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。
无需演示的机器人控制 via LLM 代理
机构 * independent researchers（独立研究人员）
专题命中 机器人操作 ：robotic(title,abstract)；robotics(abstract)；embodied agent(abstract)；manipulation(abstract)
AI总结 本文提出FAEA框架，利用通用大语言模型实现无需演示的机器人操控，通过迭代推理生成操控策略，在多个基准测试中取得高成功率，展示了通用代理在任务规划中的有效性。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
RoboGaze: 通过结构化视觉-语言分析评估机器人世界模型
机构 * Ho Chi Minh City University of Science, Vietnam National University（越南国家科学大学胡志明市大学） ； VinRobotics ； VinUniversity ； German Research Center for AI (DFKI)（人工智能研究中心（DFKI）） ； University of Stuttgart（斯图加特大学） ； Max Planck Research School for Intelligent Systems（智能系统马克斯·普朗克研究学校） ； Technische Universität Darmstadt（达姆施塔特技术大学）
专题命中 机器人操作 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出RoboGaze，一种无需训练的多智能体VLM框架，通过任务-场景对齐、维度专家路由和批评验证三阶段流水线，对机器人操作视频进行结构化可解释评估，显著提升描述F1和时序对齐性能。
Comments First version 29 pages, 7 figures. Project webpage: https://robogaze-eval.github.io/
学习感知未来：DreamTacVLA用于接触丰富的 manipulation
机构 * Northwestern University（西北大学）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 DreamTacVLA通过结合高分辨率触觉图像与多尺度视觉信息，提升接触丰富任务的鲁棒性，实现95%的成功率。
从动作到世界建模的可迁移动力学先验学习
机构 * School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学，上海，中国） ； McGill University, Montreal, QC, Canada（麦吉尔大学，蒙特利尔，魁北克，加拿大）
专题命中 机器人操作 ：world model(title,abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出A2World模型，通过大规模机器人操作数据预训练动作条件世界模型，学习可迁移的交互动力学先验，支持模拟器评估和策略学习。
Comments ECCV 2026 Accepted
VLK：从重建场景中的合成交互学习人形机器人全身操控
机构 * Amazon FAR（亚马逊FAR） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 机器人操作 ：manipulation(title,abstract)；navigation(abstract)；分类 cs.RO、cs.AI
AI总结 提出VLK方法，通过3D高斯泼溅重建室内场景并合成视觉-语言-运动学数据，训练人形机器人全身操控策略，实现从仿真到真实的迁移。
Comments 19 pages, 7 figures, 4 tables
具有双LLM模块的分层提示用于机器人任务和运动规划
机构 * IBM, Krakow, Poland（IBM公司，波兰克拉科夫） ； Jagiellonian University, Krakow, Poland（雅盖隆大学，波兰克拉科夫） ； AGH University, Krakow, Poland（AGH大学，波兰克拉科夫）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO；robotics(journal_ref)
AI总结 本文提出一个分层语言驱动框架，通过双LLM模块提升服务和协助场景中人机交互的自然性和直观性，结合目标检测与运动执行实现高成功率的任务规划。
Journal ref Proc. IEEE International Conference on Advanced Robotics and its Social Impacts (ARSO), 2026, pp. 245-250
基于抓取能力场学习的面向抓取的非抓取操作
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出通过学习物体配置的抓取能力场，将非抓取操作优化为最大化抓取成功概率，而非达到预设位姿，实现闭环操作到抓取的单一策略。
Comments European Conference on Computer Vision (ECCV), 2026
基于机械臂的光谱传感用于草莓定位与无损甜度测量
机构 * Postdoctoral Supervisor: Dr Mark Cardamis（博士后导师：Mark Cardamis） ； Supervisor: Professor Wen Hu（导师：Wen Hu）
专题命中 机器人操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出一种集成RGB-ToF感知与机械臂控制的闭环系统，实现草莓检测、定位、接近及无损甜度估计，实验成功率达88.10%。
Comments 51 pages, 23 figures
