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。
完美演示造就差劲教师：从关键运动片段学习鲁棒对齐
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Nanjing University（南京大学）
专题命中 机器人学习 ：manipulation(abstract)；分类 cs.RO
AI总结 针对精细操作中流畅演示因压缩关键对齐动作导致策略学习不足的问题，提出数据级重采样和表示级STAIR特征，利用稠密运动感知监督提升策略鲁棒性。
移动-然后-操作：用于类人机器人操作的行为相位
机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences, Hangzhou, China.（杭州高等研究院，中国科学院大学，中国杭州） ； University of Science and Technology of China, Hefei, China.（中国科学技术大学，中国合肥） ； School of Aritificial intelligence, Institute of Artificial Intelligence, University of Science and Technology Beijing, Beijing, China（人工智能学院，人工智能研究院，北京科技大学，中国北京）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO
AI总结 本文提出Move-Then-Operate框架，将机器人操作分为粗略移动和接触关键交互两个阶段，通过双专家策略提升操作精度与效率。
Comments 15 pages, 10 figures
零权限操纵：我们能否信任由大型多模态模型驱动的GUI代理？
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Hornor Device Co., Ltd（Hornor设备有限公司） ； Institute of Dataspace, Hefei Comprehensive National Science Center（数据空间研究所，合肥综合性国家科学中心）
专题命中 机器人操作 ：manipulation(title)；分类 cs.AI
AI总结 研究揭示了由大型多模态模型驱动的GUI代理在Android中存在视觉原子性假设的漏洞，通过零权限攻击实现对代理执行的重新绑定，并利用意图对齐策略绕过验证门，展示了代理-操作系统集成中的安全缺陷。
通过肌电传感实现Koopman驱动的抓握力预测
机构 * University of Rijeka（里耶卡大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； AIMdyn, Inc.（AIMdyn公司）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文通过单个肌电传感器对中等缠绕抓握中的抓握力进行准确预测，利用Koopman算子理论和数据提升技术，实现快速且鲁棒的力估计与短期预测，wMAPE为5.5%。
Comments 11 pages, 8 figures, journal
Journal ref IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 33, pp. 2192-2202, 2025
KnowAct-GUIClaw：深度理解、完美执行，具有自我进化记忆和技能的个人GUI助手
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 针对OpenClaw的不足，提出深度理解、完美执行范式，介绍KnowAct-GUIClaw框架，通过多系统实验验证其在效率、准确性和跨平台适应性方面的优势，且知识记忆和执行技能可跨基础模型迁移。
Comments 29 pages, 9 figures
可理解的共享自主：通过运动隐式传达机器人信念
机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） ； Department of Automation, Hefei University of Technology（自动化系，合肥工业大学） ； National Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 针对共享自主系统中机器人意图不透明导致用户控制效率低的问题，提出通过可理解运动隐式传达机器人信念，并基于置信度自适应分配控制权，实验证明该方法显著提升用户对机器人信念的理解并减少控制负担。
Comments Accepted at IROS 2026
价值漂移：在大语言模型训练后追踪价值对齐
机构 * Mila - Quebec AI Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Université de Montréal（蒙特利尔大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 研究大语言模型训练后价值对齐问题，通过实验区分训练后算法和数据集影响，测量价值漂移，发现SFT阶段确立模型价值，后续偏好优化难重对齐，不同算法在偏好数据不变时也有不同结果，为相关选择提供见解。
Comments TACL 2026
受限在线资源分配中的效率、可行性和激励意识
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG
AI总结 研究长期约束下不可分割资源给策略性主体的动态分配，提出激励感知原始对偶框架，整合组件抑制操纵，设计新算法克服障碍，实现$\tilde{\mathcal O}(\sqrt T)$社会福利遗憾，满足约束并诱导近似真实均衡，还能推广到多单位多需求问题。
Comments A preliminary version was accepted to NeurIPS 2025. This version includes extension to multi-unit resource allocation, expanded numerical simulation, extensively refind technical exposition, and enhanced literature review and positioning
量子输送中的生存概率：绝热隧道和加速度不连续性的影响
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文研究了量子输送中绝热隧道和加速度不连续性对生存概率的影响，提出通过切换扰动和绝热隧道的组合公式描述逃逸机制。
Comments 25 pages, 9 figures
