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。
离散时间高斯过程混合在机器人策略学习中的惊人有效性
机构 * Department of Computer Science, University of Freiburg, Germany（弗赖堡大学计算机科学系）
专题命中 机器人学习 ：robot policy(title)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG；robotics(comments)
AI总结 提出MiDiGap方法，利用少量演示和相机观测，通过离散时间高斯过程混合实现机器人操作策略的灵活表示与模仿学习，在长时域、高约束、动态和多模态任务上取得SOTA性能，并支持推理时引导。
Comments Submitted for publication to IEEE Transaction on Robotics
SafeManip: 一种基于属性的基准，用于机器人操作中的时间安全评估
机构 * Department of Machine Learning, Georgia Institute of Technology（佐治亚理工学院机器学习系） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO
AI总结 SafeManip通过定义可重用的安全模板，评估机器人操作中的时间安全属性，涵盖碰撞安全、抓取稳定性等八类安全类别，验证了现有方法在安全评估上的不足。
通过多智能体上下文学习的双臂机器人操作
机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； TU Darmstadt（达姆施塔特技术大学） ； Hessian.AI（黑森AI）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出BiCICLe框架，将双臂操作建模为多智能体主从问题，通过解耦动作空间实现标准LLM的少样本学习，在TWIN基准上平均成功率70.5%，超越无训练基线。
RelayFormer: 一种用于可扩展图像和视频篡改定位的统一局部-全局注意力框架
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出RelayFormer统一框架，通过全局局部中继（GLR）令牌和中继注意力机制，适应不同分辨率并统一处理图像与视频，在篡改定位任务中实现高效且性能优越。
潜在颜色子空间：高维混沌中的涌现秩序
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.CV、cs.LG
AI总结 本文揭示了FLUX.1变分自编码器潜在空间中颜色表示的HSL结构，并提出一种无需训练的闭式潜在空间操作方法，实现对生成图像颜色的预测与显式控制。
Comments Accepted at ICML 2026
Efficient-WAM: 一种具有低成本未来想象能力的10亿参数世界-动作模型
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学） ； Muka Robotics（Muka机器人） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 提出Efficient-WAM，通过紧凑视频专家、稀疏视频潜变量和非对称去噪降低未来想象成本，在保持控制性能的同时实现30倍推理加速。
DynaRetarget: 基于采样的轨迹优化的动态可行重定向
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 提出DynaRetarget框架，通过采样轨迹优化将人体运动重定向为人形机器人控制策略，实现长时域动态可行运动，在数百个演示中取得更高成功率。
布尔逻辑的幂项多项式代数
机构 * CSAIL, MIT（MIT计算机科学与人工智能实验室） ； ESAT, KU Leuven（比利时鲁文大学ESAT研究所） ； KU Leuven（鲁文大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 提出幂项多项式代数，一种介于CNF和ANF之间的布尔公式表示语言，通过幂项和多项式直接编码CNF子句与单项式族，避免辅助变量和约束，支持代数运算与重写规则。
Comments Pragmatics of SAT
“不要向用户提及此事”：检测与理解恶意代理技能
机构 * Griffith University（格里菲斯大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Zhejiang Key Laboratory of Digital Fashion and Data Governance, Zhejiang Sci-Tech University（浙江数字时尚与数据治理重点实验室，浙江科技大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 本文通过对两个主要注册中心的98,380个技能进行系统安全分析，结合静态模式匹配和动态行为验证，识别出157个恶意技能，揭示了13种攻击技术中的632个不同漏洞，并发现攻击复杂性与隐藏投入相关。
Comments Accepted to the 35th USENIX Security Symposium (USENIX Security 2026)
Kalman线性注意力：用于高效语言建模和状态跟踪的并行贝叶斯滤波
机构 * University of Cambridge（剑桥大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 提出Kalman线性注意力层，将序列混合重写为信息形式的精确贝叶斯滤波，实现时间并行推理，在相同计算成本下比GLA更具表达力，并在状态跟踪任务中超越线性SSM和注意力。
Comments Accepted at ICML 2026. An earlier version of this work was presented at the 1st Workshop on Epistemic Intelligence in Machine Learning (EIML) at EurIPS 2025
GraphAlg语言基础
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文展示图算法领域特定语言GraphAlg如何建立在矩阵操作形式语言MATLANG之上，通过扩展和语法糖实现，并证明任何GraphAlg程序可在支持同时归纳的for-MATLANG扩展中模拟。
编辑内容，保留声学：基于自一致性奖励的不可感知文本语音编辑
机构 * The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； BNRist, Tsinghua University（清华大学BNRist）
专题命中 机器人操作 ：manipulation(abstract)
