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。
GLIDE：未知环境下的空地协同搜索与救援框架
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 提出GLIDE框架，通过两架无人机与一辆无人地面车协同，实现未知环境中的快速受害者定位和障碍物感知导航，利用角色分离和地形侦察提升救援效率。
基于共形预测从稀疏人类反馈中学习机器人安全
机构 * Department of Aeronautics and Astronautics, Stanford University（航空航天工程系，斯坦福大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 通过人类对策略轨迹的二元反馈，利用共形预测识别包含未来策略错误的状态区域，构建具有保证漏检率的预警系统，并用于改进模型预测控制器的安全性。
超越IT检查清单：为网络安全设计合理的注意标准
专题命中 具身导航 ：navigation(abstract)
AI总结 本文通过分析292份关键基础设施政策文件，指出当前以IT合规为中心的网络安全方法不足以应对网络物理系统的安全风险，并提出基于危险特定可追溯性、结构化保证案例和网络弹性工程的现代化注意标准。
Comments 6 pages, 2 figures, Accepted for publication and presentation the Cyber Safety Summit, Washington, D.C., 2026
世界模型与物理AI教程
机构 * Department of Computer Science and Artificial Intelligence/CAIIT, Jeonju, Jeonbuk, South Korea（韩国全北全州计算机科学与人工智能系/CAIIT）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；分类 cs.AI
AI总结 本文提出统一框架，区分显式与隐式世界模型，并探讨其在机器人、自动驾驶等物理AI领域的应用，以及迈向通用人工智能的挑战。
ARROW：增强重放用于鲁棒世界模型
机构 * Imam Mohammad Ibn Saud Islamic University (IMSIU)（伊玛姆·穆罕默德·本·沙特伊斯兰大学） ； Monash University（莫纳什大学） ； University of New South Wales, Sydney（新南威尔士大学，悉尼） ； Cerenaut
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ARROW算法，一种基于模型的持续强化学习方法，通过高效的重放缓冲区减少灾难性遗忘，提升在无共享结构任务和有共享结构任务中的表现。
Comments 36 pages and 11 figures (includes Appendix)
Journal ref Transactions on Machine Learning Research, 2026
GeoWorld-VLM：从世界模型中获取几何结构用于视觉-语言模型
机构 * Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室） ； Kempner Institute for the Study of Natural and Artificial Intelligence（凯普纳自然与人工智能研究 institute） ； Harvard University（哈佛大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 GeoWorld-VLM通过将冻结的摄像机条件视频世界模型的几何结构转移到视觉-语言模型中，提升空间关系推理能力，实验显示在两个不同架构上均提升了约4%的性能。
EPM-JEPA：JEPA系列世界模型中的算子侧经验调制
机构 * School of Artificial Intelligence and Data Engineering (SAIDE), Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校人工智能与数据工程学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出EPM-JEPA，通过LoRA在权重层面调制预测器，以应对测试时动态偏移；实验表明其优于无记忆基线，但效果弱于预期，并揭示了三种独立动力学过程。
Comments 16 pages, 5 figures, 9 tables, 5 code listings. Pre-registered experimental study with mechanism analysis
ProPlay: 用于自我进化LLM智能体的程序化世界模型
机构 * University of Notre Dame（圣母大学） ； University of Connecticut（康涅狄格大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出ProPlay程序化世界模型，通过程序级预演和因果过程图，使LLM智能体在部分可观测环境中自我进化，无需外部监督。
上下文可逆世界模型：用于结直肠癌药物反应的神经符号智能框架
机构 * School of Electronics, Electrical Engineering and Computer Science（电子工程与计算机科学学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出上下文可逆世界模型（CIWM），结合机器学习模拟器与大语言模型推理层，通过逆推理进行CRISPR扰动，揭示KRAS突变在5-氟尿嘧啶耐药中的主导作用及PIK3CA修复的意外效应。
DWM-RO：面向支持SWIPT的卫星-地面异构网络的去中心化世界模型与推理卸载
专题命中 具身推理 ：world model(title,abstract)
AI总结 针对SWIPT卫星-地面异构网络中多智能体强化学习样本效率低和协调性差的问题，提出去中心化世界模型与推理卸载框架，通过想象策略训练和边缘协调机制实现快速收敛、高谱效和低约束违规。
V-JEPA 2.1: 解锁视频自监督学习中的密集特征
机构 * FAIR at Meta（Meta的FAIR） ； Universidad de Zaragoza（萨拉戈萨大学）
专题命中 具身推理 ：navigation(abstract)；world model(abstract)；robotic(abstract)；分类 cs.CV
AI总结 提出V-JEPA 2.1系列自监督模型，通过密集预测损失、深度自监督、多模态分词器和有效缩放，学习图像和视频的密集高质量视觉表示，在多个基准上取得最优性能。
