机器人 / 具身智能

Is Forward Prediction Enough? Physical State Grounding for JEPA World Models

前向预测足够吗？面向JEPA世界模型的物理状态 grounding

Haodong Yan, Jiaguan Zhu, Mingyuan Jia, Ruiqing Yin, Junjie He, Zhide Zhong, Junfeng Li, Jinxuan Lu, Hengtao Li, Tianran Zhang, Jiayi Chen, Wenxuan Song, Wen Chen, Yuxiang Gao, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； COCO Matrix 纠错

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

AI总结 针对JEPA世界模型前向预测未明确物理状态可识别性的问题，提出PSG-JEPA模型，通过训练阶段的两个grounding目标提升性能，在三个评估层面均优于现有基线。

Surg-UniWorld: A Unified Surgical World Model with Multimodal Control Experts

Surg-UniWorld：具有多模态控制专家的统一外科世界模型

Rulin Zhou, Wanhao Liu, Guoheng Ma, Liangjin Shao, Qiujie Song, Yidu Wang, Guankun Wang, Tong Chen, Long Bai, Luping Zhou, Hongliang Ren

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； the University of Sydney（悉尼大学） 纠错

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

AI总结 本研究提出Surg-UniWorld统一外科世界模型，构建Chlec80-SurgWAM基准，经实验证实其在可控外科视频生成相关指标上优于现有方法。

Dueling World Models: Advantage-Style Action Channels for Common-Mode Distractor Rejection

对决世界模型：用于共模干扰项抑制的优势式动作通道

Jiazhuo Li, Yiming Fei, Zhiruo Zhou, Heikichi Hayashi

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

AI总结 该研究提出对决世界模型，通过在潜在动态中减去动作预测的平均效应来抑制共模干扰项，无需额外机制，在多个任务中可恢复智能体自身效应，适用于各类动作条件世界模型。

Comments 17 pages, 6 figures, 11 tables. Includes supplementary appendix

UniJEPA: A Unified Joint-Embedding Predictive Architecture for Task-Agnostic Visual World Modeling

UniJEPA：面向任务无关视觉世界建模的统一联合嵌入预测架构

An Lanji, Dawei Liu, Jin Li, Haoran Xu, Mei Chen, Yu Tian

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

AI总结 UniJEPA是统一JEPAs，共享潜在空间联合学习图像级与视频级预测，抗坍塌，经后训练可零样本规划，在多基准上性能相当或更优，规划速度更快。

Comments 10 pages, 7 figures; Accepted by ICML2026

MemWM: Memory-Augmented Text-Based World Model

MemWM：记忆增强的基于文本的世界模型

Yujun Wang, Tao Zhang, Jinhe Bi, Aniri, Wenxuan Ye, Boliang Liu, Sikuan Yan, Shuning Wang, Xuebing Zhou, Sören Pirk, Hinrich Schütze, Yunpu Ma

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center（华为海森堡研究中心） ； Zhejiang University（浙江大学） ； Technical University of Munich (TUM)（慕尼黑工业大学） ； TU Berlin（柏林工业大学） ； Kiel University（基尔大学） 纠错

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

AI总结 该研究提出记忆增强的基于文本的世界模型MemWM，通过引入世界记忆解决世界模型的系统性预测错误，在ALFWorld等基准上提升智能体规划成功率与效率。

Social World Models

社交世界模型

Xuhui Zhou, Jiarui Liu, Akhila Yerukola, Hyunwoo Kim, Maarten Sap

机构 * Language Technologies Institute, Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学语言技术研究所） ； NVIDIA, Santa Clara, CA, USA（英伟达） 纠错

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

AI总结 本文提出社交世界模型（SWMs）及结构化社交世界表示形式（S3AP），通过显式建模隐藏心理状态提升AI在社交推理任务中的性能。

Metric Non-Collapse in Learned World Models for Control: Approximation Theory, Finite-Sample Geometric Guarantees, and Deterministic Planning Transfer

用于控制的学习型世界模型中的度量非崩溃：逼近理论、有限样本几何保证与确定性规划迁移

Alain Bensoussan, Minh-Nhat Phung, Minh-Binh Tran

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

AI总结 该研究为非线性确定性控制系统的学习型世界模型构建三部分数学理论，含逼近理论、有限样本几何保证及确定性规划迁移方法，通过数值实验验证了相关方法的有效性。

From Optimal Actions to World Models: Identifiability of Transition Kernels in Discounted MDPs