AI总结 提出一种在稳定语义空间中编辑内容、通过流匹配解码器保持声学连续性的框架，并利用自一致性奖励组相对策略优化实现不可感知的文本语音编辑。
Comments Accepted by Interspeech 2026
PIGEON: 通过兴趣点选择的VLM驱动物体导航
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； Peking University（北京大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出PIGEON框架，将物体导航建模为基于原始观测的稀疏决策问题，通过兴趣点（PoI）作为视觉决策单元，结合VLM选择关键点，实现零样本SOTA性能并迁移至主动具身问答。
智能血管内导航系统中的导管监测：用于增强导航意识的交互式模拟与混合现实
专题命中 具身导航 ：navigation(title,abstract)
AI总结 提出一种结合实时导管形状重建、交互式模拟和混合现实可视化的框架，通过有限元模型和传感器数据监测导管-血管相互作用，实验验证位移误差低于2.33毫米。
Comments Int J CARS (2026)
可信DFGO：具有可信度监督的可微因子图优化
机构 * Department of Aeronautical and Aviation Engineering（航空与航空工程系）
专题命中 具身导航 ：navigation(abstract,comments)；分类 cs.RO、cs.AI、cs.LG
AI总结 针对GNSS协方差不可靠问题，提出CredibleDFGO框架，通过可微高斯-牛顿求解器与加权生成网络，利用适当评分规则监督预测分布，提升协方差可信度与定位精度。
Comments Submitted to NAVIGATION: Journal of the Institute of Navigation
MB-Loc：室外LiDAR场景中的多平面鸟瞰图定位
机构 * Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 提出MB-Loc框架，通过将LiDAR扫描投影为2.5D多平面鸟瞰图表示，结合KL正则化隐瓶颈和3D空间增强，实现轻量级、视角鲁棒的场景坐标回归定位，在NCLT数据集上达到实时推理并超越现有方法。
LEMON-Mapping: 面向全局一致建图的环路增强大规模多会话点云融合与优化
机构 * Institute of CyberSystems and Control, Zhejiang University（浙江大学控制系统研究所） ； The Huzhou Institute, Zhejiang University（浙江大学湖州研究院） ； The State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院国家工业控制技术重点实验室） ； The College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学与技术学院）
专题命中 具身导航 ：robotics(abstract)；分类 cs.RO
AI总结 提出LEMON-Mapping框架，通过鲁棒环路处理、空间光束法平差和基于PGO的优化，解决多机器人建图中重叠区域发散和模糊问题，实现高精度全局一致点云融合。
紧凑型大语言模型部署与世界模型辅助的卸载在移动边缘计算中
专题命中 具身推理 ：world model(title,abstract)
AI总结 本文研究了移动边缘计算网络中紧凑型大语言模型（LLM）部署和世界模型辅助的推断卸载问题，提出了一种边缘紧凑型LLM部署（ECLD）框架，结合结构化剪枝、低比特量化和知识蒸馏来构建可部署于边缘的LLM变种，并通过四个互补指标评估这些模型。基于这些紧凑模型，提出了一个MEC卸载优化问题，旨在最小化长期平均推断延迟，同时满足设备能耗预算和LLM特定的服务质量约束。为了解决未知且时间变化的网络动态问题，开发了一种世界模型-近端策略优化（PPO）算法，该算法在原策略优化算法中加入了学习的递归世界模型，以提供改进的价值目标和短时间想象回放。
Comments 16 pages, 10 figures
弥合运动执行差距：从语义运动任务约束到运动学控制
机构 * University of Bremen（不莱梅大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.RO
AI总结 本文提出通过运动状态图实现语义约束与可执行机器人运动的连接，利用统一的可微运动学世界模型实现世界中心的运动规范与跨平台泛化，采用基于lMPC的任务函数方法确保任务切换的平滑过渡。
Comments 9 pages, 8 figures, to be published in IJCAI 2026
GEAR-VLA：学习几何感知的动作表示以实现可泛化的机器人操作
机构 * Anhui University（安徽大学） ； University of Science and Technology of China（中国科学技术大学） ； iFLYTEK（科大讯飞）
专题命中 机器人基础模型 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出GEAR-VLA框架，通过粗到细的动作学习、语义对齐的3D集成和具身规范化，学习统一的几何感知动作表示，实现跨物体、背景和机器人的泛化操作。
ActionMap: 基于体素动作热图的机器人策略学习
机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； NVIDIA（英伟达）
专题命中 机器人基础模型 ：robot policy(title)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出ActionMap，一种将动作空间建模为体素热图的动作解码器，替代现有VLA模型中的单点预测器，在LIBERO仿真和真实Franka操作中提升性能和数据效率。
视觉-语言-动作跳跃启动用于强化学习机器人智能体
机构 * University of Applied Science and Arts of Southern Switzerland, Department of Innovative Technologies（瑞士南方应用科学与艺术大学创新技术系） ； Università della Svizzera Italiana, Faculty of Informatics, Lugano, Switzerland（瑞士意大利大学信息学院，卢加诺，瑞士）
专题命中 模仿学习与强化学习 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出VLAJS方法，通过稀疏的VLA高层动作建议引导PPO探索，结合方向性动作一致性正则化，提升强化学习在长时域操作任务中的样本效率，并在仿真和真实机器人上验证。
Comments ICRA 2026 Workshop on Reinforcement Learning in the Era of Imitation Learning
RoboGPT-R1: 通过强化学习增强机器人任务规划
