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。
WorldPlay：面向实时交互式世界建模的长期几何一致性
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出WorldPlay流式视频扩散模型，通过双重动作表示、重构上下文记忆和上下文强制蒸馏方法，实现实时交互式世界建模并保持长期几何一致性，生成24 FPS的720p长视频。
Comments project page: https://3d-models.hunyuan.tencent.com/world/, demo: https://3d.hunyuan.tencent.com/sceneTo3D, code: https://github.com/Tencent-Hunyuan/HY-WorldPlay
随流而行：Koopman行为模型作为视觉运动灵巧性的伪规划器
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 具身推理 ：world model(abstract,abstract_cn)；分类 cs.RO
AI总结 提出统一行为模型（UBM），将灵巧技能建模为耦合动力系统，确保时间一致性；基于Koopman算子实现线性潜空间，通过在线重规划实现反应性和适应性，在模拟和真实任务中达到或超越现有方法。
Comments Website: https://k-ubm.github.io/
一个镜头，多个世界：面向世界模型可解释性的能力类型接口
机构 * New York University（纽约大学） ； Independent Researcher（独立研究者） ； Veermata Jijabai Technological Institute（韦尔玛塔·吉贾拜技术学院） ； Mercity ； University of Southern California（南加州大学） ； Independent Researcher, MIT（麻省理工学院独立研究者） ； Independent Researcher, GITAM（GITAM独立研究者） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 提出WorldModelLens，通过能力类型适配器统一不同世界模型（如PlaNet、IRIS、I-JEPA）的可解释性分析，避免重复实现。
VeriSpace: 面向视觉-语言-动作模型的空间基础动作验证
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出VeriSpace，一种3D感知的动作验证器，通过双路径3D注入场景编码和空间基础动作推理，在测试时选择候选动作，提升VLA模型的可靠性。
Comments Submit to ACM MM
CAST: 反事实标签提升视觉-语言-动作模型中的指令跟随能力
机构 * University of California Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学）
专题命中 机器人基础模型 ：manipulation(abstract)；navigation(abstract)；分类 cs.RO
AI总结 针对VLA模型难以遵循细粒度指令的问题，提出利用视觉语言模型生成反事实标签增强数据集，提升语言基础多样性，实验表明该方法在导航和操作任务中显著提升指令跟随成功率。
机器人策略编排的关键因素：分层VLA智能体的系统研究
机构 * Google DeepMind（谷歌DeepMind）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 系统研究分层视觉-语言-动作（Hi-VLA）系统的设计原则，通过统一框架分析规划器、控制器及接口机制对短时、长时及推理密集型任务性能的影响，提出构建更强健分层VLA智能体的实用原则。
QDepth-VLA：量化深度预测作为视觉-语言-动作模型的辅助监督
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Zhongke Huiling Robot Technology Co.（北京中科创联机器人科技有限公司）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出QDepth-VLA框架，通过辅助深度预测任务增强VLA模型的空间感知与推理能力，在仿真和真实任务中提升操作性能。
揭示视觉-语言-动作模型在关节级物理故障下的脆弱性
机构 * Graduate School of Data Science, Seoul National University（首尔大学数据科学研究生院）
专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO
AI总结 本研究揭示VLA模型在机器人关节级物理故障（如执行器退化、摩擦增加）下性能显著下降，并提出轻量级残差校准框架J-PARC，通过推断关节故障状态并自适应修正动作，提升鲁棒性。
面向视觉条件的无人机导航的自优化智能体强化学习
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出AgenticRL框架，利用多模态GPT智能体自动设计奖励函数、通过闭环自改进优化策略，在多种无人机导航任务中提升性能并实现高成功率。
AllDayNav: 通过真实世界强化学习实现终身导航
机构 * Tsinghua University（清华大学） ； Galbot Robotics ； Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.RO
AI总结 提出AllDayNav框架，利用自进化多模态记忆和强化学习隐式编码场景动态，在跨房间、跨回合和跨任务场景中实现接近100%的成功率，超越基于地图、VLM和RL的基线方法。
Comments Project Page: https://bagh2178.github.io/AllDayNav/
MODIP：扩散策略的高效基于模型的优化
机构 * Sorbonne Université, CNRS, ISIR, F-75005 Paris, France（索邦大学，法国国家科学研究中心，智能系统与机器人研究所，法国巴黎） ； Institut Universitaire de France (IUF)（法国大学研究院）
专题命中 模仿学习与强化学习 ：robot learning(abstract)；world model(abstract)；分类 cs.LG
AI总结 提出MODIP框架，利用世界模型和模型预测控制生成高质量轨迹，以监督方式微调扩散策略，实现离线到在线的强化学习微调，在D4RL和RoboMimic任务上超越行为克隆基线。
