机器人 / 具身智能

RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation

RynnWorld-Teleop：用于数字遥操作的动作条件世界模型

Haoyu Zhao, Xingyue Zhao, Hangyu Li, Biao Gong, Kehan Li, Siteng Huang, Xin Li, Deli Zhao, Zhongyu Li

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hong Kong Embodied AI Lab（香港具身人工智能实验室） ； CUHK（香港中文大学） ； Hupan Lab（湖畔实验室） ； Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 研究针对机器人学习数据收集瓶颈，提出数字遥操作范式，用生成世界模型解耦数据收集与物理约束。以RynnWorld-Teleop系统实现，含多种技术，能实时生成，训练策略可零样本转移，还能增强数据集，是高保真可扩展数据引擎。

Comments Project Page: https://alibaba-damo-academy.github.io/RynnWorld-Teleop.github.io, Github: https://github.com/alibaba-damo-academy/RynnWorld-Teleop

Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations

通过从正向演示中学习逆向任务进行任务参数外推

Serdar Bahar, Fatih Dogangun, Matteo Saveriano, Yukie Nagai, Emre Ugur

机构 * Bogazici University（博雅科技大学） ； University of Trento（特伦托大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出了一种基于任务逆向学习的联合学习方法，通过利用辅助正向演示实现准确且高效的知识转移，以解决机器人学习中的泛化问题。

Comments Accepted for publication in IEEE RA-L

Distributionally Robust Control via Stein Variational Inference for Contact-Rich Manipulation

通过Stein变分推断进行分布鲁棒控制的接触丰富操作

Hrishikesh Sathyanarayan, Victor Vantilborgh, Harish Ravichandar, Tom Lefebvre, Ian Abraham

机构 * Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） ； Department of Electromechanical, Systems and Metal Engineering, Ghent University（根特大学机电系统与金属工程系） ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； Department of Electrical Engineering, University of Sydney（悉尼大学电子工程系） 纠错

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

AI总结 本文提出了一种基于Stein变分推断的分布鲁棒控制方法，用于提升接触丰富操作中的不确定性建模能力，通过更灵活的不确定性建模在保持性能的同时精确适应不确定性，实验结果表明在广泛参数不确定性下，鲁棒性提高了3倍。

Comments In Proceedings of Robotics: Science and Systems, Sydney, Australia, July 2026

InCoM: Intent-Driven Perception and Structured Coordination for Mobile Manipulation

InCoM：基于意图的感知与结构化协调用于移动操作

Jiahao Liu, Cui Wenbo, Zhongpu Xia, Yongliang Wang, Haoran Li, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； AnyverseDynamics 纠错

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

AI总结 InCoM通过意图驱动的感知和结构化协调框架，解决移动操作中基座与机械臂动作耦合及感知注意力分配问题，提升任务成功率。

TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation

用于全臂操作的触觉和视觉条件下的以接触为中心的控制

Rishabh Madan, Angchen Xie, Samantha Saak, Andres Blanco, Dohyeok Lee, Sarah Grace Brown, Yunting Yan, Mark Zolotas, Jose Barreiros, Tapomayukh Bhattacharjee

机构 * Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Toyota Research Institute（丰田研究机构） 纠错

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

AI总结 研究全臂操作问题，提出TACTIC控制器，它采用以接触为中心的混合预测模型，结合多种传感，通过接触雅可比矩阵耦合动力学与运动学，集成到MPC规划器，在模拟和实际任务中表现出色，优于其他方法。

Comments RSS 2026

WristMimic: Full-Body Humanoid Control with Wrist-Guided Manipulation

WristMimic：基于手腕引导操作的全身人形机器人控制

Wongyun Yu, Youngwoon Kim, Minsu Cho

机构 * Pohang University of Science and Technology (POSTECH)（浦项科技大学） 纠错

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

AI总结 研究如何将人类物体交互演示重定向到物理模拟，提出WristMimic框架，分离无接触身体运动与手部操作，通过手腕引导，让手指从物体跟踪和接触结果学习行为，实验显示该框架在跨手部模型重定向时效果良好。

