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。
测试时对抗接管：针对机器人扩散策略的实时劫持接口
机构 * Tsinghua University（清华大学） ； Independent Researcher（独立研究员） ； Johns Hopkins University（约翰霍普金斯大学） ； UC Berkeley（加州大学伯克利分校）
专题命中 机器人学习 ：robotic(title)；embodied AI(abstract)；manipulation(abstract)；navigation(abstract)
AI总结 提出测试时对抗接管（TAKO）方法，通过可微扩散推理学习可重复使用的通用补丁，在测试时切换补丁以劫持机器人策略，实现远程操控，在多种任务和模型上达到100%接管成功率。
通过重新标注视觉-动作机器人数据的任务鲁棒性
机构 * Mila — Quebec AI Institute（Mila — 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； The University of British Columbia（不列颠哥伦比亚大学）
专题命中 机器人学习 ：robotics(abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 提出TREAD框架，利用大型视觉语言模型对机器人数据集进行语义子任务分解和多样化指令生成，无需额外数据收集，提升策略在未见任务上的泛化能力。
Comments Project website: https://akuramshin.github.io/tread
Discrete-WAM：面向世界-策略学习的统一离散视觉-动作标记编辑
机构 * Xiaomi EV（小米电动车）
专题命中 机器人学习 ：world model(abstract)；分类 cs.RO
AI总结 提出Discrete-WAM，通过将未来视觉状态和自车动作对齐为离散标记，构建统一离散扩散框架，实现世界建模、世界-动作策略和分层决策策略的联合学习，支持可控生成和反事实推理，提升自动驾驶决策可靠性。
具身智能时代基于物理模拟器的机器人导航与操作综述
机构 * Department of Computer Science, City University of Hong Kong（城市大学计算机科学系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Department of Informatics, Universität Hamburg（汉堡大学信息学院）
专题命中 机器人操作 ：embodied AI(title,abstract)；manipulation(title,abstract)；navigation(title,abstract)；robotic(title)
AI总结 本文综述了物理模拟器在缩小具身智能中导航与操作的模拟到现实差距方面的关键特性、任务支持及硬件需求，并提供了基准数据集、指标、平台和方法资源。
Comments Under Review
MALLVI：一种多智能体框架用于集成通用机器人操作
机构 * Department of Electrical Engineering, Sharif University of Technology（电气工程系，谢里夫大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(title)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 MALLVI通过多智能体协作实现闭环反馈驱动的机器人操作，提升泛化能力和零样本任务成功率。
Comments Some fundemental change in text and codebase
IMPACT：面向强力机器人操控的内部模型预测控制学习
机构 * Harvard University（哈佛大学） ； Stanford University（斯坦福大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出IMPACT框架，将强力操控任务解耦为任务规划和基于内部模型的预测控制，通过仿真和实验证明其在成功率、泛化性、安全性和能效上的优势。
Comments Project website: https://gao-jiawei.com/IMPACT/
TacForeSight：面向接触丰富操作的力引导触觉世界模型
机构 * TARS Robotics ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Fudan University（复旦大学）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；分类 cs.RO
AI总结 提出TacForeSight框架，通过力条件触觉世界模型预测触觉潜动态，结合预测性触觉条件策略实现高频操作下的主动接触推理，在动态接触干扰下优于现有方法。
HiMem-WAM: 用于机器人操作的分层记忆门控世界动作模型
机构 * The University of Hong Kong（香港大学） ； INFIFORCE ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO
AI总结 提出分层记忆门控世界动作模型HiMem-WAM，通过分层潜在动作框架和边界触发记忆更新，提升长时域机器人操作的任务相关记忆与泛化鲁棒性。
JOIN：通过对抗、推理和导航实现基于锚点抓取条件的双臂辅助操作连接
机构 * Northeastern University（东北大学）
专题命中 机器人操作 ：manipulation(title,abstract)；navigation(title)；分类 cs.RO
AI总结 提出一种异构按需双臂系统JOIN，通过锚点臂与移动补臂的条件性连接，结合视觉语言模型和几何工具，解决代表性双臂日常生活任务，在实验中成功率更高且需更少人工修正。
Comments Xiang Zhi Tan and Taşkın Padır share equal advising
SARM2: 多任务阶段感知奖励建模用于自我改进的机器人操作
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
