机器人 / 具身智能

LiLa-WAM: Lightweight Latent Reasoning World-Action Model for Robotic Manipulation

LiLa-WAM：用于机器人操控的轻量级隐式推理世界-动作模型

Fan Yang, Yuting Su, Xiaobo Wang, Yuncheng You, Fugui Fan, Yuting Wu, Minghui Wu, Chenxu Zhao, JiaHong Ning, Peiguang Jing

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

AI总结 本研究提出轻量级世界-动作模型LiLa-WAM，通过联合未来状态预测与动作生成的紧凑隐式空间设计实现端到端单GPU训练，结合视觉转换令牌完成任务指定，在RoboTwin等任务上取得90.48%的成功率，提升了机器人操控的效率与实用性。

EmbodiedVAE: Disentangled Video VAE for Efficient and Controllable Embodied Manipulation

EmbodiedVAE：用于高效可控具身操作的解耦视频变分自编码器

Jiayi Luo, Hanxin Zhu, Chen Gao, Jiankun Wang, Cong Wang, Tianyu He, Jianxin Li, Zhibo Chen

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； CASIA, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所（CASIA）） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 针对现有潜在扩散模型适配具身操作场景的缺陷，提出EmbodiedVAE视频变分自编码器，通过双编码器架构与最优传输一致性模块实现更优重建质量、压缩率及精确动作控制。

Comments ECCV 2026

A Hierarchical Approach to Imitation Learning for Manipulation Tasks Requiring Time Varying Forces

针对需要时变力的操作任务的模仿学习的分层方法

Rishabh Shukla, Adithya Santhosh, Shaili Gandhi, Samrudh Moode, Satyandra K. Gupta

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

AI总结 该研究针对接触密集拆卸任务中扩散策略的延迟问题，提出DPA-FTG分层方法，解耦高低频控制，在双手电池拆卸任务上性能优于RDP等基线。

Bimanual Manipulation Within an 8 GB Budget: Zero-Copy Sensing and Quantized ACT on an Entry-Level Jetson

8 GB预算内的双臂操作：入门级Jetson上的零拷贝感知与量化ACT

Ekansh Singh, Eva Samuel, Alessandra Reneau, Ryan Schmeelk, Yashvi Gandhi

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

AI总结 该研究在8 GB入门级Jetson上实现了双臂操作，采用零拷贝感知、量化ACT，发现ACT在相同演示下优于Diffusion Policy，INT8量化可大幅降低延迟且保留任务成功率。

Comments 9 pages, 8 tables. Work conducted at the Georgia Tech Research Institute (GTRI), Aerospace, Transportation and Advanced Systems Laboratory (ATAS)

GORDON: Graph-based Object-centric Rewards for Decomposition of Long-Horizon Manipulation

GORDON：用于长程操作任务分解的基于图的以对象为中心的奖励框架

Andrea Protopapa, Davide Buoso, Francesca Pistilli, Georgia Chalvatzaki, Giuseppe Averta

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

AI总结 本研究提出GORDON框架，通过无动作视频演示学习以对象为中心的密集奖励，自动分解长程操作任务，在7个基准任务上平均成功率达74.4%，显著优于现有基线。

Comments 9 pages, 6 figures, preprint. Project page: https://andreaprotopapa.github.io/graph-reward-learning/

Semantic Haptic Feedback Enhances Dexterous Robotic Teleoperation

语义力反馈提升灵巧机器人遥操作性能

Bingjian Huang, Sahar Aseeri, Jonas Schmidtler, Joseph Zhang, Sonny Chan, Andrew Doxon, Jom Preechayasomboon, Evan Pezent, Alberto Rigo, Amir Memar, Nicholas Colonnese, Chase Tymms

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

AI总结 本研究提出语义力反馈用于机器人遥操作，通过抽象触觉模式传递机器人状态信息，经实验验证其在双臂任务中性能优于感官触觉与视觉反馈，可降低工作负荷并提升态势感知。

Comments 18 pages, 7 figures

Manipulation of localized excitons in CrPS$_4$ by temperature and magnetic field

温度和磁场对CrPS$_4$中局域激子的调控

Dipankar Jana, Swagata Acharya, Amit Pawbake, Dmitrii Litvinov, Aljoscha Soll, Zdenek Sofer, Clement Faugeras, Dimitar Pashov, Mark van Schilfgaarde, Kostya S. Novoselov, Marek Potemski, Maciej Koperski

专题命中 机器人操作 ：manipulation(title)

AI总结 本研究结合理论计算与光学实验，揭示了CrPS$_4$的电子和激子性质，明确了其磁相变的光学标识，为反铁磁体的激子研究及磁有序调控提供了新方向。

Comments 12 pages, 5 figures

LiteMVS: Efficient Multi-View Stereo with Foundation Distillation and Expert Aggregation

