机器人 / 具身智能

TiPToP: A Modular Open-Vocabulary Robot Manipulation System That Plans

TiPToP：一种用于机器人操作的模块化开放式词汇规划系统

William Shen, Nishanth Kumar, Sahit Chintalapudi, Ryan Lindeborg, Jie Wang, Christopher Watson, Edward Hu, Jing Cao, Dinesh Jayaraman, Leslie Pack Kaelbling, Tomás Lozano-Pérez

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 TiPToP是一种模块化开放式词汇规划系统，结合预训练视觉模型与任务规划器，通过自然语言指令和RGB图像直接解决多步骤操作任务，实现实时高效的操作规划。

Comments Project website: https://tiptop-robot.github.io

The Reliability of LLMs for Medical Diagnosis: An Examination of Consistency, Manipulation, and Contextual Awareness

大语言模型在医疗诊断中的可靠性：一致性、可操纵性与情境感知能力的检验

Krishna Subedi

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.AI

AI总结 该研究检验Google Gemini 2.0 Flash与OpenAI ChatGPT-4o的医疗诊断可靠性，发现二者虽一致性达100%，但易受无关信息操纵，且情境响应存在差异，提示其医疗应用需临床监督与结构化保障。

Manipulation, Informed Trading, and Regulation in Leveraged Event-Linked Markets

操控、内幕信息与在杠杆事件关联市场中的监管

Maksym Nechepurenko

专题命中 机器人操作 ：manipulation(title,abstract)

AI总结 本文探讨杠杆预测市场合同引入后操控激励、内幕交易收益与监管框架的相互作用，提出操控分类框架和监管合成，分析杠杆对操控和内幕交易的影响，并提出14项监管建议。

Comments 10 pages, 0 figures, 3 tables. Major revision (series release r2.1.0): separates four conduct channels; removes uncalibrated numerical leverage thresholds; revises informed-trading, surveillance, and regulatory analysis. No new empirical run. Code: https://github.com/ForesightFlow/event-linked-perps

Task and Skill Planning: Hierarchical Robot Planning with Black-Box Skills

超越任务与运动规划：基于通用技能的分层机器人规划

Benned Hedegaard, Yichen Wei, Ziyi Yang, Ahmed Jaafar, Stefanie Tellex, George Konidaris, Naman Shah

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种基于通用技能的分层机器人规划框架，通过可组合交互原语整合运动规划与闭合回路控制器，实现在复杂长期任务中的高效执行。

Comments ICRA 2026

Breaking the Stealth-Potency Trade-off in Clean-Image Backdoors with Generative Trigger Optimization

利用生成式触发器优化打破干净图像后门的隐蔽性-有效性权衡

Binyan Xu, Fan Yang, Di Tang, Xilin Dai, Kehuan Zhang

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG

AI总结 该研究提出生成式干净图像后门框架GCB，利用条件InfoGAN优化触发器，仅需极小投毒示例即可实现攻击，CA下降不到1%，适配多类数据集、架构与任务，且能抵御多数后门防御。

Comments 19 pages, 22 figures, 15 tables. To appear in AAAI '26 (Oral). This paper extends the AAAI-2026 version by including the Appendix

Explicit Layer Modeling for Video Object Insertion and Layer Decomposition

用于视频对象插入和层分解的显式层建模

Kyujin Han, Seungjoo Shin, Sunghyun Cho

机构 * POSTECH（浦项科技大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV

AI总结 研究针对视频编辑系统缺乏显式分层表示的问题，提出TriLayer数据集及DBL-Diffusion框架，用于视频对象插入和层分解任务，显著提升了插入保真度和分解质量。

Linguistic Firewall: Geometry as Defense in Multi-Agent Systems Routing

语言防火墙：多智能体系统路由中的几何防御

Dvir Alsheich, Adar Peleg, Ben Hagag, Rom Himelstein, Amit Levi, Avi Mendelson

机构 * Dvir Alsheich ； Adar Peleg ； Ben Hagag ； Rom Himelstein ； Amit Levi ； Avi Mendelson 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI

AI总结 提出ANTAP架构，通过主动能力测试替代间接代理，将性能蒸馏为语义空间中的行为算子，实现非文本代数投影路由，有效防御描述注入和嵌入攻击。

Comments 8 pages (9 more for appendix), 3 figures. Published at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026

PACE: Phase-Aware Chunk Execution for Robot Policies with Action Chunking

PACE: 面向动作分块策略的相位感知分块执行方法

Junnan Nie, Jiayi Li, Jiachen Zhang, Junyi Lao, Chenghao Liu, Tianle Zhang, Liang Lin, Songfang Huang

机构 * Peking University（北京大学） ； JD Explore Academy（京东探索研究院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 提出PACE方法，通过在线预测动作分块中的低速过渡点作为重规划边界，自适应选择执行步长，无需重新训练即可提升机器人策略成功率。