一次凌星足矣：通过EXOVEIL学习恒星行为检测系外行星
机构 * SRH Hochschule（SRH 高校）
专题命中 具身推理 ：world model(abstract)；分类 cs.LG
AI总结 提出EXOVEIL系统，利用Transformer世界模型和自监督学习从原始光变曲线中检测单次凌星事件，在Kepler数据上实现高召回率，并零样本迁移至TESS和PLATO任务。
Comments v3: appendix gallery of confirmed-planet recoveries added; Section 6 candidate catalogue reframed as transit-like anomalies for follow-up; TLS comparison table expanded
SERF：面向长时域移动操作任务的时空环境与机器人特征地图
机构 * UC San Diego（加州大学圣地亚哥分校） ； Agency for Defense Development（国防发展局） ； SceniX Inc.（SceniX公司） ； University of Michigan（密歇根大学）
专题命中 机器人基础模型 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出SERF地图，将环境与机器人身体表示为共享潜空间中的神经点，并在线更新，作为VLA模型的状态输入，提升长时域移动操作中的推理能力，在BEHAVIOR-1K上优于纯图像基线。
Comments Project page: https://existentialrobotics.org/serf/
AIR-VLA+: 通过级联双动作解码器与非对称MoE解耦空中机器人的移动与操作
机构 * The Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通科学与工程学院） ； Information Science, East China Normal University（华东师范大学信息科学）
专题命中 机器人基础模型 ：manipulation(title,abstract)；分类 cs.RO
AI总结 针对空中机器人移动与操作在动作尺度、动力学和控制目标上的显著差异，提出级联双动作解码器与非对称MoE架构，实现解耦协调控制，在AIR-VLA基准上取得48.0平均分，任务完成度提升80.2%。
$μ$VLA：部分可观测操作中VLA模型的循环记忆研究
机构 * CogAI Lab, Moscow, Russia（CogAI实验室，莫斯科，俄罗斯） ； MIRAI, Moscow, Russia（MIRAI，莫斯科，俄罗斯）
专题命中 机器人基础模型 ：manipulation(title)；分类 cs.RO、cs.LG
AI总结 针对VLA模型在部分可观测场景中的记忆缺失问题，提出仅通过可学习记忆令牌和截断反向传播时间实现最小化循环记忆增强，在MIKASA-Robo上将训练任务成功率从0.42提升至0.84，并在LIBERO上保持全可观测性能。
Comments 34 pages, 20 figures, 9 tables
SCALE: 基于自不确定性条件自适应观察与执行的视觉-语言-动作模型
机构 * Seoul National University（首尔国立大学）
专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出SCALE推理策略，利用自不确定性联合调节视觉感知和动作，无需额外训练或验证器，仅单次前向传播，提升VLA模型在模拟和真实环境中的鲁棒性。
Comments ICML 2026 Spotlight. Project page: https://dcahn12.github.io/projects/scale/
基于VLA的驾驶系统的安全案例模式：来自SimLingo的见解
机构 * York University（约克大学） ； National Institute of Informatics（国家信息研究所）
专题命中 机器人基础模型 ：navigation(abstract)；分类 cs.RO
AI总结 针对VLA驾驶系统提出RAISE安全案例设计方法，通过扩展HARA和定制模式，结合SimLingo案例验证其构建基于证据的安全声明的有效性。
WOMBET：基于世界模型的经验迁移实现鲁棒且样本高效的强化学习
机构 * Hybrid Robotics, UC Berkeley（混合机器人技术，伯克利大学）
专题命中 模仿学习与强化学习 ：world model(title,abstract)；robotics(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出WOMBET框架，通过源任务中学习世界模型并生成不确定性惩罚的离线数据，再结合自适应采样进行在线微调，实现鲁棒且样本高效的强化学习迁移。
Comments 13 pages, 6 figures, 8th Annual Learning for Dynamics & Control Conference (L4DC)
从数字到物理：数字代理作为物理智能的自主教练
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Zhongguancun Academy, Beijing, China（中关村学院） ； School of Integrated Circuits, Shanghai Jiao Tong University, Shanghai, China（上海交通大学集成电路学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院多媒体信息处理国家重点实验室）
专题命中 模仿学习与强化学习 ：embodied AI(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出EmboCoach-Bench基准，评估LLM代理自主设计具身策略的能力，通过迭代调试和优化，代理在平均成功率上超越人工基线26.5%，并具备自我修正能力。
Comments 53 pages, 12 figures
Y-BotFrame：一种用于四足机器人助手的可扩展具身智能体框架
机构 * Xidian University（西安电子科技大学）
专题命中 人机交互与遥操作 ：embodied agent(title,abstract)；navigation(abstract)；分类 cs.RO
AI总结 提出Y-BotFrame框架，集成多模态感知与大语言模型认知核心，将自然语言指令映射为可执行任务单元，实现无遥控器的人机协作，支持模块化扩展。
GIVE：在视觉-语言-动作模型中接地人类手势
