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。
面向物流具身智能的数据飞轮
机构 * Peking University（北京大学） ； JD Logistics（京东物流） ； HKUST (Guangzhou)（香港科技大学（广州））
专题命中 机器人学习 ：manipulation(abstract)；world model(abstract)；分类 cs.RO
AI总结 提出一种数据驱动的物流具身智能框架，通过构建数据飞轮将日常操作转化为可复用数据资产，利用世界模型生成长尾包裹操作的可靠监督，并整合多模态数据实现策略持续改进。
双重预处理 (DoPr)：针对测试时性能而非验证损失的优化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； DeepMind（深度Mind） ； Google Research（谷歌研究）
专题命中 机器人学习 ：robot policy(abstract)；分类 cs.AI、cs.LG
AI总结 提出双重预处理优化范式，通过结合梯度级和激活级预处理，缓解自回归语言建模等场景中训练/验证损失与下游指标不匹配的测试时反馈问题，提升测试时性能而不一定改善验证损失。
面向长时域任务的安全具身AI：机器人操作跨层分析
机构 * UNIST InnoCORE AI-Space Solar Initiative（UNIST创新核心人工智能空间太阳能计划） ； Ulsan National Institute of Science and Technology (UNIST)（乌山国立科学技术研究院） ； Automation and Systems Research Institute（自动化与系统研究所） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Interdisciplinary Program in Artificial Intelligence（人工智能跨学科项目） ； LG Electronics（LG电子）
专题命中 机器人操作 ：embodied AI(title,abstract)；manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文从具身AI视角，系统综述长时域机器人操作中的安全问题，按干预时机（规划时、策略时、执行时）组织文献，分析证据强度，并指出当前安全保证的不足与未来方向。
Comments 63 pages, 6 figures
多样性是否是可扩展机器人操作的全部需求？
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；robot learning(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文研究了数据多样性在机器人学习中的作用，发现任务多样性比单任务演示量更重要，多身体预训练数据在跨身体转移中可选，专家多样性可能对策略学习产生干扰，提出分布去偏方法提升性能。
Comments Code is available at https://github.com/OpenDriveLab/AgiBot-World
EgoHumanoid: 通过无机器人眼示范解锁真实场景中的移动- manipulation
机构 * University of California, Berkeley（加州大学伯克利分校） ； Tsinghua University（清华大学）
专题命中 机器人操作 ：manipulation(title,title_cn)；分类 cs.RO
AI总结 本文提出EgoHumanoid框架，通过结合大量眼示范数据和少量机器人数据共同训练视觉-语言-动作策略，使机器人能够执行多样化的现实环境中的移动- manipulation任务，实验表明无机器人数据显著提升了性能，尤其在未见过的环境中表现更优。
Comments Project page: https://opendrivelab.com/EgoHumanoid
StereoPolicy：通过立体视觉改进机器人操作策略
机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； Lambda, Inc（Lambda公司）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.CV
AI总结 该研究提出StereoPolicy，一种利用立体视觉提升机器人操作策略的框架，通过同步立体图像对增强几何推理，无需构建显式3D表示，在多个仿真和真实机器人任务中优于RGB、RGB-D、点云等基线方法。
L-SDPPO：用于舱内机器人操作的脉冲扩散策略优化
机构 * Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程系，哈尔滨工业大学） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，香港中文大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO
AI总结 提出L-SDPPO框架，结合脉冲扩散策略与强化学习优化，并引入状态依赖延迟注入机制，在舱内机器人操作任务中实现高成功率和低能耗。
通过零样本迁移学习实现机器人操作任务的样本高效低级运动规划
机构 * School of Computer Science & Informatics, Cardiff University, Cardiff, UK（计算机科学与信息学系，卡迪夫大学，卡迪夫，英国）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(title)；分类 cs.RO、cs.AI
AI总结 提出iCEM+TL框架，通过迁移学习和奖励重塑提高复杂操作任务的成功率，仿真中提升高达23%，并在真实机器人上验证。
Comments 12 pages, 5 figures, International Conference on Artificial Neural Networks (ICANN) 2026 conference accepted
多分辨率触觉模仿学习用于接触丰富的机器人操作
机构 * Interactive Robot Perception & Learning, TU Darmstadt（互动机器人感知与学习，图腾达姆施塔特大学） ； Intelligent Autonomous Systems, TU Darmstadt（智能自主系统，图腾达姆施塔特大学） ； Hessian AI（黑森人工智能） ； Robotics Institute Germany（德国机器人研究所）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
