机器人 / 具身智能

$μ_0$: A Scalable 3D Interaction-Trace World Model

$\mu_0$: 一种可扩展的3D交互轨迹世界模型

Seungjae Lee, Yoonkyo Jung, Jusuk Lee, Jonghun Shin, Amir Hossein Shahidzadeh, Yao-Chih Lee, H. Jin Kim, Jia-Bin Huang, Furong Huang

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Seoul National University（首尔大学） 纠错

专题命中 机器人学习 ：world model(title,abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 提出基于3D轨迹的可扩展世界模型$\mu_0$，通过预测交互点轨迹实现跨本体机器人学习，无需动作标签，性能媲美有监督模型。

GeoTLM: Geometry-aware Tactile-Language Models for Contact Motion Orientation Reasoning of Dynamic Objects

GeoTLM: 面向动态物体接触运动方向推理的几何感知触觉语言模型

Qiutian Li, Zinan Liu, Lin Wang

机构 * School of EEE, Nanyang Technological University (NTU)（南洋理工大学电气与电子工程学院） 纠错

专题命中 机器人学习 ：robot learning(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出GeoTLM，通过可微几何表示（DGR）提取触觉剪切场中的几何先验，提升动态物体旋转和滑动方向推理能力，在旋转和滑动任务上分别提升14.6%和16.2%的准确率。

Comments 7 pages, 3 figures, 4 tables

Learning New Tasks via Reusable Skills: Skill-Compositional Experts for Embodied Continual Learning

通过可复用技能学习新任务：面向具身持续学习的技能组合专家

Shuaike Zhang, Shaokun Wang, Haoyu Tang, Jianlong Wu, Liqiang Nie

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shandong University（山东大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 机器人学习 ：manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 提出技能组合专家（SCE）框架，通过组合技能基础（CSG）分解演示为可复用技能，并利用双执行-转换专家（DETE）实现新任务学习，有效缓解具身持续学习中的灾难性遗忘。

Comments 13 pages, 5 figures

Co-Creating Buildable and Open Social Robot Study Companions with University Students

与大学生共同创造可构建且开放的社会机器人学习伙伴

Farnaz Baksh, Matevž B. Zorec, Feiazie Baksh, Karl Kruusamäe

机构 * University of Tartu（塔尔图大学） ； University of Guyana Robotics Club（圭亚那大学机器人俱乐部） 纠错

专题命中 机器人学习 ：navigation(abstract)；分类 cs.RO；robotics(comments)

AI总结 针对开源机器人构建门槛高的问题，采用双钻石框架与大学生共同设计机器人学习伴侣v4.1，通过扭锁、卡扣等可装配/拆卸设计，将系统可用性从差提升至优（SUS 59.4→89.4），并降低感知工作负荷。

Comments Accepted for 18th International Conference on Social Robotics (ICSR + ART 2026), London, UK | 1-4 July 2026

VENOM: Versatile Embodied Network for Omni-bodied Motion tracking

VENOM: 用于全身运动追踪的多功能具身网络

Siddharth Padmanabhan, Kazuki Miyazawa, Takato Horii

机构 * Graduate School of Engineering Science, University of Osaka（大阪大学工学研究科） 纠错

专题命中 机器人学习 ：robot learning(abstract)；分类 cs.RO

AI总结 提出VENOM，一种基于GPT的跨具身全身运动追踪模型，在仿真中实现多个人形机器人的全身运动追踪，无需分离上下身控制。

EV-WM: Event-Verified World Models for Long-Horizon Robotic Manipulation

EA-WM: 基于任务规范基础的事件感知世界模型用于长时域操作

Kailin Wang, Haoxiang Jie, Yaoyuan Yan, Jiacheng Zhou, Zhiyou Heng

机构 * AI Lab, Country Garden Services Group（碧桂园服务集团AI实验室） ； Fudan University（复旦大学） ； Omni AI 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title)；navigation(abstract)

AI总结 提出EA-WM框架，通过事件预测和验证增强预训练特征世界模型，实现长时域操作中任务进展信号的可靠评估与规划。

Decoupled Object-Centric Video Understanding for Generating Robotic Manipulation Commands

解耦的以对象为中心的视频理解用于生成机器人操作指令

Thanh Nguyen Canh, Thanh-Tuan Tran, Haolan Zhang, Ziyan Gao, Xiem HoangVan, Nak Young Chong

机构 * School of Information Science, Japan Advanced Institute of Science and Technology（日本北陆先端科学技术大学院大学信息科学学院） ； University of Engineering and Technology, Vietnam National University（越南国立大学工程与技术大学） ； Department of Robotics, Hanyang University（汉阳大学机器人学系） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO、cs.CV

