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。
通过表示锚定和语言-动作对齐实现可泛化的视觉语言动作微调
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德州农工大学） ； University of California, Irvine（加州大学欧文分校）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 研究针对VLA策略微调中存在的问题提出Anchor-Align方法，通过视觉语言锚定和语言-动作对齐两个目标增强BC，在物理机器人和模拟测试中均有效果提升，表明保留预训练表示与有效动作学习可兼顾。
Comments Code: https://github.com/dwipddalal/Anchor-Align
通过 VLAC-Cut 引导的管道最大化大规模机器人训练后人类效率
机构 * Shanghai AI Lab（上海人工智能实验室）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 研究旨在最大化机器人训练后人类效率，提出含专门分工的高效训练后管道，引入 VLAC-CUT 工具提高数据利用效率，经四个实际任务验证，最终策略成功率达 80% - 95%，吞吐量提升 1.7 倍至 4.2 倍，优于仅人工参与训练。
TFP：用于视觉运动学习的时间条件记忆融合策略
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Beijing Institute of Technology（北京理工大学）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO；robotics(comments)
AI总结 研究针对视觉运动学习中阶段依赖操作问题，提出时间条件记忆融合策略（TFP），通过维护任务进展信念并注入动作解码器来改进VLA策略，在多个任务上提升成功率，证明紧凑且对事件敏感的记忆动态可优化VLA策略。
Comments Accepted to the SemRob 2026 Workshop at Robotics: Science and Systems (RSS 2026)
UESF-Bench：统一的具身寻找与跟随的基准测试与探究
机构 * Shandong University（山东大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Qilu University of Technology（齐鲁工业大学） ； Xiaomi Inc（小米公司） ； Beijing University Of Technology（北京工业大学） ； Hong Kong Polytechnic University（香港理工大学）
专题命中 机器人基础模型 ：embodied agent(abstract)；分类 cs.AI
AI总结 研究针对现有具身智能体语言引导人类跟随基准测试的局限，引入UESF-Bench基准，提出SeekFollow-VLA框架，可处理语义引导探索等任务，实验显示该框架在单人和多人环境中比基线有明显改进，为统一具身寻找与跟随建立基线。
关于VLA微调的阶段信息接口的实证研究
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 研究长期操作中VLA微调的阶段信息接口，通过分段动作注释等方法，在直接微调与延续微调下和GR00T N1.6比较，发现不同接口表示和训练安排下阶段信息对策略成功率影响不同。
Comments 5 pages, 2 figures, 4 tables
诊断智能体编排的视觉-语言-动作技能组合中的语义切换失败
机构 * SimpleAI
专题命中 机器人基础模型 ：navigation(abstract)；分类 cs.RO
AI总结 研究智能体编排的视觉-语言-动作技能组合中的语义切换失败问题，通过智能体编排执行框架，调用基于π0.5的技能检查点，在两种初始状态分布下评估，发现单技能与长期任务成功率差距大，为未来技能库改进提供诊断依据。
Journal ref RSS SemRob Workshop 2026
MotuBrain: 一种先进的世界动作模型用于机器人控制
机构 * MotuBrain Team（MotuBrain团队）
专题命中 机器人基础模型 ：world model(abstract)；分类 cs.RO
AI总结 MotuBrain提出一种统一的世界动作模型，结合视频和动作，支持多项任务，实现高效部署和高精度控制。
BiliVLA: 基于强化学习的场景感知视觉-语言-动作模型用于自主胆道内镜导航
机构 * The Chinese University of Hong Kong（香港中文大学） ； The Third Affiliated Hospital of Sun Yat-sen University（中山大学附属第三医院） ； University of Cambridge（剑桥大学） ； University of California, Davis（加州大学戴维斯分校）
专题命中 模仿学习与强化学习 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出BiliVLA框架，将胆道内镜导航建模为指令条件化的视觉运动学习问题，结合场景感知监督和两阶段训练（SFT+GRPO），在ERCP子任务中实现91.96%的动作精度和84.85%的成功率。
何处触碰，如何接触：面向几何感知的长时间灵巧操作的分层RL-MPC框架
机构 * Arizona State University（亚利桑那州立大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO
AI总结 提出分层RL-MPC框架，高层RL策略预测接触意图（接触位置和子目标位姿），低层接触隐式MPC优化局部接触模式并实时重规划，实现几何泛化的非抓取操作，数据效率提升10倍且零样本迁移到真实环境。
Warp RL: 重塑基础策略分布以进行动力学自适应
机构 * University of Sydney（悉尼大学） ； NVIDIA（英伟达）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；robot policy(abstract)；分类 cs.RO、cs.LG
AI总结 针对残差强化学习在动力学偏移下无法调整分布形状的问题，提出Warp RL方法，通过可逆状态条件变换重塑基础策略的动作分布，在ManiSkill3任务和真实机器人插销任务中优于残差校正。
Comments 17 pages, 7 figures
用于从观察中进行安全对抗模仿学习的判别障碍函数
机构 * University of Washington（华盛顿大学）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO
AI总结 研究针对逆强化学习不安全及控制障碍函数设计难的问题，通过将奖励函数候选限制在CBF空间，实现安全在线控制与经验改进，能从无标签观察中恢复障碍函数，模拟实验显示其安全性能提升，并研究了不同IRL方法的权衡。
