机器人 / 具身智能

Task Editing for Generalizable 3D Visuomotor Policy Learning

面向可泛化3D视觉运动策略学习的任务编辑

Jian-Jian Jiang, YiHan Yang, Lan Wei, Yuming Luo, Xiao-Ming Wu, Xuhang Chen, Bin Fan, Dandan Zhang, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； Imperial College London（帝国理工学院） ； Nanyang Technological University（南洋理工大学） ； South China University of Technology（华南理工大学） 纠错

专题命中 机器人学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出Task-Edit框架，通过将任务分解为场景、技能和对象组件并灵活重组，生成多样化轨迹，提升3D视觉运动策略在长程操作任务中的泛化能力。

Comments 8 pages, 4 figures

Robotic Policy Adaptation via Weight-Space Meta-Learning

通过权重空间元学习实现机器人策略自适应

Christian Bianchi, Siamak Yousefi, Alessio Sampieri, Andrea Roberti, Luca Rigazio, Fabio Galasso, Luca Franco

机构 * ItalAI ； University of Verona（威尼斯大学） ； Sapeinza University of Rome（罗马萨佩因扎大学） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 提出WIZARD框架，通过权重空间元学习从语言指令和演示视频生成任务特定LoRA参数，无需微调即可适应新任务，在LIBERO上性能提升高达14倍。

What Matters When Cotraining Robot Manipulation Policies on Everyday Human Videos?

在日常生活人类视频上协同训练机器人操作策略时什么因素重要？

Richard Li, Aditya Prakash, Andrew Wen, Saurabh Gupta, Yilun Du, Pulkit Agrawal

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 研究利用日常互联网视频协同训练机器人操作策略时，手部姿态质量和运动差距对迁移的影响，提出一种协同训练方法，在低机器人数据场景下六个操作任务中绝对成功率提升29.7%。

Comments The project website is here: https://richardrl.github.io/what-matters-cotraining-human-videos/index.html

From Pixels to Shelf: An Integrated Robotic System for Autonomous Supermarket Stocking with a Mobile Manipulator

从像素到货架：基于移动操作臂的自主超市补货集成机器人系统

Davide Peron, Victor Nan Fernandez-Ayala, Lukas Segelmark

机构 * Department of Information Engineering, University of Padova（帕多瓦大学信息工程系） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院决策与控制系统系） ； Animum AB（Animum公司） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；navigation(abstract)；分类 cs.RO

AI总结 提出一种集成商用硬件与ROS2的模块化机器人系统，利用行为树规划、视觉检测和两步MPC控制，在700多次补货实验中实现98%以上的抓取成功率，但性能仍逊于人类工人。

Comments Preprint for CASE 2026

AxisGuide: Grounding Robot Action Coordinate System in RGB Observations for Robust Visuomotor Manipulation

AxisGuide: 在RGB观测中接地机器人动作坐标系以实现鲁棒的视觉运动操控

Jiyun Jang, Yujin Sung, Woosung Joung, Daewon Chae, Sangwon Lee, Sohwi Kim, Jinkyu Kim, Jungbeom Lee

机构 * Korea University（韩国大学） ； University of Michigan（密歇根大学） ； KT R&D Center（KT研发中心） ； Kakao Mobility（Kakao移动） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI；robotics(comments)

AI总结 针对视觉运动策略在分布偏移下动作执行失败的问题，提出AxisGuide方法，通过渲染机器人基座坐标系轴并叠加提示通道，增强动作坐标理解，显著提升泛化性能。

Comments Accepted to Robotics: Science and Systems (RSS) 2026

3D-Grounded Vision-Language Framework for Robotic Task Planning: Automated Prompt Synthesis and Supervised Reasoning

面向机器人任务规划的3D grounded视觉-语言框架：自动化提示合成与监督推理

Guoqin Tang, Qingxuan Jia, Zeyuan Huang, Gang Chen, Ning Ji, Zhipeng Yao

机构 * Tsinghua University（清华大学） 纠错

专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出融合2D提示合成模块和小语言模型的框架，提升机器人3D场景理解与任务执行能力，实验显示任务成功率高达96.0%。

Journal ref Engineering Applications of Artificial Intelligence, vol. 164, p. 113268, 2026

PhyRoGen: Synthetic Generation of Physical Robot Manipulation Puzzles Using Procedural Content Generation

PhyRoGen：使用程序化内容生成物理机器人操作谜题的合成生成

Lennart Julian Droß, Andreas Orthey, Marc Toussaint

机构 * Technical University of Berlin（柏林技术大学） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 提出PhyRoGen框架，利用程序化内容生成自动创建机器人操作谜题的合成数据集，生成的24个谜题可在1-300秒内求解，并在物理仿真中验证可操作性。