LiteMVS：结合基础模型蒸馏与专家聚合的高效多视图立体匹配

Tianbao Zhang, Zeyu Liu, Shuyu Wu, Fanxing Li, Zhaoxin Fan, Wenjun Wu, Danping Zou

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

AI总结 LiteMVS是集成平面扫描几何推理与单目先验的轻量多视图深度模型，通过MoE和基础模型蒸馏提升重建质量与效率，在ScanNetv2等数据集上表现优异。

Comments CVPR 2026 Workshop accepted

DigitCode: Symbolic Tokenization of Hand Motion by Anatomical Units

DigitCode：基于解剖单元的手部运动符号分词

Haoyu Gu, Haotian Lu, Jingrun Du, Xiao-Ping Zhang

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

AI总结 本文提出DigitCode，沿手部解剖单元层次结构调整HL字母表以构建离散符号表征，将量化误差降低四分之三，发布HandTok测试平台，可用于修复生成的畸形手部及机器人重定向等任务。

Biconvex Optimization for Smooth Minimum-Time Trajectories around Convex Obstacles

凸障碍物周围平滑最小时间轨迹的双凸优化

Peter Werner, Tobia Marcucci, Daniela Rus

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of California Santa Barbara（加州大学圣巴巴拉分校） 纠错

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

AI总结 本研究提出一种双凸优化方法，用于凸障碍物周围的最小时间运动规划，可保证收敛、支持任意阶导数约束，实验表明其轨迹质量高、鲁棒性强且计算效率与现有方法相当。

Comments 18 pages, 9 figures, 4 tables. Submitted to IEEE Transactions on Robotics. Project page: https://wernerpe.github.io/bmtp-website/ Code: https://github.com/wernerpe/pybmtp

GraspMeanFlow: SE(3)-Equivariant MeanFlow for Few-Step 6-DoF Grasp Generation

GraspMeanFlow：用于少步6自由度抓取生成的SE(3)等变MeanFlow

Jiyong Kwon, Yikun Bai, Amirhossein Mollaali, Guang Lin

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

AI总结 该研究提出SE(3)等变MeanFlow框架GraspMeanFlow，解决现有6自由度抓取生成方法采样效率低的问题，在ACRONYM数据集上实现少步高效抓取生成并提升成功率，且抓取分布可随物体精确变换。

Toward Certified Functional Safety for Industrial Humanoid Robots: The Fail-Passive Gap and a Feasibility Study

面向工业人形机器人的认证功能安全：故障被动间隙与可行性研究

Caiwu Ding, Tao Cui, Lingyun Wang, Chengtao Wen

机构 * Siemens Foundational Technologies, Siemens Corporation（西门子基础技术部，西门子公司） 纠错

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

AI总结 该研究针对工业人形机器人功能安全认证的故障被动间隙，通过外部安全链定位间隙，在Unitree G1 EDU上验证方法，分析人形机器人主动安全状态，将间隙定位在SDA与平衡策略的接口处。

Test-time reasoning effort and unauthorized tool use in language-model agents: a prespecified equivalence study

语言模型智能体的测试时推理工作量与未授权工具使用：一项预先指定的等效性研究

Xiaonan Xu, Wenjing Wu

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究在GPT-5.6上开展预先指定的等效性研究，发现调整推理工作量未导致未授权工具使用，且规则探测率上升的模式与针对性搜索假设不符。

Trust-Aware Topology Learning for Dynamic Decentralized Federated Learning under Adversaries

面向对抗环境下动态去中心化联邦学习的信任感知拓扑学习

Shubham Vaishnav, Murtaza Rangwala, Ali Beikmohammadi, Sindri Magnússon, Rajkumar Buyya

专题命中 机器人操作 ：manipulation(abstract)

AI总结 针对对抗环境下动态去中心化联邦学习的拓扑操纵与模型投毒问题，提出DMTT协议，结合证据深度学习与Beta分布信任模型，在UCI HAR和PAMAP2数据集上实现优于对比方法的鲁棒性能。

MeloCodec: Harnessing Melodic Priors for High-Fidelity Singing Voice Representation

MeloCodec：利用旋律先验实现高保真歌声表征

Yizhong Geng, Wenxin Fu, Kecan Mao, Qifei Li, Yingming Gao, Ruimin Wang, Chunfeng Wang, Hao Li, Ya Li, Wei Chen

专题命中 机器人操作 ：manipulation(abstract)

AI总结 MeloCodec是整合旋律先验的新型音频编解码器框架，采用先分词后融合范式与两阶段训练策略，在歌声表征任务中优于基线，提升了音高一致性并实现可控音高操作。

