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。
IMBench：直观机器人操作的基准测试
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO、cs.AI
AI总结 IMBench旨在评估直观机器人操作这一综合能力，其任务含物理结构推断与动作序列生成。通过35个任务等进行实验，发现视觉语言模型和视觉 - 语言 - 动作模型的不足，为评估和发展物理智能提供基准。
Comments Accepted to SemRob Workshop, RSS 2026. Project Website: https://imbench.org/
NeuroCommitSSM：通过脑电图-肌电图-眼动追踪提交准备实现安全辅助操作的以决策为中心的共享自主性
机构 * Saint Louis University（圣路易斯大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 NeuroCommitSSM是用于辅助机器人操作安全控制的以决策为中心框架，依EEG、EMG和ET预测提交分数转化为离散事件，经三状态监督器控制执行。实验表明其在多场景下准确率高、错误提交低，硬件验证减少错误启动和决策不稳定。
Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 3 figures, and 8 tables
VTAP 夹爪：指尖传感与视觉触觉主动手掌协同实现灵巧的手中操作
机构 * Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 研究提出集成 VTAP 和触觉阵列传感器手指的夹爪，利用指掌协同与多模态感知实现操作。通过双模态手掌扩展能力，提出重定向框架。经多任务实验验证，该夹爪及框架为灵巧夹爪设计等提供实用参考架构。
Comments 8 pages, 10 figures, accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project webpage: https://yuhochau.github.io/vtap/
Handroid：连接灵巧手与人形机器人
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Stanford University（斯坦福大学）
专题命中 机器人操作 ：robotics(abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO
AI总结 研究旨在开发兼具灵巧手与拟人机器人功能的平台，提出Handroid，它能在单一可重构平台集成两种能力，有统一控制学习框架，经多种任务验证，成为推进形态可重构机器人技术及跨实体学习的紧凑可复制平台。
Comments Project website: https://handroid.org
数据与学习在高度依赖接触的操作中的关键作用
机构 * TU Munich（慕尼黑工业大学） ； Siemens AG（西门子公司）
专题命中 机器人操作 ：manipulation(title)；分类 cs.RO
AI总结 研究针对高度依赖接触的操作中数据与学习的问题，提出结合离线深度强化学习的自动数据收集方案，仅用少量自主数据收集，在四个现实任务中平均成功率达96%，为相关任务的数据收集和精密应用高成功率奠定基础。
Comments Project webpage: https://anonymous.4open.science/w/data_and_learning_where_it_matters/
迈向人造神经：用于机器人的仿生光纤触觉传感
机构 * School of Engineering Mathematics and Technology, University of Bristol（工程数学与技术学院，布里斯托大学）
专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究旨在为机器人开发仿生光纤触觉传感，以实现类人触觉感知。核心方法是OptiTac传感器模拟人类触觉结构，将触觉信号当图像用简单分析方法处理。主要贡献是建立传感框架，为未来分布式触觉系统提供可扩展路线，展示生物学原理对机器人人工神经开发的指导作用。
Comments 19 pages, 6 figures
让身体跟随：用于全身机器人遥操作的耦合自我中心控制
机构 * New Jersey Institute of Technology（新泽西理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 研究全身机器人遥操作协调难题，提出耦合自我中心控制方法，通过机器人躯干和基座自动响应操作员头部及手臂动作，在用户研究中评估该方法，相比基线混合界面有诸多优势。
Comments 8 pages, 11 figures, 1 table; submitted to the 2026 IEEE-RAS International Conference on Humanoid Robots (Humanoids 2026)
感知通用人工智能：可信度取决于维度完整性，而非能力
机构 * University of Bucharest（布加勒斯特大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 研究探讨大语言模型在对话中缺乏思维存在感的问题，提出可信度取决于维度完整性的假设，定义了时间、真相、熵和爱四个维度及相关行为立场，识别出行为层，还陈述了可证伪预测，为感知通用人工智能提供概念框架。
Comments 12 pages, 1 figure, 3 tables
CASAband：使用形状记忆合金致动器的易于佩戴的纺织腕带，用于空间和时间触觉反馈
机构 * Korea National University of Transportation（韩国交通大学） ； University of California（加州大学） ； Ajou University（全州大学） ； Pohang University of Science and Technology（釜山科学技术大学）
专题命中 机器人操作 ：navigation(abstract)；分类 cs.RO
AI总结 研究旨在开发用于手腕的触觉接口。核心方法是将CASA集成到纺织腕带实现触觉反馈。贡献在于该腕带能平衡功能、可穿戴性与舒适性，完全不受束缚，经实验验证可用于现实世界指导与导航任务，是形式与功能平衡的新型触觉接口。
节能有源堆叠智能超表面
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究节能有源堆叠智能超表面辅助下行链路传输框架，通过联合优化基站波束成形和ASIM配置最大化系统能量效率，利用多种变换和优化方法解决问题，相比传统方法显著提升EE，并研究了相关因素对性能的影响。
RAVEN：用于稳健人形机器人导航的强化自适应可见性图规划与无碰撞MPC
