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。
世界模型批判：一种用于世界建模的生成式潜在预测架构
机构 * Institute of Foundation Models（基础模型研究院） ； Mohamed bin Zayed University of Artificial Intelligence（莫莫德 bin Zayed 人工智能大学） ； School of Computer Science Carnegie Mellon University（计算机科学学院卡内基梅隆大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文从心理学“假设性思维”出发，提出世界模型的核心目标是模拟真实世界的所有可行动可能性，并设计了一种基于状态化、分层、多级、混合连续/离散表示的生成式潜在预测（GLP）架构。
传感器运动世界模型：通过逆动力学实现面向行动感知
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； ELLIS Institute（ELLIS研究所） ； ETH Zürich（苏黎世联邦理工学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出传感器运动世界模型（SMWM），通过逆动力学正则化端到端训练潜空间世界模型，防止表示崩溃并学习与行动对齐的紧凑表示，在2D和3D控制任务中实现竞争性规划性能。
3D场景图：开放挑战与未来方向
机构 * University of Stuttgart（斯图加特大学） ； IMPRS-IS（马克斯·普朗克研究所-智能系统） ； Sapienza University of Rome（罗马萨皮恩扎大学） ； Google（谷歌） ； MIT（麻省理工学院） ； University of Freiburg（弗赖堡大学） ； UTN University of Montreal（蒙特利尔大学UTN分校） ； Mila TU Munich（慕尼黑技术大学Mila）
专题命中 具身推理 ：robotics(abstract,comments)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 本文统一综述3D场景图（3DSG）的构建、应用与评估，分析现有建模选择与开放挑战，旨在推动鲁棒部署。
Comments Invited article for the Annual Review of Control, Robotics, and Autonomous Systems Volume 10
当前世界模型缺乏持久状态核心
机构 * University of Science and Technology of China（中国科学技术大学） ； Beijing Innovation Center of Humanoid Robotics (X-Humanoid)（北京人形机器人创新中心） ； NLPR, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； Independent Researcher（独立研究者） ； Dresden University of Technology（德累斯顿工业大学） ； Peking University（北京大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出WRBench基准测试，发现现有世界模型在观测中断时无法维持世界状态演化，强调物理状态核稳定性应成为世界模型设计首要目标。
Comments 39 pages, 16 figures
FlexLAM: 解决潜在动作学习中的瓶颈权衡
机构 * University of Tsukuba（筑波大学） ； The University of Tokyo（东京大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.RO、cs.LG
AI总结 针对潜在动作模型中固定容量瓶颈导致的权衡问题，提出FlexLAM，通过嵌套dropout实现变长潜在动作，在不增加架构或损失的情况下，在稀缺标签和低回报任务中优于固定容量模型，并支持推理时调整令牌预算。
Occ-VLM: 面向室内场景理解的占用接地视觉语言模型
机构 * School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院）
专题命中 具身推理 ：robotic(abstract)；分类 cs.CV
AI总结 提出Occ-VLM，仅用姿态RGB图像和单一2D视觉编码器，通过重建3D占用作为几何先验，实现统一的3D场景理解，在占用预测、3D VQA和密集描述任务上达到领先水平。
Co-VLA：面向双臂视觉-语言-动作系统的协调感知结构化动作建模
机构 * Donghua University（东华大学） ； Samsung R&D Institute China-Beijing (SRCB)（三星中国北京研究院） ； Samsung AI Center, DS Division（三星DS部门AI中心）
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对双臂紧耦合任务中隐式协调不足的问题，提出Co-VLA框架，通过结构化动作专家和潜在感知控制器显式引入协调先验，在仿真和真实场景中显著提升成功率和效率。
ImageWAM：世界动作模型真的需要视频生成，还是只需要图像编辑？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东方理工学院） ； Tencent Robotics X（腾讯机器人X） ； Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院）
专题命中 机器人基础模型 ：world model(abstract)；分类 cs.RO、cs.CV
AI总结 提出ImageWAM框架，利用预训练图像编辑模型替代视频生成进行机器人动作预测，通过编辑去噪的KV缓存作为世界动作上下文，在多个模拟和真实实验中优于基线，计算量降至1/6，延迟降至1/4。
