机器人 / 具身智能

Do Rigid-Body Simulators Dream of Soft Robots? Learning Contact-Rich Manipulation for Tendon-Driven Continuum Robots

刚体模拟器会梦见软体机器人吗？学习肌腱驱动连续体机器人的接触丰富操作

Chengnan Shentu, Nicholas Baldassini, Tongjia Zheng, Priyanka Rao, Jessica Burgner-Kahrs

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 针对肌腱驱动连续体机器人缺乏接触丰富操作模拟基础设施的问题，提出基于连续介质力学的离散化方法，将软体机器人原生集成到MuJoCo中，实现仿真到真实世界的零样本迁移。

Comments Project Page: https://continuumroboticslab.github.io/opencr-mujoco/

T-IMPACT: A Severity-Aware Benchmark for Contextual Image-Text Manipulation

T-IMPACT：面向上下文图像-文本操纵的严重性感知基准

Gagandeep Singh, Aaditya Yadav, Priyanka Singh

机构 * The University of Queensland（昆士兰大学） 纠错

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

AI总结 提出T-IMPACT基准，包含98,786个图像-文本对，涵盖原始、仅图像、仅文本和联合操纵，通过校准的连续严重性分数和粗粒度标签评估操纵对上下文理解的影响，实验表明现有模型在严重性预测上仍远弱于人类判断。

Comments 7 pages, 2 figures

OpenHLM: An Empirical Recipe for Whole-Body Humanoid Loco-Manipulation

OpenHLM：全身人形机器人移动操作的经验配方

Yingdong Hu, Haodong Zhu, Boyuan Zheng, Yihang Hu, Tong Zhang, Zunhao Chen, Junming Zhao, Ruiqian Nai, Yang Gao

机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Spirit AI 纠错

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

AI总结 提出OpenHLM，通过全身遥操作、VLA模型设计和异构协同训练三阶段实验，构建直接映射语言和像素到人形机器人全部自由度的原生视觉-语言-动作模型，在长时域任务中优于现有基线。

VQActFlow: Vector-Quantized Action Mode Steering for Multi-Task Robot Manipulation

VQActFlow: 用于多任务机器人操作的矢量量化动作模式引导

Zhigen Zhao, Mark Leggiero, Yipu Chen, Haoran Liu, Yifan Wu, Huishu Xue, Sirui Zhan, Ye Zhao

机构 * Institute for Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所（IRIM）） 纠错

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

AI总结 提出VQActFlow，通过矢量量化动作标记和变分流匹配生成离散代码序列，显式区分动作模式，并利用推理时引导（语言条件无分类器引导和代码本评论家）实现模式承诺，在LIBERO、Unitree G1和ALOHA平台上优于连续和离散基线。

Comments 8 pages, 9 figures, 5 tables

Manipulider: A Multi-Engine Buoyancy-Controlled Robot for Thrusterless Underwater Gliding and Manipulation

Manipulider: 一种用于无推进器水下滑翔和操作的多引擎浮力控制机器人

Yitao Jiang, Yewei Huang, Weizhi Cao, Mingi Jeong, Alberto Quattrini Li, Luyang Zhao, Muhao Chen, Devin Balkcom

机构 * Dept. of Computer Science, Dartmouth College（达特茅斯学院计算机科学系） ； Dept. of Mechanical and Aerospace Engineering, University of Houston（休斯顿大学机械与航空航天工程系） ； Dept. of Aerospace and Ocean Engineering, Virginia Tech（弗吉尼亚理工大学航空航天与海洋工程系） ； Dept. of Electrical and Computer Engineering, Clemson University（克莱姆森大学电气与计算机工程系） 纠错

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

AI总结 提出一种基于浮力驱动的无推进器水下机器人Manipulider，通过四个注射器式浮力引擎调节净浮力和浮心，实现大倾斜角静态平衡和姿态操作，并具备磁模块化接口。实验验证了单引擎64.6°和双引擎61.8°的最大静态倾斜角，以及垂直和倾斜过渡动力学。

A Human-Inspired Thumb-Index Robotic Hand with Strain Gauges Embedded in Soft Joints