机构 * Robotics and Mechanisms Laboratory (RoMeLa), Department of Mechanical and Aerospace Engineering, University of California, Los Angeles（机器人与机构实验室（RoMeLa），机械与航天工程系，加利福尼亚大学洛杉矶分校）
专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究针对人形机器人在动态环境中的导航问题，提出RAVEN框架，通过强化学习自适应调整可见性图规划器几何结构，结合无碰撞MPC层跟踪轨迹，经实验评估，该方法能减少超调、提高狭窄通道稳健性及在延迟噪声下可靠导航。
在有限标注和导航预算下用于目标检测的具身主动学习
机构 * LAAS-CNRS, Universite de Toulouse, CNRS（法国国家科学研究中心图卢兹分部LAAS、图卢兹大学、法国国家科学研究中心） ； Department of Electrical Engineering and Automation at Aalto University（阿尔托大学电气工程与自动化系）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 研究在机器人导航和标注预算有限时，如何让目标检测器适应未知环境。核心方法是利用空间一致性选择样本重训检测器，实验表明该方法能在无外部监督下选图，相同预算下适应结束时检测精度最高。
Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
SkillNav：用于零样本对象目标导航的分数级技能干预
机构 * D-Robotics（D-机器人公司） ； HAI Center, University of Technology Sydney（悉尼科技大学HAI中心） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究针对VLM智能体零样本对象目标导航存在的问题，提出SkillNav框架，通过分层技能设计及双表示设计，无需训练，在多个数据集上提升成功率，建立新最优成绩。
一种用于复杂行为规划的生成式部分指定有限状态机方法
机构 * University of Canberra（堪培拉大学）
专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究为自主机器人在动态环境中的行为规划，提出生成式部分指定有限状态机（GPSFSM）神经符号架构，利用Fabric等组件实现标准化语义能力描述，实验表明该方法计划生成成功率高、延迟低，还能生成复杂行为，且开源堆栈使其实用可重复。
Comments Accepted for publication in the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 9 pages, 10 figures, 1 table
MemoGuard：一种用于在通信受限的机器人导航中防范内存陷阱的自适应运行时
机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； Yonsei University（延世大学）
专题命中 具身导航 ：navigation(title)；分类 cs.RO、cs.AI
AI总结 针对通信受限机器人导航中的内存陷阱问题，提出MemoGuard自适应运行时，在重用情景记忆前依拓扑、资源和结果契约验证，在模拟器及特定硬件上实验，有效减少电池安全违规和备用调用，降低开销并开源。
Comments Paper accepted at IEEE/ACM ESWEEK (CODES) 2026. Authors' version posted for personal use and not for redistribution. The definitive version of the paper will appear in IEEE Embedded Systems Letters
改进的 VBGS：实时连续变分贝叶斯高斯点云融合
专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 针对实时重建需求，改进的 VBGS 框架通过空间截断变分推理和改进重新分配，加速连续重建。在 NeRF 合成数据集上，RTX 3070 Ti 实现平均每帧延迟大幅降低，加速 1680 倍，且保持重建质量。
Comments 5 pages, 4 figure. Technical Report. This work introduces ImprovedVBGS, accelerated continual learning for 3D Gaussian Splatting based Reconstruction. Code available at [https://github.com/damanimc/ImprovedVBGS](https://github.com/damanimc/ImprovedVBGS)
以5Hz思考，20Hz行动：用于闭环驾驶的异步快慢视觉-语言-动作推理
机构 * The University of Tokyo（东京大学） ； TIER IV, Inc.（TIER IV公司） ； Huawei（华为）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI
AI总结 研究针对大语言模型用于闭环驾驶时推理延迟与车辆控制速率冲突的问题，提出快慢架构，慢系统用冻结主干处理历史，快专家基于缓存和当前帧回归航路点，经训练在CARLA上提升路线完成率，降低误差且可零样本转移。
Comments 13 pages, 5 figures, 4 tables
将视频搜索为树：用于有基础的长视频问答的自校正智能体
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Sony（索尼）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 研究有基础的长视频问答问题，提出VideoTreeSearch框架，通过构建自适应时间树及可学习的离散操作让智能体导航，经监督微调与强化学习训练，在多个基准测试中表现出色，证明自校正分层搜索是关键机制。
迈向实时移动 3D 重建的语义通信
机构 * School of Electrical and Electronic Engineering, North China Electric Power University（华北电力大学电气与电子工程学院） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） ； School of Computer Science and Technology, China University of Petroleum (East China)（中国石油大学（华东）计算机科学与技术学院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 针对实时移动 3D 重建中几何估计对通信失真敏感的问题，提出语义通信框架，含语义收发器输出带置信度图的重建图像，引入置信度引导几何估计方法，仿真显示该框架能保持图像质量并提升姿态估计精度和 3D 结构一致性。