Comments Accepted to ECCV 2026

Calf-Integrated Arms for Bimanual Quadruped Loco-Manipulation

用于双足四足运动操纵的小腿集成手臂

Yan Pan, Yuanchuan Ren, Chipui Chan, Jingcheng Sun, Chengxu Zhou

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 研究双足四足运动操纵设计权衡问题，核心方法是将特定操纵器集成到前小腿，实现双手地面操纵且四足着地、基座可行走，借助视觉语言模型排序技能，模拟中完成三项双手任务。

Comments 6 pages, 6 figures

TactileReflex: Noise-Statistics-Driven Vision-Tactile Reflex Control for Force-Sensitive Manipulation

TactileReflex：基于噪声统计的视觉-触觉反射控制用于力敏感操作

Ziyan Feng, Yulong Fu, Zheng Li, Yuxin He, Jieji Ren, Yudong Zhong, Lujia Wang, Jinni Zhou, Qiang Nie

机构 * Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统研究所，香港科学与技术大学（广州）） ； School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） 纠错

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

AI总结 针对易变形容器操作中的力控制难题，提出基于噪声统计的标定驱动反射控制范式，利用视觉触觉传感器提取图像级代理并实现约12Hz的优先反射通道，无需外部标定或手动调参。

Comments 8 pages, 4 figures, 6 tables

Learning Tactile-Aware Quadrupedal Loco-Manipulation Policies

学习具备触觉感知的四足机器人运动-操作策略

Pokuang Zhou, Yuhao Zhou, Quan Khanh Luu, Seungho Han, Heng Zhang, Binghao Huang, Yunzhu Li, Arash Ajoudani, Zhengtong Xu, Yu She

机构 * Purdue University（普渡大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文提出一种具有层次结构的触觉感知运动-操作策略学习框架，通过真实世界示范训练触觉条件的视觉-触觉高层策略，并结合大规模模拟强化学习学习能追踪多样指令轨迹和触觉交互的全身控制策略，提升接触丰富场景下的协调运动与操作性能。

ReMoSPLAT: Reactive Mobile Manipulation Control on a Gaussian Splat

ReMoSPLAT：高斯点云上的反应式移动操作控制

Nicolas Marticorena, Tobias Fischer, Niko Suenderhauf

机构 * QUT Centre For Robotics, School of Electrical Engineering and Robotics at the Queensland University of Technology（昆士兰理工大学机器人中心，电气工程与机器人学学院） 纠错

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

AI总结 研究移动操纵器在不涉及高成本规划下如何利用高斯点云表示避免碰撞，提出基于二次规划公式的ReMoSPLAT反应式控制器，通过模拟实验验证其可行性，性能可媲美依赖完美信息的控制器，并在真实机器人平台进一步验证。

Comments 8 pages, 5 figures

IntentVLA: Short-Horizon Intent Modeling for Aliased Robot Manipulation

IntentVLA：用于有歧义机器人操作的短周期意图建模

Shijie Lian, Bin Yu, Xiaopeng Lin, Zhaolong Shen, Laurence Tianruo Yang, Yurun Jin, Haishan Liu, Changti Wu, Hang Yuan, Cong Huang, Kai Chen

机构 * HUST（华中科技大学） ； ZGCA（中钢集团人工智能研究院） ； ZGCI（中钢智能科技有限公司） ； HIT（哈尔滨工业大学） ； HKUST(GZ)（香港科技大学（广州）） ； BUAA（北京航空航天大学） ； ZZU（浙江工业大学） ； ECNU（华东师范大学） ； USTC（中国科学技术大学） ； DeepCybo 纠错

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

AI总结 IntentVLA通过编码近期视觉观测为紧凑的短周期意图表示，提升机器人操作的执行稳定性，并在多个基准测试中优于现有VLA基线。

Comments Code can be found in https://github.com/ZGC-EmbodyAI/IntentVLA

Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces

层次化和整体化的开放词汇功能3D场景图用于室内空间

Xinggang Hu, Chenyangguang Zhang, Alexandros Delitzas, Xiangkui Zhang, Marc Pollefeys, Francis Engelmann, Xiangyang Ji

