abstract)；robot policy(abstract)；分类 cs.RO；robotics(journal_ref)
AI总结 提出Masquerade方法，通过编辑真实世界第一人称人类视频（估计3D手部姿态、修复手臂、叠加渲染双臂机器人）弥合视觉具身差距，并利用编辑后的视频预训练视觉编码器、微调扩散策略头，在三个长时程双臂厨房任务中实现比基线高5-6倍的泛化性能。
Comments Project website at https://masquerade-robot.github.io/
Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA), 2026
Phantom: 仅使用人类视频训练机器人，无需机器人
机构 * Stanford University（斯坦福大学）
专题命中 机器人操作 ：robot learning(abstract,journal_ref)；manipulation(abstract)；分类 cs.RO
AI总结 提出一种仅从人类视频演示中训练机器人操作策略的框架，通过手部姿态估计和视觉数据编辑将人类演示转化为机器人兼容的观察-动作对，实现零样本部署并达到最高92%的成功率。
Comments Project website at https://phantom-human-videos.github.io
Journal ref The 9th Conference on Robot Learning (CoRL 2025)
超材料与流体流动
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)
AI总结 本文综述了超材料在流体-结构相互作用中的应用，探讨了通过设计材料内部结构来精确操控流固耦合、声固耦合及弹性动力学响应，并展望了该领域的关键挑战与未来方向。
Comments 4 figures
Journal ref Nature Communications 17, 4144 (2026)
使用哈希概率金字塔的欧拉高斯溅射
机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 提出一种基于概率溅射的辐射场框架，用梯度优化的体积概率密度替代启发式操作，通过多尺度哈希网格实现端到端优化，在mip-NeRF 360上达到SOTA重建质量并保持3DGS渲染速度。
Comments CVPR 2026. Project Page: https://euleriansplatting.github.io
MonoDuo: 使用单机械臂学习双臂策略
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO；robotics(comments)
AI总结 提出MonoDuo框架，利用单臂机器人演示和人类协作数据，通过数据增强生成合成演示，训练双臂机器人策略，在五项任务中实现零样本部署和少样本微调，成功率高达70%。
Comments Accepted to appear in the 2026 IEEE International Conference on Robotics and Automation (ICRA), Vienna, Austria, 1-5 June 2026
学习扰动隐藏表示以实现可泛化深度学习
机构 * Henan University（河南大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 提出学习扰动激活（LPA）方法，通过自适应地扰动隐藏层激活并利用PGD学习类别级扰动，提升模型泛化能力，在平衡分类、长尾分类和域泛化任务上优于现有方法。
带外元数据对安全自主智能体的重要性：Redpanda 智能体数据平面
机构 * Redpanda USA / Germany（Redpanda美国/德国）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 针对自主智能体在安全关键元数据处理上的不可靠性，提出基于带外元数据通道的 Redpanda 智能体数据平面架构，实现访问策略、数据分类和行为约束的确定性执行，并通过多智能体投资组合再平衡系统验证其有效性。
Comments 6 pages, 1 figure. Published at SAO '26 (co-located with ACM CAIS '26)
扩散模型的正交概念擦除
机构 * University of Science（科学技术大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 提出正交概念擦除（OCE）方法，通过几何视角的乘法参数更新实现精确概念擦除，同时保持生成能力，支持多概念擦除。
Comments Accepted by ICML 2026 Oral
人形机器人的多指力感知控制
机构 * Humanoid Sensing and Perception, Istituto Italiano di Tecnologia, Genoa, Italy（人机感知与感知，意大利技术研究院，热那亚，意大利） ； DIBRIS, Università di Genova, Via All’Opera Pia, 13, Genoa, Italy（DIBRIS，热那亚大学，Via All’Opera Pia, 13，热那亚，意大利） ； MESH Facility, Istituto Italiano di Tecnologia, Genoa, Italy（MESH设施，意大利技术研究院，热那亚，意大利）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 提出一种基于力估计的多指手人形机器人控制方案，通过调整躯干、手臂、手腕和手指的运动重新分配力，以维持与物体的稳定接触，在平衡任务中成功率达82.7%。
Comments This work has been accepted for publication in ICRA 2026
Gaga: 通过3D感知记忆库分组任意高斯体
机构 * University of California, Merced（加州大学默塞德分校） ； NVIDIA Research（英伟达研究） ； Google DeepMind（谷歌DeepMind） ； Atmanity Inc.（Atmanity公司）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 提出Gaga框架，利用零样本类别无关分割模型预测的不一致2D掩码，通过3D感知记忆库关联不同视角下的物体掩码，实现开放世界3D场景的重建与分割。
Comments TMLR Camera-Ready Version. Project Page: https://weijielyu.github.io/Gaga
对抗诚信：通过实时市场动态识别假球
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本研究利用意大利足球乙级联赛的高频实时投注数据，通过状态空间模型描述标准投注市场动态并预测预期投注量，再结合异常值检测技术识别异常投注行为，为早期发现假球提供统计支持。
量子点中的相干与耗散自旋扭矩：量子自旋动力学的统一框架
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出一个统一理论框架，通过Lindblad主方程描述分子量子点中自旋转移、自旋扭矩和自旋共振，涵盖相干交换相互作用和耗散自旋扭矩效应，并扩展到耦合自旋系统，揭示自旋相干性和纠缠对局域自旋扭矩的响应。
Comments for data availability, see https://doi.org/10.3929/ethz-c-000798476
Journal ref Phys. Rev. Research 8, 023121- Published 5 May, 2026
用于亚赫兹晶格钟光谱的超低噪声布里渊混合合成激光器
专题命中 机器人操作 ：manipulation(abstract)
AI总结 通过结合低温硅腔的超高频率稳定性和集成布里渊激光器的高傅里叶频率噪声抑制，实现了覆盖超过7个数量级傅里叶范围的频率噪声抑制，产生亚赫兹线宽，并用于亚赫兹拉比光谱测量。
SafeReview: 防御基于LLM的评审系统免受对抗性隐藏提示攻击
机构 * CISPA ； Westlake University（西交利物浦大学） ； Southern University of Science and Technology（南方科技大学） ； HKUST (Guangzhou)（香港科技大学（广州））
专题命中 机器人操作 ：manipulation(abstract)
AI总结 提出SafeReview，一种共进化对抗训练框架，通过联合训练生成器和防御者模型，增强基于LLM的同行评审系统对对抗性隐藏提示的鲁棒性。
Comments 17 pages, 5 figures, 8 tables
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