机器人 / 具身智能

NavIsaacLab: Generating Realistic Crowd via Parallel Robot Learning for Benchmarking Human-aware Navigation

NavIsaacLab: 通过并行机器人学习生成逼真人群以基准测试人感知导航

Bingyi Xia, Han Bao, Jingyu Zhu, Hanjing Ye, Yuhan Pang, Guangcheng Chen, Liang Lin, Wenjun Xu, Jiankun Wang

机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Peng Cheng Laboratory（鹏城实验室） ； Jiaxing Research Institute, Southern University of Science and Technology（南方科技大学嘉兴研究院） 纠错

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

AI总结 提出NavIsaacLab框架，利用基于物理和照片级真实感的仿真，结合轨迹扩散模型和对抗运动学习控制器生成逼真人群，用于训练和评估人感知导航策略。

Continual Robot Policy Learning via Variational Neural Dynamics

通过变分神经动力学的持续机器人策略学习

Jiaxu Xing, Zhiyuan Zhu, Yunfan Ren, Ismail Geles, Yifan Zhai, Rudolf Reiter, Davide Scaramuzza

机构 * Robotics and Perception Group, University of Zurich（苏黎世大学机器人感知组） 纠错

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

AI总结 提出持续学习框架，结合物理先验与神经残差建模隐藏动态，通过可微仿真和在线条件推断提升策略在未知干扰下的性能。

E-TTS: A New Embodied Test-Time Scaling Framework for Robotic Manipulation

E-TTS：一种新的机器人操作具身测试时缩放框架

Wen Ye, Peiyan Li, Tingyu Yuan, Yuan Xu, Xiangnan Wu, Chaoyang Zhao, Jing Liu, Nianfeng Liu, Yan Huang, Liang Wang

机构 * New Laboratory of Pattern Recognition (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） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； FiveAges（五时代） 纠错

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

AI总结 提出E-TTS框架，通过历史感知迭代精炼和视觉语言验证器统一推理与动作缩放，解决具身任务中推理缩放和历史信息利用不足的问题，在仿真和真实场景中分别提升33.14%和26.62%的性能。

Comments Accepted to ECCV 2026. 44 pages, 11 figures. Project page: https://27yw.github.io/E-TTS-Web/

RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation

RelAfford6D：用于约束驱动机器人操作的关系型6D可操作图

Guodong Zhang, Qichen He, Wenyuan Xie, Shaokai Wu, Yanbiao Ji, Qiuchang Li, Bayram Bayramli, Yue Ding, Hongtao Lu

机构 * School of Computer Science, Shanghai Jiaotong University（上海交通大学计算机科学学院） 纠错

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

AI总结 提出RelAfford6D框架，通过构建关系型6D可操作图将语义指令转化为SE(3)位姿约束，并利用运动学约束求解实现零样本操作，在仿真和真实环境中优于数据驱动方法。

SSI-Policy: Learning Structured Scene Interfaces for Vision-Language Robotic Manipulation

SSI-Policy: 学习用于视觉语言机器人操作的结构化场景接口

Kaijun Wang, Zikai Ouyang, Xuping Wu, Jinyi Hong, Wei Pan, Haibo Lu, Jia Pan, Wei Zhang, Linfang Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng Laboratory（鹏城实验室） ； The University of Hong Kong（香港大学） ； LimX Dynamics 纠错

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

AI总结 提出SSI-Policy框架，通过统一的结构化场景接口（SSI）联合编码单目深度、语言锚定的物体布局和指令条件化的2D运动轨迹，实现从少量演示中学习机器人操作，在LIBERO基准上仅用10个演示即提升15%性能。

Comments Accepted by 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

KRVF: A Source-Aware Semantic Voxel World Representation for Edge Mobile Manipulation

