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。
针对世界模型以破坏机器人学习流程
机构 * Northeastern University（东北大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
专题命中 机器人学习 ：robot learning(title,abstract)；world model(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出针对世界模型的新型数据投毒攻击方法，通过注入恶意提示或转换动态，在看似安全的数据中生成危险训练轨迹，导致下游策略不安全。
Comments 8 Pages, CoRL Preprint
面向智能信息-物理-社会系统的区块链基础设施：具身AI时代的后量子安全、互操作性与可信数据经济
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Sun Yat-sen University（中山大学） ； Amazon Web Services（亚马逊网络服务） ； Duke Kunshan University（杜克昆山大学）
专题命中 机器人学习 ：embodied AI(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.AI
AI总结 本教程探讨区块链作为协调层，融合后量子密码学与具身AI，实现可扩展、可信的数据经济与跨组织治理。
Light-WAM：基于状态融合动作解码的高效世界动作模型
机构 * Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院） ； Southeast University（东南大学） ； Fudan University（复旦大学） ； East China Normal University（华东师范大学）
专题命中 机器人学习 ：manipulation(abstract)；robot policy(abstract)；分类 cs.CV
AI总结 提出轻量级世界动作模型Light-WAM，通过紧凑视频骨干和降维潜空间未来视频监督降低训练成本，并引入状态融合动作专家实现高效动作预测，在LIBERO和RoboTwin 2.0上取得良好性能。
目标集，而非目标状态：通过目标集事后重标记实现可查询的机器人目标
机构 * INESCOP（西班牙鞋类及相关技术研究所） ； University of Alicante（阿利坎特大学）
专题命中 机器人学习 ：robot learning(abstract)；分类 cs.RO
AI总结 提出目标集事后重标记（GS-HER），将事后重标记从单目标状态推广到谓词级目标集，通过可查询的二值谓词解耦成功条件与状态维度，提升离线GCRL在冗余维度下的性能，并实现单一模型支持多目标谓词。
统一对象中心世界模型与扩散策略：多阶段机器人任务的分层框架
机构 * Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所） ； AMI Labs（AMI实验室）
专题命中 机器人操作 ：world model(title,abstract)；robotic(title,abstract)；robotics(abstract)；manipulation(abstract)
AI总结 提出WorldDP分层框架，结合高层世界模型进行运行时子目标优化和低层扩散策略执行，利用对象中心表示解耦环境实体，实现多阶段机器人操作任务的有效规划与执行。
RealDexUMI：用于灵巧机器人学习的可穿戴通用操作接口
机构 * Peking University（北京大学） ； BeingBeyond ； Beihang University（北航） ； LinkerBot ； Tsinghua University（清华大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robot learning(title)；分类 cs.RO
AI总结 提出RealDexUMI，一种基于共享灵巧末端执行器模块的可穿戴通用操作接口，通过掌侧同构遥操作手套实现无重定向、直观精确的手部控制，在八项真实机器人任务中平均成功率达88.75%。
潜在扩散策略：为基于扩散的机器人操作塑造潜在空间
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 机器人操作 ：manipulation(title)；robotic(title)；分类 cs.RO、cs.AI
AI总结 提出两阶段框架LDP，通过CVAE编码器吸收场景理解，在预浓缩的潜在空间中进行流匹配，简化学习并提升多臂协调任务性能。
通过上下文对比元强化学习的自主空中操控
机构 * National Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院） ； National Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（北京理工大学自主智能无人系统国家重点实验室）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；分类 cs.RO、cs.LG
AI总结 提出Aco2方法，通过上下文对比元强化学习，使四旋翼无人机在无需人工干预下自主完成不同载荷的抓取、运输和投递，并直接迁移到真实世界。
GraspFoM：基于3D基础先验的重建驱动机器人抓取
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出GraspFoM框架，利用3D基础先验（SAM3D）构建共享3D物体潜变量，联合优化重建与抓取姿态预测，通过锚点初始化的截断姿态推理扩散器生成连续多模态抓取，实现高保真重建与最优抓取。
PACT: 具身操作中扩散策略的自我演化物理安全对齐
机构 * Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua-Bosch Joint ML Center, THBI Lab, BNRist Center, Tsinghua University, Beijing, 100084, China（计算机科学与技术系，人工智能研究院，清华-博世联合机器学习中心，THBI实验室，BNRist中心，清华大学，北京，100084，中国） ； Peng Cheng Laboratory, 518108, China（鹏城实验室，518108，中国）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出PACT框架，通过自演化后训练将预训练扩散策略投影到约束可行区域，无需演示数据或任务奖励，在降低31.0%安全违规的同时提升30.7%任务成功率。