AI总结 提出解耦动作识别与对象选择的框架，通过TSM分类动作和对象选择算法识别任务相关对象，结合VLM生成精确指令，在Something-Something V2上显著提升性能。

V2P-Manip: Learning Dexterous Manipulation from Monocular Human Videos

V2P-Manip：从单目人类视频学习灵巧操作

Kaihan Chen, Yanming Shao, Haifeng Ji, Xiaokang Yang, Yao Mu

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；embodied AI(abstract)；robotic(abstract)；分类 cs.RO、cs.CV

AI总结 提出V2P-Manip框架，从单目人类演示视频中提取具有视觉保真度和物理合理性的轨迹，通过两阶段精炼实现空间对齐与物理一致性，在TACO和OakInk基准上显著优于先前方法。

An Augmented Reality Brain-Robot Interface for Generalist Robot Arm Manipulation

面向通用机器人臂操控的增强现实脑机接口

Shangkai Zhang, Rousslan Fernand Julien Dossa, Luca Nunziante, Marina Di Vincenzo, Kai Arulkumaran

机构 * Araya Inc.（Araya公司） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出结合眼动追踪与运动想象脑电的增强现实脑机接口，实现通用机器人臂的直观操控，通过18人实验验证了多步骤日常任务的有效性和良好可用性。

Comments Accepted at the 2026 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN)

A Bilateral Teleoperation Framework for Dexterous Manipulation

灵巧操作的双边遥操作框架

Stefano Dalla Gasperina, Dong Ho Kang, Haiyun Zhang, Aldo Galvan, Job D. Ramirez, Aaron Kim, Mark Helwig, Kazuto Yokoyama, Takahisa Ueno, Tetsuya Narita, Ann Majewicz-Fey, Ashish D. Deshpande, Luis Sentis

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sony Group Corporation（索尼集团公司） ； Meta Reality Labs Research（Meta现实实验室） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出模块化双边遥操作框架，集成操作端输入与机器人端灵巧手及柔顺臂，通过位置重定向、差分控制、多尺度触觉反馈和共享控制实现灵巧操作，验证了协调控制与接触感知能力。

Comments 4 pages, 7 figures, 1 appendix,

PATCH: Action-Chunk-Conditioned Latent Patch Innovation Monitoring for Robot Manipulation

PATCH: 基于动作块条件潜在补丁创新的机器人操作监控

Yanan Zhou, Ranpeng Qiu, Yincong Chen, Jiajie Cui, Weiming Zhi

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Australian Centre For Robotics, The University of Sydney（悉尼大学澳大利亚机器人中心） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 提出PATCH监控器，通过动作块条件潜在补丁创新检测局部场景动态，实现扰动感知的机器人操作干预与恢复。

ROVE: Unlocking Human Interventions for Humanoid Manipulation via Reinforcement Learning

ROVE: 通过强化学习解锁人类干预用于人形机器人操作

Wei Xiao, Weiliang Tang, Yuying Ge, Hui Zhou, Yao Mu, Li Zhang, Yixiao Ge

机构 * XPENG Robotics（小鹏机器人） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.LG

AI总结 提出ROVE框架，利用强化学习和乐观价值估计，从次优人类干预轨迹中学习高价值行为，提升人形机器人操作性能。

APEX: Adaptive Policy Execution for Precise Manipulation

APEX: 用于精确操作的适应性策略执行

Mengfei Zhao, Chenxi Jiang, Tuo An, Jindou Jia, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 针对策略与控制器间的执行差距，提出即插即用的APEX框架，通过动态可行参考重建和测试时自适应，减少跟踪误差并提升操作成功率。

Comments 20 pages, 9 figures, 4 tables

A Deployment Case Study in Robotic Apparel Automation: Digital Twin Integration, Interoperability, and Workforce Enablement

机器人服装自动化部署案例研究：数字孪生集成、互操作性与劳动力赋能

Gokul Narayanan, Abhiroop Ajith, Jonathan Zornow, Carlos Calle, Auralis Herrero Lugo, Jose Luis Susa Rincon, Chengtao Wen, Eugen Solowjow