机构 * Tsinghua University（清华大学） ； ETH Zürich（苏黎世联邦理工学院） ； MPI for Informatics（信息研究所） ； Dalian University of Technology（大连理工大学） ； Microsoft（微软） ； Stanford University（斯坦福大学） ； University of Lugano（卢加诺大学） 纠错

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

AI总结 本文提出一种开放词汇管道，结合2D视觉定位和3D图优化，解决小规模密集相似实例的场景图推理问题，通过时间图优化和全局层次塑造提升室内空间的功能3D场景图生成能力。

DIM-WAM: World-Action Modeling with Diverse Historical Event Memory

DIM-WAM：基于多样化历史事件记忆的世界-动作建模

Kai Wang, Zhaopeng Gu, Yixiang Chen, Yuan Xu, Qisen Ma, Jiabing Yang, Zhaowen Li, Yan Huang, Liang Wang, Peng Su

机构 * NLPR, CASIA（中国科学院自动化研究所模式识别国家重点实验室） ； Yinwang Intelligent Technology（银旺智能科技） ； FiveAges（五龄科技） 纠错

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

AI总结 提出DIM-WAM，一种记忆增强的世界-动作模型，通过多尺度历史上下文、局部未来动态和全局任务进度解决长期遗忘问题，在RMBench和真实机器人任务上显著提升成功率。

Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build

更快完成，更少学习：生成式AI减少了学生在数学问题及所构建知识上的学习时间

Sina Rismanchian, Hasan Uzun, Jeffrey Matayoshi, Eric Cosyn, Eyad Kurd-Misto

机构 * University of California, Irvine（加州大学尔湾分校） ； McGraw Hill（麦格劳-希尔） 纠错

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

AI总结 本研究探讨生成式AI如何影响学生的学习过程和学习成果，通过分析大量学习互动数据，发现AI使用导致学生在可被AI处理的问题上学习时间减少，但这种效率提升在监考情况下消失，揭示了AI对学习行为和知识构建的深远影响。

Reflection and Refraction at Nonlinear Temporal Boundaries in Synthetic Lattices

合成晶格中非线性时间边界的反射与折射

Chong-Xiao Chen, Zheng-Wei Zhou, Xi-Wang Luo

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究合成晶格中相互作用淬灭产生的非线性时间边界，通过解析非线性薛定谔方程揭示波包依赖的能带结构和时间折射响应，并发现振幅依赖的时间反射/折射及非线性时间双折射现象。

Comments 10 pages, 6 figures. Compared with the previous version, some detailed derivations have been removed from the appendix; the interested reader is referred to arXiv:2601.02199 for these details

Interaction of twisted light with free twisted atoms

涡旋光与自由涡旋原子的相互作用

I. Pavlov, A. Chaikovskaia, D. Karlovets

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究结构光与原子的吸收和散射，展示涡旋光在近完美效率下将轨道角动量传递给原子质心，且通过偏移量控制OAM分布，同时展示原子的横向 recoil 及其双效应。

Comments 10 pages + supplementary

Cyber security of OT networks: A tutorial, survey of attacks and overview of current state of defense tools, protocols, & challenges

OT网络网络安全：教程与概述

Sarthak Kapoor, Sumit Kumar, Harsh Vardhan, Daniel Balasubramanian, Sandeep Neema

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文探讨OT网络安全挑战，分析IT与OT融合带来的攻击面，并介绍提升OT网络安全的现代方法。

Toward Autonomous Soft Robotic Endovascular Navigation via Imitation Learning

通过模仿学习实现自主软机器人血管内导航

Noah Barnes, Ji Woong Kim, Lingyun Di, Hannah Qu, Anuruddha Bhattacharjee, Miroslaw Janowski, Dheeraj Gandhi, Bailey Felix, Shaopeng Jiang, Olivia Young, Mark Fuge, Ryan D. Sochol, Jeremy D. Brown, Axel Krieger

