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。
训练扩散语言模型用于黑盒优化
专题命中 模仿学习与强化学习 ：robotics(abstract)
AI总结 针对离线黑盒优化问题，提出通过扩散语言模型的双向建模能力，结合统一语料构建和两阶段后训练框架，实现高效设计生成，在Design-Bench上达到最优性能。
Comments Accepted at ICML 2026 as a Spotlight Paper (top 2.2% of submissions)
物理人机交互中节能控制的自适应PD增益
机构 * University of Calgary（卡尔加里大学） ； University of Waterloo RoboHub（多伦多大学罗布hub）
专题命中 人机交互与遥操作 ：robotics(abstract,abstract_cn)；分类 cs.RO
AI总结 提出一种自适应PD控制器，通过限制机器人动能和势能实现安全物理人机交互，并给出稳定性证明与实验验证。
Journal ref Proceedings of the 23rd Conference on Robots and Vision, 2026
FAIR^2 Drones：跨领域野生动物无人机数据集的AI就绪标准
机构 * The Ohio State University, Department of Computer Science and Engineering（俄亥俄州立大学计算机科学与工程系） ； School of Civil, Aerospace and Design Engineering, University of Bristol（布里斯托尔大学土木、航空航天与设计工程学院） ； D Optical Metrology (3DOM), Fondazione Bruno Kessler (FBK)（3DOM光学计量（3DOM），布鲁诺·克塞勒基金会（FBK）） ； Computer Vision and Machine Learning Systems Group, Institute for Geoinformatics, University of Muenster（计算机视觉与机器学习系统组，地理信息研究所，穆恩斯特大学） ； Unmanned Aerial Systems Center, University of Southern Denmark（无人飞行系统中心，南部丹麦大学） ； Department of Collective Behavior, Max Planck Institute of Animal Behavior（集体行为部门，动物行为马克斯·普朗克研究所） ； Department of Biology, University of Konstanz（生物学系，康斯坦茨大学） ； Department of Biology, University of Southern Denmark（生物学系，南部丹麦大学）
专题命中 人机交互与遥操作 ：robotics(abstract)；分类 cs.RO
AI总结 提出FAIR^2 Drones标准，通过整合FAIR和AI就绪数据框架并添加平台元数据和标注规范，使无人机数据集同时支持生态分析、机器人算法开发和计算机视觉基准测试。
导航独立性：视障人士体验与需求调查
专题命中 人机交互与遥操作 ：navigation(abstract)
AI总结 通过全球视障人士在线调查，发现智能手机应用是最常用的数字导航辅助工具，但成本、可及性和可用性障碍导致大量参与者不使用辅助导航技术，且用户更偏好可穿戴和免提系统。
Comments 8 pages, 2 figures, 6 Tables. This paper has been accepted for presentation at the ICCHP 2026 conference (International Conference on Computers Helping People with Special Needs)
将机器人数据集构建建模为基于工件的构建过程
机构 * Institute for Autonomous Driving, University of the Bundeswehr Munich（自主驾驶研究所，联邦国防军 Munich 大学）
专题命中 机器人数据与评测 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 本文提出将机器人数据集构建建模为基于工件的构建过程，并实现开源工具Bagzel，通过依赖图管理和增量构建显著降低数据集更新延迟，实验表明在迭代工作流中速度提升高达386倍。
Comments Accepted 2026 IEEE 22nd International Conference on Automation Science and Engineering (CASE 2026), 6 pages, 6 figures, 2 tables
通过可信推理实现许可安全：可验证的信念空间神经安全滤波器用于保证交互式机器人
机构 * Department of Computer Science, Johns Hopkins University, USA（约翰霍普金斯大学计算机科学系）
专题命中 机器人数据与评测 ：robotics(title,abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 针对交互式机器人中人类不确定性带来的安全问题，提出一种基于共形预测的信念空间安全滤波器验证方法，在考虑推理可靠性的前提下保证高概率安全，并减少保守性。
Comments Accepted to the 17th World Symposium on the Algorithmic Foundations of Robotics (WAFR 2026)
SceneSmith: 面向仿真就绪室内场景的智能体生成
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；robot policy(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出层次化智能体框架SceneSmith，通过VLM智能体协作从自然语言生成仿真就绪的室内场景，相比先前方法生成3-6倍物体且碰撞率低于2%。
Comments ICML 2026 Spotlight; Project page: https://scenesmith.github.io/
ExpertGen: 从非完美行为先验的可扩展仿真到现实专家策略学习
机构 * Robotics and AI Institute（机器人与人工智能研究院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sony AI（索尼人工智能）
专题命中 机器人数据与评测 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出ExpertGen框架，通过扩散策略初始化行为先验并结合强化学习优化噪声，在仅稀疏奖励下生成高质量专家策略，实现从仿真到现实的可扩展迁移。
用于空间机器人感知的层次化物体表示：点云、网格和超二次曲面
机构 * National University of Singapore (NUS)（新加坡国立大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
