机器人 / 具身智能

Towards Dual-Brain Minimal Sufficient Representation for Vision-Language Navigation

迈向视觉语言导航的双脑最小充分表示

Yihao Wu, Chenyi Xu, Liqi Yan, Chenhuan Cai, Geyong Min, Bin Lin, Fangli Guan, Jianhui Zhang, Pan Li

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） 纠错

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。

GemNav: Discrete-Token Visual Robot Navigation using a Multimodal Large Language Model

GemNav：使用多模态大语言模型的离散令牌视觉机器人导航

Peter Bohm, Saimunur Rahman, Abdelwahed Khamis, Sagun Man Singh Shrestha, Chris McCool, Peyman Moghadam

机构 * CSIRO Technology（联邦科学与工业研究组织） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI

AI总结 研究探索基于大型预训练模型的视觉机器人导航策略新方法，提出GemNav，仅对语言塔用LoRA适配冻结的多模态大语言模型用于中短程航点导航，无辅助视觉编码器等，在小语料库上零样本转移到未见环境，提供了数据高效、可部署的导航替代方案。

HiMemVLN: Enhancing Reliability of Open-Source Zero-Shot Vision-and-Language Navigation with Hierarchical Memory System

HiMemVLN：通过分层记忆系统增强开源零样本视觉-语言导航的可靠性

Kailin Lyu, Kangyi Wu, Pengna Li, Xiuyu Hu, Qingyi Si, Cui Miao, Ning Yang, Zihang Wang, Long Xiao, Lianyu Hu, Jingyuan Sun, Ce Hao

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出HiMemVLN，通过分层记忆系统提升开源零样本视觉-语言导航的可靠性，解决导航遗忘问题，实现实验环境下的性能提升。

Comments 9 pages, 7 figures

UAV-ON: A Benchmark for Open-World Object Goal Navigation with Aerial Agents

UAV-ON：用于空中智能体的开放世界目标导航基准测试

Jianqiang Xiao, Yuexuan Sun, Yixin Shao, Boxi Gan, Rongqiang Liu, Yanjin Wu, Weili Guan, Xiang Deng

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV

AI总结 介绍用于空中智能体开放世界目标导航的UAV-ON基准测试，含14个环境及1270个目标对象，通过实例级指令编码。实现多种基线方法评估，结果凸显空中导航和语义目标基础的复合挑战，推动复杂环境下无人机可扩展自主性研究。

Comments Accepted to ACM MM 2025

Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors

非凸空中走廊中无人机导航的模型预测规划器

Henrique Silva, Marcelo A. Santos, Guilherme V. Raffo

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） 纠错

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)

Learning Adaptive Multi-Task Guidance, Navigation, and Control via Hypernetworks

通过超网络学习自适应多任务制导、导航与控制

Ricard Marsal I Castan, Aman Arora, Antoine Richard, Andrej Orsula, Cédric Pradalier, Miguel A. Olivares-Méndez

机构 * JAXA（日本宇宙航空研究开发机构） 纠错

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。

Development of Vision-Language Model-based GNSS Spoofing Detection for Autonomous Vehicle Navigation

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

Mohammed Aldeen, Muhammad Sami Irfan, Sagar Dasgupta, Long Cheng, Mizanur Rahman, Mashrur Chowdhury

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。

Learning Traversability-Aware Global Planners for Long Horizon Off-Road Navigation

学习用于长距离越野导航的可通行性感知全局规划器

Kasi Viswanath, Jason M. Gregory, Shaunak Kolhe, Srikanth Saripalli

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） 纠错

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。

MemVLN: Episodic and Procedural Memory for Vision-and-Language Navigation

MemVLN：用于视觉与语言导航的情景记忆和程序记忆

Yuqi Liu, Shengju Qian, Tianyuan Qu, Mingxian Lin, Zixuan Wang, Xin Wang, Bei Yu, Jiaya Jia

机构 * The Chinese University of Hong Kong（香港中文大学） ； LIGHTSPEED（光速） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.CV

AI总结 研究连续环境中视觉与语言导航问题，提出MemVLN框架，利用视觉编码器、大语言模型，通过情景记忆管理和程序记忆，实现实时推理，提升导航成功率并降低推理延迟。

