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。
寥寥数语，成效显著：语言引导的机器人策略合成
机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 机器人学习 ：robot policy(title,abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 研究针对视觉-语言-动作模型难以解释等问题，提出ARCHITECT框架，利用大语言模型编码代理合成模块化机器人程序，通过人类自然语言修正引导策略并积累技能库，在机器人基准评估中表现出色，提供了新的机器人学习方案。
PAC-DP：PAC贝叶斯扩散策略学习
机构 * University of Trento（特伦托大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所）
专题命中 机器人学习 ：robotics(abstract)；manipulation(abstract)；robot policy(abstract)；robotic(abstract)
AI总结 研究针对扩散策略在有限数据下泛化控制有限的问题，提出PAC-DP，将DP建模为贝叶斯神经网络并定义泛化界导出新训练目标。该方法理论上规范DP训练，实验显示在多基准测试中性能提升，尤其在低数据和复杂任务中效果显著。
DeVA：用于机器人策略学习的具有物理引导的解耦视频-动作模型
机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 机器人学习 ：robot policy(title)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 研究可泛化机器人操纵策略，提出DeVA模型，通过专门的视频和动作专家、多级特征转移及物理显著引导，实现丰富信息交换，使策略学习更易处理，在模拟和实际实验中展现良好性能。
Comments Project page with videos, code, and checkpoints: https://deva-model.github.io/
Sling2Sim2Real：用于无损弹弓策略学习的一次性弹性系统识别
机构 * School of Computing, Korea Advanced Institute of Science and Technology（韩国科学技术院计算机学院）
专题命中 机器人学习 ：manipulation(abstract)；分类 cs.RO
AI总结 针对弹性物体操纵中校准现实与模拟弹性行为的挑战，提出Sling2Sim2Real框架；通过多起点Real2Sim系统识别方法及模拟策略学习等，从单次无损交互识别弹性参数，实现准确策略学习与稳健泛化，减少现实交互量。
Comments Accepted by IROS 2026
精度的诅咒：高精度机器人操作的数据缩放定律
机构 * Tsinghua University（清华大学） ； OpenMind (WuHu) Robotics Co., Ltd.（芜湖悟灵机器人有限公司）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；robotics(abstract,comments)；分类 cs.RO
AI总结 研究机器人装配等封闭世界任务中数据与精度的关系，提出新缩放定律log(N) ∝ 1/(P - c)，揭示极限精度c是系统涌现属性，经实验验证，为精度提供理论框架和评估指标，指导高精度操作系统开发调试。
Comments 8 pages, 4 figures. Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)
用于视觉-语言-动作操纵的Real2Sim2Real：基于AMD ROCm的管道
机构 * AMD AIG Team（AMD人工智能团队） ； Beijing Institute of Technology（北京理工大学）
专题命中 机器人操作 ：manipulation(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文针对视觉-语言-动作操纵提出基于AMD ROCm的Real2Sim2Real技术栈，涵盖多硬件计算，由开放软件栈统一。通过四个演示表明无需CUDA锁定生态系统，展示了在多硬件平台上的相关成果，且管道可在特定硬件和平台上原生运行并重现。
NEO：一次性NeRF，多次编辑以进行连续物体操纵
机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（波兹南理工大学机器人与机器智能研究所） ； CSIRO Robotics, CSIRO（联邦科学与工业研究组织机器人部）
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NEO框架，用于机器人操纵的语言引导NeRF编辑。结合神经场重采样与多视图修复实现物体移除，利用知识蒸馏进行NeRF权重编辑，还创建了评估基准NEO-Dataset。该方法在场景编辑任务中表现出色，优于现有基线。
Comments Accepted to IEEE ROBOTICS AND AUTOMATION LETTERS (RA-L) JULY, 2026
ArmnetBench v0.1：在低成本机械臂集群上对操作策略进行并行实际评估
专题命中 机器人操作 ：manipulation(title,abstract)；world model(abstract)；分类 cs.RO
AI总结 研究针对通用机器人操作策略开发中实际评估的瓶颈问题，引入ArmnetBench v0.1基准测试，在低成本机械臂集群上对7种策略进行评估，涵盖12项任务，通过大量演示训练策略，发布核心情节数据，支持下游学习并给出排行榜比较结果。
Comments 11 pages, 6 tables, 3 figures. data available at https://huggingface.co/collections/armnet/armnetbench-v01
$N_0$-TWAM：用于丰富接触操作的触觉原生世界-动作模型扩展