一种受人类启发的拇指-食指机械手，其软关节中嵌入应变片

Jonas Papenbrock, Shubhan Patni, Tomaso Lisini Baldi, Michele Guerri, Elia Landi, Ada Fort, Matej Hoffmann

机构 * University of Siena（锡耶纳大学） ； Czech Technical University in Prague（布拉格捷克理工大学） 纠错

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

AI总结 受生物力学原理启发，开发了安全拇指-食指机械手（STIR Hand），通过欠驱动腱驱动设计与嵌入硅胶软关节的柔性应变片，实现被动抓取适应，并建立内部本体感知和外部感知。实验表明，软关节传感器显著提高了抓取灵敏度和安全性。

Comments 8 pages, 7 figures

Remember what you did?: Learning Behavioral Memories for Partially Observable Object Manipulation

记住你做了什么？：学习部分可观察物体操作的行为记忆

Kuancheng Wang, Seungho Yeom, Jinglin Cao, Yuheng Zhi, Nikhil Shinde, Michael Yip

机构 * UC San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 针对长时域、接触式操作中的部分可观测问题，提出压缩动作记忆策略（CAMP），通过自监督学习动作历史压缩表示，隐式追踪任务进度并从失败中学习，在多个真实和仿真任务上超越现有方法。

Comments Project website: robo-camp.github.io

Pose-Agnostic Robotic Functional Grasping via Observation-Action Canonicalization

通过观测-动作规范化实现姿态无关的机器人功能性抓取

Le Qiu, Cole Harrison, Jiankai Sun, Yao Liu, Suning Huang, Qianzhong Chen, Yang You, Marco Pavone

机构 * Tsinghua University（清华大学） ； Amazon（亚马逊） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出AnyMug框架，通过观测-动作规范化将深度观测和末端执行器动作转换到物体中心坐标系，训练单一闭环策略实现零样本迁移的功能性抓取，在模拟和真实机器人上均取得高成功率。

ZeroDex: Zero-Shot Long-Horizon Dexterous Manipulation via Multi-View 3D-Grounded VLM Reasoning

零样本长时程灵巧操作：基于多视图3D接地VLM推理

Jisoo Kim, Sangwon Baik, Taeksoo Kim, Sungjoo Kim, Junyoung Lee, Mingi Choi, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 提出零样本框架，利用多视图RGB图像通过VLM生成3D任务规划，结合三角测量和射线投票实现精确3D接地，支持抓取和工具使用，在真实实验中优于基线方法。

EBench: Elemental Diagnosis of Generalist Mobile Manipulation Policies

EBench: 通用移动操作策略的要素诊断

Ning Gao, Jinliang Zheng, Xing Gao, Haoxiang Ma, Hanqing Wang, Yukai Wang, Jiantong Chen, Zanxin Chen, Shujie Zhang, Mingda Jia, Xuekun Jiang, Zihou Zhu, Xinyu Li, Shuai Wang, Hao Li, Wenzhe Cai, Yuqiang Yang, Xudong Xu, Zhaoyang Lyu, Yao Mu, Tai Wang, Jiangmiao Pang, Jia Zeng, Weinan Zhang, Chunhua Shen

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学智能产业研究院） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出EBench基准，从5个能力和4个泛化维度诊断通用移动操作模型，揭示不同模型在成功率相近时能力差异显著。

TopoRetarget: Interaction-Preserving Retargeting for Dexterous Manipulation

TopoRetarget：面向灵巧操作的交互保持重定向

Jielin Wu, Shenzhe Yao, Guanqi He, Xiaohan Liu, Zhaoqing Zeng, Xiangrui Jiang, Han Yang, Wentao Zhang, Hang Zhao

机构 * IIIS, Tsinghua University（清华大学交叉信息研究院） 纠错

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

AI总结 提出TopoRetarget框架，通过稀疏交互图和距离加权拉普拉斯变形，在重定向中保持手-物体交互结构，提升灵巧操作强化学习策略的性能。

Comments Project page: https://toporetarget2026.github.io/TopoRetarget/

FILIC: Dual-Loop Force-Guided Imitation Learning with Impedance Torque Control for Contact-Rich Manipulation Tasks