KRVF：面向边缘移动操作的源感知语义体素世界表示

Runfeng Ling

机构 * The University of Manchester（曼彻斯特大学） 纠错

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

AI总结 提出KRVF，一种源感知语义体素表示，用于边缘移动操作，通过任务导向体素编码占用、语义、时间新鲜度和证据源，实现深度故障感知推理和映射-感知闭环。

Comments Technical report, 9 pages, 3 figures

RMTL: Reinforced Micro-task Learning for Long-Horizon Manipulation with VLM Rewards

RMTL: 基于强化微任务学习与VLM奖励的长时域操作

Anıl Can Ateş, Orhan Kahraman, Cihan Topal

机构 * Istanbul Technical University（伊斯坦布尔理工大学） 纠错

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

AI总结 针对长时域操作中单提示VLM奖励信号稀疏的问题，提出RMTL方法，将任务分解为语言描述的微任务，通过多视角VLM奖励和反向课程学习加速训练，并学习层次化策略切换微任务。

Comments 16 pages, 11 figures

LiMoDE: Rethinking Lifelong Robot Manipulation from a Mixture-of-Dynamic-Experts Perspective

LiMoDE: 从动态专家混合视角重新思考终身机器人操作

Zhihao Gu, Lin Wang

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

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

AI总结 提出一种两阶段终身学习方案LiMoDE，通过动态专家混合结构实现多任务预训练和任务自适应，有效缓解灾难性遗忘并促进知识迁移。

CoStream: Composing Simple Behaviors for Generalizable Complex Manipulation

CoStream: 组合简单行为实现可泛化的复杂操作

Haonan Chen, Yuxiang Ma, Stephen Tian, Xiaoshen Han, Wenlong Huang, Feiyang Wu, Yunzhu Li, Jiajun Wu, Edward H. Adelson, Yilun Du

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

AI总结 提出CoStream框架，通过组合语义、预测和反应三种简单行为，在共享SE(3)接口上实现高精度、可泛化的复杂操作，在8个真实任务中验证了其有效性。

Comments Website: https://costream-simple.github.io

Not All Actions Are Equal: Rethinking Conditioning for Dexterous World Model

并非所有动作都同等重要：重新思考灵巧世界模型的条件化

Zizhao Yuan, Zhengtu Liang, Taowen Wang, Qiwei Liang, Yichi Wang, Yunheng Wang, Yuetong Fang, Lusong Li, Zecui Zeng, Renjing Xu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shenzhen University（深圳大学） ； Beijing University of Technology（北京工业大学） ； JD Explore Academy（京东探索研究院） 纠错

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

AI总结 针对高自由度灵巧动作中不同分量重要性不均导致优化失衡的问题，提出DexAC-WM，通过动作标记化保留维度级语义，结合局部细化与全局调制对齐动作与视觉动态，并引入语义分支提供物体场景先验，显著提升视频预测的真实感和动作一致性。

Humanoid-DART: Humanoid Loco-Manipulation using Diffusion-guided Augmentation through Relabeling and Tracking

Humanoid-DART: 使用扩散引导的增强通过重新标记和跟踪实现人形机器人全身操控

Pranav Debbad, Kanish Thiagarajan, Victor Dhédin, Shafeef Omar, Majid Khadiv

机构 * Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与智能机构（MIRMI）） ； Technical University of Munich (TUM)（慕尼黑技术大学（TUM）） 纠错

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

AI总结 提出一种自监督框架，从稀疏演示中引导并逐步扩展行为库，结合扩散轨迹生成与强化学习，实现目标条件策略学习，减少专家监督。

Bridging Handheld and Teleoperated Supervision for Contact-Rich Manipulation via State-Gated Experts

通过状态门控专家弥合手持与遥操作监督在接触丰富操作中的差距

Vidullan Surendran, Neehar Peri, David Watkins

机构 * RAI Institute（RAI研究所） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 针对接触丰富操作任务，提出BRIDGE方法，通过状态门控混合扩散策略专家，融合手持数据与少量遥操作演示，在接触敏感阶段利用期望动作，提升成功率最高36.7%。