AI总结 提出多分辨率触觉表示框架MiTaS，融合不同时间分辨率的触觉传感器（GelSight Mini和Evetac）与RGB相机，通过模态特定卷积茎和基于Transformer的融合实现复杂接触丰富操作任务的模仿学习，平均成功率80%。
Comments 20 pages, preprint
合成数据生成与基于视觉的褶皱和关键点检测用于双手布料操作
机构 * Department of Engineering, University of Luxembourg（卢森堡大学工程系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Université de Lorraine, Arts et Metiers Institute of Technology, LCFC（洛林大学，艺术与工艺技术学院，LCFC）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 针对布料操作中视觉感知难题，提出基于Blender的合成数据生成管道和结合CNN与YOLOv8-OpenCV的感知框架，实现褶皱抓取和关键点熨烫，关键点模型平均位置误差1.7615像素。
ContactExplorer: 接触覆盖引导的通用灵巧操作探索
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； RoboScience（机器人科学）
专题命中 机器人操作 ：manipulation(title,abstract)；navigation(abstract)；分类 cs.RO、cs.AI
AI总结 提出ContactExplorer方法，通过接触覆盖奖励和能量引导奖励，在灵巧操作任务中高效探索接触模式，提升样本效率和成功率。
Comments 24 pages
通过符号规划与残差算子学习的逆操作
机构 * University of Bologna（博洛尼亚大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出一种混合框架，结合STRIPS-like符号规划与残差强化学习，实现机器人操作任务的逆操作，在ManiSkill3 PushCube任务中验证了将近似符号逆操作转化为物理可行的逆技能。
Comments To be presented in PlanRob26
Dream.exe: 视频生成模型能否梦想出可执行的机器人操作？
机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； University of Oxford（牛津大学） ； Tencent（腾讯）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.CV
AI总结 提出Dream.exe评估框架，通过视频到执行流水线测试视频生成模型产生的运动能否转化为可执行的机器人操作，发现视觉质量不能预测可执行性。
TAM: 用于鲁棒操作运动传递的扭矩自适应模块
机构 * KAIST（韩国科学技术院） ； Allen Institute for AI（人工智能研究院） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出扭矩自适应模块（TAM），通过历史编码器和扭矩适配器修正扭矩指令，实现不同机器人或负载间的运动传递，无需领域随机化或重新收集数据。
基于分布式生成式AI模型的人机协作操作对话框架
机构 * Automation Technology and Mechanical Engineering, Tampere University（自动化技术与机械工程，塔尔库大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出一个分布式对话框架，集成语言和视觉语言模型与ROS 2执行栈，实现从自由形式用户命令生成结构化操作请求，并通过视觉基础将图像空间目标转换为机器人框架目标，实验验证了端到端任务可靠性和延迟。
Comments Accepted to the 35th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026). The final published version will appear under the title "A Distributed Conversational Framework for Human-Robot Collaborative Manipulation Using Local LLMs and VLMs"
MotionDisco: 用于极端人形机器人移动操作的运动发现
机构 * Technical University of Munich, Germany（慕尼黑技术大学） ； New York University, USA（纽约大学） ； Carnegie Mellon University, USA（卡内基梅隆大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出MotionDisco框架，通过大语言模型引导的进化搜索和顺序运动动力学轨迹优化，从零开始自动发现长时域、接触丰富的人形机器人移动操作技能，并在真实机器人上部署。
几乎独立同分布源的纠缠操纵鲁棒性
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 研究几乎独立同分布源下纠缠操纵的鲁棒性，证明纯态纠缠浓缩率可达参考态的纠缠熵，混合态纠缠蒸馏率可达参考态的相干信息，纠缠稀释成本不超过参考态的正则化纠缠形成。
Comments 38 pages
WebMCP工具表面投毒：针对LLM智能体的运行时操纵攻击
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 本文提出一种新的威胁——会话中工具注入（MSTI），通过第三方脚本在活跃会话中注入恶意工具，并细分为工具劫持和工具框架两类，实验证明可破坏WebMCP功能，最后给出缓解方向和安全设计建议。
基于量子计算加速理论中多量子算子代数空间希尔伯特空间对称结构的子空间选择性酉操作
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 本文通过研究多量子算子代数空间与希尔伯特空间对称结构的关系，提出子空间选择性酉操作，以利用量子计算加速资源加速量子计算与模拟。
Comments 201 pages and no figures
利用图像分析和机器人技术的塑料闪烁体立方体尺寸自动筛选
专题命中 机器人操作 ：robotics(title)；robotic(abstract)
AI总结 本文提出了一种半自动系统，用于对塑料闪烁体立方体进行尺寸筛选，以用于未来的中微子探测器，该系统结合图像分析和机器人技术，实现了高精度的尺寸和缺陷检测，提高了大规模粒子物理探测器的质量控制效率。
Journal ref JINST 21 P06005 (2026)