专题命中 机器人数据与评测 ：robotics(abstract,abstract_cn)；navigation(abstract)；分类 cs.RO
AI总结 提出一种层次化物体表示方法，从原始传感器数据逐步抽象为稠密网格和超二次曲面，用于高保真重建、鲁棒重定位和高效碰撞检测，并在室内外场景中验证其有效性。
Comments 18 pages, 5 figures, 4 tables
事件相机三维重建综述
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 机器人数据与评测 ：robotics(abstract)；navigation(abstract)；分类 cs.AI、cs.CV
AI总结 本文首次全面综述了基于事件相机的三维重建方法，按输入模态（立体、单目、多模态）和重建技术（几何、深度学习、神经渲染如NeRF和3DGS）分类，并讨论了数据集、评估、表示和动态场景重建等挑战。
Comments This survey has been accepted for publication in the Computational Visual Media Journal
Ego-METAS：面向自我中心的在线多模态节能时间动作分割基准
机构 * University of Zaragoza - I3A（萨拉戈塔大学 - I3A） ； Department of Mathematics and Computer Science, University of Catania（卡塔尼亚大学数学与计算机科学系）
专题命中 机器人数据与评测 ：embodied AI(abstract)；embodied agent(abstract)；分类 cs.CV
AI总结 为解决资源受限设备上的能耗感知问题，提出了首个自我中心在线多模态节能时间动作分割基准Ego-METAS，包含超过100小时未裁剪视频和5种模态，要求模型动态选择传感器并遵守能量预算，评估显示最优路由高度依赖场景，现有方法难以适应连续环境。
Comments Project Page: https://maria-sanvil.github.io/Ego-METAS-website/
通过数据溯源实现可复现的基于仿真的机器人验证
机构 * Argentine Institute of Technology（阿根廷技术研究所）
专题命中 机器人数据与评测 ：robotics(abstract)；navigation(abstract)；分类 cs.RO
AI总结 针对基于仿真的机器人验证可复现性不足的问题，提出将数据溯源与FAIR原则集成到测试流程中，通过追踪工件链接和附加机器可读元数据来增强可复现性，并在移动机器人导航数据集上验证了该方法。
Comments Accepted for publication at 2026 IEEE RAS International Conference on Engineering Reliable Autonomous Systems (ERAS)
URDF-Anything+：面向仿真就绪铰接资产的端到端生成
机构 * Peking University（北京大学） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） ； University of Washington（华盛顿大学）
专题命中 机器人数据与评测 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出URDF-Anything+，一种端到端自回归扩散框架，从单张RGB图像直接生成仿真就绪的URDF模型，统一建模部件几何与铰接结构。
MASER: 面向具身3D空间智能的模态自适应专家路由
机构 * Boston University（波士顿大学）
专题命中 机器人数据与评测 ：embodied agent(abstract,comments)；分类 cs.AI、cs.CV
AI总结 提出MASER框架，通过训练共享VLM骨干的五个模态适配器并学习基于问题选择最佳适配器的神经路由策略，解决具身代理在3D环境中多模态推理时忽略问题语义的问题。
Comments Accepted to CVPR 2026 Foundation Models Meet Embodied Agents Workshop
FW-NKF: 频率加权神经卡尔曼滤波器
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出频率加权神经卡尔曼滤波器（FW-NKF），通过将因果谱整形算子嵌入卡尔曼测量残差并联合学习观测和状态转移网络，抑制频带受限噪声，在混沌系统和惯性姿态估计等任务中定位误差降低达10%。
Comments Published at ICRA 2026
AnyMo: 基于掩码建模的任意模态条件运动生成
机构 * Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, China（中国科学院智能信息处理重点实验室（中国科学院计算技术研究所，中国）） ； University of Chinese Academy of Sciences, China（中国科学院大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 提出AnyMo框架，结合残差FSQ运动分词器和可扩展掩码建模Transformer，利用大规模多模态对齐数据集OmniHuMo实现任意模态组合下的高质量人体运动生成。
CloSE: 一种几何形状无关的布料状态表示
机构 * Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙工业机器人与信息技术研究所，CSIC-UPC）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出一种基于拓扑索引的dGLI圆盘表示，并从中抽象出紧凑、连续的CloSE表示，用于预测布料折叠位置并支持语义标注与规划。
Comments Accepted at ICRA 2026 (8 pages, 11 figures, 1 table). Project page: https://close-representation.github.io/
Optuna vs Code Llama：LLM 是超参数调优的新范式吗？
机构 * Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室，CAIDAS与IFI，乌尔姆大学，德国）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 通过微调参数高效的 Code Llama 模型，提出基于大语言模型的超参数优化方法，在多种视觉架构上实现与 Optuna 相当或更优的 RMSE 并大幅降低计算开销。
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), pp. 5664-5674, 2025
ShapeLib: 利用大型语言模型设计程序化3D形状抽象库
机构 * Stanford University（斯坦福大学） ； Adobe Research（Adobe研究） ； University College London（伦敦大学学院） ； Brown University（布朗大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 提出ShapeLib方法，利用大型语言模型的先验知识，通过引导式工作流自动设计可泛化的程序化3D形状抽象库，并支持下游形状编辑与生成。
