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。
迭代不变扩展卡尔曼滤波用于三维地标辅助惯性导航
机构 * Pontifical Catholic University of Rio de Janeiro, Rio de Janeiro, Brazil（里约热内卢天主教大学） ； Dynamic Legged Systems Lab, Istituto Italiano di Tecnologia, Genova, Italy（动态腿部系统实验室，意大利理工学院）
专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对经典SO(3)-EKF的虚假可观测性问题，提出迭代不变扩展卡尔曼滤波(IterIEKF)用于地标辅助惯性3D定位，通过数值仿真证明其在估计精度和一致性上优于现有方法。
低地球轨道卫星星座中连续孔径阵列辅助的集成通信与导航
专题命中 具身导航 ：navigation(title,abstract)
AI总结 针对低地球轨道卫星星座，提出连续孔径阵列辅助的集成通信与导航框架，开发电磁协作传输模型，推导通信速率与导航CRB，通过引入信道子空间将联合波束形成优化问题转化为有限维问题求解，算法性能优于传统方案。
REMIND：用于室内导航的带记忆重新识别
机构 * Centre for Automation and Robotics C.A.R. (UPM-CSIC)（自动化与机器人技术中心C.A.R.（马德里理工大学 - 西班牙国家研究委员会）） ； Universidad Politécnica de Madrid（马德里理工大学）
专题命中 具身导航 ：navigation(title)；分类 cs.CV
AI总结 研究室内移动机器人物体重识别难题，提出REMIND在线跟踪器，结合多种技术，在专用室内数据集和ScanNet++上表现出色，IDF1高，完成场景能力强，且系统、框架和数据集已公开。
Comments 11 pages
用于地形识别的多光谱图像差分分析
机构 * University of Genoa（热那亚大学） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 研究针对自主机器人导航中地形识别问题，提出轻量级多光谱框架DRIFT，通过双流残差架构和差分融合分支结合原始光谱带与带比表示，在多光谱数据集评估中优于基线，提升了对复杂情况的鲁棒性且兼容边缘部署。
Comments 7 pages, IEEE AIM Conference, 8 Figures
使用预测性社会力模型对移动机器人进行实证行人安全评估
机构 * National Cheng Kung University（国立成功大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 研究移动机器人与行人共享人行道时的安全评估，通过整合预测社会力向量引入PSFM和PTSFM，在非完整移动机器人上实验，证实PTTC集成可提升安全指标，预测贡献有限，单行人场景中预测带来的额外好处不多。
Comments 8 pages, 5 figures, 2 Tables, IEEE/ASME International Conference on Advanced Intelligent Mechatronics
双层多目标优化用于风险导向的放射治疗
专题命中 具身导航 ：navigation(abstract)
AI总结 本文提出风险引导的多目标优化方法，用于在放射治疗中平衡剂量学和生物学终点，通过整合生物风险模型实现个体化治疗优化。
通过对话对齐世界模型实现具身多智能体协调
机构 * Siebel School of Computing & Data Science（计算机与数据科学学院）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；embodied agent(abstract)；分类 cs.AI
AI总结 研究通过对话机制探索具身智能体的世界模型对齐，发现对话能减少冲突但降低任务成功率，提出评估世界模型对齐的框架。
GATS：用于高效智能体规划的具有分层世界模型的图增强树搜索
机构 * Institute for Cybernetics of NAS of Ukraine（乌克兰国家科学院控制论研究所）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对LLM智能体规划计算成本高和行为随机的问题，提出GATS框架，结合系统树搜索与分层世界模型，在合成任务和综合测试中表现优异，规划时无需LLM调用，生成确定性计划，优于LLM引导探索。
用于具身动作条件世界模型的因果去偏潜行动模型
机构 * Aether AI ； University of California, San Diego（加州大学圣地亚哥分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV
AI总结 研究针对动作条件世界模型学习需大量标记数据的问题，提出基于潜行动模型的因果去偏框架CD-LAM，通过三个微调目标改进模型，提升了潜行动可控性等多方面性能，减少了机器人动作适应更新次数。
降阶模型：世界模型之母
机构 * Independent Researcher（独立研究员）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 探讨世界模型的功能结构早于现代自监督学习，在模型降阶和控制文献中就已独立发展。追溯其在三个领域的发展，对比传统降阶模型与学习型世界模型的优缺点，指出在关键系统中部署世界模型的障碍及统一两者的研究议程。
FlowDAgger：在潜在空间中对生成式机器人策略进行人工参与的自适应调整
机构 * Microsoft Research（微软研究院） ； University of Washington（华盛顿大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 机器人基础模型 ：manipulation(abstract)；robot foundation model(abstract)；分类 cs.RO、cs.LG