重新审视机器人操作中的关节部件感知
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 提出几何主结构（GPS）作为关节部件的新表示，结合VR设备实现高效标注，训练通用模型，在零样本下达到73%操作成功率。
Comments CVPR2026
EgoAERO：无需物体资产，从单个第一人称视频学习灵巧操作
机构 * School of Astronautics, Harbin Institute of Technology（哈尔滨工业大学航天学院） ； Lumos Robotic ； Suzhou Research Institute, Harbin Institute of Technology（哈尔滨工业大学苏州研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Nanjing University（南京大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； Fudan University（复旦大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robot learning(abstract)；分类 cs.RO、cs.AI
AI总结 提出EgoAERO框架，无需物体资产，从单个第一人称RGB-D视频中通过无资产物体跟踪与重建、自我运动补偿和自适应接触优化重建接触一致的手-物轨迹，并利用两阶段残差学习转化为机器人策略，实现单次演示的灵巧操作。
FCBV-Net：通过特征条件双臂价值预测实现类别级机器人服装平滑
机构 * University of Waterloo（多伦多大学）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出FCBV-Net，通过预训练的密集几何特征条件预测双臂动作价值，提升机器人服装平滑任务的类别级泛化能力，实验显示其在未见过的服装上效率下降仅为11.5%。
Comments 9 pages, 7 figures, 1 table
Journal ref Electronics 2026, 15(11), 2468
MotionWAM：迈向实时人形机器人全身操作的基础世界动作模型
机构 * Mondo Robotics ； HKUST (GZ)（香港科技大学（广州）） ； HKUST（香港科技大学）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；分类 cs.RO
AI总结 提出MotionWAM，一种实时世界动作模型，通过统一运动潜变量和全身动作令牌，实现单目相机驱动的自主人形机器人全身操作，在真实任务上成功率比VLA基线高30%以上。
Dream-Tac: 用于接触丰富机器人操作任务的统一触觉世界动作模型
机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Nanjing University（南京大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；分类 cs.RO
AI总结 提出Dream-Tac统一触觉世界动作模型，通过接触门控视觉-触觉融合和接触感知注意力偏置，联合建模动作、未来视觉观察和触觉动态，在六项接触丰富操作任务中平均动作准确率提升31.7%。
Comments 16 pages,13 figures
Real-IKEA：物理保真度是鲁棒操作的前提
机构 * National University of Singapore（新加坡国立大学） ； Peking University（北京大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对仿真与现实物理差异导致操作鲁棒性不足的问题，提出Real-IKEA数据集与仿真框架，通过高保真资产和阻力校准配置，使强化学习策略发现优先利用机械优势的鲁棒策略。
FingerEye：通过连续视觉-触觉感知学习灵巧操作
机构 * National University of Singapore（新加坡国立大学） ； RoboScience（机器人科学） ； Huazhong University of Science and Technology（华中科技大学） ； South China University of Technology（华南理工大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 FingerEye通过连续视觉-触觉感知提升机器人灵巧操作，结合视觉和触觉反馈，在模拟和现实环境中使腕部策略的成功率提升超30个百分点。
当视频误读：面向探索性操作痕迹问答的阅读启发式闭环蒸馏
机构 * Tsinghua University（清华大学） ； DISCOVER Robotics
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 针对探索性操作中机器人误读视频痕迹的问题，提出闭环痕迹蒸馏方法，通过任务编码代理提取单行自然语言启发式提示，使冻结VLM准确预测最小成功动作链，在模拟和真实机器人任务上提升准确率0.38-0.47。
Comments 16 pages, 4 figures, 4 tables
视觉引导的双臂人形机器人拆解报废18650锂离子电池组
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院）
专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO
AI总结 提出一种视觉引导的双臂拆解流水线，利用通用平行爪夹持器、RGB-D感知和预训练抓取检测器，在无夹具条件下从任意初始姿态拆解21节18650电池组，实现80%端到端成功率。
可信视觉谓词用于退化条件下的鲁棒操作理解
机构 * University of Tehran（德黑兰大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.CV
AI总结 提出谓词级可靠性框架，通过结构化谓词词汇表、置信度感知估计和可靠性度量，分析模糊、遮挡等退化对操作理解中视觉谓词的影响，实验表明接触敏感和动态谓词更脆弱。
Symskill：符号与技能共发明用于数据高效且反应性强的长周期操作
机构 * GRASP Laboratory, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 Symskill通过联合学习谓词、运算符和技能，实现了数据高效且反应性强的长周期操作，结合了组合泛化与实时恢复能力。