AI总结 提出多任务阶段感知奖励模型RM，结合动作基元阶段估计器和多门控专家混合值头，为机器人操作任务提供密集逐步奖励，并基于RM构建SPIRAL框架，通过廉价自主轨迹改进VLA策略，在10任务基准上显著提升成功率。
YUBI：面向大规模双手灵巧操作的通用双指接口
机构 * AI Robot Association (AIRoA)（AI机器人协会） ； Toyota Motor Corporation（丰田汽车公司） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） ； The University of Tokyo（东京大学） ； Institute of Science Tokyo（东京科学研究所） ； Waseda University（早稻田大学）
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YUBI手指对齐夹爪，通过屈服式手指驱动映射实现直观、符合人体工学的双手灵巧操作数据采集，构建8434小时/120万集/119任务数据集，单策略跨多机器人迁移。
Comments Project page: https://yubi.airoa.io/
ManiSplat: 基于解耦3D高斯泼溅的单目视频操作轨迹合成
机构 * Zhejiang University（浙江大学） ； Horizon Robotics（地平线机器人）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.CV
AI总结 提出ManiSplat框架，通过图结构解耦表示和任务导向时空对齐，从单目视频重建可控的3D高斯数字孪生，支持机器人操作任务与策略学习。
MV-Actor：对齐多视角语义与空间感知以实现双臂操作
机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学智能产业研究院） ； AIR Wuxi Innovation Center, Tsinghua University（清华大学智能产业研究院无锡创新中心）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出MV-Actor框架，通过多视角语义交互和语义-空间令牌交互统一语义与空间表示，并利用引导度量深度修复模块处理深度噪声，在PerAct2基准上达到87.8%平均成功率。
Comments 14 pages,9 figures
GHOST: 用于泛化机器人操作的层次化子目标策略
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 提出GHOST框架，通过将控制分解为高层子目标预测和低层目标条件控制器，实现视觉运动操作策略的泛化，并利用人类演示适应新物体和任务变化。
Comments Accepted at RSS 2026
桥接语义与物理执行：面向多对机器人装配的神经符号框架
机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院）
专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO
AI总结 提出一种端到端神经符号框架，通过分层生成最优子图、解耦通用性与边缘情况、协调全局序列，解决非结构化环境中多对装配的空间干扰和接触不确定性，在100个真实场景中达到97%全局可执行性，UR3机械臂部署成功率90%。
Comments Corresponding author: Aiguo Song (a.g.song@seu.edu.cn)
使用悬挂托盘的机器人非抓取式物体运输
机构 * University of Toronto（多伦多大学） ； Technical University of Munich（慕尼黑技术大学）
专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO
AI总结 针对机器人服务员问题，提出使用绳索悬挂托盘实现三维摆运动，仅需3自由度移动基座即可减少滑动和泼洒，实验验证了有效性并集成到交互演示中。
Comments 8 pages, 11 figures. IEEE/ASME International Conference on Advanced Intelligent Mechatronics, 2026
BadRobot: 在物理世界中越狱具身LLM智能体
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北航） ； Griffith University（格里菲斯大学）
专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出BadRobot攻击范式，利用LLM在机器人系统中的操纵、语言输出与物理动作的错位以及世界知识缺陷三个漏洞，通过语音交互使具身LLM执行有害行为，并在基准测试中验证了有效性。
Comments Accepted to ICLR 2025. Please cite the conference version. Project page: https://Embodied-LLMs-Safety.github.io
Journal ref International Conference on Learning Representations (ICLR) 2025
TabClaw: 一个用于电子表格操作和表格推理的交互式自进化智能体
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室）
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 提出TabClaw，一个开源交互式AI智能体，通过可编辑执行计划、流式ReAct循环、并行多表推理和用户记忆提取，提升电子表格操作和表格推理的透明性与个性化。
Comments 5 pages, 2 figures
双通道Kondo体系中Kondo Majorana的相干操控
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 研究双通道Kondo体系中Majorana零模的相干操控，通过紧致化格点模型展示非局域量子比特、隐形传态、融合和编织操作，并区分非拓扑与拓扑Y结几何，后者实现非阿贝尔几何相位。
Comments 29 pages, 8 figures
HandCept: 用于灵巧手精确本体感知的视觉-惯性融合框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出HandCept，首个视觉-惯性本体感知框架，通过零样本学习和无延迟扩展卡尔曼滤波融合腕部RGB-D相机与9轴IMU，实现2°-4°关节角估计误差且无漂移，优于纯视觉或纯惯性方法。