AI总结 研究针对预训练生成式机器人策略在实际部署中出现的问题，提出FlowDAgger方法，通过动作反转从人工干预获取监督，在模拟及现实操纵中评估，该方法优于基线且能保留预训练技能，为机器人基础模型自适应调整提供实用路径。
WAM-TTT：在测试时通过观察人类行为来引导世界行动模型
机构 * Peking University（北京大学） ； Galbot ； CASIA（中国科学院自动化所） ； Tsinghua University（清华大学）
专题命中 机器人基础模型 ：manipulation(abstract)；robot foundation model(abstract)；分类 cs.RO、cs.AI
AI总结 研究旨在解决引导机器人基础模型的难题，提出WAM-TTT框架，通过自监督视频预测吸收人类视频到自适应内存，经元训练阶段对齐人机行为，测试时仅用未标记人类视频，实现高效可重复引导且优于基线。
行动、感知、行动：从大规模自我中心人类数据中学习主动感知
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（人工智能学院，上海交通大学）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 研究如何让机器人在无约束环境中实现可泛化操作，提出CoMe - VLA框架，利用大规模人类自我中心数据学习主动感知，集成认知辅助头和双轨记忆系统，经三个阶段训练模型，实验证明该方法在多场景长期任务中有强鲁棒性和适应性。
基于人工智能的血管内导航的血管几何特征表征
机构 * National Taiwan University Hospital（台湾大学附属医院） ； Chelsea & Westminster Hospital（切尔西和威斯敏斯特医院）
专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究旨在识别与血管内导航难度相关的血管指标并开发自动化流程，通过分割血管树测量指标，用RL算法导航并分析结果，发现血管几何形状影响导航难度，所提流程为相关评估奠定基础。
Comments Int J CARS (2026)
用于高效离线强化学习的捷径轨迹规划
机构 * The University of Tokyo（东京大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。
Comments 16 pages, 3 figures
ReinforceGen：具有自动数据生成和强化学习的混合技能策略
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Research（NVIDIA研究）
专题命中 模仿学习与强化学习 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 针对机器人长期操纵挑战，ReinforceGen系统结合任务分解、数据生成、模仿学习与运动规划形成初始方案，经强化学习微调，在Robosuite数据集基准测试中成功率达80%，消融研究显示微调使性能平均提升89%，实际评估也有显著改进。
PAC-ACT：用于动作分块变换器的训练后演员评论家方法
机构 * LeRobot
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 针对精密工业接触操纵问题，提出PAC-ACT框架，通过在块级别重新制定策略优化、构建特定架构并引入混合行为先验约束，提升了机器人策略在姿态扰动和接触力约束下的性能，实验验证了其有效性。
从更少中学习更多：事后诸葛亮式强化学习
机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Computing Research Lab（麻省理工学院-IBM计算研究实验室） ； Stanford University（斯坦福大学） ； University of California, San Diego（加利福尼亚大学圣地亚哥分校）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.LG
AI总结 研究针对强化学习用于视觉-语言-动作模型后期训练时样本效率低的问题，提出事后诸葛亮式学习方法，通过对失败轨迹重标记，让策略联合原始与重标记轨迹训练，在分布外任务上显著提升样本效率并优于基线。
WARP-RM: 一种用于数据筛选的扭曲增强相对进度奖励模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； XDOF
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO
AI总结 提出WARP-RM，通过时间扭曲增强从成功演示中自监督学习密集相对进度信号，用于行为克隆中加权高优势动作块，在机器人叠衣任务中显著提升数据效率。
基于计算能力网络的异构大语言模型实体代理的通信高效数字孪生协调
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
专题命中 人机交互与遥操作 ：embodied agent(title,abstract)；robotics(abstract)；分类 cs.AI
AI总结 针对异构大语言模型实体代理协作面临的通信开销大、协调质量受LLMs能力限制和行动延迟等挑战，提出基于轻量级数字孪生的LDT-Coord框架，通过特定方法减少通信开销，实现与传统方法相当的任务成功率且保持鲁棒性。
Comments 14 pages, 6 figures, 5 tables
验证虚拟现实技术在社交感知机器人导航中研究多模态人机交互的有效性
机构 * LAAS-CNRS, Universite de Toulouse（法国国家科学研究中心图卢兹分部，图卢兹大学） ； Inria Nancy（法国国家信息与自动化研究所南锡分部）
专题命中 人机交互与遥操作 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究VR在社交感知机器人导航中研究多模态人机交互的适用性，通过受试者内研究，让参与者在现实与VR环境中与机器人交互，结果显示VR能捕捉交互行为，可成为研究多模态行为的可靠灵活平台。
Re$^3$Sim：通过用于机器人操作的3D逼真的真实到模拟生成高保真模拟数据
