机器人 / 具身智能

Re$^3$Sim: Generating High-Fidelity Simulation Data via 3D-Photorealistic Real-to-Sim for Robotic Manipulation

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

Xiaoshen Han, Junqiu Yu, Minghuan Liu, Yilun Chen, Xiaoyang Lyu, Yang Tian, Bolun Wang, Weinan Zhang, Jiangmiao Pang

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） 纠错

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。

What VGGT Knows About Overlap: Probing Geometric Foundation Models for Co-Visibility

VGGT 对重叠的理解：探索共可见性的几何基础模型

Filippo Ziliotto, Luciano Serafini, Lamberto Ballan, Tommaso Campari

机构 * University of Padova（帕多瓦大学） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会） 纠错

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。

Toward Active Object Detection for UAVs in the Wild: A Large-Scale Dataset, Benchmark and Method

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

Tianpeng Liu, Xinhua Jiang, Li Liu, Qinmu Shen, Siwei Tang, Zhen Liu, Yongxiang Liu

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: Trajectory Stitching with Guided Diffusion for Off-Policy Evaluation

STITCH-OPE：基于引导扩散的轨迹拼接用于离线策略评估

Hossein Goli, Michael Gimelfarb, Nathan Samuel de Lara, Haruki Nishimura, Masha Itkina, Florian Shkurti

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） 纠错

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

Beyond Black-Box Obfuscation: Mechanistic Analysis and Defense of White-Box Monitors

超越黑盒混淆：白盒监测器的机制分析与防御

Maheep Chaudhary, Fazl Barez

机构 * University of Oxford（牛津大学） 纠错

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。

On Motion Blur and Deblurring in Visual Place Recognition

视觉场所识别中的运动模糊与去模糊

Timur Ismagilov, Bruno Ferrarini, Michael Milford, Tan Viet Tuyen Nguyen, SD Ramchurn, Shoaib Ehsan

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） 纠错

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

PanoWorld: Real-World Panoramic Generation

全景世界：真实世界全景生成

Haoyuan Li, Dizhe Zhang, Yuemei Zhou, Xiangkai Zhang, Haoran Feng, Xiaofan Lin, Wenjie Jiang, Bo Du, Ming-Hsuan Yang, Lu Qi

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） 纠错

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

Revisiting Euler-Angle Regression with Kolmogorov-Arnold Networks

用柯尔莫哥洛夫 - 阿诺德网络重新审视欧拉角回归

Yangting Sun, Zijun Cui, Yufei Zhang

机构 * Michigan State University（密歇根州立大学） 纠错

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: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting

DemoBridge：用于单视图人类演示重定向的循环内仿真工具包

Zehao Wang, Fabien Despinoy, Sergey Zakharov, Tinne Tuytelaars, Rahaf Aljundi

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） 纠错

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

Residual Physics-Informed Neural Networks for High-Fidelity BLDC Motor Modeling

用于高保真无刷直流电机建模的残差物理信息神经网络

Haitham El-Hussieny

机构 * Department of Mechatronics and Robotics Engineering（机电工程与机器人工程系） ； Egypt-Japan University of Science and Technology (E-JUST)（埃及-日本科学技术大学） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO

AI总结 针对无刷直流电机精确动力学建模问题，提出基于ResNet主干的PINN，以仿真时间等为输入预测电机状态变量，满足相关常微分方程，用课程调度策略防过早收敛，训练快且推理延迟低，适用于实时应用。

StereoSplat+: Feed-Forward Stereo Gaussian Splatting with Diffusion-Assisted Progressive Inference

StereoSplat+：具有扩散辅助渐进推理的前馈立体高斯点云渲染

Zihua Liu, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV

AI总结 研究从单目立体观察恢复高质量3DGS场景的问题，提出StereoSplat+框架，包含StereoSplat估计器及扩散增强单步渐进推理方案，实验表明该方法提升了新视图渲染质量和几何精度，优于现有前馈3DGS基线。

Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)

Any to Full: Prompting Depth Anything for Depth Completion in One Stage

任何到完整：提示深度任何物以完成深度估计的一阶段

Zhiyuan Zhou, Ruofeng Liu, Taichi Liu, Weijian Zuo, Shanshan Wang, Zhiqing Hong, Desheng Zhang

机构 * Rutgers University（罗格斯大学） ； Michigan State University（密歇根州立大学） ； JD Logistics（京东物流） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.CV

AI总结 Any2Full提出一种单阶段深度完成框架，通过尺度提示适应预训练MDE模型，提升鲁棒性和效率，优于现有方法。

Comments Accepted to ECCV 2026