Comments 8 pages, accepted at CASE 2026

SERNF: Sample-Efficient Real-World Dexterous Policy Fine-Tuning via Action-Chunked Critics and Normalizing Flows

SERNF: 通过动作块评论家和归一化流实现样本高效的真实世界灵巧策略微调

Chenyu Yang, Denis Tarasov, Davide Liconti, Romain Guntz, Hehui Zheng, Robert K. Katzschmann

机构 * Soft Robotics Lab, D-MAVT（软机器人实验室，D-MAVT） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.LG

AI总结 提出SERNF框架，结合归一化流策略和动作块评论家，实现真实世界灵巧操作策略的样本高效微调，解决多模态动作分布和信用分配问题。

Comments https://srl-ethz.github.io/SERNF/

CAPE: Contrastive Action-conditioned Parallel Encoding for Embodied Planning

CAPE: 用于具身规划的条件对比动作并行编码

Cong Chen, Haowen Wang, Zhixiang Zhang, Pei Ren, Zhengping Che

专题命中 机器人操作 ：embodied agent(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 提出CAPE框架，通过对比学习区分不同动作序列的未来结果，实现高效视觉动力学建模，在真实世界和零样本迁移任务中显著提升规划性能并降低推理成本。

Comments 19 pages, 7 figures

Optimal Control Approach for Non-prehensile Ball Juggling Using a 7-DoF Manipulator

使用7自由度机械臂进行非抓取式抛球的最优控制方法

Joel Ramadani, Vasilije Rakčević, Riddhiman Laha, Arne Sachtler, Valentin Le Mesle, Achim J. Lilienthal, Sami Haddadin

机构 * Technical University of Munich（慕尼黑技术大学） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； German Aerospace Center (DLR), Institute of Robotics and Mechatronics（德国航空航天中心（DLR）机器人与机电机构研究所） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出一种基于模型的两阶段最优控制框架，用于7自由度机械臂使用工具进行非抓取式抛球，生成周期性抛球轨迹并通过离线计算实现实时误差校正。

Comments 8 pages, accepted at ICRA 2026

Direct 3D-Aware Object Insertion via Decomposed Visual Proxies

通过分解视觉代理实现直接3D感知物体插入

Jingbo Gong, Yikai Wang, Yushi Lan, Yuhao Wan, Ziheng Ouyang, Rui Zhao, Ming-Ming Cheng, Qibin Hou, Chen Change Loy

机构 * Google（谷歌） ； Black Forest Labs（黑森林实验室） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.CV、cs.LG

AI总结 提出DIRECT框架，通过分解外观、几何和上下文引导，实现可控制3D姿态的物体插入，在几何可控性和视觉质量上优于现有方法。

Comments ICML 2026; Project Page: https://gong1130.github.io/DIRECT/

EgoPressDiff: Multimodal Video Diffusion for Egocentric UV-Domain Hand-Pressure Estimation

EgoPressDiff: 用于自我中心UV域手部压力估计的多模态视频扩散模型

Yuan Zeng, Zilue Gao, Yujia Shi, Zongqing Lu, Wenming Yang, QingMin Liao

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 机器人操作 ：robotic(abstract)；分类 cs.AI、cs.CV

AI总结 提出EgoPressDiff，一种条件视频扩散框架，通过多模态条件策略（手部姿态、3D网格顶点和深度信息）从视觉输入生成UV压力图，解决了现有方法中的量化误差和时间不一致问题，在EgoPressure数据集上实现SOTA，Volumetric IoU相对提升34%以上。

Comments Accepted to IEEE ICASSP 2026

AEGIS: A Backup Reflex for Physical AI

AEGIS：物理AI的备份反射

Josef Chen

机构 * KAIKAKU 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 提出AEGIS方法，通过在弱策略的冻结激活上使用轻量级探针检测高风险步骤，仅在必要时切换到强策略，在LIBERO-Spatial上恢复了弱策略损失的10.1%轨迹。

MidSteer: Optimal Affine Framework for Steering Generative Models

MidSteer：用于引导生成模型的最优仿射框架

Tatiana Gaintseva, Andrew Stepanov, Ziquan Liu, Martin Benning, Gregory Slabaugh, Jiankang Deng, Ismail Elezi

机构 * University of Basel（巴塞尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出MidSteer，一种基于仿射变换的最优概念引导框架，通过最小干扰实现生成模型中的概念切换，并在视觉扩散模型和大型语言模型上验证其有效性。

Dreaming when Necessary: Advancing World Action Models with Adaptive Multi-Modal Reasoning