AERMANI-VLM：基于视觉语言模型的空中 manipulation 的结构提示与推理
机构 * Robotics Research Center, IIIT Hyderabad（IIIT海得拉巴机器人研究中心） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； Newcastle University（纽卡斯尔大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出AERMANI-VLM框架，通过分离高层推理与低层控制，利用结构化提示生成自然语言推理轨迹，实现安全可靠的空中 manipulation 任务执行。
Chronos: 一种基于物理信息的全历史框架用于非马尔可夫长时域操作
机构 * School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO；robotics(comments)
AI总结 针对现有策略依赖马尔可夫假设导致记忆依赖任务失败的问题，提出Chronos框架，将观测历史作为策略潜状态，通过选择性状态空间模型传播因果历史状态，并利用二阶薛定谔桥预测加速度场，在16个模拟和4个真实任务中显著超越基线。
Comments 20 pages, 10 figures. Submitted to IEEE Transactions on Robotics
行为提示策略：将演示作为操作提示
机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出行为提示策略（BPP），通过单次人类演示（行为提示）使机器人推理时执行新任务，结合手持操作接口iPhUMI收集多样化数据，在DrawAnything和LIBERO-Gen基准上验证零样本适应能力。
TacEvo：通过LLM驱动的质量多样性搜索实现机器人触觉感知的自演化架构发现
机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、伦敦帝国学院）
专题命中 机器人操作 ：robotic(title,abstract)；分类 cs.RO
AI总结 提出TacEvo框架，利用LLM生成代码级变异和交叉，结合MAP-Elites质量多样性循环，自动发现高效触觉感知网络架构，在力回归和光栅分类任务上显著提升性能。
分析性概念中心记忆用于具身操作代理
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出分析性概念中心记忆框架，通过结构化概念（语义部件、参数模板等）组织经验，支持粗到细检索，提升长时程具身操作中的物体重识别、状态推理和技能复用。
LLMs的排名可靠性如何？通过两阶段令牌优化实现排名操纵
机构 * National University of Singapore（新加坡国立大学） ； University of Southern California（南加州大学） ； Georgetown University（乔治城大学） ； Arizona State University（亚利桑那州立大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI
AI总结 本文提出RAF方法，通过两阶段令牌优化生成自然语言提示，提升目标项在LLM排名中的位置，同时保持语言自然性，实验显示其在提升排名和保持自然性方面比现有方法更鲁棒。
Comments ACL 2026
细粒度操纵攻击针对数据流的本地差分隐私协议
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 本文提出细粒度操纵攻击方法，针对数据流中的本地差分隐私协议，通过统一框架和可组合模块操控估计流向目标流，验证了攻击的有效性并探讨了防御机制。
早期线索精度塑造受控线索操作基准中的视觉捷径学习
机构 * Gwangju Institute of Science and Technology（全州科学技术院）
专题命中 机器人操作 ：manipulation(title)；分类 cs.AI、cs.CV
AI总结 通过合成形状-纹理任务和CIFAR-10基准，研究早期线索精度如何影响视觉分类器依赖低级线索的捷径学习，发现线索去相关需在下游适应中持续维护。
关键区间均方误差：迈向机器人操作策略的可靠离线验证
专题命中 机器人操作 ：manipulation(title)；分类 cs.RO、cs.AI
AI总结 提出关键区间均方误差（CI-MSE），通过限制误差计算到任务关键段并配合动作对齐，显著提升验证误差与真实性能的相关性，加速策略迭代。
超冗余软体机械臂的实时柔顺性与位置控制
机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系）
专题命中 机器人操作 ：robotic(title)；分类 cs.RO
AI总结 提出一种七连杆软体机械臂，通过拮抗气动肌肉实现关节角度与刚度独立控制，结合统一逆运动学与逆柔顺控制器，实现末端柔顺性与位置的实时定量控制。
利用AFM探针机械操控石墨烯自折纸
专题命中 机器人操作 ：manipulation(title)
AI总结 提出一种基于AFM的压痕与硬敲击方法，实现石墨烯自折纸带的成核、操控和动态成像，适用于常规AFM，有望用于NEMS器件。
Comments Main text: 12 pages, 6 figures. Supplement: 6 pages, 5 figures
AI训练管理器：自适应训练配方的有界闭环控制
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.AI
AI总结 提出一种基于LLM的有界监督控制器，通过结构化遥测和约束动作空间，动态调整学习率、正则化等超参数，解决训练中的过拟合、损失不平衡等问题，在语言建模和强化学习任务中提升性能。
Comments 12 pages, 9 figures
基于归一化流增强消息传递的多机器人协同定位