Comments 20 pages, 5 figures
基于视觉的分层强化学习在成簇草莓采摘中的障碍物分离
机构 * The Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences（北京市农林科学院智能装备研究中心） ； School of Intelligence Science and Technology, University of Science and Technology Beijing（北京科技大学智能科学与技术学院） ； Happy Elements Ltd.（乐元素科技有限公司）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO
AI总结 针对成簇草莓采摘中果实易被遮挡的问题，提出分层强化学习框架VGPA，集成视觉引导决策机制和PAES，将任务分解为两阶段。模拟实验策略成功率96.7%，模拟到现实转移实验成功率71.7% - 88.3%，优于直接采摘，验证了方法有效性、泛化能力和实际潜力。
Comments Accepted to IROS 2026
野外四足机器人的敏捷感知多技能运动
机构 * Agency for Defense Development（国防发展局） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； DIDEN Robotics（迪登机器人公司） ； Korea University（韩国大学）
专题命中 模仿学习与强化学习 ：分类 cs.RO、cs.AI、cs.LG；robotics(comments)
AI总结 研究使四足机器人在复杂地形实现多技能运动的问题，提出 APT-RL 框架，利用机载感知和计算自主转换技能，通过轨迹优化生成数据集训练技能，经实验验证该框架能让机器人在复杂环境敏捷机动，稳健穿越多样障碍物。
Comments Project page: https://skillquadsr.github.io/ ,This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science Robotics on 7.15.2026; doi: 10.1126/scirobotics.adz7397. Jun-Gill Kang and Jaehyun Park are co-first authors. Seungwoo Hong and Hae-Won Park are co-corresponding authors
不确定性剖析：用于人机协作中非语言交流的机器人操纵器运动的表达性描述符
机构 * School Of Art, Design and Media, Nanyang Technological University（南洋理工大学艺术、设计与传媒学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院）
专题命中 人机交互与遥操作 ：robotic(title,abstract)；分类 cs.RO
AI总结 研究人机协作中机器人运动表达不确定性问题，引入数学框架，利用拉班动作分析，通过十一个描述符对五个运动原语参数化，经人体研究验证，为编码机器人运动不确定性及自主轨迹生成奠定基础。
Comments 11 pages, 8 figures
HRIBench：以交互为中心的人机协作基准测试
机构 * Renmin University of China（中国人民大学） ； Beijing Normal University（北京师范大学）
专题命中 人机交互与遥操作 ：robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 研究针对当前VLA基准未充分考量人机交互结构的问题，引入HRIBench基准，它以结构化场景脚本定义协作任务与交互角色，含多项可解释指标。通过实验表明该基准能暴露机器人策略局限，提升协作性能，推动以交互为中心的机器人学习。
用于成功人机协作的主动信任管理：从信任修复到信任满意视角
专题命中 人机交互与遥操作 ：embodied agent(abstract)；分类 cs.RO
AI总结 探讨人机协作中信任管理问题，提出从信任修复到信任满意的视角，给出含信任代理指标在线测量、机器人行为闭环自适应等的信任管理框架，通过相关实验及新度量为成功人机协作提供前提。
RADAR: 通过语义规划和自主因果环境重置实现闭环机器人数据生成
机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Spatialtemporal AI（时空人工智能）
专题命中 机器人数据与评测 ：robotic(title,abstract)；robotics(abstract,abstract_cn)；robot learning(abstract)；manipulation(abstract)
AI总结 RADAR通过语义规划和自主因果环境重置实现闭环机器人数据生成，具备高适应性和可扩展性，在仿真和现实部署中均表现出卓越的性能。
Comments 8 pages, 4 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://radar-iros.netlify.app/
GPUSimBench：迈向具身人工智能中可扩展且可靠的GPU加速模拟器
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MIRAI（未来人工智能研究所） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；robot learning(abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究具身人工智能中GPU加速模拟器问题，通过GPUSimBench工具，建立物理基础评估、基准测试并行可扩展性，揭示并量化GPU批处理执行的不确定性，确定模拟器堆栈随机经验模式，强调无界扩展对可重复性的影响。
Comments Accepted by IROS 2026
超越描述：为具身智能体进行细粒度动作的认知基准测试
机构 * Zhejiang University（浙江大学） ； Wolf 1069 b（沃尔夫1069b） ； Sany Group（三一集团） ； The Hong Kong Polytechnic University（香港理工大学） ； Imperial College London（帝国理工学院）
专题命中 机器人数据与评测 ：embodied agent(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出CFG-Bench基准测试，旨在评估具身智能体在物理交互中的细粒度动作能力，揭示现有MLLMs在高层次推理中的不足，并通过监督微调提升其性能。
Comments Accepted to ECCV2026
RoboWorld: 用于通用机器人策略评估的快速可靠神经模拟器
机构 * KAIST（韩国科学技术院） ； Config
专题命中 机器人数据与评测 ：robot policy(title)；world model(abstract)；分类 cs.RO