机构 * Institute of Automation, CASIA（中国科学院自动化研究所） ； School of Artificial Intelligence, UCAS（中国科学技术大学人工智能学院） ； Huawei Cloud Technology Co., Ltd（华为云技术有限公司）
专题命中 模仿学习与强化学习 ：embodied agent(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出RoboGPT-R1两阶段微调框架，先监督学习获取基础知识，再通过强化学习提升视觉空间理解和推理能力，在EmbodiedBench上超越GPT-4o-mini 21.33%。
Journal ref Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026), pp. 2827-2837, IFAAMAS, 2026
面向接触丰富机器人强化学习的自监督多感官预训练
机构 * Interactive Robot Perception & Learning (PEARL) Lab, TU Darmstadt, Germany（图腾机器人感知与学习实验室，图腾施塔德大学，德国） ； Hessian.AI（海斯堡人工智能） ； Robotics Institute Germany (RIG)（德国机器人研究所（RIG））
专题命中 模仿学习与强化学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.LG；robotics(journal_ref)
AI总结 提出MSDP框架，通过掩码自编码和跨模态预测学习多感官表示，并采用非对称架构（评论家使用交叉注意力提取动态特征，演员使用稳定池化表示）加速策略学习，在模拟和真实机器人任务中展现出鲁棒性和高效性。
Comments 8 pages, 11 figures
Journal ref IEEE Robotics and Automation Letters, 2026, Vol. 11, No. 6, pp. 6799-6806
ReMoT: 基于运动对比三元组的强化学习
机构 * Xi’an Jiaotong University（西安交通大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院）
专题命中 模仿学习与强化学习 ：robotics(abstract)；navigation(abstract)；分类 cs.CV
AI总结 提出ReMoT统一训练范式，通过规则生成大规模运动对比数据集和组相对策略优化，解决VLM时空一致性问题，在时空推理任务上提升25.1%。
Comments CVPR 2026 Highlight
面向多用户延迟约束调度的离线扩散策略
机构 * Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（交叉信息学院（IIIS），清华大学）
专题命中 模仿学习与强化学习 ：embodied AI(abstract)；分类 cs.AI
AI总结 提出基于离线强化学习的SOCD算法，利用扩散策略和批评网络指导，从离线数据中学习高效调度策略，避免在线交互，在部分可观测和大规模环境中表现优异。
SIL: 语言条件的人机协同适应的共生交互学习
机构 * Technical University of Leoben（莱博恩技术大学）
专题命中 人机交互与遥操作 ：embodied agent(abstract)；分类 cs.RO
AI总结 提出共生交互学习（SIL）框架，实现人类与智能体在共享潜在任务空间中的双向协同适应，通过联合信念状态、FM空间推理和记忆架构，在指令跟随等任务中达到90.4%完成率和0.83信念对齐分数。
利用具身体 agent：运行时治理以实现政策约束执行
机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus（赫瑞-沃德大学马来西亚校区数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院） ； Fraunhofer Institute for Applied Information Technology（弗劳恩霍夫应用信息技术研究所）
专题命中 机器人数据与评测 ：embodied agent(title,abstract)；分类 cs.RO
AI总结 本文提出了一种政策约束执行框架，通过将 agent 认知与执行监督分离，增强了具身体 agent 的运行时治理能力，通过 1000 次随机模拟验证，显著提高了对未经授权动作的拦截率和系统恢复成功率。
Comments 36 pages, 3 figures, 10 tables
Food4All: 一种具有自适应用户理解能力的食物资源导航智能体框架与基准
机构 * University of Notre Dame（诺特大学）
专题命中 机器人数据与评测 ：navigation(title)
AI总结 提出Food4All框架，结合食物搜索工具与300个多轮评估任务，在686个印第安纳食物资源上评估六种大语言模型，诊断其在约束条件处理和非理想用户交互中的不足。
Comments We have further refined the benchmark construction and experimental presentation to improve clarity and consistency. The revised version includes updated task design, food-resource data, and evaluation details to better align the benchmark with the intended food resource referral setting. These changes provide a more precise presentation of the experimental findings
通过语义技能发现实现持续四足机器人协调
机构 * National Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室，南京大学，南京，中国） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，南京，中国） ； Polixir Technologies, Nanjing, China（南京极智科技有限公司）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出Conquer框架，通过语义技能库实现多四足机器人在持续学习任务中的协调，避免灾难性遗忘，最终平均成功率95.6%。
Comments 22 pages, 8 figures, 11 tables. Project page: https://conquer-project.pages.dev/
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