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。
临床路径作为医院病房物理人工智能的安全规范
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO
AI总结 研究针对医院病房物理人工智能系统的安全挑战，提出将临床路径作为安全规范，构建集成多种组件的概念性机器人架构，用运行时安全监视器结合多种方法识别安全违规，助力护理人员并为安全物理人工智能做贡献。
Comments 4 pages, 3 figures. Accepted at the 1st IJCAI Workshop on Safe Physical AI (SPAI 2026), held in conjunction with IJCAI-ECAI 2026, Bremen, Germany
小米机器人1：利用超过10万小时的真实世界轨迹扩展视觉语言动作模型
机构 * Xiaomi Robotics（小米机器人）
专题命中 机器人数据与评测 ：robotics(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 研究提出小米机器人1这一视觉语言动作模型，采用两阶段训练方法，预训练利用大量真实轨迹赋予模型能力，后训练使其与机器人实体及指令对齐。该模型在多基准测试中表现优异，能有效微调，建立新的最先进水平。
Comments Project page: https://robotics.xiaomi.com/xiaomi-robotics-1.html
扩散重滚动：用于机器人序列预测的可修正去噪
机构 * Agency for Defense Development（国防发展局）
专题命中 机器人数据与评测 ：robotic(title,abstract)；分类 cs.RO、cs.LG
AI总结 研究提出扩散重滚动框架用于机器人序列预测，能选择性重新去噪局部稳定区域，实现跨视野迭代修正。通过与其他方法对比评估，在多任务基准测试中取得更好性能，支持结构化重新去噪是可修正机器人序列生成的有效机制。
Comments Project Page: https://seonsoo-p1.github.io/DiffusionReRoll/
机器人化仓储系统中的动态多智能体取送货
机构 * Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（工业与系统工程系，香港理工大学） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学）
专题命中 机器人数据与评测 ：robotic(title,abstract)；分类 cs.RO
AI总结 针对订单内部SKU动态追加的仓库场景，首次形式化动态多智能体取送货问题，提出两种基于令牌传递的事件触发在线重规划算法，显著降低订单流时间。
具有安全保障的自重构机器人船分布式运动规划
机构 * KU Leuven（鲁汶大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学） ； SMART（新加坡制造技术研究院） ； SENSEable City Laboratory, Massachusetts Institute of Technology（麻省理工学院可感知城市实验室） ； Computer Science and Artificial Intelligence Lab (CSAIL), Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
专题命中 机器人数据与评测 ：robotic(title)；分类 cs.RO
AI总结 研究水生自重构机器人多智能体形状形成与重构问题，提出将分布式MPC与CBF相结合的混合框架，利用ADMM求解MPC方案，通过局部优化和信息交换计算轨迹，并应用基于CBF的滤波器保障安全，经仿真和实验验证了框架的有效性与可扩展性。
Comments Submitted to IEEE
ClothTransformer: 用于可扩展布料模拟的统一潜空间变换器
机构 * S-Lab, Nanyang Technological University, Singapore（新加坡南洋理工大学S实验室，南洋理工大学，新加坡） ； Feeling AI ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；分类 cs.CV
AI总结 提出ClothTransformer，通过将布料模拟重构为潜空间中的自回归序列建模，使用统一Transformer架构处理多种场景，实现比现有方法低4-9倍的误差，并引入可扩展潜空间公式和穿透自由数据集。
DocOps：复杂文档操作中自主智能体的可验证基准
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 研究自主智能体处理数字文档的能力，引入DocOps评估框架，解构文档操作，评估多种模型，发现其局限性及关键失败模式，揭示能力边界，为健壮无损智能体设计提供启示。
DocShield：通过证据导向的智能代理推理实现AI文档安全
机构 * Ant Group（蚂蚁集团） ； Nanyang Technological University（南洋理工大学） ； CFAR and IHPC, Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局（A*STAR）计算与先进机器人中心及高性能计算研究所）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出DocShield框架，通过视觉-逻辑联合推理解决文档伪造检测问题，采用CCT机制和多任务奖励优化，提升检测准确性和解释性，实验显示其在多个基准测试中表现优异。
Comments 10 pages, 4 figures, 5 tables. Preprint. arXiv admin note: text overlap with arXiv:2512.21482
用于 API 调用智能体的无环境合成数据生成
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI
AI总结 研究针对训练 API 调用 LLM 智能体数据收集瓶颈问题，提出无环境合成数据生成方法，利用 LLMs 生成任务、响应等，经评判器过滤轨迹，在相关基准上评估，结果表明此方法可有效训练智能体，是实用可扩展方案。
方向 mollification 用于保持结的 $C^{\infty}$ 平滑化多边链及其显式曲率界
机构 * Dept. of Computer Architecture and Automation, Faculty of Physics, Complutense University of Madrid（马德里康普顿斯大学物理学院计算机体系结构与自动化系）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO
AI总结 本文提出方向 mollification 操作，用于在保持顶点的情况下对多边链进行 $C^{\infty}$ 平滑，提供显式曲率界和局部可控性，适用于几何建模和需要严格结保真的应用。
Comments Under review in AMC
奥丁：基于点的分布式神经渲染的原语级同步
专题命中 其他机器人 ：embodied AI(abstract)
AI总结 研究基于点的神经渲染中的同步问题，提出奥丁分布式训练系统，用原语级同步取代全局屏障，有质量优先和吞吐量优先路径。在多个场景和GPU上实验，提升了吞吐量，减少关键路径等待时间，如在矩阵城市案例中比格伦德尔提高了1.89倍。
Comments Accepted at HPDC 26 (Poster), further submission in progress
重新审视硬件优先级队列架构
专题命中 其他机器人 ：robotics(abstract)
AI总结 本文针对硬件优先级队列面临的基础架构相关性存疑及缺乏不同架构全面比较的问题，在现代FPGA平台上实现并评估多种代表性架构，提供定量分析以指导未来设计，填补研究空白。
Comments In 2025 Open-Source Computer Architecture Research Workshop (OSCAR), June 2025
对北天极恒星周围系外行星的搜索X. 演化恒星HD 216595径向速度变化的起源
专题命中 其他机器人 ：robotic(abstract)
AI总结 研究AGB恒星HD 216595长周期、低振幅径向速度变化起源，利用约16年高分辨率光谱数据，发现567天周期性信号，与恒星活动指标无强关联，RV变化可能源于恒星固有过程，后续需改进诊断和建模区分信号。
Comments 11 pages, 6 figures
Journal ref JKAS 59, 2 (2026)
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