机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室）
专题命中 人机交互与遥操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对VLA模型忽略手势导致意图理解不准的问题，提出GIVE方法，通过视觉和语义双路径增强手势理解，在真实HRI实验中目标识别准确率提升40%，任务成功率提升80%。
Comments Project page: https://luis-cloud-sg.github.io/GIVE-project/
通过控制障碍函数将ISO 10218安全合规性嵌入机器人以实现人机协作
机构 * Dept. of Electrical and Information Engineering, Polytechnic of Bari（巴里理工大学电气与信息工程系） ； Dipartimento di Ingegneria Meccanica e Industriale, University of Brescia（布雷西亚大学机械与工业工程系） ； Institute of Intelligent Industrial Technologies and Systems, National Research Council of Italy, STIIMA-CNR（意大利国家研究委员会智能工业技术与系统研究所）
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO
AI总结 提出基于控制障碍函数（CBF）的方法，利用人体加速度数据预测最小人机距离，并通过序列二次规划（SQP）框架实现安全约束，在UR10e上验证了该方法在遵守ISO 10218标准的同时减少轨迹误差63%。
学习辅助：面向隐式人机协作的协作式VLA模型
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 人机交互与遥操作 ：manipulation(abstract)；分类 cs.RO
AI总结 本文研究利用视觉-语言-动作（VLA）模型通过模仿学习实现人机协作，发现动作分块策略在隐式协作中存在演示动作泄漏问题，提出推理时引导方法缓解过早辅助行为，并通过用户研究验证其有效性。
AssemLM: 用于机器人装配的空间推理多模态大语言模型
机构 * Fudan University（复旦大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； Tianjin University（天津大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学）
专题命中 机器人数据与评测 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出AssemLM，一种融合装配手册、点云和文本指令的多模态大语言模型，通过专用点云编码器提取几何与旋转特征，实现精确的6D装配位姿推理，并构建含90万样本的AssemBench基准，在真实机器人装配任务中取得最优性能。
Comments Project Page: https://assemlmhome.github.io/
从看见到体验：通过强化学习扩展导航基础模型
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Coco Robotics（Coco机器人）
专题命中 机器人数据与评测 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出S2E框架，结合离线视频预训练和模拟环境强化学习，通过锚点引导分布匹配和残差注意力模块，提升导航基础模型的交互性和安全性。
Comments 27 pages, 20 figures, 9 tables, conference
SPARC：来自机器人演示的可靠空间标注
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； NVIDIA（英伟达） ； Robotics Institute Germany（德国机器人研究所）
专题命中 机器人数据与评测 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出SPARC框架，利用机器人任务的时空结构生成可靠性评分，自动标注演示中的空间信息，减少噪声标签并保留更多有用样本，在物体定位基准上优于纯检测基线。
扩散Transformer世界-动作模型用于自动驾驶场景预测
机构 * Stanford University（斯坦福大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出紧凑潜世界模型，结合扩散Transformer（DiT）预测未来场景，在nuScenes上实现4.8倍更好的KID，并实现动作可控性（转向ρ=0.81）。
Comments 10 pages, 9 figures, 2 tables
SPLIT：通过潜在算术分离物理接触以实现基于图像的触觉传感器
机构 * Leibniz Universität Hannover, L3S Research Center（莱布尼茨汉诺威大学，L3S研究所）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG；robotics(comments)
AI总结 本文提出SPLIT方法，通过潜在空间算术分离接触几何与传感器光学特性，实现触觉传感器的高效模拟，支持多传感器迁移和双向模拟，提升机器人触觉感知研究效率。
Comments Accepted to Elsevier Robotics and Autonomous Systems Journal
MaskWAM：统一掩码提示与预测的世界-动作模型
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Tencent Robotics X（腾讯机器人X实验室） ； Tsinghua University（清华大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 提出MaskWAM，通过统一掩码输入与预测的混合Transformer架构，解决世界-动作模型的空间瓶颈，提升策略泛化能力，在LIBERO等任务上显著优于基线。
DARRMS——资源受限多智能体系统中动态注意力半径的高效算法
机构 * Texas A&M University（德克萨斯A&M大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO
AI总结 提出DARRMS算法，通过优化注意力半径和决策，在资源受限下降低计算需求，提升协调性和可扩展性。
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