HERO: 学习人形机器人的末端执行器控制用于视觉全身体对象抓取
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 该研究提出HERO方法，通过结合大视觉模型和模拟训练，实现了视觉全身体对象抓取任务中末端执行器的高精度控制和场景理解，显著提升了抓取精度和泛化能力。
Comments Project page: https://hero-humanoid.github.io/
ActiveMimic: 基于主动感知的自我中心视频预训练
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Current Robotics ； NeoteAI
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出ActiveMimic框架，从自我中心人类视频中恢复同步的相机和手腕轨迹，将相机运动建模为视角动作，联合学习主动感知和操作技能，使预训练模型在机器人任务上达到与机器人数据预训练相当的性能。
Comments Project Page: https://activemimic.github.io/
利用改进的条件化和多样性增强的渐进式生长GAN实现可实现的超表面吸收体的逆向设计
机构 * Centre for Electromagnetics, CSIR-National Aerospace Laboratories（电磁研究中心，国家航空航天实验室） ； Birla Institute of Technology and Science, Pilani, Rajasthan（比拉理工学院和科学学院，比里尼） ； Indian Institute of Technology, Bombay, Maharashtra（孟买印度理工学院，马哈拉施特拉）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 提出一种基于渐进式生长WGAN-GP与特征线性调制条件化的生成式逆向设计框架，结合替代辅助光谱对齐损失和行列式点过程多样性正则化，实现连续光谱约束下物理一致且多样化的超表面吸收体设计。
摊销非线性模型预测控制
机构 * IMT School for Advanced Studies（IMT高级研究学院）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 针对输入仿射非线性系统，提出一种基于状态依赖二次规划的单网络残差校正架构，通过可微内点层保证约束满足，实现实时非线性模型预测控制，在机械臂跟踪任务中取得数量级加速。
Comments 6 pages
TinyML驱动的自主航天器网络安全：SPARTA射频与网络威胁检测的延迟-精度分析
机构 * Virginia Tech（弗吉尼亚理工学院） ； Hampton University（哈姆普顿大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 针对自主航天器，基于SPARTA攻击模型分析TinyML兼容经典模型（随机森林、逻辑回归、SVM、MLP）在检测多种网络射频威胁时的延迟-精度权衡，发现逻辑回归在微秒级推理下仅比随机森林精度低1%，适合作为机载自主基线。
Comments Twenty Fifth International Conference on Security & Management (SAM'26)
DexFuture: 用于双手灵巧工具使用的分层未来状态视觉运动目标
机构 * UC San Diego（圣迭戈大学）
专题命中 机器人操作 ：world model(abstract)；分类 cs.RO
AI总结 提出DexFuture分层系统，通过高层未来状态视觉运动目标预测器和低层目标条件结构化灵巧策略，实现双手灵巧工具使用，达到90%的特权oracle性能，运行速度60Hz，比DexWM式CEM规划快约250倍。
基于非光滑控制障碍函数的状态与输入约束下安全关键自适应阻抗控制
机构 * Department of Electrical and Electronic Engineering, The University of Manchester（电气与电子工程系，曼彻斯特大学）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 提出一种在线自适应阻抗控制框架，结合二次规划安全滤波器与新型组合位置-速度非光滑控制障碍函数，在不确定动力学下实现关节状态安全约束与柔顺交互，并通过区间二型模糊逻辑补偿未知动力学、软约束处理执行器力矩限制，利用复合Lyapunov分析证明安全集前向不变性与阻抗跟踪误差一致最终有界。
Comments 12 pages, 3 figures
无监督单目多视图扩散先验的3D关键点发现
机构 * Yonsei University（延世大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 本文提出KeyDiff3D框架，通过单张图像准确预测3D关键点，利用预训练的多视图扩散模型中的几何先验，将隐式3D先验转化为显式3D特征体，实现关键点估计和3D对象操控。
Comments Accepted at CVPR 2026. Project page: https://subin6.github.io/keydiff3d-project/
分解语言模型中的事实性谄媚：规模与指令调优如何塑造鲁棒性
机构 * Centre for Computational Linguistics, Psycholinguistics and Sociolinguistics University of Antwerp（计算语言学、心理语言学与社会语言学研究中心 荷兰安特卫普大学）
专题命中 机器人操作 ：manipulation(abstract)
AI总结 通过将事实性谄媚分解为真值边际和操纵敏感性两个通道，研究了模型规模和指令调优对56个开源语言模型（0.3B-32B参数）在13种操纵类型下鲁棒性的影响。
选择性增强和扩充预测器的鲁棒集成
专题命中 机器人操作 ：manipulation(abstract)
AI总结 提出RESSAP框架，通过将单一分类器转化为基于特征子集选择的鲁棒集成，并采用随机子集投票和噪声数据增强，显著提升对抗逃避攻击的鲁棒性。
Comments Accepted at IWSPA 2026. 7 pages, 4 figures
Journal ref In Proceedings of the 12th ACM International Workshop on Security and Privacy Analytics (IWSPA 2026), June 24, 2026, Frankfurt am Main, Germany
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