Comments 21 pages, 7 figures, 6 tables. Preprint

Do LLMs Know What They Know? Measuring Metacognitive Efficiency with Signal Detection Theory

大语言模型知道它们知道什么吗？基于信号检测理论测量元认知效率

Jon-Paul Cacioli

机构 * Independent Researcher（独立研究员） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI

AI总结 本文基于信号检测理论中的元认知敏感性，提出新的评估框架，发现不同模型的元认知效率差异显著，且受领域影响，温度调整影响置信度策略而非元认知能力，证明AUROC_2和M-ratio指标回答不同评估问题。

Comments 12 pages, 4 figures, 3 tables. v3 corrects a differential length bias in the automated correctness scorer, validated against 1,830 human adjudications; all analyses recomputed. The inverse accuracy-efficiency coupling in v1/v2 does not survive relabelling; see the version note on page 1. Pre-registered. Code and annotations: github.com/synthiumjp/metacognition-audit

In situ estimation of local acoustic pressure amplitude by force balancing with a ferrofluid droplet probe

通过铁磁流体液滴探针的力平衡原位估计局部声压振幅

Seiya Usui, Yoshiaki Uchida, Akira Nagakubo, Norikazu Nishiyama

专题命中 机器人操作 ：manipulation(abstract)

AI总结 提出一种力平衡方法，利用被困铁磁流体液滴作为探针，通过调节外部磁场梯度平衡声辐射力，从而原位估计微尺度声场中的局部峰值声压振幅。

Comments 4 pages, 4 figures. Accepted for publication in Applied Physics Letters (APL26-AR-05140R). Author Accepted Manuscript. Supplementary Material in anc/SI.pdf

CuTe Layout Representation and Algebra

CuTe 布局表示与代数

Cris Cecka

专题命中 机器人操作 ：manipulation(abstract)

AI总结 CuTe 提供了一种新的数学规范用于表示和操作张量，通过分层布局表示和丰富的布局运算代数，提升张量处理的效率与准确性。

Angular momentum flux of twisted light in paraxial and nonparaxial regimes

近轴与非近轴区域的扭力光吸收

N. A. Vlasov, N. V. Filina, S. S. Baturin

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究通过理论框架分析扭曲光的角动量传输，揭示非近轴区域中物体尺寸与吸收角动量的阶梯依赖关系，为可控角动量传输和尺寸敏感探测提供新思路。

Comments 14 pages 7 figures

Intermediate Excited State Relaxation Dynamics of Boron Vacancy Spin Defects in Hexagonal Boron Nitride

六方氮化硼中硼空位自旋缺陷的中间激发态弛豫动力学

Paul Konrad, Mehran Kianinia, Lesley Spencer, Andreas Sperlich, Lukas Hein, Selin Steinicke, Igor Aharonovich, Vladimir Dyakonov

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本研究针对六方氮化硼硼空位自旋缺陷的中间态弛豫问题，通过实验测量与模拟优化脉冲序列，提升了自旋操控效率，优化了基于硼空位的量子传感器灵敏度。

Comments 29 pages, 13 figures

Journal ref Sci. Adv. 12, eaea0109 (2026)

Semantic Evidence Regulation via Relational Bias for Zero-Shot Object Navigation

通过关系归纳偏差重新思考具身导航

Weitao An, Chenghao Xu, Xu Yang, Cheng Deng

机构 * School of Electronic Engineering, Xidian University（西安电子科技大学电子工程学院） ； School of Information Science and Engineering, Hohai University（河海大学信息科学与工程学院） 纠错

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

AI总结 提出DB-Nav框架，利用激活偏置和抑制偏置双关系偏置重塑搜索空间，通过关系激活-抑制探索图调节前沿探索，显著提升目标导航成功率和路径效率。

Smart strategies to navigate turbulent odor plumes reorienting to local wind

智能策略用于在湍流气味团中导航：重新定向到局部风

Lorenzo Piro, Maurizio Carbone, Luca Biferale, Massimo Cencini, Robin A. Heinonen, Marco Rando, Agnese Seminara

专题命中 具身导航 ：navigation(abstract)；robotic(abstract)

AI总结 本文提出了一种基于风的强化学习框架，用于在湍流中导航，通过局部风方向估计和时间间隔来选择动作，展示了在不同风条件下策略的有效性。

RVC-NMPC: Nonlinear Model Predictive Control with Reciprocal Velocity Constraints for Mutual Collision Avoidance in Agile UAV Flight