机构 * NeoteAI Team（NeoteAI团队） ； Fudan TEAI Team（复旦大学TEAI团队）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究提出$N_0$-TWAM用于丰富接触操作，通过视觉-触觉联合训练大规模预训练，采用NeoForce表示、引入触觉接触事件及非对称混合变压器架构，在多任务中展现强大能力，为细粒度操作奠定基础，代码等将公开。
KAI：用于数据高效关节物体操纵的运动感知接口
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 研究关节物体操纵中运动结构难学问题，提出运动感知关节接口KAI，通过嵌入先验提高样本效率，在多模拟任务中表现良好，能推广到复杂场景，视频共训练增强真实世界鲁棒性。
Comments Project page: https://li-yaping.github.io/KAI/
LEACL：用于长时程操作任务强化学习的大语言模型增强自动课程学习
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Nanyang Technological University（南洋理工大学） ； Sony AI（索尼人工智能）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 针对长时程操作任务强化学习挑战，提出LEACL框架，结合大语言模型与自动课程学习，用大语言模型分解任务并生成规范，由自动课程学习算法仅依稀疏奖励信号指导学习，在相关任务上取得更好渐近性能。
Comments 8 pages, 4 figures, Published in the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
分圆、外部差集族与代数操作检测码
专题命中 机器人操作 ：manipulation(title,abstract)
AI总结 研究外部差集族与代数操作检测码的关系，通过分圆构造得出有限域上外部部分差集族为EDFs的条件及偶数块大小的明确标准，还用多种方法构造有界广义强外部差集族，得到系统G - 最优强AMD码的无限族。
用于减轻触觉手套中与姿势相关伪像的姿势感知建模
机构 * Cornell Univeristy（康奈尔大学） ； Meta Reality Labs（Meta 现实实验室） ； University of Washington（华盛顿大学）
专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究针对触觉手套因手部姿势变化产生伪像致最小可检测力提高的问题，引入无需修改手套的算法框架，利用姿势信息减轻伪像，经多手套设计和用户验证，有效降低了最小可检测力，提升了手套在相关应用中的可用性。
用于精神分裂症认知康复的交互式视觉语言平台
机构 * Computer Science Faculty, USTHB University（USTHB大学计算机科学学院） ； RIIMA Laboratory（RIIMA实验室）
专题命中 机器人操作 ：manipulation(abstract)；navigation(abstract)；分类 cs.AI、cs.CV
AI总结 针对精神分裂症患者认知康复任务中动作评估依赖人工观察的问题，提出基于视觉语言模型的自动化框架，通过分析视频和微调模型验证动作，收集数据集评估，有效连接物理与临床反馈，提供可扩展客观方案。
关于捕捉叙事：用于网络素养的社交媒体操纵模拟演练
专题命中 机器人操作 ：manipulation(title)
AI总结 该研究针对网络错误信息及数字素养教育问题，通过举办“捕捉叙事”多校竞赛，让学生团队构建大语言模型驱动的机器人影响模拟选举，分析竞赛情况及学生反馈，为教育工作者提供建议并提出改进方向。
Comments 7 pages, 1 figure. Paper is under review
通过显式参数扰动3D高斯喷溅实现无网格域随机化
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 针对复杂有机物体提取和渲染纹理网格的挑战，提出基于3D高斯喷溅参数空间的无网格域随机化框架，用两个独立扰动管道合成随机训练数据集，为复杂几何形状生成强大数据集提供无网格替代方法。
Comments 10 pages, 4 figures
CameraAnything：使用任意相机控制重新拍摄视频
机构 * The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 CameraAnything是用于相机控制视频编辑的统一框架，采用逐像素普吕克光线注入等方法联合控制相机参数，开发合成管道克服数据稀缺，能在单过程中实现多种视频编辑操作，为视频制作提供实用价值。
Comments Project page: https://yixuanli98.github.io/cameraanything/
简单外观操纵下的面部年龄验证漏洞
机构 * Information Technologies Institute, Centre for Research and Technology Hellas（信息技术研究所，希腊研究与技术中心）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 研究简单外观操纵下面部年龄验证的漏洞，评估七个模型在三个数据集及四种操纵类型下的情况，发现胡茬操纵影响大，不同人口统计特征受影响有差异，还探索了用偏差缓解方法减轻偏差。
EEGForceFusion：用于独立于主体的抓握力解码的联合令牌化-连续表示学习
专题命中 机器人操作 ：robotics(abstract)；分类 cs.AI
AI总结 研究针对连续抓握力解码难题，提出混合EEG解码框架，联合建模连续和令牌化表示，集成多种技术于统一架构，实验表明该方法在WAY-EEG-GAL数据集上跨主体泛化能力强，适用于实时力解码。
Comments 6 pages, 9 figures, 4 tables, accepted at Brain-Machine Interface (BMI) Systems Session, IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026)