OPINE-World：基于本体错误优先的交互式探索的程序化世界建模
机构 * University of Toronto（多伦多大学）
专题命中 具身导航 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出OPINE-World，一种在线交互学习面向对象的程序化世界模型的LLM智能体，通过本体错误度量引导探索，在ARC-AGI-3基准上无需逐游戏训练即解决20/25个游戏，动作效率达78.4。
ExtraGS：通过扩散引导的3D高斯点渲染增强内窥镜视图外推
机构 * The School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, and the Shanghai Key Laboratory of Navigation and Location-Based Services（上海交通大学自动化与智能感知学院以及上海市导航与位置服务重点实验室） ； Global College, Shanghai Jiao Tong University（上海交通大学密西根学院） ； Shanghai Ninth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第九人民医院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 研究针对传统内窥镜视野局限及神经渲染外推有伪影问题，提出ExtraGS框架，通过不确定性引导虚拟相机采样、扩散模型细化视图及置信加权微调策略，增强内窥镜视图外推，在新视图合成中达先进性能。
通过热辐射场理解火灾以实现移动机器人安全导航
机构 * Department of Computer Science, Kiel University（计算机科学系，基尔大学） ； Department of Computer Science, George Mason University（计算机科学系，乔治·马歇尔大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出通过实时热辐射场帮助移动机器人安全导航，利用斯特凡-玻尔兹曼定律识别火灾并生成热安全路径。
STITCHER：通过实时运动原语搜索在复杂环境中进行约束轨迹规划
机构 * VECTR Laboratory, University of California, Los Angeles（VECTR实验室，加州大学洛杉矶分校）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 研究针对自主高速穿越复杂环境的轨迹规划问题，提出无优化规划框架STITCHER，通过拼接短轨迹段和图搜索实时计算轨迹，经模拟与硬件测试验证其性能优越，能满足多种约束并高速实时规划。
具有反事实可控性的自主视频生成用于自进化世界模型
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.CV、cs.LG
AI总结 本文提出反事实可控性是自进化世界模型的关键，通过自主视频生成实现可控性，使模型能测试动作后果并反馈改进生成。
Comments 10 pages, 1 figure
算子对F补充值等价性：潜在世界模型的规划时诊断
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对基于模型的强化学习中世界模型评估问题，引入算子对F诊断，通过模型自身预测器比较模型与环境的k步潜在前推，揭示其与规划回报的强关联及在跨架构比较中的作用，补充而非替代值等价性诊断。
Comments Accepted at RLC 2026 WM Workshop. V2 places the diagnostic in Koopman representation theory; references expanded. Results unchanged
从观察到洞察：机制世界模型与自主发现探索
机构 * MPI for Intelligent Systems & ELLIS Institute（马克斯·普朗克智能系统研究所及埃利斯研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文探讨科学发现问题，提出机制世界模型这一新设计范式，将可重复使用机制置于核心，推导其计算能力、设计原则等，指出虽有不同研究方向捕捉该范式要素但缺统一框架，为推动AI走向自主科学发现提供基础和蓝图。
利用VLA：通过记忆引导智能体将冻结的视觉语言动作模型转化为可靠的操作原语
机构 * Tsinghua University（清华大学） ； Striding AI（驰行人工智能公司） ； Purdue University（普渡大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Infinigence AI（英飞智研人工智能公司） ； Zhongguancun Academy（中关村学院） ； Hong Kong University of Science and Technology（香港科技大学）
专题命中 机器人基础模型 ：manipulation(title,abstract)；navigation(abstract)；分类 cs.RO
AI总结 研究语言条件下操作问题，提出Harness VLA框架，将冻结VLA与分析原语库结合，通过学习操作范围扩展预训练VLA，在多种扰动操作任务中相比基线有大幅提升。
触觉模态融合用于视觉-语言-动作模型
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 本文提出TacFiLM，一种轻量级模态融合方法，将视觉-触觉信号整合到视觉-语言-动作（VLA）模型中。通过特征级线性调制（FiLM）对中间视觉特征进行条件化，提升接触丰富操作行为的性能。
Comments Accepted to the European Conference on Computer Vision (ECCV), 2026, 20 pages, 5 figures
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)
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
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/
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/
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
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