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。
CoMo: 从互联网视频中学习连续潜在运动以实现可扩展的机器人学习
机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tongji University（同济大学）
专题命中 机器人学习 ：robot learning(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出CoMo方法，通过早期时间差分和时序对比学习从互联网视频中学习连续潜在运动，避免离散化信息损失，实现零样本泛化生成伪动作标签，联合训练策略在仿真和真实实验中表现优异。
Comments CVPR 2026
机器人运动基元：综合综述
机构 * Department of Computer Science and Engineering, The University of Texas at Arlington, Arlington, USA（计算机科学与工程系，德克萨斯理工大学阿灵顿分校，阿灵顿，美国）
专题命中 机器人操作 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 综述机器人运动基元框架，涵盖从人类示教中编码轨迹的方法，分析弹簧-阻尼系统、概率耦合、神经网络等特性，并讨论应用与挑战。
Comments 105 pages, 3 figures, and 6 tables
基于虚拟模型控制的周期性鲁棒机器人砍切
机构 * University of Cambridge（剑桥大学） ； University of Tokyo（东京大学）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出一种物理结构化的虚拟模型控制器，通过切换虚拟机构生成鲁棒的周期性砍切运动，无需预规划轨迹，在Franka机械臂上实现多种蔬菜的亚毫米级精确切割。
PTLD: 从仿真到现实的触觉潜在知识蒸馏用于灵巧操作
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学） ； FAIR at Meta（Meta的FAIR团队） ； UC Berkeley（伯克利大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出PTLD方法，通过真实世界触觉策略数据蒸馏鲁棒状态估计器，解决触觉仿真困难问题，在灵巧操作任务中相比纯本体感策略提升182%和57%。
VibeCheck: 使用主动声学触觉传感进行接触丰富的操作
机构 * Dept. of Mechanical Engineering（机械工程系） ； Dept. of Computer Science（计算机科学系） ； Dept. of Electrical Engineering（电气工程系） ； Columbia University（哥伦比亚大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 本文构建了带有两个压电手指的主动声学传感夹爪，通过物体传递声学振动来感知其声学特性和接触状态，用于物体分类、抓取位置估计、内部结构姿态估计以及外部接触类型分类，并基于接触分类模型实现了鲁棒的插销任务。
Comments Published at IROS 2025. 8 pages, 7 figures
DADP: 领域自适应扩散策略
机构 * University of California, Berkeley, California, USA（加州大学伯克利分校） ； Peking University, Beijing, China（北京大学） ； Tsinghua University, Beijing, China（清华大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 提出DADP，通过无监督解耦和领域感知扩散注入，实现跨动态环境的鲁棒零样本适应，在运动与操控任务上超越先前方法。
从我们所拥有的学习：在线推理过去交互的历史感知验证器
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 提出历史感知验证器HAVE，通过解耦动作生成与验证，利用历史交互在线消除歧义，理论证明其提升期望动作质量，在多个模拟和真实环境中验证有效性。
Comments CoRL 2025
闪烁多臂老虎机
机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； INRIA Paris（巴黎国家信息与自动化研究所）
专题命中 具身导航 ：navigation(abstract)；robotic(abstract)；分类 cs.AI、cs.LG
AI总结 提出闪烁多臂老虎机模型，通过随机图约束动作可用性，设计两阶段懒惰随机游走算法实现次线性遗憾界，并证明信息论下界的最优性。
PiDR：面向自主平台的物理信息惯性航位推算
机构 * Autonomous Navigation and Sensor Fusion Lab (ANSFL)（自主导航与传感器融合实验室（ANSFL）） ； Hatter Department of Marine Technologies（海洋技术系） ； Charney School of Marine Sciences（海洋科学学院） ； University of Haifa（海法大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出PiDR框架，将惯性导航原理作为物理信息残差融入网络训练，在纯惯性导航中减少轨迹漂移，在移动机器人和水下自主航行器数据集上定位精度提升超29%。
Comments 11 pages and 7 figures
磁驱动导管集中弯曲的刚度优化：在梯度刚度下保持可操控性
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） ； Macao Polytechnic University（澳门理工学院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 针对磁驱动软导管在推送性与近端集中弯曲之间的权衡，提出一种刚度优化的多段磁驱动导管（SO-MAC），通过解耦转向-推进机构和梯度刚度架构，在推进过程中实现稳定的近端枢轴弯曲，同时远端被动自直以传递推进力。
安全关键的激光雷达-惯性里程计与在线流形确定性保护级别
机构 * School of Automation, Southeast University（东南大学自动化学院） ； Key Laboratory of Measurement and Control of CSE, Ministry of Education（教育部测控CSE重点实验室）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出一种安全关键的激光雷达-惯性里程计，通过在线流形确定性状态估计提供确定性保护级别，以提升移动机器人在安全关键场景中的导航安全性。
95毫克昆虫尺度扑翼飞行机器人的模型参考自适应飞行控制
机构 * Washington State University（华盛顿州立大学）
专题命中 具身导航 ：robotic(abstract)；分类 cs.RO
AI总结 针对昆虫尺度扑翼飞行机器人参数不确定性和扰动问题，提出模型参考自适应控制（MRAC）架构，结合混合乘性扩展卡尔曼滤波，实现高精度位置控制，并通过95毫克机器人实验验证了悬停和轨迹跟踪性能。
Comments Under review, 8 pages, 7 figures
基于几何分析的船舶航线决策安全评估框架
专题命中 具身导航 ：navigation(abstract)
AI总结 提出基于几何分析的航线安全评估框架（GARSA），利用线和点几何元素定义航道边界，构建动态宽度表征函数量化受限水域空间安全性，并建立考虑整体及局部约束的航行安全指数，为船舶选择最安全航道提供定量依据。
Comments Accepted for publication in Reliability Engineering & System Safety (RESS)
光交互：交互式视频世界模型的免训练推理加速
机构 * Zhejiang University（浙江大学） ； NVIDIA
专题命中 具身推理 ：world model(title,abstract)；embodied AI(abstract)；navigation(abstract)；分类 cs.CV、cs.LG
AI总结 针对交互式视频世界模型推理成本高的问题，提出免训练加速框架Light Interaction，通过自适应上下文管理、去噪缓存加速和3D块稀疏注意力实现最高2.59倍加速。
Comments 13 pages, 6 figures, 3 tables. Project page: https://2843721358l-del.github.io/Light-Interaction-Project/
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。
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/
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
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
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