AI总结 提出RoboWorld自动化评估流程，结合快速自回归视频世界模型和任务进度感知视觉语言模型评分，通过Step Forcing减少训练-测试不匹配，实现与真实世界评估高度一致。
Comments Project page: https://byeongguks.github.io/RoboWorld/
学习用于可变形物体模拟的物理引导残差动力学
机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； Columbia University（哥伦比亚大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 研究针对可变形物体模拟中动力学预测难的问题，提出物理引导残差动力学（PGRD）框架，结合物理与学习方法优势，采用特定架构和公式，在多物体模拟上结果更准，还展示了其在操作规划和交互式模拟中的应用效用。
Comments Website: https://pgrd-robot.github.io/
CaLiSym：通过结构化规范提升学习现实世界系统的辛动力学
机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； School of Mathematics and Physics, University of Sussex（萨塞克斯大学数学与物理系）
专题命中 机器人数据与评测 ：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.LG
AI总结 研究针对物理学习局限，引入CaLiSym框架，通过结构化规范提升将辛学习扩展到含能量动量交换的机器人系统。用广义岭SympNet预测器实例化，实验表明该方法能改进分布外自回归预测，保持辛形式，为现实机器人系统提供几何保持动力学模型。
Comments 19 pages, 4 figures, 5 tables
可治理个体：用于持续学习的具身智能体的身份层
专题命中 机器人数据与评测 ：embodied agent(title)
AI总结 研究具身人工智能中持续智能体的治理问题，提出可治理个体概念，其能力可变，权限等只能通过特定签名生命周期转换扩展，经测试发现仅学习判断和行为测试不足，需架构性承载层，还介绍了相关抽象概念、机制及开放问题。
Comments Perspective paper. Companion technical report with proofs and empirical evaluation to be posted separately on arXiv
打破似曾相识：通过视觉语言推理对视觉场所识别进行独立审计
机构 * School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院） ； School of Electrical Engineering and Computer Science, Queensland University of Technology（昆士兰科技大学电气工程与计算机科学学院） ； 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)；navigation(abstract)；分类 cs.CV
AI总结 研究针对视觉场所识别中图像匹配阈值在环境变化下不可靠的问题，引入视觉场所识别审计框架，利用视觉语言模型通过联合推理评估检索匹配，经实验验证该方法有效提升召回率并降低误接受率。
基于大语言模型的网络入侵检测的流量感知随机平滑
机构 * Guangzhou Health Science College（广州健康科学学院）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 研究基于大语言模型的网络入侵检测系统对流量操纵的鲁棒性，提出流量感知随机平滑方法TA-RS，通过在特定子空间注入噪声，提升认证准确率，不同数据集表现有差异，还探究了方法局限性及改进策略。
Comments 44 pages, 14 figures, 14 tables. Submitted to Expert Systems with Applications
持续演进的深度伪造检测：动态检测系统的架构与公开基准评估
机构 * BitMind（比特思维）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 研究针对深度伪造检测器在现实与学术基准表现差异的问题，提出通过Bittensor SN34训练的BitMind Forensics，在多数据集评估中表现优异，能持续演进提升检测能力，且评估工具公开可独立验证。
Comments 16 pages, 1 figure
定义和评估大语言模型的物理安全性
机构 * The Chinese University of Hong Kong（香港中文大学） ； IBM Research（IBM研究院）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种无人机控制的全面基准，评估大语言模型在物理安全方面的风险与权衡，揭示了模型在安全性和实用性之间的不理想平衡。
Journal ref Communications of the ACM, 2026
地震人工智能：一种基于评分标准评估的小学地震教育检索增强生成框架
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI
AI总结 研究针对小学生地震教育问题，提出地震人工智能混合教育框架，集成检索增强生成对话式AI助手，结合乐高机器人、评分标准和AI，通过不同年级的渐进学习提升学生地震应对能力，实验显示有高可信度和准确性。
Comments 17 pages, 4 figures
WNOJ-LIO：一种用于高动态激光雷达-惯性测量单元融合的基于加加速度白噪声运动先验的扩展卡尔曼滤波器
机构 * School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学宇航学院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO
AI总结 研究高动态驾驶下激光雷达-IMU融合问题，提出基于加加速度白噪声运动先验的扩展卡尔曼滤波器框架WNOJ-LIO，通过解耦先验预测状态、视IMU为高频测量源，经仿真和实际实验验证，提升了相关性能。
火灾作为服务：通过热力学和视觉准确的火灾动力学增强机器人仿真器
机构 * Department of Computer Science, Kiel University（基尔大学计算机科学系） ； Department of Computer Science, George Mason University（乔治·马歇尔大学计算机科学系）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出Fire as a Service框架，通过高保真火灾模拟提升机器人仿真器的热力学和视觉准确性，支持生成真实火灾环境下的训练数据和热危害评估。
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