AgenticNav: Zero-Shot Vision-and-Language Navigation as a Tool-Calling Harness

AgenticNav：零样本视觉与语言导航作为工具调用框架

Yijian Li, Changze Li, Hantian Shi, Jiaying Luo, Jiyuan Cai, Ming Yang, Tong Qin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Ltd（华为技术有限公司） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO

AI总结 提出AgenticNav，通过将动作、深度和记忆作为可调用工具暴露给VLM，实现零样本连续环境导航，在R2R-CE基准上达到SOTA性能。

VL-LN Bench: Towards Long-horizon Goal-oriented Navigation with Active Dialogs

VL-LN基准：通过主动对话实现长视界目标导向导航

Wensi Huang, Shaohao Zhu, Meng Wei, Siqi Zhang, Jinming Xu, Xihui Liu, Hanqing Wang, Tai Wang, Feng Zhao, Jiangmiao Pang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO

AI总结 VL-LN基准通过引入主动对话机制，提升长视界目标导向导航任务的性能和可靠性。

PINA: Prompt Injection Attack against Navigation Agents

PINA：针对导航代理的提示注入攻击

Jiani Liu, Yixin He, Lanlan Fan, Qidi Zhong, Yushi Cheng, Meng Zhang, Yanjiao Chen, Wenyuan Xu

专题命中 具身导航 ：navigation(title,abstract)

AI总结 PINA提出了一种针对导航代理的提示注入攻击检测框架，通过实验展示了其高攻击成功率和稳健性，揭示了导航代理在安全方面的关键漏洞。

Comments Accepted at ICASSP 2026

Journal ref 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2026

Accuracy potential of visual localization exploiting high-end street-level imagery

利用高端街景图像进行视觉定位的精度潜力

Jonas Meyer, Stephan Nebiker, Pascal Theiler, Norbert Haala

机构 * FHNW（西北应用科技大学） 纠错

专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.RO、cs.CV

AI总结 研究视觉定位精度潜力，引入结合多种技术的可扩展管道，利用FHNW Muttenz数据集评估，实验表明其平移和旋转精度可观，能补充GNSS定位，为3D地理空间数据采集等铺平道路。

Comments 26 pages, 6 figures

Development of a Handheld Actuation Mechanism for a Tendon-driven Robotically Steered Guidewire

用于肌腱驱动的机器人操纵导丝的手持式驱动机构的开发

Saima Chavenet, Timothy A. Brumfiel, Revanth Konda, Jaydev P. Desai

专题命中 具身导航 ：navigation(abstract)；robotic(abstract)；分类 cs.RO；robotics(journal_ref)

AI总结 针对血管内介入中手动导丝导航难题，开发用于肌腱驱动机器人导丝的手持式驱动机构，集成紧凑卷轴机制，可电动与手动结合操作，能执行多种动作，在模拟主动脉模型中得到验证。

Journal ref Hamlyn Symposium on Medical Robotics 2026

GaussianSeed: Hierarchical Gaussian Seeding for High-Resolution 3D Occupancy Prediction

高斯种子：用于高分辨率3D占用预测的分层高斯播种

Xinzhuo Li, Xianghui Pan, Jiayuan Du, Wei Wei, Liuyi Wang, Chengju Liu, Qijun Chen

专题命中 具身导航 ：navigation(abstract)；robotic(abstract)；分类 cs.CV

AI总结 针对现有3D占用预测方法难以扩展到高体素分辨率的问题，提出高斯种子框架，通过分层设计规避内存瓶颈，构建TJScenes数据集，实验表明该方法在保持高精度的同时具有最低延迟，推动了高分辨率3D占用预测的效率-质量前沿。

Learning Reusable Hybrid Motion Priors for Humanoid Locomotion from Motion Imitation

从运动模仿中学习可重复使用的类人运动混合先验

Valerio Belli, Valerio Modugno, Enrico Mingo Hoffman, Fabio Amadio

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.LG

AI总结 研究提出三阶段流程，将运动模仿技能转化为可重复使用的类人运动混合先验（HMP）。先训练专家策略模仿人类运动，再提炼为冻结架构，最后训练任务级策略。经模拟评估和机器人验证，HMP可重复使用，还揭示可解释码本结构，训练码本技巧能减少下游跌倒。