FILIC：基于阻抗力矩控制的双环力引导模仿学习用于接触丰富操作任务

Haizhou Ge, Yufei Jia, Zheng Li, Yue Li, Zhixing Chen, Lu Shi, Lei Han, Ruqi Huang, Guyue Zhou

机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DISCOVER Robotics（DISCOVER机器人） 纠错

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

AI总结 提出FILIC框架，通过双环结构结合Transformer策略与阻抗控制器，利用关节力矩估计末端力，实现无力传感器下的力感知接触操作，显著提升安全性和适应性。

AdaReP:Adaptive Re-Planning under Model Mismatch for Neural World-Model Predictive Control

AdaReP：模型失配下的自适应重规划用于神经世界模型预测控制

Yutian Cheng, Xiaojian Ma, Xianhao Wang, Min Yang, Rongpeng Su, Hangxin Liu, Xi Chen, Shuai Li, Qing Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 针对神经世界模型预测控制中重规划计算开销大的问题，提出AdaReP方法，通过在线自适应调整重规划容忍度，在保持任务性能的同时大幅减少规划器计算量。

Comments Accepted at ICANN 2026. This arXiv version contains supplementary materials and appendices that are omitted from the conference version due to space limitations

IMPACT: An Implicit Active-Set Augmented Lagrangian for Fast Contact-Implicit Trajectory Optimization

IMPACT: 一种隐式主动集增广拉格朗日法用于快速接触-隐式轨迹优化

Jiayun Li, Dejian Gong, Georgia Chalvatzaki

机构 * PEARL Lab, Dept. of Computer Science, TU Darmstadt, Germany（图腾实验室，计算机科学系，图恩大学，德国） ； Hessian.AI, Darmstadt, Germany（海森AI，图恩，德国） ； Robotics Institute Germany (RIG)（德国机器人研究所（RIG）） 纠错

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

AI总结 本文提出IMPACT方法，通过隐式主动集策略解决接触约束下的轨迹优化问题，实现高效求解并提升控制质量。

Comments Accepted to Robotics: Science and Systems (RSS), 2026

DexTeleop-0: Force-Aware Bimanual Dexterous Teleoperation with Ego-Centric Perception towards Shared Autonomy

DexTeleop-0: 面向共享自主的力感知双臂灵巧遥操作与自我中心感知

Haichao Liu, Yuyao Jiang, Hyunsun Park, Yuanjiang Xue, Ziwei Wang

机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； OOJU, USA（美国OOJU） 纠错

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

AI总结 针对接触丰富任务中遥操作精度低的问题，提出基于触觉驱动的自适应策略，通过实时优化循环将粗略人类意图转化为精确力控机器人命令，显著提升任务成功率与执行效率。

Comments 15 pages, 6 figures, 5 tables

MV-WAM: Manifold-Aware World Action Model with Value Augmentation

MV-WAM: 具有价值增强的流形感知世界动作模型

Jintao Chen, Peidong Jia, Qingpo Wuwu, Jiaming Liu, Mengfei Du, Chun-Kai Fan, Xiaowei Chi, Hao Chen, Chengyu Bai, Zezhong Qian, Hao Wang, Jiajun Cao, Weishi Mi, Xiaozhu Ju, Jian Tang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） 纠错

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

AI总结 提出MV-WAM框架，通过跨模态因果掩码、流形感知优化和进度价值调节机制，联合建模视觉预测、动作生成和价值估计，在分布外场景中提升动作泛化能力，在仿真和真实机器人任务上显著优于基线。

Comments 20 pages, 9 figures, 7 tables

Sensor-Invariant Tactile Representation

不变的触觉表示

Harsh Gupta, Yuchen Mo, Shengmiao Jin, Wenzhen Yuan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出一种新的方法，用于提取传感器不变的触觉表示，以实现跨光学触觉传感器的零样本迁移。通过基于变压器的架构训练多样化的模拟传感器数据集，实现对新传感器的最小校准泛化。实验结果展示了该方法在多种触觉传感应用中的有效性。

Comments Accepted to ICLR'25. Project webpage: https://hgupt3.github.io/sitr/

Journal ref International Conference on Learning Representations (ICLR), 2025

CoRDE: Concept-Prior Routed Diffusion Experts for Structural Generalization in Robot Manipulation