RVC-NMPC：基于互斥碰撞回避的非线性模型预测控制

Vit Kratky, Robert Penicka, Parakh M. Gupta, Ondrej Prochazka, Martin Saska

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

AI总结 本文提出一种基于RVC-NMPC的非线性模型预测控制方法，通过高效计算和直接整合互斥速度约束，实现高频率的碰撞回避控制，适用于敏捷无人机飞行。

Comments 8 pages, 8 figures

Walk through Paintings: Egocentric World Models from Internet Priors

穿越绘画：来自互联网先验的自我中心世界模型

Anurag Bagchi, Zhipeng Bao, Homanga Bharadhwaj, Yu-Xiong Wang, Pavel Tokmakov, Martial Hebert

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Toyota Research Institute（丰田研究机构） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract,abstract_cn)；navigation(abstract)；robotic(abstract)

AI总结 EgoWM通过利用互联网先验和轻量级条件层，将预训练视频扩散模型转换为自我中心世界模型，实现可控的未来预测，提升结构一致性评分并降低推理延迟。

Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control

时间距离联合嵌入预测架构：用于潜在世界模型预测控制的计划感知表示学习

Jiaxin Bai, Jiaxuan Xiong

机构 * Hong Kong Baptist University（香港浸会大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO

AI总结 研究提出时间距离联合嵌入预测架构（TD-JEPA），保留LeWM编码器-预测器主干，从无奖励轨迹挖掘有向时间成本。该方法缩小JEPA世界模型规划器训练-规划差距，在多个环境中表现优于LeWM及其他基线，通过挖掘成本提升成功率和分数。

Large Emotional World Model

大规模情感世界模型

Changhao Song, Yazhou Zhang, Hui Gao, Chang Yang, Peng Zhang

机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） 纠错

专题命中 具身推理 ：world model(title,abstract)

AI总结 本文提出大规模情感世界模型，通过构建情感-原因-方式数据集，整合情感因素以提升对情感驱动社会行为的预测能力。

Neural Radiance Fields for the Real World: A Survey

神经辐射场用于现实世界：综述

Wenhui Xiao, Remi Chierchia, Rodrigo Santa Cruz, Xuesong Li, David Ahmedt-Aristizabal, Olivier Salvado, Clinton Fookes, Leo Lebrat

机构 * Queensland University of Technology（昆士兰理工大学） ； Australian National University（澳大利亚国立大学） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

AI总结 本文综述了神经辐射场在现实世界中的应用，总结了其在3D场景重建、计算机视觉和机器人技术中的影响，并探讨了当前研究的挑战与未来方向。

Comments Accepted to ACM Computing Surveys

VEGA: Learning Navigation VLAs from In-the-Wild Egocentric Video with Geometric Trajectory Supervision

VEGA: 从野外自我中心视频中通过几何轨迹监督学习导航VLA

Gershom Seneviratne, Yohan Abeysinghe, Jianyu An, Vaibhav Shende, Rahul Kumar, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学帕克分校） 纠错

专题命中 机器人基础模型 ：navigation(title,abstract)；分类 cs.RO

AI总结 提出VEGA方法，利用未标注的自我中心视频通过重建场景几何生成障碍感知轨迹，训练流匹配VLA导航策略，在VEGA-Bench上碰撞减少33.0%，真实世界成功率提升至少150.0%。

Teaching Tiny VLA Models Where to Look and How to Move

XS-VLA：将粗粒度空间蒸馏与潜在流匹配相结合用于轻量级机器人控制

Iok Tong Lei, Ying Jie Yap, Wei Huang, Qingchen Xie, Qianzhi Li, Yujie Zhang, Xiaolong Liu, Zhidong Deng

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Wuxi Dexteroushands Robotic Technology Co.（无锡灵犀机器人技术有限公司） 纠错

专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.LG

AI总结 提出XS-VLA框架，先通过微调从Qwen3-VL-4B向SmolVLM2-0.25B骨干网蒸馏空间语义知识，再用其增强骨干网训练潜在流匹配策略，提升轻量级机器人控制性能，在LIBERO基准测试中表现出色。

Comments Preprint

LabRobFail: A Benchmark for Robotic Failure Analysis in Chemical Self-driving Laboratory

LabRobFail：化学自动驾驶实验室中机器人故障分析的基准

Haobo Wang, Baoli Sun, Anqi Zou, Dongsheng Huang, Zelin Lv, Ning Wang, Rui Li, Dongzhan Zhou, Weiyu Guo, Zhihui Wang, Wanli Ouyang

专题命中 机器人数据与评测 ：robotic(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.CV

AI总结 针对化学自动驾驶实验室中机器人可靠性受化学实验特性限制、故障数据稀缺及评估协议缺乏等问题，引入LabRobFail框架，通过注入故障构建数据集，开发专门模型，提升故障检测等能力及下游任务成功率。

Comments Under review. Haobo Wang and Baoli Sun contributed equally. Code and data: https://github.com/Su-ISE-2001/SciRobo

Can Context Bridge the Reality Gap? Sim-to-Real Transfer of Context-Aware Policies