GSV3D: 基于高斯溅射的几何蒸馏与稳定视频扩散用于单图像3D物体生成
机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； PBVR
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 提出一种结合2D扩散模型隐式3D推理能力与高斯溅射几何蒸馏的方法，通过高斯溅射解码器将SV3D潜变量输出转换为显式3D表示，实现多视图一致性和高质量3D生成。
通过输入二值化弥合半导体视觉程序合成中的仿真到现实差距
机构 * National Institute of Information and Communications Technology, Japan（日本信息通信技术全国研究所）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI
AI总结 提出一种视觉程序合成框架，利用输入二值化策略消除扫描电子显微镜图像的纹理和噪声，使视觉语言模型专注于几何结构，从而弥合仿真到现实的差距，在MIIC数据集上将平均Dice系数从0.4393提升至0.5256。
未修剪长视频中被操纵片段的可解释取证
机构 * MoE Key Laboratory of Brain-Machine Intelligence Technology, College of Artificial Intelligence, Nanjing University of Aeronautics（脑机智能技术关键实验室、人工智能学院、南京航空航天大学） ； Dalian University of Technology（大连理工大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 针对长视频中AI生成片段的定位与解释任务，提出TASLE基准数据集和MSLoc粗到细取证方法，实现时序定位、真实性检测与可解释分析。
Comments Accepted to ICML 2026
TabPrep: 弥合表格基准测试中的特征工程差距
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.LG
AI总结 本文提出TabPrep，一个轻量级预处理流程，通过针对三种特定数据模式设计的特征生成器，系统性地进行特征工程，显著提升多种模型在表格基准测试中的性能。
对称感知的9D姿态估计：Sim(3)一致特征与球形Inception卷积
机构 * National Engineering Research Center for Robot Visual Perception and Control, School of Robotics and Artificial Intelligence, Hunan University（机器人视觉感知与控制国家工程研究中心，机器人与人工智能学院，湖南大学） ； Beijing Spacecrafts, China Academy of Space Technology（北京航天器，中国航天科技研究院） ； School of Computing and Information Systems, The University of Melbourne（计算与信息学院，墨尔本大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.CV
AI总结 提出一种类别级物体姿态估计方法，通过语义引导的对称感知模块和球形大核Inception卷积融合特征，实现无形状先验的精确平移/尺寸估计和鲁棒旋转估计，在基准和真实场景中达到最优性能。
Comments 12 pages, 7 figures
评估算法选择模型的现实世界泛化能力
机构 * Computer Systems Department, Jožef Stefan Institute（计算机系统部门，约泽夫·斯蒂芬研究所） ； Brno University of Technology（布拉格技术大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.LG
AI总结 通过跨基准测试系统评估算法选择模型在合成与现实优化问题上的泛化能力，分析其迁移性能并指出在特定领域应用中的挑战。
Comments 10 pages, 12 figures
IstGPT：基于LLM的工业系统时空图异常检测
机构 * School of Cyber Engineering, Xidian University（电子科技大学信息工程学院） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯winburne技术大学科学与工程技术学院） ； School of Computer Science and Technology, Xidian University（电子科技大学计算机科学与技术学院）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.LG
AI总结 提出IstGPT，首个结合大语言模型与图学习的工业异常检测工具，通过多模态知识提取传感器-执行器依赖图并利用改进的图神经网络实现实时异常检测，在9个数据集上取得最佳F1分数和eTaF1指标。
极简脑机音乐接口用于实时情感驱动声化：系统设计与初步评估
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI
AI总结 本文提出一种极简脑机音乐接口，通过前额EEG活动实时估计情感效价并映射到音乐特征，实验发现额叶alpha不对称性无法可靠区分指令性情绪状态。
RoboStressBench: 在具身场景中基准测试VLM对物理视觉压力的鲁棒性
机构 * HKUST(GZ)（香港科技大学(广州)）
专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.CV
AI总结 本文提出RoboStressBench，从逆图形学角度将视觉压力分解为材质、视角、光照和几何四个物理维度，系统评估VLM在真实物理压力下的鲁棒性，并引入压力感知求解器提升高压力场景下的性能。
SafeVLA-Bench: 视觉-语言-动作模型中成功-安全差距的基准
机构 * University of Notre Dame（诺丁汉大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO
AI总结 提出SafeVLA-Bench，一种基于信号时序逻辑的后验安全评估框架，用于量化VLA策略在完成任务时的安全违规行为，揭示成功与安全之间的差距。
Comments 27 pages, 5 figures
非凸等式和不等式约束下的高效扩散模型 via Landing
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.LG
AI总结 提出一个统一框架，通过计算高效的landing机制替代投影，结合欠阻尼动力学加速混合，在非凸可行集上实现等式和不等式约束下的扩散模型，显著降低计算成本。
Comments 58 pages
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