Quality-Adaptive Multi-UAV 3D Reconstruction with Sparse Workload Redistribution

基于稀疏工作负载重新分配的质量自适应多无人机三维重建

Benjamin Sportich, Kenza Boubakri, Olivier Simonin, Alessandro Renzaglia

机构 * Inria, INSA Lyon, CITI（法国国家信息与自动化研究所、里昂国立应用科学学院、CITI） 纠错

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO

AI总结 针对无人机三维重建中计算和能量受限及协调难问题，提出质量自适应分散决策策略，集成质量导向准则，采用两级协调，仿真显示该方法提高路径效率且实现更高保真度重建，代码公开。

Limbomorphs

肢体形态

Alex Alvarez, Michael Levin

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 研究人工生命系统中Gifbreeder的肢体形态，通过用户审美选择进化时空场产生类似生物的形态，用输入空间扰动评估其行为，探讨其反应是否反映目标导向行为及类似智能体动力学如何在无明确规则系统中出现。

Comments 3 pages, 3 figures. Extended abstract accepted as a Late Breaking Abstract at the Artificial Life Conference (ALIFE 2026)

Memory for Attention: Language-Conditioned Re-Perception with a Vision--Language--Motion Map

注意力的记忆：通过视觉-语言-运动地图进行语言条件下的重新感知

Dibyendu Ghosh

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 研究携带行为注释地图的机器人的规划问题，通过将重新感知视为注意力决策，利用持久地图的记忆实现资源分配优化，在语言条件任务中表现出色，证明地图能指导机器人关注重点，而非空间导航。

Try Once, Then Optimal: De-Redundified Procedure Memory for Cross-Episode Exploration Amortization

一试即优：用于跨情节探索摊销的去冗余过程记忆

Haizhou Ge, Haochen Ouyang, Zhixing Chen, Yufei Jia, Yue Li, Lu Shi, Lei Han, Guyue Zhou, Ruqi Huang

机构 * Tsinghua University（清华大学） ； DISCOVER Robotics（DISCOVER机器人公司） ； Northeast Agricultural University（东北农业大学） 纠错

专题命中 具身导航 ：manipulation(abstract)；分类 cs.RO

AI总结 研究如何让机器人避免重复探测隐藏状态物体，提出面向实例的记忆框架IOM，用视觉语言模型实例化，在多任务中减少操纵操作，提升效率且不降低成功率，即使过程错误也能成功。

Comments 8 pages, 3 figures, 3 tables

PRISM: Polynomial Representations for Interaction-Structured Motor Control

PRISM：用于交互结构运动控制的多项式表示

Seung Hyun Lee, Stella X. Yu

机构 * University of Michigan（密歇根大学） 纠错

专题命中 具身导航 ：manipulation(abstract)；分类 cs.RO

AI总结 研究针对机器人观察中物理变量交互作用问题，提出PRISM策略表示，通过因式分解多项式模块展现高阶交互特征，在强化和模仿学习中应用，提升了人形机器人运动等性能，还能产生无传感器柔顺行为，表明多项式表示应成运动控制标准选择。

Commitment To Cooperation With Self-Negotiated Contracts

通过自我协商合同实现合作承诺

Tim Wyse, Kaitlin Bustos, Yulia Volkova, Max Kleiman-Weiner

机构 * University of Washington（华盛顿大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 研究人工智能代理在多智能体世界中的合作问题，借鉴法律制度和契约，通过在时空博弈\CT中研究基于大型语言模型的代理使用不同合同表示，发现自我协商合同可改善合作结果。

Metric Surface Reconstruction of Neurosurgical Scenes from Monocular Operating Microscope Images and Microscope Pose

从单目手术显微镜图像和显微镜位姿重建神经外科场景的度量曲面

Thomas Bucher, Didier Neuenschwander, Thomas Petutschnigg, Michael Murek, David Bervini, Andreas Raabe, Manuela Eugster