我能编辑什么？开放式策略发现与情感可编辑性景观
机构 * School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院） ； School of Innovation Design, Shenzhen Technology University（深圳技术大学创新设计学院） ； Stanford University（斯坦福大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 研究情感图像编辑，EmoScope多智能体框架将任务转变为‘能编辑什么’，先发现可编辑空间，再平衡内容与情感，通过情感条件作用的可供性推理选择策略，在大规模评估中受青睐，还指出相关指标盲点及优势变化情况。
$N_0$-VTLA：使用潜在触觉令牌扩展视觉-触觉-语言-动作模型
机构 * NeoteAI Team（NeoteAI团队） ； Fudan TEAI Team（复旦大学TEAI团队）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 研究提出$N_0$-VTLA模型，基于视觉主干，通过视觉-触觉预训练、分阶段触觉路径集成和优势条件离线策略改进进行触觉集成训练。该模型在丰富接触基准测试中表现出色，为通用触觉驱动操作策略奠定基础。
面对内在个体偏差时对真假信息的双重传播建模
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究面对真假信息双重传播及个体偏差的问题，提出基于“复杂传播”和“沉默螺旋”理论的主体共同传播模型，发现早期传播者持有的操纵性叙述会主导，早期播种低自我审查主体可限制操纵传播并使明智人群占优，为相关政策提供启示。
只是测试，继续前进：通过提示注入规避基于大语言模型的系统日志解释
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究基于大语言模型的系统日志解释中提示注入攻击问题，提出评估框架，利用真实攻击日志痕迹创建对抗示例，证明攻击可致恶意日志误分类，且LLMs解释含对抗指标可用于检测攻击。
影响你论文的影响力有多难？
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究CD指数操纵问题的复杂性，该问题模拟学者通过合并、添加或删除论文提高论文CD指数的场景，证明这些问题计算困难，还探讨不同参数对其参数化复杂性的影响。
通过一次性量子模糊进行量子资源测试的样本复杂度
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究量子资源测试的样本复杂度，通过建立严格有限\(n\)界，给出达到规定性能所需副本数估计，解决了正则化Rényi相对熵收敛问题，得到非对称资源测试样本复杂度界。
Comments 9+26 pages
迈向视觉语言导航的双脑最小充分表示
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； University of Zurich（苏黎世大学） ； University of Exeter（埃克塞特大学）
专题命中 具身导航 ：navigation(title,abstract)；world model(abstract)；分类 cs.CV
AI总结 针对视觉语言导航中存在的问题，提出BrainNav框架，包含逻辑锚定模型等三个组件，通过将语义意图与空间感知对齐，提升智能体在复杂任务中的表现，在实验中相比之前最优方法有改进，为鲁棒的视觉语言导航提供有效基础。
非凸空中走廊中无人机导航的模型预测规划器
机构 * Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学） ； University of Bergamo（贝加莫大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究无人机在非凸空中走廊的导航规划，核心方法是基于混合整数跟踪模型预测控制公式，嵌入特定成本与约束，主要贡献是生成满足约束且收敛目标的动态有效轨迹，无需外部全局规划。
Comments Accepted for publication at the 23rd IFAC World Congress (Busan, Korea)
通过超网络学习自适应多任务制导、导航与控制
机构 * JAXA（日本宇宙航空研究开发机构）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究轨道环境中自主自由飞行机器人多任务控制问题，提出HYPER - GNC框架，通过超网络映射任务嵌入到共享策略权重，使单个控制器掌握多种任务，实验证明其样本效率高且能保持稳定，还弥合了模拟到现实的差距。
基于视觉语言模型的自动驾驶车辆导航GNSS欺骗检测技术发展
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.CV
AI总结 研究自动驾驶车辆GNSS欺骗检测问题，提出基于视觉语言模型的框架，融合多源数据，经三阶段微调及自适应推理策略，大幅提升检测准确率与效率，并生成数据集验证跨区域泛化能力，为自动驾驶提供实用道路防御层。
学习用于长距离越野导航的可通行性感知全局规划器
机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（德克萨斯农工大学J. Mike Walker '66机械工程系） ； DEVCOM Army Research laboratory（陆军研究实验室）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 针对大型越野环境自主导航难题，提出从高空数据学习连续可通行性地图的方法，由人类驾驶轨迹监督、激光雷达先验塑造，发布相关数据集，实地试验显示该方法能减少操作员干预，轨迹接近人类路径长度。
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