上下文能否弥合现实差距？情境感知策略的模拟到现实迁移

Marco Iannotta, Yuxuan Yang, Johannes A. Stork, Erik Schaffernicht, Todor Stoyanov

机构 * AASS Research Centre, Örebro University（奥雷布罗大学AASS研究中心） ； Technology Transfer Center Kitzingen, Technical University of Applied Sciences Würzburg-Schweinfurt（基廷根技术转移中心，沃尔夫斯堡-施维林应用技术大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract,journal_ref)；分类 cs.RO

AI总结 研究机器人强化学习中模拟到现实迁移难题，核心方法是将上下文估计模块集成到基于领域随机化的强化学习框架并比较监督策略，主要贡献是情境感知策略在多任务中优于无上下文基线。

Journal ref Robotics and Autonomous Systems, Volume 205, 2026, 105594

VidNum: Diagnosing VLM Failure Modes in Video-Grounded Numerical Reasoning

VidNum-1.4K：一个全面的视频基于数值推理基准

Shaoyang Cui, Lingbei Meng, Yaodi Luo, Peize He

机构 * Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV

AI总结 本文提出VidNum-1.4K基准，通过1379个严格人工标注的视频问题对，评估视频基于的数值推理能力，揭示当前VLMs在多步骤逻辑推理上的不足。

Comments 7 pages, 5 figures

Functional Cache Grafting: Robust and Rapid Code-Policy Synthesis for Embodied Agents

功能缓存嫁接：具身智能体的鲁棒且快速代码策略合成

Saehun Chun, Wonje Choi, Sera Choi, Sanghyun Ahn, Honguk Woo

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 其他机器人 ：embodied agent(title,abstract)；分类 cs.AI

AI总结 提出FCGraft框架，通过维护函数级验证代码骨架及其键值缓存，对新任务进行缓存嫁接（拼接和修补），减少预填充计算并复用验证结构，实现更鲁棒和快速的策略合成。

Comments Accepted at ICML 2026

SG-CoT: An Ambiguity-Aware Robotic Planning Framework using Scene Graph Representations

SG-CoT：一种基于场景图表示的模糊性感知机器人规划框架

Akshat Rana, Peeyush Agarwal, K. P. S. Rana, Amarjit Malhotra

机构 * Netaji Subhas University of Technology（纳塔贾·萨哈大学） 纠错

专题命中 其他机器人 ：robotic(title,abstract)；分类 cs.RO

AI总结 SG-CoT通过构建场景图并利用LLM迭代查询以检测和澄清模糊性，提升机器人规划在模糊环境中的可靠性，实验表明其在单机和多机环境中均优于现有方法。

Comments This work has been submitted to the journal Autonomous Robots for possible publication

Enhanced Seam Segmentation for Automated Welding Robot in Construction Through Transfer Learning: Addressing Limitations of Bilateral Segmentation Network

通过迁移学习增强建筑自动化焊接机器人的焊缝分割：解决双边分割网络的局限性

Keonvin Park, Yong Ann Voeurn, Hyeokjun Kweon, Doyun Lee

机构 * Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学人工智能跨学科项目） ； Department of Civil Engineering and Construction, Georgia Southern University（佐治亚南方大学土木工程与建筑系） ； The Graduate School of Advanced Imaging Science, Multimedia & Film, Chung-Ang University（中央大学先进影像科学、多媒体与电影研究生院） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.CV、cs.LG

AI总结 研究针对建筑自动化焊接中焊缝分割难题，提出通过迁移学习和混合损失增强BiSeNetV2的框架，提升反射鲁棒性。实验表明其联合交并比等指标优异，能恢复多数失败案例，对轻量级实时分割架构有效，为机器人焊接提供实用感知方案。

SpectraDINO: Modality-Conditioned Adaptation of RGB Vision Foundation Models Across Infrared Bands

SpectraDINO：跨红外波段的RGB视觉基础模型的模态条件适配

Yagiz Nalcakan, Hyeongjin Ju, Incheol Park, Sanghyeop Yeo, Youngwan Jin, Shiho Kim

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV

AI总结 SpectraDINO是适配RGB视觉基础模型的跨红外波段统一骨干网络，通过分阶段蒸馏与微调技术，在7个检测和分割基准上性能优于或媲美特定模态方法。

Comments Updated with the revised model results

WHTMix: Efficient Stereo Depth Estimation via Walsh-Hadamard Token Mixing

WHTMix：通过沃尔什-哈达玛令牌混合实现高效立体深度估计

Prathyush Sajith, Emadeldeen Hamdan, Ahmet Enis Cetin

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV

AI总结 研究针对立体深度估计在高分辨率和低延迟要求下的问题，提出用沃尔什-哈达玛令牌混合器替代立体变压器的联合自注意力阶段，并引入混合对数视差损失函数，实现减少计算量、延迟及降低远距离物体误差。