Comments Project Page: https://zhangwenyao1.github.io/ImageWAM/
Bring My Cup! 使用视觉注意力提示个性化视觉-语言-动作模型
机构 * GSAI, POSTECH（POSTECH 人工智能研究所） ； IME, POSTECH（POSTECH 信息媒体研究所）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 针对VLA模型难以处理个性化指令的问题，提出无需训练的视觉注意力提示（VAP）方法，通过参考图像作为非参数记忆，利用开放词汇检测和嵌入匹配定位个人物品，并以视觉提示注入模型，在多个仿真和真实场景中显著提升成功率和正确物体操作。
Comments ICML 2026. Project page: https://vap-project.github.io/
EquiVLA: 旋转等变视觉-语言-动作模型的通用框架
机构 * VinRobotics ； VinUniversity ； DFKI（德国人工智能研究中心） ； University of Stuttgart（斯图加特大学） ； IMPRS-IS（国际马克斯·普朗克智能系统研究学院）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 提出EquiVLA，首个端到端SO(2)等变VLA框架，通过EquiPerceptor和EquiActor实现从视觉到动作的近似等变链，在LIBERO、CALVIN和真实机器人任务上显著提升性能。
Comments Comment: First version 22 pages, project site: https://equivla.github.io/
通过决策树蒸馏对学习到的多智能体通信策略进行形式化验证
机构 * University of Arkansas at Little Rock（阿肯色大学小石城分校）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出通过决策树蒸馏将多智能体强化学习策略转化为可解释模型，并利用PRISM进行形式化验证，确保安全属性转移至原始网络，在无人机编队任务中实现88.9%属性满足率。
Comments 9 pages, 3 figures, 7 tables. Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026), Pittsburgh, Pennsylvania, USA, September 27-October 1, 2026
通过多智能体强化学习实现超人类安全且敏捷的赛车
机构 * Robotics and Perception Group, University of Zurich（苏黎世大学机器人与感知组） ； Google DeepMind（谷歌DeepMind） ； Nomagic
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文提出通过多智能体强化学习在高速四旋翼赛车中实现安全且敏捷的性能，展示了多智能体交互对真实世界交互安全性的关键作用，同时在高速赛车中超越人类飞行员并减少碰撞率。
Comments 12 pages (+4 supplementary). Website: https://rpg.ifi.uzh.ch/marl
多粒度注意力驱动的强化学习框架用于Web智能增强系统
机构 * Infinity Tech Group ； Gainwell Technologies ； Capital One ； Sunnyvale, CA, USA（美国硅谷） ； Department of Electronics and Communication Engineering（电子与通信工程系） ； Sona College of Technology（Sona科技学院） ； Independent Researcher（独立研究员） ； Salem, India（印度塞拉姆）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.LG
AI总结 提出MGAR-WIES框架，通过语义图建模、注意力机制和自适应强化学习，解决Web环境中异构动态数据的语义理解与可扩展性问题，在准确率上达到80%。
Comments 2026 3rd International Conference on Integrated Intelligence and Communication Systems (ICIICS), 6 Pages
Co-policy: 响应式人机音乐共创框架
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Automation, Wuhan University of Technology（武汉理工大学自动化学院） ； School of Geodesy and Geomatics, Wuhan University（武汉大学测绘学院） ； School of Robotics, Wuhan University（武汉大学机器人学院）
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出Co-policy框架，通过语义锚定、约束变分和视觉运动策略实现人机音乐实时共创，在真实钟琴实验中优于扩散策略基线。
人形机器人数据标准：物理AI缺失的基础设施
专题命中 机器人数据与评测 ：robotics(title)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 本文论证数据标准是人形机器人可扩展性的关键基础设施，通过提出ISO/WD 26264-1标准，解决数据非累积性问题，使具身经验可解释、可共享、可追溯和可复用。
具身AI移动应用中加密误用的测量研究
专题命中 机器人数据与评测 ：embodied AI(title,abstract)
AI总结 首次大规模测量具身AI移动应用的加密误用，通过自动化语义分析管道发现12,975个误用实例，揭示延迟敏感控制路径和离线配置导致的结构性安全权衡。
TaCauchy：面向视觉触觉仿真的可扩展有限元框架