CoRDE：面向机器人操作结构泛化的概念先验路由扩散专家

Haidong Huang, Xixin Zhao, Yaohua Zhou, Jiayu Song, Jiayi Zhang, Jun Ma, Haiyue Zhu, Xiaocong Li

机构 * College of Information Science and Technology, Eastern Institute of Technology, Ningbo（宁波东方理工大学（暂名）信息科学与技术学院） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology, Ningbo（浙江省工业智能与数字孪生重点实验室，宁波东方理工大学（暂名）） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统学域） ； Faculty of Science and Engineering, University of Nottingham Ningbo China（宁波诺丁汉大学理工学院） 纠错

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

AI总结 提出CoRDE框架，通过概念先验引导路由和低秩专家池，解决扩散模型在多任务长时程操作中的结构泛化不足和路由崩溃问题。

Comments 8 pages, 3 figures, Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Conditional Generative Adversarial Networks for Emoji Synthesis with Word Embedding Manipulation

基于词嵌入操作的条件生成对抗网络用于表情符号合成

Nelu Radpour, Vivek Bheda

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

AI总结 本文提出一种优化训练的深度卷积GAN，通过整合Google的word2vec词嵌入，生成高度逼真、与真实表情符号几乎相同的合成表情符号。

Comments 5 pages, 3 figures, 2 graphs

House of Dextra: Cross-embodied Co-design for Dexterous Hands

Dextra之家：为灵巧手的跨具身体验共设计

Kehlani Fay, Darin Anthony Djapri, Anya Zorin, James Clinton, Ali El Lahib, Hao Su, Michael T. Tolley, Sha Yi, Xiaolong Wang

机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

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

AI总结 本文提出一种共设计框架，通过学习任务特定的手形态和互补的灵巧控制策略，实现机器人手的高效设计与控制，可在24小时内完成设计、训练、制造和部署。

Comments Code and videos: https://an-axolotl.github.io/HouseofDextra/

Journal ref International Conference on Learning Representations (ICLR), 2026

HRDexDB: A Paired Human-Robot Dataset for Cross-Embodiment Dexterous Grasping

HRDexDB：用于跨本体灵巧抓取的配对人机数据集

Jongbin Lim, Taeyun Ha, Mingi Choi, Jisoo Kim, Byungjun Kim, Subin Jeon, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） ； RLWRLD（RLWRLD实验室） 纠错

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

AI总结 提出HRDexDB，一个包含人类和多种机器人手的高保真灵巧抓取轨迹配对数据集，涵盖100种物体，提供高精度时空3D真值，作为跨本体灵巧操作的基础基准。

DASIP: Dynamic Test-Time Compute Scaling for Robot Control with Stochastic Interpolant Policies

DASIP：基于随机插值策略的机器人控制动态测试时计算缩放

Inkook Chun, Seungjae Lee, Michael S. Albergo, Saining Xie, Eric Vanden-Eijnden

机构 * New York University（纽约大学） ； University of Maryland（马里兰大学） ； Harvard University（哈佛大学） ； Capital Fund Management（资本基金管理公司） 纠错

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

AI总结 提出难度感知随机插值策略（DA-SIP），通过难度分类器动态调整推理步数、求解器和ODE/SDE积分，在保持任务成功率的同时将计算时间减少2.6-4.4倍。

UMI-on-Air: Embodiment-Aware Guidance for Embodiment-Agnostic Visuomotor Policies

UMI-on-Air：面向无躯体感知的具身化视觉-运动策略的具身感知引导

Harsh Gupta, Xiaofeng Guo, Huy Ha, Chuer Pan, Muqing Cao, Dongjae Lee, Sebastian Scherer, Shuran Song, Guanya Shi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出UMI-on-Air框架，通过手握夹具收集的多样化无约束人类示范训练通用视觉-运动策略，结合高阶UMI策略与低阶具身特定控制器，在推理时实现具身感知的轨迹自适应，提升在复杂环境中的执行效率与鲁棒性。

Comments Result videos can be found at umi-on-air.github.io

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)