Comments ICRA 2026 Best Conference Paper Award; ICRA 2026 Best Paper Award on Planning and Control; CoRL 2025 Best Paper Award on Learning Effective Abstractions for Planning (LEAP) Workshop (https://symskill.github.io/)
Robot-DIFT: 用于接触丰富机器人操作的对应敏感扩散特征
机构 * TU Darmstadt（图宾根大学） ； KIT（卡尔斯鲁厄理工学院） ； FZI（弗劳恩霍夫研究所） ； Hessian.AI（黑森人工智能公司） ； Robotics Institute Germany（德国机器人研究所） ； Honda Research Institute Europe GmbH（本田欧洲研究院）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出Robot-DIFT，通过流形蒸馏将扩散模型转化为确定性学生网络，结合空间-语义特征金字塔网络，为接触敏感任务提供实时对应敏感特征，在多个基准上超越现有方法。
MemoryVLA++：通过记忆与想象在视觉-语言-动作模型中进行时间建模
机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Dexmal ； StepFun
专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 提出MemoryVLA++框架，通过工作记忆、感知-认知记忆库和想象未来状态的世界模型，实现完整时间建模，在模拟和真实机器人任务上显著提升长时域和依赖记忆与想象的任务性能。
Comments The project is available at https://shihao1895.github.io/MemoryVLA-PP-Web
以人为中心的AI中介信息操纵风险缓解：基于信息操纵集的SOCMINT框架
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 提出基于信息操纵集（IMS）的SOCMINT框架，作为事件级分析与归因优先分析之间的中间操作单元，实现结构化推理与风险缓解。
Comments 15 pages; supplementary material available as ancillary file
多模态生成式引擎优化：针对视觉-语言模型排序器的排名操纵
机构 * Georgetown University（乔治城大学） ； University of Southern California（南加州大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Arizona State University（亚利桑那州立大学）
专题命中 机器人操作 ：manipulation(title)；分类 cs.AI、cs.LG
AI总结 提出多模态生成式引擎优化（MGEO）方法，通过联合优化图像扰动和文本后缀，利用视觉-语言模型内部跨模态知识耦合，实现对产品排名的有效操纵，揭示了多模态基础模型知识基础的脆弱性。
Comments Proceedings of the 4th Workshop on Towards Knowledgeable Foundation Models (KnowFM) at ACL 2026
基于事件的光学触觉传感器的稠密力估计
机构 * Sony Advanced Visual Sensing, Zurich, Switzerland（索尼高级视觉传感公司，苏黎世，瑞士） ； ETH Zürich（苏黎世联邦理工学院）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 提出首个利用事件相机重建稠密3D力场的方法，通过事件数据估计表面位移并映射为力，平均误差(0.14N,0.10N,0.93N)，工作频率100Hz。
无图像思考：通过在线自我蒸馏内化视觉操作
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Central South University（中南大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Huawei Technologies（华为技术有限公司）
专题命中 机器人操作 ：manipulation(title)；分类 cs.CV
AI总结 提出Imagine-OPD框架，通过在线自我蒸馏将“用图像思考”的视觉推理能力内化为“用想象思考”，在不调用外部工具的情况下生成内部视觉线索，在保持性能的同时显著降低推理开销。
EgoTactile: 从自我中心视频学习日常物体的抓取压力
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.AI、cs.CV
AI总结 提出EgoTactile基准和条件扩散框架EgoPressureDiff，从自我中心视频估计全手抓取压力，解决视觉-物理歧义，实现鲁棒迁移。
Comments Accepted to ICML2026 spotlight
SynManDex: 从合成人类预抓取中合成类人灵巧抓取
机构 * Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Shenzhen University（深圳大学） ； Fudan University（复旦大学） ； University of Hong Kong（香港大学） ； ZTE Corporation（中兴通讯股份有限公司）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出SynManDex流水线，利用生成的人类预抓取作为启发，通过机器人原生优化实现力闭合接触，生成类人灵巧抓取，在仿真和真实机器人上取得高成功率和类人性。
EPS3D: 端到端前馈式3D全景分割
机构 * Nanyang Technological University（南洋理工大学）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.CV
AI总结 提出端到端前馈框架EPS3D，通过蒸馏训练和多视图图像预测3D感知特征，结合互增强模块实现语义-实例一致性，在Replica上语义mIoU提升13%，每场景仅需1秒。
Comments ICML 2026. The code is publicly available at \href{https://github.com/Runsong123/EPS3D}{https://github.com/Runsong123/EPS3D}
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