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Huawei Inc.（华为技术有限公司）
专题命中 机器人数据与评测 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出TaCauchy框架，基于UIPC求解器在Isaac Sim中集成有限元法，直接计算柯西应力张量并投影为接触力，实现高保真触觉仿真，支持多种传感器，物理验证SSIM>0.93。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
基于增强现实的机器人辅助经食管超声心动图直观界面评估：用户研究
专题命中 机器人数据与评测 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本研究提出并评估了一种基于增强现实的直观界面，用于机器人辅助经食管超声心动图，通过3D可视化与尖端控制显著提升空间精度并降低操作误差。
DiffusionVS：基于扩散策略的鲁棒视觉伺服生成框架
专题命中 机器人数据与评测 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出基于扩散策略的视觉伺服方法，通过条件去噪生成相机速度，并采用在线训练增强泛化能力，仿真成功率近100%，物理实验93%。
Comments 8 pages, 4 figures, 7 tables
FlowMaps: 使用流匹配建模长期多模态物体动态
机构 * Sapienza University of Rome（罗马大学） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）
专题命中 机器人数据与评测 ：navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出FlowMaps模型，通过潜在流匹配学习物体位置的多模态时空分布，预测动态物体未来位置，提升机器人在变化家庭环境中的导航性能。
通过自动具身对话增强推进DialNav
机构 * Korea University（高丽大学） ； Trillion Labs
专题命中 机器人数据与评测 ：embodied agent(abstract)；navigation(abstract)；分类 cs.AI
AI总结 提出自动生成管道构建大规模RAINbow数据集（238K episodes），结合双策略训练和定位模型，在DialNav任务上实现成功率显著提升（Val Seen +89%，Val Unseen +100%）。
Comments 29 pages, 9 figures
SWAP: 用于敏捷机器人跑酷的对称等变世界模型
机构 * Center for X-Mechanics, Zhejiang University（浙江大学交叉力学中心） ； ZJU-Hangzhou Global Scientific and Technology Innovation Center（浙江大学杭州国际科创中心） ； Mirrorme Technology Co., Ltd.（魔镜科技有限公司）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.RO
AI总结 提出SWAP框架，将对称等变性嵌入世界模型和演员-评论家网络，实现四足机器人跑酷记录突破（跨越2.13米间隙、攀爬1.63米平台），并展现出对未见镜像地形的几何泛化与零样本迁移能力。
一种智能调度混合（SSH）EKF-FGO状态估计方法
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO
AI总结 本文通过智能调度混合EKF-FGO框架，实验性地将优化调度作为独立设计变量，研究其在平衡估计精度与计算成本中的作用，并在平面SLAM仿真中验证了调度对预优化漂移、瞬态误差和运行时间的显著影响。
Comments This work has been accepted for presentation/publication at the 2026 IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). The final published version will appear in IEEE Xplore
学习标注延迟和误报AEB事件：针对极端类别不平衡和非对称标签噪声的实用系统
机构 * Li Auto
专题命中 机器人数据与评测 ：robotics(comments,journal_ref)；分类 cs.RO、cs.LG
AI总结 提出首个自动化AEB标注框架，通过特定数据增强和噪声抑制技术，解决极端类别不平衡和非对称标签噪声问题，将延迟/误报触发召回率提升80%，人工工作量减少50%。
Comments 8 pages, 5 figures, accepted by IEEE International Conference on Robotics and Automation (ICRA)
Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)
潜在高斯泼溅用于4D全景占据跟踪
机构 * University of Freiburg（弗赖堡大学） ； Bosch Research（博世研究院） ； University of Haifa（海法大学）
专题命中 其他机器人 ：分类 cs.RO、cs.AI、cs.CV；robotics(comments)
AI总结 提出潜在高斯泼溅（LaGS）方法，通过特征高斯体作为动态关键点实现多视图特征聚合，用于4D全景占据跟踪，在Occ3D nuScenes和Waymo上达到最优性能。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L), 2026
精确3D弹性曲线的逼近与交互设计
专题命中 其他机器人 ：robotic(abstract)
AI总结 提出一种数值稳定方法，从给定弹性曲线段恢复11参数，实现任意空间曲线段到3D弹性曲线的快速稳定逼近，应用于精确弹性曲线交互设计和机器人热刀切割CAD曲面合理化。
Comments 20 pages
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