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Stanford University（斯坦福大学） ； McGill University（麦吉尔大学） ； University of Maryland（马里兰大学） ； Swiss Federal Institute of Technology in Lausanne (EPFL)（日内瓦联邦理工学院（EPFL）） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 具身导航 ：navigation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI

AI总结 研究旨在实现自主软机器人血管内导航，开发基于变压器的模仿学习框架，通过目标条件等实现通用导航，在多种几何结构上训练并评估，策略成功率高，还进行了相关研究及扩展，提升了在未见几何结构上的成功率。

UniLM-Nav: A Unified Framework for Zero-Shot Last-Mile Navigation

UniLM-Nav：零样本最后一英里导航的统一框架

Zhuofan Zhang, Tianxu Wang, Guoxi Zhang, Yixiong Lin, Xilin Wang, Hongming Xu, Qing Li, Song-Chun Zhu, Lifeng Fan

机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，字节跳动公司人工智能研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；manipulation(abstract)；分类 cs.RO

AI总结 研究移动操作中最后一英里导航问题，提出UniLM-Nav统一框架，通过多模态大语言模型后端分解任务为视图选择、功能接地和姿态推理，在OVMM基准上优于现有方法，还验证了在实际机器人上的适用性。

Comments Project page: https://unilm-nav.github.io

FLYNN: Robust Neural Network for Robot Navigation using Fly Brain Topology

FLYNN：使用果蝇大脑拓扑结构的鲁棒机器人导航神经网络

Benquan Wang, Jingdao Chen

机构 * Mississippi State University（密西西比州立大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI

AI总结 提出基于果蝇大脑连接组的循环神经网络FLYNN，用于视觉导航，在分布外数据和感官缺失下表现鲁棒，优于手工网络。

SmoothTurn: Learning to Turn Smoothly for Agile Navigation with Quadrupedal Robots

SmoothTurn: 为四足机器人敏捷导航学习平稳转向

Zunzhi You, Yunke Wang, Haolan Guo, Chang Xu

机构 * School of Computer Science, University of Sydney（悉尼大学计算机科学学院） 纠错

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

AI总结 本文提出SmoothTurn框架，通过引入序列目标到达奖励、扩展观测空间和自动目标课程，使四足机器人在高速运行时实现平稳转向，提升敏捷导航能力。

What Matters in RL-Based Methods for Object-Goal Navigation? An Empirical Study and A Unified Framework

基于强化学习的目标导航方法中什么重要？实证研究与统一框架

Hongze Wang, Boyang Sun, Jiaxu Xing, Fan Yang, Marco Hutter, Dhruv Shah, Davide Scaramuzza, Marc Pollefeys

机构 * Computer Vision and Geometry Group, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机视觉与几何组） ； Robotics and Perception Group, University of Zurich, Switzerland（苏黎世大学机器人与感知组） ； Robotic Systems Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室） ； Princeton Robotic Intelligence and SysteMs group, Princeton University, USA（普林斯顿大学机器人智能与系统组） ； Microsoft, Switzerland（微软公司） 纠错

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

AI总结 研究目标导航中基于强化学习方法各组件影响，通过分解导航管道为感知、策略和测试时增强三组件进行实证研究，引入统一框架，构建增强系统达领先性能，提供见解与建议，凸显当前智能体与人类导航差距。

Accelerating Sampling-Based Control via Learned Linear Koopman Dynamics

通过学习的线性Koopman动力学加速基于采样的控制

Wenjian Hao, Yuxuan Fang, Zehui Lu, Shaoshuai Mou

机构 * School of Aeronautics and Astronautics, Purdue University（航空航天学院，普渡大学） 纠错

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

AI总结 本文提出了一种基于学习的线性Koopman动力学的MPPI控制框架，通过减少计算成本实现高效实时控制。

NaviCache: Test-Time Self-Calibration Caching for Video Generation

NaviCache: 视频生成的测试时自校准缓存

Zheqi Lv, Zhibo Zhu, Jinke Wang, Qi Tian, Shengyu Zhang, Zhengyu Chen, Chengxi Zang, Zhou Zhao, Fei Wu