Orbis 2：一种用于驾驶的分层世界模型
机构 * University of Freiburg（弗莱堡大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 研究针对当前世界模型不足提出分层驾驶世界模型，跨两层分解预测，结合扩散强制预训练和教师强制微调，在长距离生成保真度等多方面取得领先成果。
Comments Project page: https://lmb-freiburg.github.io/orbis2.github.io/
DSWorld：用于高效自主智能体的数据科学世界模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 研究自主数据科学智能体依赖试错流程效率低的问题，提出数据科学世界模型概念及DSWorld框架，含多种技术。构建数据集并引入优化策略，实验显示其加速智能体训练和推理，在转换预测任务上超基线。
SeerGuard：一种通过世界模型预测实现的移动 GUI 代理安全框架
机构 * JIUTIAN Research（九天研究）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 研究针对移动 GUI 代理安全风险问题，提出 SeerGuard 框架，通过执行前指令级筛选和行动级风险评估减轻风险。构建安全增强世界模型，经实验验证其在不同代理上有效泛化，提升了安全效用分数并降低风险成本分数。
Comments 19 pages, 8 figures
解决ARC-AGI-3编码智能体是否需要可执行世界模型、简化和验证？
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 研究探讨解决ARC-AGI-3时编码智能体是否需可执行世界模型、简化和验证。通过四个基于Codex的嵌套智能体评估，发现各变体随模型和推理强度改进，组件影响因设置而异，完整验证处理最佳，文本变体在部分设置中表现出色。
Comments 31 pages, 2 figures
DPNeXt：用于基于高效视觉Transformer的多任务密集预测的轻量级多尺度特征融合框架
机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院）
专题命中 具身推理 ：robotics(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 研究针对机器人感知系统多任务学习中现有解码策略瓶颈，提出DPNeXt框架，用双深度可分离倒置瓶颈及MTBG策略，在多任务密集预测上表现出色，相比DPT大幅减少参数并提升推理速度。
Comments 8 pages, 5 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
E3DGS：通过颜色作为几何嵌入实现3D高斯点云的统一几何-光度等变性
机构 * University of Michigan（密歇根大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV、cs.LG
AI总结 研究针对3D高斯点云构建等变架构的表示瓶颈问题，提出基于表示理论的统一解决方案，通过将光度学与几何张量同构等方法，引入统一矩阵嵌入，构建E3DGS架构，提升了相机帧变化下的鲁棒性和数据效率。
Comments 31 pages, 7 figures, 5 tables
AC-VLA：通过组合学习实现稳健的分布外动作执行
机构 * Shenzhen Technology University（深圳技术大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Tongji University（同济大学） ； Great Bay University（大湾区大学）
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究VLA模型在分布外泛化的问题，提出AC-VLA框架，含组合学习模块和状态条件不对称掩码策略，无需修改架构可集成到VLA主干，在LIBERO和LIBERO-OOD基准测试中，该框架在组合OOD任务上有显著改进，分布内性能良好。
ToolVerse：为智能强化学习解锁大规模环境和长时任务
机构 * LongCat Interaction Team, Meituan（美团长猫互动团队） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI
AI总结 研究针对LLM智能体在复杂环境中工具集成问题，提出ToolVerse框架。通过构建大规模训练环境、设计任务策略及提出新算法，经实验验证该框架能增强LLM长时工具使用能力，提升性能与推理能力。
用于动态系统实时最优控制的物理增强强化学习
机构 * Politecnico di Milano（米兰理工大学） ； MOX - Department of Mathematics, Politecnico di Milano（米兰理工大学数学MOX系）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.LG
AI总结 研究针对高维和参数化动态系统控制，提出物理增强强化学习（PEARL）范式，利用其动力学可微性，采用演员-伴随算法，经实验验证该方法能减少环境交互、样本效率高、可泛化并能扩展到高维空间。
随机结果的风险感知偏好学习
机构 * University of Colorado Boulder（科罗拉多大学博尔德分校）
专题命中 人机交互与遥操作 ：navigation(abstract)；分类 cs.RO；robot learning(comments)
AI总结 研究在人机交互中从人类偏好学习奖励函数的问题，通过在Bradley-Terry框架内比较期望效用与累积前景理论，发现基于累积前景理论的学习者在恢复奖励函数时遗憾更低，凸显建模人类风险敏感性的重要性。
Comments ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction
用于泛化到未见机器人操作的动力学感知元模仿
机构 * State Key Laboratory of Robotics and Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所机器人学国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenyang University of Technology（沈阳工业大学）
专题命中 机器人数据与评测 ：manipulation(title)；robotic(title)；分类 cs.RO、cs.LG
AI总结 研究针对机器人模仿学习的数据稀缺与环境泛化问题，提出动力学感知元模仿（DAMI）框架，通过整合元学习、引入视觉运动轨迹模块等方法，有效捕捉任务动力学，在模拟和真实场景实验中表现优于现有基线。
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