Comments 7 pages, 3 figures, 3 tables. Accepted at IEEE ICME 2026

Space-Time Event Scattering and Extension Method (STESEM): A Universal Framework for Scattering in Space-Time Metamaterials

时空事件散射与扩展方法（STESEM）：一种用于时空超材料中散射的通用框架

Klaas De Kinder, Amir Bahrami, Christophe Caloz

专题命中 机器人操作 ：manipulation(abstract)

AI总结 针对现有时空超材料散射分析方法的局限性，提出通用框架STESEM，通过分解散射过程无需坐标变换，推导典型结构散射响应，为相关超材料设计奠定基础。

Comments 19 pages, 3 figures

UniNav: A Unified World-Action Diffusion Model for Visual Navigation

UniNav：用于视觉导航的统一世界-动作扩散模型

Changqing Zhou, Yueru Luo, Zeyu Jiang, Changhao Chen

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

AI总结 UniNav是统一世界-动作扩散模型，通过单扩散过程生成未来视觉观测与航路点轨迹，其变体UniNav-Fast延迟0.1秒且精度无明显下降，在导航基准上ATE优于最强基线。

From Routes to Steps: Separating Semantic Progress from Local Execution in Vision-and-Language Navigation

从路线到步骤：在视觉语言导航中分离语义进展与局部执行

Xiangyun Huang, Xiangchen Wang, Runfeng Lin, Yihao Xu, Kangyu Huang, Jiang Hengchen, Xiwang Dong, Lin Jiarong

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

AI总结 本研究针对视觉语言导航中进展与执行错误难区分的问题，提出Route2Step框架，通过步骤级接口分离语义进展跟踪与动作生成，在R2R-CE数据集上显著提升了导航性能，且在真实环境中具备实用性。

Comments 16 pages, 9 figures

Control Barrier Functions via Minkowski Operations for Safe Navigation among Polytopes

基于闵可夫斯基运算的控制障碍函数用于多面体间的安全导航

Yi-Hsuan Chen, Shuo Liu, Wei Xiao, Calin Belta, Michael Otte

机构 * University of Maryland（马里兰大学） ； Boston University（波士顿大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 该研究针对多面体环境的机器人安全导航问题，提出结合非光滑控制障碍函数与闵可夫斯基运算的精确符号距离函数方法，可实现非保守机动与安全恢复。

Comments 16 pages, 13 figures. Expanded version of a paper published in IEEE CDC 2025. Demo video: https://youtu.be/D0zVswzyxaE

POMDPs for Autonomous Science Exploration

用于自主科学探测的POMDP

Daniel Guirguis, Nathan Wallace, Hanna Kurniawati, Salah Sukkarieh

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

AI总结 该研究提出SHM-POMDP模型，解决高维观测下POMDP规划融入科学表征的难题，在RockSample域和Cuprite地质探测任务中，其性能优于传统POMDP与信息论基线方法。

Comments 8 pages, 3 figures, 2 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Passively Safe Convex Guidance for Cislunar Rendezvous and Proximity Operations

地月交会与接近操作的被动安全凸制导

Ian M. Down, Connor Plaks, Matthew Bolliger, Michael Caudill

机构 * Advanced Space, LLC（Advanced Space有限责任公司） 纠错

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

AI总结 该研究提出纯凸规划方法，设计适用于地月轨道被动安全脉冲交会与接近操作的机动，验证其在NASA CAPSTONE 02任务中的性能，为星上自主制导提供基线方案。

Comments Presented at the 2026 AAS/AIAA Astrodynamics Specialist Conference, Whistler, BC

Quo Vadis, World Modeling?

世界建模，何去何从？

Yu Yang, Xuemeng Yang, Licheng Wen, Lingdong Kong, Xiaobin Hu, Dongyue Lu, Wei Chow, Xiyan Huang, Yuxiang Feng, Yue Liao, Jianbiao Mei, Daocheng Fu, Rong Wu, Pinlong Cai, Ran Yi, Ying Tai, Jiangning Zhang, Botian Shi, Yong Liu, Shuicheng Yan

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

AI总结 本研究提出以智能体为中心的交互式世界代理，将世界建模范式从物理状态转换转向智能体可用信息转换，划分六种代理类型与三个赋能层面，为构建赋能智能体的世界代理建立路线图。

Comments Technical Blog at https://worldbench.github.io/awesome-agentic-world-model GitHub Repo at https://github.com/worldbench/awesome-agentic-world-model

CrossScope: A Role-Asymmetric World Model for Joint Dual-Scope Surgical Video Prediction