机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频） 纠错

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

AI总结 针对视频扩散模型计算成本高的问题，提出NaviCache方法，将特征演化重构思为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比和潜在漂移，实现有界误差的计算跳过，在多个模型上取得优异性能。

Comments Published at ICML 2026: Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

Scene Graph Thinking: Reinforcing Structured Visual Reasoning for Multimodal Large Language Models

场景图思维：增强多模态大语言模型的结构化视觉推理

Zhiwei Yang, Yuanchen Wu, Nan Zhang, Yucong Meng, Ke Yan, Shouhong Ding

机构 * Fudan University（复旦大学） 纠错

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

AI总结 针对多模态大语言模型忽视结构化关系的问题，提出场景图思维（SaGe）范式，通过自动数据引擎转换数据、构建训练数据，采用两阶段图对齐训练范式，在多模态基准测试中取得显著改进，提升细粒度感知和推理能力。

Comments ICML 2026

Reliability-Aware CT-MRI Registration: A Quality Engineering Framework with Stability Analysis and Risk Classification

可靠性感知的CT-MRI配准：一个具有稳定性分析和风险分类的质量工程框架

Nisreen Albzour

机构 * School of Systems Science and Industrial Engineering, Binghamton University（宾夕法尼亚大学系统科学与工业工程学院） 纠错

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

AI总结 提出可靠性感知框架，通过数据学习阈值将配准质量转化为风险类别，用多种指标评估可靠性，经训练阈值用于测试患者，表明仿射配准更优，可靠性过滤配准可改善对齐，还做了多方面分析。

Rethinking Gaussian Trajectory Predictors: Calibrated Uncertainty for Safe Planning

重新思考高斯轨迹预测器：为安全规划校准不确定性

Fatemeh Cheraghi Pouria, Mahsa Golchoubian, Katherine Driggs-Campbell

机构 * Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系） ； Department of Mathematical and Computational Sciences, University of Toronto（多伦多大学数学与计算科学系） 纠错

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

AI总结 本文提出了一种新的损失函数，通过核密度估计校准高斯轨迹预测器的不确定性，以提高安全规划性能。

Metric-Topology Factorization: A Computational Framework for Hippocampal-Neocortical Intelligence

度量-拓扑分解：一种海马体-新皮层智能的计算框架

Xin Li

专题命中 具身导航 ：navigation(abstract)

AI总结 该研究提出度量-拓扑分解框架，通过分离海马体和新皮层的功能，实现情境选择与局部推理的智能计算。

Agentic AI-RAN Empowering Synergetic Sensing, Communication, Computing, and Control

智能人工智能无线接入网络助力协同感知、通信、计算和控制

Lingxiao Sun, Zhaoyang Zhang, Zihan Lin, Zirui Chen, Weijie Zhou, Zhaohui Yang, Tony Q. S. Quek

专题命中 具身导航 ：navigation(abstract)

AI总结 研究6G低空无线网络中，智能人工智能无线接入网络（Agentic AI-RAN）架构助力协同SC3任务执行。提出面向任务的架构解决资源受限边缘环境异构负载协调难题，经无人机系统原型验证，该框架在6G关键任务低空网络中具可行性。

Comments 7 pages, 5 figures, 1 table; revised version with minor corrections

Bang-Bang Evasion: Its Stochastic Optimality and a Terminal-Set-Based Implementation

Bang-Bang 规避：其随机最优性及基于终端集的实现

Liraz Mudrik, Yaakov Oshman

专题命中 具身导航 ：navigation(abstract)

AI总结 研究平面终局交战最优规避问题，构建含不完美信息和有界控制的随机框架，证明最优规避策略存在且含 bang-bang 策略，提出基于闭环终端集的规避（TSE）策略，仿真显示其优于传统随机规避策略。

Comments 31 pages, 4 figures