机构 * Siemens Corporation（西门子股份公司） ； Sewbo ； Levi's（李维斯） ； Bluewater Defense 纠错

专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO

AI总结 针对织物柔性导致的机器人操作难题，本文通过牛仔布制造案例，提出集成数字线程、数字孪生、互操作层及运行时监控的机器人缝纫系统，实现快速部署与鲁棒性提升。

Comments 4 pages, 3 figures, IEEE ICRA 2026 Workshop Paper

SimWeaver: Zero-Shot RGB Sim-to-Real for Deformable Manipulation

SimWeaver：面向可变形操作的零样本RGB仿真到现实

Wenkang Hu, Haoran Wang, Yitong Li, Liu Liu, Mengao Zhao, Lai Jiang, Xincheng Tang, Junhang Wei, Zhengjie Shu, Zhendong Wang, Zhizhong Su, Huamin Wang, Ruigang Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Horizon Robotics（地平线机器人） ； Style3D Research（Style3D研究院） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 提出SimWeaver框架，通过200条仿真演示训练零样本RGB VLA策略，在5种可变形任务中达到91%平均真实成功率，无需遥操作或任务校准。

Invisible Manipulation Channels in AI-Assisted Financial Advisory: Implications for Market Integrity and Regulatory Design

AI辅助金融咨询中的隐形操纵通道：对市场完整性与监管设计的影响

Liuyang Yao, Zhouyu Li, Junguang He, Ziyang You

专题命中 机器人操作 ：manipulation(title,abstract)

AI总结 本文发现并验证了LLM推理采样层的隐形操纵通道，该漏洞可系统性偏置AI金融意见，同时绕过输出审计和统计水印，并提出基于QRNG和TEE的硬件防御及四项监管修正。

Comments 17 pages, 3 figures

Inference-time Policy Steering via Vision and Touch

通过视觉和触觉进行推理时策略引导

Yilin Wu, Zilin Si, Zeynep Temel, Oliver Kroemer, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 提出ViTaL框架，通过视觉采样验证和触觉引导扩散编辑的双层优化，在推理时引导机器人策略，显著提升接触丰富操作任务的成功率。

LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot Policies

LaWAM: 用于高效动力学感知机器人策略的潜在世界行动模型

Jialei Chen, Kai Wang, Kang Chen, Shuaihang Chen, Feng Gao, Wenhao Tang, Zhiyuan Li, Weilin Liu, Zhuyu Yao, Boxun Li, Yuanbo Xu, Chao Yu

机构 * Tsinghua University（清华大学） ； Jilin University（吉林大学） ； Nankai University（南开大学） ； Peking University（北京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Zhongguancun Academy（中关村学院） ； Striding.AI ； Infinigence AI 纠错

专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI

AI总结 提出LaWAM模型，通过潜在视觉子目标预测场景变化，实现动力学感知的机器人控制，在多个基准上达到最优或竞争性成功率，且推理延迟低。

PO-PDDL: Learning Symbolic POMDPs from Visual Demonstrations for Robot Planning Under Uncertainty

PO-PDDL: 从视觉演示中学习符号化POMDP以实现不确定性下的机器人规划

Wenjing Tang, Xuanjin Jin, Yuan Liu, Renming Huang, Cewu Lu, Panpan Cai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 提出PO-PDDL符号化POMDP框架，通过从机器人执行视频中重建潜在状态轨迹、识别部分可观测性并学习随机转移与观测模型，实现不确定性下的鲁棒任务规划。

Creation and motion of antiferromagnetic skyrmions by edge manipulation

通过边缘操控产生和运动反铁磁斯格明子

Aleksey Berg, Tim Matthies, Roland Wiesendanger, Elena Y. Vedmedenko

专题命中 机器人操作 ：manipulation(title)

AI总结 本文提出通过反铁磁样品边界局部磁化旋转或边缘交变磁化切换，高效产生和传输反铁磁斯格明子，避免全局驱动力，并对比铁磁过程展示其高效性。

Journal ref J. Appl. Phys. 139, 183904 (2026)

HATS: A Human-Agent Teleoperation System for Multi-Arm Data Collection

HATS：用于多臂数据收集的人-智能体遥操作系统

Zesen Lin, Jian-Jian Jiang, Haoming Cen, Xiao-Ming Wu, Dandan Zhang, Wei-Shi Zheng

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Nanyang Technological University（南洋理工大学） ； Imperial College London（帝国理工学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出HATS系统，由单操作员借助MLLM智能体控制两主臂和两辅助臂，实现高效多臂数据收集，性能媲美双人专家团队。

ART-Glove: Articulated Tactile Glove for Contact-Grounded Dexterous Interaction Capture

ART-Glove：用于接触接地灵巧交互捕获的关节式触觉手套

Changyi Lin, Ding Zhao

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人操作 ：robot learning(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 提出ART-Glove关节式触觉手套，通过16个刚性功能表面和22个解剖对齐关节，同步捕获22自由度关节运动和2048触觉点接触信息，支持下游灵巧机器人学习。

Acting While Understanding: Asynchronous Semantic-Action Decoupling for Real-Time Vision-Language-Action Models