基于语言和自我中心人类信号的分层策略用于自然人机交互
机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学）
专题命中 人机交互与遥操作 ：robot policy(abstract)；分类 cs.RO、cs.AI
AI总结 提出EDITH框架，通过智能眼镜捕捉人类第一人称视角、注视和语言信号，设计分层策略将非语言信号与语言指令结合，实现更自然的人机交互，减少用户表达意图的负担。
Comments We provide video demos and code in: https://project-edith.github.io
EM-Fall: 用于人形机器人昼夜跌倒检测的具身毫米波感知
机构 * MARS Lab（MARS实验室） ； NTU（南洋理工大学） ； IOT Lab（物联网实验室）
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO
AI总结 提出EM-Fall框架，将毫米波感知与移动人形机器人结合，通过主动调整视角实现跨房间遮挡下的跌倒检测，并设计轻量时序模型处理宠物干扰和多径效应，在8个真实环境中验证了鲁棒性。
人机交互中的平和心态：将平静技术原则应用于人机交互
机构 * Cognitive Science Department, Jagiellonian University（杰兹维日大学认知科学系）
专题命中 人机交互与遥操作 ：robotics(abstract)；分类 cs.RO
AI总结 本文探索将平静技术整合到人机交互中，为家庭辅助机器人设计提供指南，以促进平和、非侵入性的交互，并强调负责任机器人学与伦理考量。
Comments Conference pre-print. https://doi.org/10.1007/978-981-96-3525-2_41
BiPneu：用于软体机器人的双极气压气动系统的设计与控制
机构 * Department of Electrical and Computer Engineering, Michigan State University（电气与计算机工程系，密歇根州立大学）
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO
AI总结 提出一种可扩展、高性价比的多通道双极气压气动系统BiPneu，并设计基于混合电-气动模型的双模式滑模控制器（DM-SMC），实现宽范围、精确、快速的压力调节，在软体机器人应用中显著优于MPC和PID控制器。
Comments Full Version of BiPenu, including the supplementary materials
Journal ref IEEE/ASME Transactions on Mechatronics, 2026
CapStARE: 基于胶囊的序列架构实现鲁棒高效的目光估计
机构 * University of the Basque Country（巴斯克大学）
专题命中 人机交互与遥操作 ：robotics(abstract)；分类 cs.CV
AI总结 提出CapStARE，结合冻结ConvNeXt骨干、注意力路由胶囊和双GRU解码器，在ETH-XGaze等数据集上实现实时高精度目光估计，兼顾空间鲁棒性与计算效率。
Comments Preprint for Patter Recognition Journal
UMI-Bench 1.0：基于UMI数据的桌面机器人操作开放可复现真实世界基准
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
AI总结 提出UMI-Bench 1.0，首个专为UMI风格操作策略设计的真实机器人基准，通过统一协议实现数据收集、场景重置、策略执行、结果记录和任务因素分析，提供可复现的评估平台。
RobotEQ：从被动智能到主动智能的具身AI过渡
机构 * State Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University（自主智能无人系统国家重点实验室，同济大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； CMVS, University of Oulu（奥卢大学CMVS）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出RobotEQ基准，评估模型在具身场景中理解并遵守社会规范的能力，实验表明现有模型在主动智能上仍有不足，利用RAG技术可提升性能。
面向快速鲁棒机器人故障检测与恢复的目标导向通信
机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） ； Bristol Research and Innovation Laboratory, Toshiba Europe Ltd.（托bsd欧洲有限公司布里斯托尔研究与创新实验室）
专题命中 机器人数据与评测 ：robotic(title,abstract)；分类 cs.RO
AI总结 提出目标导向通信框架，通过联合设计通信-计算-控制回路，利用3D场景图检测故障，并微调小语言模型结合知识蒸馏生成恢复动作，实现故障检测与恢复时间降低82.6%，任务成功率提升76%。
Comments Submit to IEEE for potential publication
基于SE(3)的机器人统一力-阻抗控制的几何公式化
机构 * University of California, Berkeley, USA（加州大学伯克利分校）
专题命中 机器人数据与评测 ：robotic(title)；分类 cs.RO
AI总结 提出一种在SE(3)流形上的阻抗控制框架，通过能量罐增强实现力跟踪与无源性，并解决非因果实现问题，继承SE(3)不变性以提高学习效率。
ABot-Earth 0.5：生成式3D地球模型
机构 * AMAP CV Lab（AMAP视觉实验室）
专题命中 机器人数据与评测 ：embodied AI(abstract)；navigation(abstract)；分类 cs.CV
AI总结 提出ABot-Earth 0.5框架，利用3D高斯泼溅从卫星图像生成大规模无缝3D环境，每平方公里合成时间低于10分钟，支持实时交互可视化，降低3D重建成本。
Comments From Amap-cvlab, Alibaba. Official page: https://abot-earth.amap.com/
蒙特卡洛传球搜索：利用轨迹生成进行足球3D反事实传球评估
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.CV