Comments Project Page: https://nperi-rai.github.io/bridge-project/

OmniContact: Chaining Meta-Skills via Contact Flow for Generalizable Humanoid Loco-Manipulation

OmniContact: 通过接触流链接元技能实现可泛化的人形移动操作

Runyi Yu, Xiaoyi Lin, Ji Ma, Yinhuai Wang, Koukou Luo, Jiahao Ji, Huayi Wang, Wenjia Wang, Runhan Zhang, Ping Tan, Ting Wu, Ruoli Dai, Qifeng Chen, Lei Han

机构 * Noitom Robotics（诺亦腾机器人） ； The Hong Kong University of Science and Technology（香港科技大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出以接触流为核心的分层框架，通过低层策略学习统一技能库、高层模块合成未来接触流序列，实现人形机器人长时程任务的鲁棒执行与自主恢复，在搬运箱子和推叠箱子任务上分别达到98.7%和76.5%的成功率。

Microparticles manipulation with a three-dimensional closed optical trap

利用三维封闭光阱操控微粒

Chunyu Zhang, Xinran Fang, Pengcheng Mao, Dongxu Zhao

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

AI总结 提出一种无需空间光调制器的三维封闭光阱系统，通过腔内模式调制和腔外透镜调制生成零中心强度的暗势阱，实现单/多微粒稳定捕获及低功率下小鼠肝细胞捕获，降低光毒性并灵活调节尺寸。

Comments 20 pages,6 figures

Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision

通过结构化阶段和关键帧监督改进视觉-语言-动作模型微调

Yuan Xu, Yixiang Chen, Kai Wang, Jiabing Yang, Peiyan Li, Qisen Ma, Yan Huang, Liang Wang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), 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（NLPR）多模态人工智能系统国家重点实验室（MAIS）） ； FiveAges 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StaKe框架，通过从演示中自动提取阶段分类器和关键帧预测器作为辅助监督，提升VLA模型在长时域操作任务中的微调效果，成功率相对提升14%-56%。

Learning Motion Feasibility from Point Clouds in Cluttered Environments

从杂乱环境中的点云学习运动可行性

Sajid Ansari, Arthi, Girish Varma, Antony Thomas

机构 * International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴） 纠错

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

AI总结 提出直接从RGB-D观测学习7自由度机械臂运动可行性预测的方法，构建包含270万抓取可行性标签的大规模基准，并评估三种分类器架构，最佳模型GRASPFC-PTX在新型物体上AUROC达0.996且预测速度远超基于采样的运动规划器。

PAMAE: Phase-Aware-MoE Action Experts Towards Reliable Flow-Matching Vision-Language-Action Policies

PAMAE: 面向可靠流匹配视觉-语言-动作策略的相位感知MoE动作专家

Jiayu Yang, Tao Yang, Xiang Chang, Fei Chao, Changjing Shang, Qiang Shen

机构 * Department of Artificial Intelligence, School of Informatics, Xiamen University（厦门大学信息学院人工智能系） ； Department of Computer Science, Aberystwyth University（阿伯里斯特威斯大学计算机科学系） 纠错

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

AI总结 针对多阶段机器人操作中VLA模型动作生成不可靠的问题，提出即插即用的相位感知混合专家动作模块PAMAE，通过稀疏专家混合和相位感知路由提升阶段一致性，在模拟任务中成功率提升9.2%。

Morphology-Specific Closed-Loop Control of Logarithmic-Spiral Continuum Arms via Online Jacobian Error Compensation

对数螺旋连续体臂的形态特异性闭环控制：基于在线雅可比误差补偿

Partha Datta, Yi Jin, Wei Lin, C. Chase Cao

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

AI总结 提出首个针对对数螺旋连续体臂的形态特异性闭环任务空间控制框架，通过分段腱驱动模型和在线雅可比误差补偿实现精确鲁棒控制，在轨迹跟踪、姿态调节等任务中优于分段常曲率基线方法。

PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models

PolicyTrim: 提升视觉-语言-动作模型的内在策略效率

Xianghui Wang, Feng Chen, Wenbo Zhang, Hua Yan, Zixuan Wang, Changsheng Li, Yinjie Lei

机构 * Sichuan University（四川大学） ； Adelaide University（阿德莱德大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出PolicyTrim框架，通过强化学习后训练扩展动作块可靠长度并减少冗余物理步骤，实现高达5.83倍的端到端部署加速且不降低任务成功率。

Comments Accepted by ECCV 2026. Project page: https://inceptionwang.github.io/PolicyTrim/

MIRROR: Novelty-Constrained Memory-Guided MCTS Red-Teaming for Agentic RAG

MIRROR: 基于新颖性约束的记忆引导MCTS红队测试用于智能体RAG

Inderjeet Singh, Andrés Murillo, Motoyoshi Sekiya, Yuki Unno, Junichi Suga

机构 * Fujitsu Research of Europe, United Kingdom（欧洲富士通研究机构，英国） ； Fujitsu Limited, Japan（日本富士通有限公司） 纠错

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

AI总结 提出MIRROR框架，通过记忆引导蒙特卡洛树搜索和显式新颖性约束，在多模态智能体RAG系统的四个攻击面上实现高攻击成功率，并降低跨表面方差。

Comments 6 pages, 2 figures. Accepted at the 2026 International Joint Conference on Neural Networks (IJCNN 2026), IEEE WCCI 2026; presented as an oral talk. Code and ART-SafeBench benchmark: https://github.com/FujitsuResearch/mirror

VibeAct: Vibration to Actions for Contact-Rich Reactive Robot Dexterity

VibeAct: 振动到动作——用于接触丰富反应性机器人灵巧性的方法

Yuemin Mao, Uksang Yoo, Jean Oh, Jonathan Francis, Jeffrey Ichnowski

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

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

AI总结 提出VibeAct框架，通过共享接触和滑移的物理表示，桥接真实振动触觉感知与基于模拟的强化学习，在灵巧手操作任务中优于基线方法，并成功迁移到真实平台。

Prompt Injection in Automated Résumé Screening with Large Language Models: Single and Multi-Injection Settings

大型语言模型在自动化简历筛选中的提示注入：单注入与多注入设置

Preet Baxi, Jiannan Xu, Jane Yi Jiang, Stefanus Jasin

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

AI总结 研究LLM在简历筛选中的提示注入攻击，发现当简历质量同质且注入者少时有效，但随注入者增多效果消失；质量异质时虽平均效果减弱，但偶尔让低质量候选人超越高质量，引发公平问题。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026

AXLE: A Cloud Infrastructure for Lean 4 Theorem Proving Utilities

AXLE：面向 Lean 4 定理证明工具的云基础设施

Jimmy Xin, Alex Schneidman, Chris Cummins, Karun Ram, Srihari Ganesh, Jannis Limperg

机构 * Axiom Math ； Recursive Superintelligence, Inc. 纠错

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

AI总结 提出 AXLE 云服务，提供可扩展的 Lean 4 证明操作、提取与验证工具，支持多版本、多租户隔离，已处理超5亿请求并助力 Putnam 竞赛满分。

Comments Accepted at the 3rd AI for Math Workshop, ICML 2026

A Multi-Layer AI Framework for Information Landscape Analysis

一种用于信息景观分析的多层AI框架

Maryam Fooladi, Federico Bottino

机构 * Kakashi Ventures Accelerator (KVA)（Kakashi Ventures加速器） 纠错

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

AI总结 提出多层AI框架，从来源可靠性、事实结构、框架、偏见、情感激活、操纵模式和传播动态等多维度分析信息失序，支持认知映射。

Comments Accepted at the Information Disorder (InDor) Workshop, LREC 2026. 10 pages