Adiabatic Fast Passage Spin Manipulation Measurements in Solid Polarized Targets

固体极化靶中的绝热快速通过自旋操纵测量

M. F. Hossain, K. Nakano, N. G. Vismith, D. Keller

专题命中 机器人操作 ：manipulation(title)

AI总结 本文报告了在5 T、1 K极化靶系统中对辐照$^{15}$NH$_3$、辐照$^{14}$ND$_3$和丁醇基材料（TEMPO掺杂或辐照制备）的绝热快速通过（AFP）测量，提出了自旋-1靶的联合操纵线形分析，并展示了从AFP操纵的氘核NMR谱中提取矢量和张量极化的方法，同时观察到辐照$^{15}$NH$_3$样品中可重复的极化和方向依赖的AFP响应。

Comments Submitted to Nuclear Instruments and Methods in Physics Research Section A

Journal ref Nucl. Instrum. Meth. A (2026) 171770

Optimizing Entanglement Manipulation via Algebraic-Geometric Decompositions and Semidefinite Programming Hierarchies

通过代数几何分解与半定规划层次优化纠缠操控

Seiseki Akibue, Jisho Miyazaki, Hiroyuki Osaka

专题命中 机器人操作 ：manipulation(title)

AI总结 提出代数几何框架简化可分信道优化并强化DPS层次，用于计算非局域操作在可分信道下的最大成功概率，统一了纠缠成本的解析结果并解决了局部态区分的纠缠成本问题。

Comments 51 pages, 7 figures

Perturbation-Based Uncertainty for Failure Detection in Vision-Language-Action Models

基于扰动的视觉-语言-动作模型不确定性用于故障检测

Yousung Lee, Dongsoo Har

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 提出一种无标签、模型无关的扰动框架，通过注入高斯扰动到隐藏激活中估计认知不确定性，在分布偏移下提升故障检测性能。

Seam-to-Graph Reconstruction for Garment Configuration Alignment

用于服装配置对齐的缝到图重建

Xuzhao Huang, Kai Tang, Fuyuki Tokuda, Norman C. Tien, Kazuhiro Kosuge

机构 * JC STEM Lab of Robotics for Soft Materials, Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与电子工程系JC STEM软材料机器人实验室） ； Unprecedented-scale Data Analytics Center, Tohoku University（东北大学前所未有规模数据分析中心） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科） ； Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与电子工程系） 纠错

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

AI总结 提出基于图神经网络和注意力机制的Seam-to-Graph网络，将部分可观测的缝信息映射为拓扑结构骨架图，用于实时服装状态估计，并设计变形感知分层视觉伺服控制器实现服装配置对齐，在双臂机器人系统上验证了人类级精度和鲁棒性。

Comments 11 pages, 9 figures

Local Flow Matching Generative Models

局部流匹配生成模型

Chen Xu, Xiuyuan Cheng, Yao Xie

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（哈里·米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； Department of Mathematics, Duke University（杜克大学数学系） 纠错

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

AI总结 提出局部流匹配（LFM）方法，通过逐步学习一系列流匹配子模型，每个子模型匹配扩散过程的一个时间步，实现更高效训练，并基于χ²散度提供理论生成保证，在表格、图像和机器人策略生成中表现竞争性。

The Unseen Hand: Manipulating Model Fairness and SHAP with Targeted Identity Re-Association Attacks

无形之手：通过目标身份重新关联攻击操纵模型公平性和SHAP

Sannaan Khan, Muhammad U. S. Khan

机构 * National University of Sciences and Technology (NUST)（国立科技大学（NUST）） 纠错

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

AI总结 提出目标身份重新关联（TIRA）攻击，通过概率性微扰操纵模型输出，在不留痕迹的情况下扭曲公平性指标和SHAP解释。

Comments Accepted at NeurIPS Workshops 2025

Rotation-Aware Point-Cloud Embeddings for Vision-Based In-Hand Reorientation

基于旋转感知的点云嵌入用于视觉驱动的手中重定向

Yashom Dighe, Karthik Dantu

机构 * University at Buffalo（布法罗大学） 纠错

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

AI总结 提出旋转感知点云嵌入，通过校准欧氏潜在距离与SO(3)测地误差，使无模型强化学习策略无需显式姿态或稠密流即可从点云目标实现手中重定向。