AI总结 提出蒙特卡洛传球搜索（MCPS），结合价值模型、世界模型和反事实策略，基于3D轨迹数据评估足球传球，通过两种执行盈余分数实现分布感知的传球分析。
Comments CVPR 2026, CVSports Workshop
ObjSplat: 几何感知的高斯面元用于主动物体重建
机构 * School of Optics and Photonics, Beijing Institute of Technology（光学与光子学学院，北京理工大学） ； School of Optoelectronic Engineering, Changchun University of Science and Technology（光电工程学院，长春理工大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 提出ObjSplat框架，利用高斯面元统一表示，通过几何感知视点评估和下一最佳路径规划器，实现高效高保真的主动物体重建。
Comments Accepted to IEEE T-ASE. Code: https://github.com/Li-Yuetao/ObjSplat , Project Page: https://li-yuetao.github.io/ObjSplat-page/
通过图对齐在像素级全局定位月球车
机构 * The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing Aerospace Control Center（北京航天飞行控制中心） ； Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences（中国科学院空间应用工程与技术中心）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV
AI总结 提出WARG框架，利用统一图学习和重投影图匹配解决月球车跨视角定位中的实体纠缠、视角差异和仿真到真实域偏移问题，在玉兔二号真实数据上实现1.68米定位误差。
GitInject: AI驱动的CI/CD流水线中的真实提示注入攻击
机构 * Virginia Tech（弗吉尼亚理工学院） ； AI Sequrity Company（AI安全公司）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI
AI总结 提出GitInject框架，在真实GitHub工作流中评估AI代理的提示注入漏洞，发现所有测试提供商均存在结构性风险，并给出最低成本防护措施。
CableRobotGraphSim：一种用于建模部分可观测缆索驱动机器人动力学的图神经网络
机构 * Rutgers University（罗切斯特大学） ； Yale University（耶鲁大学）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO
AI总结 提出CableRobotGraphSim，一种图神经网络模型，通过将缆索驱动机器人表示为图（刚体为节点，缆索和接触为边），仅利用部分可观测输入即可快速准确匹配其他仿真和真实机器人，并采用仿真-真实联合训练提升鲁棒性，最后集成MPPI控制器实现闭环导航。
具有障碍李雅普诺夫约束的自适应人工时延控制用于欧拉-拉格朗日机器人
机构 * Robotics Research Center, International Institute of Information Technology Hyderabad, India（机器人研究中心，国际信息科技大学 Hyderabad，印度） ； Department of Computer Science, University of Manchester, UK（计算机科学系，曼彻斯特大学，英国） ； Autonomous Systems and Automatic Control in School of Engineering, Newcastle University, UK（工程学院自主系统与自动控制，新castle大学，英国） ； Self-Organizing Mobility Lab, School of Mathematics, Southeast University, Nanjing 210096, China（自组织移动实验室，数学学院，东南大学，南京210096，中国）
专题命中 其他机器人 ：robotics(abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对欧拉-拉格朗日系统中的状态相关不确定性和时变状态约束问题，提出一种结合人工时延估计与障碍李雅普诺夫函数的自适应控制框架，通过在线估计不确定性上界并强制约束位置和速度，实验验证了其在五自由度机械臂上的有效性。
LieIPM：用于刚体直接轨迹优化的李群内点法
机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） ； Ohio University（俄亥俄大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO
AI总结 提出一种基于李群结构的约束轨迹优化框架LieIPM，利用二阶刚体模型和变分积分器，实现无奇异、快速收敛的牛顿型更新。
多层感知机的学习熵与空间自适应动力学用于结构点提取
机构 * Czech Technical University in Prague（捷克技术大学布拉格分校） ； University of South Bohemia in Ceske Budejovice（南捷克大学捷克布杰约维采分校）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.LG
AI总结 提出空间学习熵（SLEM）方法，通过分析MLP在图像样本学习中的权重自适应，识别对网络学习重要的图像点与区域，为特征提取提供新视角。
来自分散数据的组合生成建模
机构 * Department of Computer Science and Engineering, Michigan State University, East Lansing, MI, USA（计算机科学与工程系，密歇根州立大学，东兰辛，MI，美国）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.LG
AI总结 提出去中心化组合流匹配（DCFM）框架，通过结构约束实现分散数据中生成因子的组合，无需交换原始数据，在条件图像生成、机器人空间规划和医学属性共现建模中显著优于基线。
Comments ICML 2026
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