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 研究能否从单目手术显微镜图像和位姿数据重建神经外科场景的三维几何度量，利用预训练模型估计深度、泊松曲面重建点云成网格，结果显示该方法在模型设置中有技术可行性，支持相关手术技术进一步发展。

VecTree-RAG: An Agentic Retrieval-Augmented Generation Framework Combining Vector and Tree Retrieval for Efficiency and Accuracy

VecTree-RAG：一种结合向量和树检索的智能检索增强生成框架，以提高效率和准确性

Xinyan Zhong, Yuwei Shi, Yuqi Wei, Chen Shen, Tianhang Zhou, Zhenghao Wu

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 研究针对科学问答中识别相关论文及找支持证据的问题，提出VecTree-RAG框架，结合向量与树检索机制。经多组问题评估，该框架在多个基准上获高分，证据页面精度高，且完整架构所需推理令牌少，为科学文献问答提供结构感知且可追溯的架构。

Integrating GNSS-Derived Zenith Wet Delay into a Weather Foundation Model Improves Precipitation Forecasting

将全球导航卫星系统（GNSS）导出的天顶湿延迟整合到天气基础模型中可改善降水预报

Leonardo Trentini, Fanny Lehmann, Laura Crocetti, Benedikt Soja

机构 * Weather Foundation（天气基金会） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.LG

AI总结 研究将GNSS导出的ZWD整合到Aurora天气基础模型中，扩展后的模型学习ZWD能力与预训练变量相当，微调时纳入ZWD可改善降水预报，增益随严重程度增加，能让降水功率谱更现实。

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

MoE-Based Learned Inertial Odometry for Bicycle Localization

基于专家混合模型的自行车定位学习惯性里程计

Hao Qiao, Yan Wang, Shuo Yang, Xiaoyao Yu, Jian kuang, Xiaoji Niu

机构 * School of Geodesy and Geomatics（测绘学院） ； GNSS Research Center（GNSS研究中心） ； Hubei Luojia Laboratory（湖北珞珈实验室） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 针对城市峡谷中自行车定位难题，提出基于MoE网络的学习惯性里程计，将神经速度预测器与扩展卡尔曼滤波器耦合，减少计算开销，在低FLOPs下取得良好精度和泛化能力，优于其他模型。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases

CodexGraph：通过代码图数据库连接大型语言模型和代码库

Xiangyan Liu, Bo Lan, Zhiyuan Hu, Yang Liu, Zhicheng Zhang, Fei Wang, Michael Shieh, Wenmeng Zhou

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 研究旨在解决大型语言模型处理整个代码库的难题，提出通过将LLM代理与代码库图数据库接口集成的CodexGraph系统，利用图数据库特性实现精确上下文检索和代码导航，经多基准评估及实际应用开发，展现其在软件工程中的竞争力与潜力。

Comments work in progress

CogRec: Structure-Cognitive Fast-and-Slow Reasoning for Generative Recommendation

CogRec：用于生成式推荐的结构认知快速与慢速推理

Xiang Liu, Jingsong Su, Shuqi Zhao, Pengbo Mo, Yiming Qiu, Huimu Wang, Mingming Li, Jiao Dai, Jizhong Han, Songlin Hu

专题命中 具身导航 ：navigation(abstract)

AI总结 研究基于语义ID的生成式推荐问题，提出CogRec框架，通过增强SID层次结构、引入SID路由操作进行推理，实验表明该框架能改进直接生成，特定情况下结构基础推理有效，长或弱支持路由有弊端。

Meandering Photo Lines: Fluid Multiscale Exploration of Photographic Archives

蜿蜒的照片线条：摄影档案的流体多尺度探索

Mark-Jan Bludau, Christian Tominski, Marian Dörk

专题命中 具身导航 ：navigation(abstract)

AI总结 研究将照片集时空结构交织成可探索路径，受多种启发创建蜿蜒照片线条可视化方法，有两种互补视图及动画变换实现多尺度导航，通过案例研究验证，能支持分析审视与好奇探索。

Comments 11 pages, 7 figures. Accepted at IEEE VIS 2026; to appear in IEEE TVCG in 2027