Neural Networks for Inverse Design of Cascaded-Mode Near-Field Landscapes

用于级联模式近场景观逆向设计的神经网络

Wannes Luts De Martelaere, Joeri Lenaerts, Vincent Ginis

专题命中 机器人操作 ：manipulation(abstract)

AI总结 提出使用人工神经网络解决多模波导中级联模式干涉的近场逆向设计问题，通过梯度优化重构目标近场分布，实现了纵向和横向场设计，展示了深度学习的有效性和可扩展性。

Comments 15 pages, 5 figures

Temporal wave trapping from dynamical pump pulses

动态泵浦脉冲的时间波捕获

T. Torres, R. Terrier, J. Fatome, B. Kibler, G. Millot, G. P. Agrawal

专题命中 机器人操作 ：manipulation(abstract)

AI总结 利用非线性光纤中高阶孤子脉冲的动态演化，理论并实验证明了时间波捕获机制，实现了单脉冲动态时间波导，为全光控制超快信号开辟新途径。

Comments 5 pages, 4 figures

Topological phase transition driven by in-plane spin rotation

面内自旋旋转驱动的拓扑相变

Xinyue Zhu, Yu Xie, Yifei Hao, Fei Gao, Yue Li, Junting Zhang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 提出通过连续面内自旋旋转可逆切换拓扑态，基于磁点群对称性约束贝里曲率分布，在二维kagome铁磁陈绝缘体中实现60°旋转翻转陈数符号，并验证超低场超快操作。

Comments 12 pages, 4 figures

SOLAR: AI-Powered Speed-of-Light Performance Analysis

SOLAR: AI驱动的光速性能分析

Qijing Huang, Sana Damani, Zhifan Ye, Athinagoras Skiadopoulos, Siva Kumar Sastry Hari, Jason Clemons, Sahil Modi, Jingquan Wang, Aditya Kane, Edward C Lin, Humphrey Shi, Christos Kozyrakis

机构 * NVIDIA（英伟达） 纠错

专题命中 具身导航 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 提出SOLAR框架，自动从PyTorch和JAX代码推导理论最小执行时间（光速界限），通过LLM前端和确定性分析实现无违反界限的多保真度性能分析。

UAV-MapFusion: RTK-Aligned Uncertainty-Aware Coarse-to-Fine Multi-Session UAV Mapping

UAV-MapFusion: RTK对齐的不确定性感知粗到细多会话无人机建图

Feng Pan, Chunran Zheng, Bing Xue, Yukang Cui, Jiayu Wen, Zhiyu Chen, Wei Wang

机构 * College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） 纠错

专题命中 具身导航 ：robotics(abstract,comments)；分类 cs.RO

AI总结 提出一种不确定性感知的多会话点云地图合并与粗到细优化系统，通过RTK时空对齐和迭代平面因子优化，在抑制长距离漂移的同时保持局部几何精度。

Comments 8 pages, 5 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

LayersReg: A Layer-by-Layer Progressive Regressor for Reliable Intraoperative 3D/2D Registration

LayersReg：一种用于可靠术中3D/2D配准的逐层渐进回归器

Xiyuan Wang, Zhenchao Wang, Xinran Chen, Junkai Liu, Chuan Chen, Feng Yin

机构 * School of Biological Science and Medical Engineering（生物科学与医学工程学院） ； Southeast University（东南大学） ； School of Engineering, College of Engineering and Physical Sciences（工程学院，工程与物理科学学院） ； University of Birmingham（伯明翰大学） ； State Key Laboratory of Digital Medical Engineering（数字医学工程国家重点实验室） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 提出LayersReg，一种逐层渐进回归范式，通过特征空间搜索像素流趋势迭代收敛到正确空间位姿，在X射线/CT配准和切片定位任务上达到高精度，满足术中实时需求。