Comments 8 pages, 7 figures, conference
灵巧点策略：从人类演示中学习基于点的灵巧手策略
机构 * KAIST（韩国科学技术院）
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Dexterous Point Policy框架，通过统一3D关键点表示从人类视频学习灵巧操作策略，无需机器人演示，在真实任务中达到75%成功率。
HannesImitation：通过模仿学习控制Hannes假手进行抓取
机构 * Humanoid Sensing and Perception（人形感知与感知实验室） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Rehab Technologies Lab（康复技术实验室）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出HannesImitationPolicy，通过模仿学习控制Hannes假手在无结构环境中抓取物体，并引入HannesImitationDataset进行训练，实验表明其在无结构场景中优于基于分割的视觉伺服控制器。
Comments Paper accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems, Hangzhou, China, 2025
基于开放世界接触定位的以手为中心的人到机器人轨迹迁移
机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出HOWTransfer框架，通过接触定位从人类视频中提取接触感知的机器人轨迹，无需物体特定描述，在多样化操作任务中实现86%的成功率。
FOUND-IT: 基于基础模型优先、按需粒度的任务驱动3D场景图
机构 * Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Samsung Research America（三星美国研究院）
专题命中 机器人操作 ：manipulation(abstract)；navigation(abstract)；分类 cs.RO
AI总结 提出首个基于未标定单目相机实时构建任意室内外环境分层任务驱动3D场景图的方法，通过几何基础模型和可调整粒度支持动态任务，并在ASHiTA SG3D基准上提升79%准确率。
层次扩散策略中的在线自训练协同适应
机构 * ISIR, Sorbonne Université, CNRS（ISIR，索邦大学，国家科学研究中心）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出ORCHID自训练框架，通过环境反馈过滤轨迹并蒸馏回规划器和控制器，实现层次扩散策略的在线稳定改进，在CALVIN基准上轻量模型超越纯离线方法。
Comments Accepted at ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation (DEMO)
连续体和软体机器人控制中的杆模型：综述
机构 * Istituto Italiano di Tecnologia（意大利技术研究院） ； The BioRobotics Institute（生物机器人研究所） ； Department of Excellence in Robotics and AI（机器人与人工智能卓越部门）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 本文综述了杆模型在连续体和软体机器人建模与控制中的应用，涵盖数学基础、机器人建模及控制策略，并讨论了其优势、局限和未来方向。
HANDOFF: 通过蒸馏互补教师实现人形机器人任务空间全身控制
机构 * California Institute of Technology（加州理工学院） ； The Institute for Human & Machine Cognition（人机认知研究院）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出HANDOFF框架，通过多教师KL蒸馏和上下文门控机制，将全身运动跟踪、行走和跌倒恢复三个专家策略融合为混合专家学生策略，实现基于紧凑显式接口的全身控制，在Unitree G1上达到先进的速度跟踪性能并扩展了操作工作空间。
Comments 22 pages, 9 figures, Project page: https://lzyang2000.github.io/HANDOFF/
游戏化AI辅助同行评审对科学界构成新风险
机构 * OATML, University of Oxford（OATML，牛津大学） ； MBZUAI
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 研究发现，通过表面改写摘要即可显著操纵AI评审结果，成功率约38%，且成本低、难以区分，可能扭曲科学评估的公正性。
扩散编辑中的可控性-保真度前沿
机构 * Xidian University（西安电子科技大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 本文理论结合实证研究扩散图像编辑中用户意图遵循、非目标内容保持与输出质量间的权衡，提出算法框架并揭示关键失败模式，讨论伦理考量。
Comments Preprint
Glove2Hand：从多模态传感手套合成自然的手-物体交互
机构 * Meta Reality Labs（Meta现实实验室） ； Rutgers University（罗格斯大学）
专题命中 机器人操作 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 提出Glove2Hand框架，将多模态传感手套视频转化为逼真的裸手，并保留物理交互动态；引入3D高斯手模型和扩散手恢复器，创建HandSense数据集，提升下游任务性能。
Comments CVPR 2026 Highlight. This version includes the motion retarget process in the appendix
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