必要时做梦：通过自适应多模态推理推进世界行动模型

Yinzhou Tang, Jingbo Xu, Yu Shang, Zihao Song, Chen Gao, Wei Wu, Yong Li

机构 * Tsinghua University（清华大学） ； Manifold AI 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 提出AdaWAM，通过轻量动态路由器自适应触发文本或视觉推理，提升长时复杂任务中的推理效率和性能。

The Sound of Malware: A Memory Forensics Approach for Android Malware Analysis via Audio Signals

恶意软件之声：通过音频信号进行Android恶意软件分析的内存取证方法

Silvia Lucia Sanna, Massimo Palozzi, Leonardo Regano, Riccardo Lazzeretti, Giorgio Giacinto

专题命中 机器人操作 ：manipulation(abstract)

AI总结 提出一种内存取证框架，将Android恶意软件的静态字节码和内存快照转换为音频波形，利用频谱描述符、CNN和Transformer嵌入实现高达98.0%的准确率。

DPAgent-in-the-Middle: Agentic Defense and Repair Against AI-Groomed Deceptive Patterns

中间DPAgent：针对AI诱导欺骗模式的代理防御与修复

Zewei Shi, Ruoxi Sun, Haoyang Li, Seong Oun Hwang, Feng Liu, Minhui Xue, Xingliang Yuan

专题命中 机器人操作 ：manipulation(abstract)

AI总结 针对网络界面中的隐私欺骗模式，提出DPAgent框架，通过四个专门代理结合潜在空间净化与防御性提示，主动检测并修复欺骗性界面，检测率达90.98%，修复率77%。

Explain Like I'm 5 or Whatever I Choose: Evaluating the Interactive Potential of Language Model Responses

像对五岁小孩一样解释或随我选择：评估语言模型响应的交互潜力

Indu Panigrahi, Tal August

机构 * Siebel School of Computing and Data Science（计算与数据科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 机器人操作 ：manipulation(abstract)

AI总结 提出基于语言复杂度的交互评估框架，测试GPT-5.1等模型生成不同复杂度响应的能力，发现最佳模型仅46%时间正确调整复杂度。

Comments Preprint

Vacuum fluctuation induced quantum resource harvesting in triple-layer graphene

三层石墨烯中真空涨落诱导的量子资源提取

Yassine Dakir, Abdallah Slaoui, Rachid Ahl Laamara

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究平面微腔中三层石墨烯系统的非马尔可夫动力学及量子相干与纠缠生成，发现受限电磁场通过可调参数（如截止模式数、层间旋转角等）有效控制量子资源。

Journal ref Journal of Physics: Condensed Matter, 2026

Resonance-induced frequency splitting and evanescent modes at temporal interfaces in elastic metamaterials

弹性超材料中时间界面引起的共振诱导频率分裂和倏逝模式

Cong Chen, Kaijun Yi, Gengkai Hu

专题命中 机器人操作 ：manipulation(abstract)

AI总结 通过突然激活弹性超材料中的局域共振器形成时间界面，研究非共振到共振色散的转变，揭示频率分裂现象和一种新的时间倏逝模式，为时变固体中的波操控提供新途径。

TensorMixedStates: a Julia library for simulating pure and mixed quantum states using matrix product states

TensorMixedStates: 一个基于Julia的库，用于使用矩阵积状态模拟纯态和混合态量子态

Jérôme Houdayer, Grégoire Misguich

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出TensorMixedStates库，利用矩阵积状态模拟具有耗散的量子系统，支持混合态的MPS表示、基于Lindblad方程的时间演化以及与ITensor的高效底层张量操作相结合的用户友好接口。

Comments v2: 26 pages, 9 figures. To appear in SciPost Physics Codebases

Journal ref SciPost Phys. Codebases 72 (2026)

PathPainter: Transferring the Generalization Ability of Image Generation Models to Embodied Navigation

PathPainter：将图像生成模型的泛化能力迁移至具身导航

Yijin Wang, Yuru Tian, Xijie Huang, Weiqi Gai, Mo Zhu, Xin Zhou, Yuze Wu, Fei Gao

机构 * Tsinghua University（清华大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出利用鸟瞰图作为全局先验的导航系统，通过图像生成模型理解自然语言意图并生成可通行掩码，结合跨视图定位消除里程计漂移，在无人机平台上完成160米室外长距离导航。

Comments Work in the progress. 16 pages, 13 figures

Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation

超越航点：面向视觉语言导航的轨迹中心航点范式

Haoxiang Shi, Xiang Deng, Haoyu Zhang, Qiaohui Chu, Yaowei Wang, Liqiang Nie

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 提出轨迹航点范式，通过TSDF引导的扩散策略预测可执行轨迹，解决VLN-CE中航点不可达与规划控制不一致问题，在基准上取得最优性能。

