视觉与机器人

机器人 / 具身智能

机器人、具身智能、机器人学习、操作、导航和具身世界模型。

2026-06-08 至 2026-06-08 共收录 3 篇信号源：cs.RO, cs.AI, cs.CV, cs.LG

1. 机器人基础模型 3 篇

2606.06556 2026-06-08 cs.RO 新提交 85%

Robots Need More than VLA and World Models

机器人需要的不仅仅是VLA和世界模型

Elis Karcini, Faisal Mehrban, Quang Nguyen, Mac Schwager, Arash Ajoudani, Cesar Cadena, Jan Peters, Marco Hutter, Haitham Bou-Ammar

机构 * Motoniq.ai ； Stanford University（斯坦福大学）； Istituto Italiano di Tecnologia（意大利技术研究院）； ETH Zurich（苏黎世联邦理工学院）； Technical University of Darmstadt（德累斯顿技术大学）； UCL Centre for AI（伦敦大学学院人工智能中心）

专题命中机器人基础模型：world model(title,abstract)；robotics(abstract)；robot foundation model(abstract)；分类 cs.RO

AI总结本文认为机器人通用智能的关键瓶颈不仅是策略学习，还缺乏将非结构化行为数据转化为机器人可用监督的机制，并提出了四种缺失的接口组件。

2606.06836 2026-06-08 cs.RO cs.AI cs.CV 新提交 82%

Think Like a Pilot: Fine-Grained Long-Horizon UAV Navigation

像飞行员一样思考：细粒度长时程无人机导航

Xiangyi Zheng, Xiangyu Wang, Qinan Liao, Zimu Tang, Yue Liao, Dongyue Lyu, Guodong Wang, Junjie Liu, Si Liu

机构 * Colab ； Beihang University（北航）； Meituan（美团）； National University of Singapore（新加坡国立大学）

专题命中机器人基础模型：navigation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结提出FLIGHT基准和FLIGHT VLA异步架构，通过低频飞行员推理VLM与高频扩散动作模型解耦，实现无人机长时程语义指令下的平滑连续飞行控制。

2606.07107 2026-06-08 cs.RO 新提交 57%

Coarse-to-Control: Action-Token Planning for Vision-Language-Action Models

粗到细控制：面向视觉-语言-动作模型的行动令牌规划

Jinhao Wu, Shiduo Zhang, Yicheng Liu, Xiaopeng Yu, Sixian Li, Siyin Wang, Hang Zhao, Jing Huo, Yang Gao, Jingjing Gong, Xipeng Qiu, Yu-Gang Jiang

机构 * Nanjing University（南京大学）； Shanghai Innovation Institute（上海创新研究院）； Fudan University（复旦大学）； Tsinghua University（清华大学）

专题命中机器人基础模型：manipulation(abstract)；分类 cs.RO

AI总结提出Coarse-to-Control框架，在动作令牌空间中引入原生规划，通过先预测粗粒度动作令牌序列再生成可执行动作，提升长程任务性能。