理解中行动：面向实时视觉-语言-动作模型的异步语义-动作解耦

Shenhao Yan, Ge Wang, Qi Liu, Weilin Meng, Jiahao Yang, Chengsi Yao, Fan Feng, Xiaoguang Ma, Yiming Zhao, Yatong Han

机构 * Northeastern University（东北大学） ； Ising AI ； CUHK-Shenzhen（香港中文大学（深圳）） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出异步语义-动作解耦框架，分离VLAs中的语义理解与动作生成，通过低频率语义更新和高频率动作推理实现高频闭环控制，在LIBERO和真实机器人上验证了高达35.6Hz的动作模块吞吐率。

Rethinking Implicit Spatial Representation in Visuomotor Policy Learning

重新思考视觉运动策略学习中的隐式空间表示

Xiangyu Chen, Yuxuan Hu, Chuhao Zhou, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文重新评估了空间softmax池化在机器人操作中的有效性，发现其提供紧凑稳定的空间表示但受限于表示瓶颈，并提出PRISM编码器通过多尺度隐式空间信息融合提升性能。

AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning

AetheRock: 一种用于力引导视觉触觉学习的臂戴式机器人教学系统

Hong Li, Yue Xu, Yihan Tang, Yankang Dong, Chenyuan Liu, Chenyang Yu, Xuyang Li, Siyuan Huang, Yujun Shen, Nan Xue, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） 纠错

专题命中 机器人操作 ：robot learning(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 提出臂戴式设备AetheRock采集夹爪力、视觉和触觉数据，并设计ForceVT框架利用力和视觉引导触觉学习，解决力感知机器人学习中传感器装配不兼容问题。

DragMesh-2: Physically Plausible Dexterous Hand-Object Interaction with Articulated Objects

DragMesh-2: 与铰接物体的物理合理灵巧手-物体交互

Tianshan Zhang, Yijia Duan, Yanjun Li, Zeyu Zhang, Hao Tang

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 提出DragMesh-2框架，通过接触驱动的灵巧手-铰接物体交互，结合物理信息感知训练机制PICA，在无触觉反馈下提升变接触负载的鲁棒性。

Comments Code: https://github.com/AIGeeksGroup/DragMesh-2. Website: https://aigeeksgroup.github.io/DragMesh-2

Phase-Localized Curation Does Not Help: A Negative Result on Per-Phase Metric Selection for Demonstration Filtering

相位局部筛选无帮助：基于逐阶段度量选择的演示过滤负面结果

Aarav Bedi

机构 * Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.LG

AI总结 本文通过LIBERO任务实验证明，按阶段局部应用度量进行演示筛选不如全局或统一度量，原因是缺陷信号被稀释且阶段度量不可迁移。

Comments 5 pages, 3 tables. Code: https://github.com/aaravbedi/phase-gated-curation

AI Engram: In Search of Memory Traces in Artificial Intelligence

AI Engram: 在人工智能中寻找记忆痕迹

Jea Kwon, Dong-Kyum Kim, Jiwon Kim, Yonghyun Kim, Woong Kook, Meeyoung Cha

机构 * University of California, Berkeley（加州大学伯克利分校） ； KAIST（韩国科学技术院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 提出几何框架，通过约束逆问题形式化神经科学标准，识别深度神经网络中的记忆痕迹（AI engram），实现记忆的线性组合与擦除，无需迭代优化。

Comments Accepted to ICML 2026 (Oral). Code is available at https://github.com/jeakwon/ai-engram/

TCHG: Tri-Trust Conditioned Heterogeneous Graph Learning for Reliable Dynamic Trust Prediction

TCHG：基于三重信任条件异构图学习的可靠动态信任预测

Bohao Liao, Boyu Deng, Qipeng Song, Jieling Wang, Jingchao Wang

机构 * Xidian University（西安电子科技大学） ； Tsinghua University（清华大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG

AI总结 提出TCHG框架，将信任证据分解为三个通道（实体可靠性、交互行为可靠性、上下文信任），分别控制图传播中的消息准入、传播强度和模式选择，并采用非均匀衰减的时间状态处理多尺度演化，实现可靠动态信任预测。

Comments 18 pages, 10 figures, 13 tables

Robots that Collaborate: Sequential Asymmetric Imitation for Learning Coupled Robot Policies

协作机器人：用于学习耦合机器人策略的序列非对称模仿

Yincong Chen, Ranpeng Qiu, Zihao Li, Yanan Zhou, Guoqiang Ren, Weiming Zhi

机构 * Zeno AI ； University of Sydney（悉尼大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 提出序列非对称模仿（SAI），通过单操作员课程学习耦合多机器人行为，无需同步双操作员演示或显式通信，在真实双机器人操作任务中提升成功率与相位同步。