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；robotic(title)；robotics(abstract)；分类 cs.RO
AI总结 针对机器人真实数据收集难题，提出RE$^3$Sim系统，运用3D重建和神经渲染技术重现真实场景，利用特权信息收集专家演示并训练策略，验证管道有效性，仅用模拟数据实现零样本转移，还生成大规模数据集。
VGGT 对重叠的理解：探索共可见性的几何基础模型
机构 * University of Padova（帕多瓦大学） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.AI、cs.CV
AI总结 研究三维重建和机器人定位中共可见性问题，通过探索 VGGT 模型，发现其隐式编码共可见性及层间特性，引入 Co-VGGT 方法，该方法冻结 VGGT 并训练轻量级头，在基准测试中表现出色，提升了共可见性分类效果。
面向野外无人机的主动目标检测：大规模数据集、基准和方法
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.RO、cs.CV
AI总结 针对无人机主动目标检测缺乏高质量数据集和基准的问题，提出ATRNet-LUDO数据集并建立评估基准。利用联合嵌入预测架构构建世界模型，提出AOD-JEPA，经实验验证其有效性和优越性，推动无人机-地面主动目标检测领域研究。
Comments 18 pages, 19 figures, 5 tables
STITCH-OPE：基于引导扩散的轨迹拼接用于离线策略评估
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Toyota Research Institute（丰田研究院） ； Vector Institute（向量研究所）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.LG
AI总结 STITCH-OPE通过引导扩散生成长周期轨迹，有效降低OPE中的方差，提升在高维空间中的评估性能。
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025), 2025
超越黑盒混淆：白盒监测器的机制分析与防御
机构 * University of Oxford（牛津大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对大语言模型白盒监测器可被规避且缺乏防御措施的问题，通过红队实验揭示几何转移和协方差操纵两种逃避策略，引入SafetyNet集成方法，在多模型家族实验中取得高AUROC分数，为稳健潜在空间监测提供了实证和起点。
视觉场所识别中的运动模糊与去模糊
机构 * School of Electronics and Computer Science, University of Southampton（苏塞克斯大学电子与计算机科学学院） ； MyWay srl（MyWay公司） ； QUT Centre for Robotics, School of Electrical Engineering and Robotics（昆士兰大学机器人中心，电气工程与机器人学院） ； School of Computer Science and Electronic Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院）
专题命中 机器人数据与评测 ：robotics(abstract,comments)；分类 cs.CV
AI总结 研究视觉场所识别中运动模糊及去模糊影响，引入新基准评估，含三个数据集。通过多种方法实验，揭示运动模糊影响与去模糊效果，进而提出VPR自适应去模糊策略，为动态现实场景管理运动模糊提供新途径。
Comments Accepted to IEEE Robotics & Automation Letters
Journal ref Volume: 10, Issue: 5, May 2025, Pages 4746 - 4753
全景世界：真实世界全景生成
机构 * Insta360 Research（影石创新科技研究院） ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； UC Merced（加州大学默塞德分校）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 该研究旨在解决全景世界模型的远程记忆挑战，提出PanoWorld，利用旋转等变特性简化相机轨迹，通过DPRC和GMA进行建模与记忆增强，经三阶段训练优化，构建World360数据集验证其有效性，优于其他方法且将公开模型、代码和数据集。
Comments Project page: https://lihaoy-ux.github.io/panoworld-page/ Code:https://github.com/Insta360-Research-Team/PanoWorld
用柯尔莫哥洛夫 - 阿诺德网络重新审视欧拉角回归
机构 * Michigan State University（密歇根州立大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.CV
AI总结 研究欧拉角回归难题，提出结合范围感知欧拉建模与柯尔莫哥洛夫 - 阿诺德网络的新框架，经理论分析和实验验证，该框架在控制旋转回归等多方面能提升精度、收敛性和效率。
DemoBridge：用于单视图人类演示重定向的循环内仿真工具包
机构 * KU Leuven（库勒万大学） ； Toyota Motor Europe（丰田欧洲公司） ； Toyota Research Institute（丰田研究院）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO
AI总结 DemoBridge工具包可将单视图人类手部演示转化为机器人手臂轨迹，核心是碰撞感知规划器，能综合考虑多种因素优化轨迹，经物理模拟器验证，还可用于策略学习，在实际任务和基准测试中评估了其性能。
Comments RSS 2026 RoboData Workshop
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