机构 * Department of Systems Science, Southeast University（东南大学系统科学系） ； School of Automation, Southeast University（东南大学自动化学院） ； School of Automation and Intelligent Manufacturing and Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, Southern University of Science and Technology（南方科技大学自动化与智能制造学院及广东省全驱动系统控制理论与技术重点实验室） ； Engineering and Technology Institute Groningen, Faculty of Science and Engineering, University of Groningen（Groningen大学工程与技术学院）
专题命中 机器人操作 ：navigation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出一种融合高斯置信传播与平均场近似的分布式协同定位算法，通过归一化流梯度估计器处理非线性测量模型，并扩展至李群状态空间，实现多机器人定位的精度、鲁棒性和适应性提升。
增强任意开源多模态大语言模型的部件级点定位能力
机构 * National Tsing Hua University（国立清华大学） ； Amazon（亚马逊）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.CV
AI总结 提出一种通用方法，通过冻结原模型参数并引入Q-Synth模块和注意力到点解码器，为任意开源MLLM赋予精确的2D部件级点定位能力，显著提升部件级定位精度。
Comments CVPR 2026
一次触碰：单次触觉接触的6自由度物体姿态估计
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Harvard University（哈佛大学） ； University of Cambridge（剑桥大学）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出YOTO系统，利用单次双点触觉接触通过粗到细网络定位接触点并闭式SVD求解器恢复6自由度物体姿态，在视觉失效场景下优于基线方法。
通过LoRAs的权重基来跨越视觉类比空间
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.CV、cs.LG
AI总结 本文提出LoRWeB，通过在单次推理中为每个类比任务专门化模型，动态组合学习的变换原语，以提升视觉类比学习的泛化能力。
Comments Accepted to ECCV 2026; Code and data are in https://research.nvidia.com/labs/par/lorweb
从运动感知触觉：一种具有触觉运动相关性的统一模态感知视觉-触觉策略
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出基于触觉运动相关性的运动感知触觉表示，并利用混合Transformer架构实现统一模态感知的视觉-触觉策略，以解决接触丰富操作中的感知模糊和跨模态融合问题。
Comments Accepted by ECCV 2026. Project website: https://shengqi77.github.io/Seeing-Touch-from-Motion/
DR-GS: 基于物理的可变形与可重光照的2D高斯泼溅
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 提出DR-GS框架，通过显式解耦几何、光照和材质，实现可变形物体的物理一致重光照与后编辑，在静态重建、动态变形和重光照中达到领先视觉质量。
Human2Any: 通过约束感知的组合规划实现人到机器人的迁移
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Corporation（英伟达公司）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出Human2Any框架，从人类视频学习可重用的物体中心交互先验，结合机器人端可行性推理与运动规划，实现无需目标任务真实机器人数据的跨实体、场景和任务迁移。
在拜占庭故障下鲁棒的多智能体大语言模型
机构 * Department of Robotics, University of Michigan, Ann Arbor, USA（密歇根大学机器人系，安娜堡，美国） ； Thomas Lord Department of Computer Science, University of Southern California, USA（南加州大学计算机科学托马斯·劳德系，美国）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Self-Anchored Consensus算法，通过去中心化迭代过滤和优化协议提升多智能体系统在拜占庭故障下的鲁棒性，实验表明其在数学和常识推理任务中表现优异。
看见并切换：基于视觉的交互式机器人技能编程分支方法
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 See & Switch通过视觉输入实现机器人技能编程的条件分支，通过决策状态实现任务分支选择，提升机器人在现实环境中的适应能力。
Comments 8 pages, 9 figures
决策依赖成本不确定性下的鲁棒策略分类
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 针对策略分类中成本依赖决策的现实问题，提出两阶段鲁棒优化框架，利用决策依赖不确定集建模，减少博弈行为并降低不确定性。
Comments 29 pages, 7 figures, accepted for publication at ICML 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