Strong Solutions to SDEs with Supercritical Drift Arising in Navigation Problems

导航问题中超临界漂移随机微分方程的强解

Carlo Ciccarella

专题命中 具身导航 ：navigation(title,abstract)

AI总结 针对极坐标下具有1/r型超临界奇异漂移的两种随机导航模型，通过路径论证证明了强存在性和路径唯一性，并研究了停止半径趋于零时的极限行为。

Comments 28 pages, 6 figures

Three-dimensional hydro-cluttered locomotion by an undulatory robot

三维水杂波环境中的波动机器人运动

Tianyu Wang, Matthew Fernandez, Galen Tunnicliffe, Nikolas Cornell, Justin Duong, Donoven Dortilus, Zhaochen J. Xu, Patricia Meza, Sean Lublinsky, Darsh Parikh, Jianfeng Lin, Emily Grace, Daniel I. Goldman

机构 * Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院） ； School of Physics, Georgia Institute of Technology（Georgia理工学院物理系） ； George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院乔治·W·伍德鲁夫机械工程学院） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） ； Department of Mechanical and Industrial Engineering, Northeastern University（东北大学机械与工业工程系） ； Ransom Everglades School（拉森·伊弗格莱德学校） 纠错

专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.RO

AI总结 提出AquaMILR机器人，通过可编程体顺应性和深度调节，在三维水杂波环境中实现快速鲁棒的前进运动，并利用惯性滚动作为自发恢复机制。

Does Appearance Help? A Systematic Study of Image-Based Re-Identification in Online 3D Multi-Pedestrian Tracking

外观有帮助吗？在线3D多行人追踪中基于图像的重识别系统研究

Eduardo Borges, Luís Garrote, Urbano J. Nunes

机构 * Institute of Systems and Robotics, Department of Electrical and Computer Engineering, University of Coimbra（系统与机器人研究所，电气与计算机工程系，科英布拉大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 系统研究轻量级投影框架下图像重识别在在线3D多目标追踪中的作用，提出级联匹配策略以在低延迟下恢复遮挡轨迹并防止身份切换。

Comments Accepted for publication at the 35th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026)

ChronoForest: Closed-Loop Multi-Tree Diffusion Planning for Efficient Bridge Search and Route Composition

ChronoForest: 用于高效桥接搜索和路线组合的闭环多树扩散规划

Jungmin Seo, Jaesik Park

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 针对仅依赖短程离线轨迹进行长程路线规划的问题，提出ChronoForest系统，通过锚链树扩散规划器和在线多树协调器实现局部桥接搜索与全局路线重解，在OGBench和哈密顿路线组合基准上显著提升成功率和效率。

Comments 40 pages, 4 figures, 7 tables, 3 algorithms

MatterDoor: Sampling Zero-shot Spatio-semantic Priors using Generative Models

MatterDoor: 使用生成模型采样零样本空间语义先验

Subhransu S. Bhattacharjee, Hao Lu, Dylan Campbell, Rahul Shome

机构 * School of Computing, Australian National University（澳大利亚国立大学计算机学院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 针对机器人通过门缝观察时场景结构缺失的问题，提出MatterDoor方法，利用预训练生成模型（VLM引导外推、单目深度估计、语义分割）采样隐藏房间的语义3D点云先验，在Matterport3D基准上验证了零样本空间语义先验的有效性。

Comments Under Review

On the Stability and Realizability of Recurrent Polynomial Surrogate Ternary Logic Gate Networks

关于循环多项式代理三元逻辑门网络的稳定性与可实现性

Sai Sandeep Damera, Ryan Matheu, Aniruddh G. Puranic, John S. Baras, Calin Belta

机构 * University of Maryland, College Park, USA（马里兰大学学院公园分校） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 提出R-DTLGN架构，通过连续多项式代理训练并硬化为离散三元逻辑电路，结合数值单调和信息单调门，实现STL监控中的稳定递归和原则性弃权，并由STL公式确定网络规模。

Comments 9 pages, 3 figures. This work has been submitted to the IEEE for possible publication

Multi-Robot Planning and Control from CCTV Camera Networks in a Real Warehouse

基于真实仓库中闭路电视摄像机网络的多机器人规划与控制

Luke Robinson, Benjamin Ramtoula, Anas Izaaryene, Paul Newman, Daniele De Martini

机构 * Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所，牛津大学，英国） ； Robot Systems Group, Technical University of Munich, Germany（机器人系统组，慕尼黑技术大学，德国） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 提出仅利用分布式CCTV网络和边缘计算实现多机器人协调规划与控制的方法，在真实仓库中验证了四台机器人和30个摄像头的系统，首次实现仅依赖外部摄像头网络的现场多机器人协调。