CrossScope：用于联合双视野手术视频预测的角色非对称世界模型

Wanhao Liu, Jinsong Lin, Rulin Zhou, Chi Kit Ng, Wenbin Pan, Zhiqing Tang, Dongyue Li, Liwei Luo, Yanshen Wu, Panshuo Li, Zhiyong Xiong, Huxin Gao, Tamas Haidegger, Hongliang Ren

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

AI总结 针对母子ERCP中双柔性镜无校准立体关系的手术视频预测问题，提出角色非对称的CrossScope双流模型，经配对双视野基准评估，其性能优于现有基线。

Enactive Artificial Intelligence: A Decision-Centric Architecture for Complex Systems

能动人工智能：面向复杂系统的以决策为中心的架构

Zuojun Max Shen, Yuan Qu, Pujun Zhang, Anbang Liu, Yunhao Liang

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

AI总结 本研究提出能动人工智能框架，通过组织世界、站点世界等四个角色构建以决策为中心的架构，拓展AI前沿，为企业与工业复杂系统的可靠AI部署提供新方向。

Structure-Aware Robust Fine-Tuning: Defending Vision-Language-Action Robots Against Physical Attention Hijacking

结构感知鲁棒微调：防御视觉-语言-动作机器人抵御物理注意力劫持

Jinquan Zhang, Dongfu Yin, Run Yang, Yufeng Yan, Zhen Tian, F. Richard Yu

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

AI总结 本研究针对视觉-语言-动作机器人面临的物理注意力劫持攻击，提出注意力引导语义破坏攻击方法，并开发结构感知鲁棒微调防御方法，大幅降低攻击失败率并提升真实机械臂操控成功率。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Continue or Replan? Bernoulli-Continuation Policy Learning for Adaptive Horizon Execution

继续还是重规划？用于自适应执行时长的伯努利继续策略学习

Weichen Xu, Zhenhua Liu, Lin Luo, Yaobo Liang, Chengtang Yao, Qingyu Mei, Jian Cao, Xixin Cao, Xing Zhang, Jiaolong Yang, Baining Guo

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

AI总结 针对现有VLA模型固定执行时长重规划的局限，提出BCP框架，通过强化学习训练自适应时长选择，在多个仿真任务、真实机器人任务上提升了成功率，且运行时间更短。

Comments Project page: https://fleetfootwork.github.io/BCP/

Unified Visuomotor Targets: Supervising VLAs Beyond Physical Actions

统一视觉运动目标：监督视觉语言智能体（VLA）超越物理动作

Zhenyang Feng, Unnat Jain

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

AI总结 本研究针对VLA模型训练中视觉语言高级表示与机器人低级动作的不匹配问题，提出UVT统一视觉运动目标，无需改动架构或额外数据，在仿真与真实双臂任务中提升了VLA的训练效率、性能与鲁棒性

Comments Accepted at IROS 2026. Project page: https://unified-visuomotor-targets.github.io/

Neurosymbolic Reasoning with Incremental Knowledge for Sample Efficient Hierarchical Reinforcement Learning

结合增量知识的神经符号推理用于样本高效分层强化学习

Subrat Prasad Panda, Blaise Genest, Arvind Easwaran

机构 * NTU Singapore（新加坡南洋理工大学） ； IPAL, CNRS, France（法国IPAL-CNRS） 纠错

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本研究提出结合增量知识（InK）的神经符号分层强化学习，通过符号高层组件执行符号规划、低层神经模块学习运动原语，在导航任务中显著提升了样本效率，还开发了信念世界树搜索方法。

Comments Published in ECML-PKDD 2026

SP3O: Reinforcement Learning from Segment Preferences without Reward Modeling

SP3O：无需奖励建模的分段偏好强化学习

Evan Assmus, Qining Zhang, Lei Ying

机构 * University of Michigan（密歇根大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG

AI总结 SP3O是一种无需奖励建模的新型PbRL算法，利用分段级偏好反馈，通过PPO型损失函数优化策略，在机器人控制和LLM微调等长视界任务中性能优于现有算法。

EvoHIL: Self-Evolving Reward and Flow-Matched Policy Optimization for Robust Human-in-the-Loop Reinforcement Learning

EvoHIL：用于鲁棒交互式强化学习的自演化奖励与流匹配策略优化

Shuoqin Zhang, Tongtong Cheng, Xiru Gao, Jinzhuo Peng, Bin Zheng, Jiahao Tu, Ke Wang, Jia Pan, Zhe Hu, Kai Liu

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO

AI总结 EvoHIL是适配奖励模型、动作生成器和视觉域的统一交互式学习框架，在六类机械臂操纵任务中提升了成功率、运动平滑度等性能。