从最优动作到世界模型：折扣马尔可夫决策过程中转移核的可识别性

Neal Batra

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

AI总结 该研究探讨折扣马尔可夫决策过程中仅从最优动作可恢复的转移概率信息，明确了不同形式奖励对转移核可识别性的影响，证明了转移核的可识别条件及相关维度特性。

Comments 15 pages, 1 figure

CrossTracer: Cross-Embodiment Navigation via VLA Model Reasoning and Trace Residuals Adapting

CrossTracer：基于VLA模型推理与轨迹残差自适应的跨 embodiments 导航

Yao Wang, Siyuan Wang, Zhirui Sun, Wenzheng Chi, Liang Lin, Jiankun Wang, Wenjun Xu

机构 * Peng Cheng Laboratory（鹏城实验室） ； Southern University of Science and Technology（南方科技大学） ； Innovation Investment Research Institute（创新投资研究院） ； Soochow University（苏州大学） 纠错

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

AI总结 本研究提出跨 embodiment 导航框架 CrossTracer，通过 VL-Tracer 和 CE-Adapter 优化轨迹，在 NaviTrace 基准得分 45.68，优于 Gemini-2.5-Pro，实际部署于轮式、腿式机器人效果良好。

AtlasVLA: Persistent World-Ego State Modeling for Vision-Language-Action Models

AtlasVLA：面向视觉-语言-动作模型的持久化世界-自我状态建模

Guiyu Zhao, Longteng Guo, Yanghong Mei, Zilin Zhu, Yu Zhang, Bin Cao, Mingming Yu, Xingjian He, Jie Jiang, Jing Liu

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

AI总结 AtlasVLA是一种新型VLA模型框架，通过双记忆架构实现持久化世界-自我状态建模，在仅用腕部单目相机的情况下，在LIBERO等基准及真实世界长时序任务中性能超越多视图基线。

Depth-Wise Probing and Pruning of the Planning Token in a Driving Vision-Language-Action Model

驾驶视觉-语言-动作模型中规划 token 的深度探测与剪枝

Harisankar Babu, Benjamin Coors, Christopher Lang, Hendrik Berkemeyer, Tamim Asfour, Simon Foell

机构 * Robert Bosch GmbH（罗伯特·博世有限公司） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文针对驾驶 VLA 模型的规划 token，通过探测其 32 个解码器层的信号并剪枝部分层，在误差小幅增加下实现 1.33 倍解码器加速，验证了规划信息早期存在但格式适配问题。

Comments Accepted at the 6th DriveX Workshop (Foundation Models for Autonomous Driving), ECCV 2026. 14 pages, 8 figures, 4 tables

Fast and Accurate: An Adaptive VLA Inference Framework through Environment-aware Model Selection

快速且精准：一种通过环境感知模型选择的自适应VLA推理框架

Yuewei Sun, Lang Qin, Zechuan Tian, Jingwen Li, Guiqin Wang, Shengzeng Huo, Wenxin Ren, Tao Fang, Xiaochen Zhang, Guanqing Deng, Xiang Wang, Xiaowen Dong, Qinghai Guo, Yuxin Ma

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

AI总结 本文提出环境感知模型选择（EMS）自适应VLA推理框架，通过解耦双系统与强化学习切换策略，在LIBERO基准及真实双臂任务中平衡了VLA的推理速度与任务成功率。

Retrieve in Time, Correct in Frequency

及时检索，频率校正

Yuze Fan, Yue Cao, Pengjie Gao, Haojia Gao, Guangqiu Guo, Ziyue Zhang, Junbo Tan, Bokui Chen, Zhuo Zou, Xueqian Wang

机构 * Research Institute of Tsinghua University in Shenzhen（清华大学深圳研究院） ； Everwise-Tech Co., Ltd.（恒智慧科技有限公司） ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 该研究针对冻结 VLA 策略长 horizon 操作的误差问题，提出无需训练的 RTCF 框架，通过渐进式记忆对齐和低频残差转移，在 LIBERO 实验中提升了操作成功率且延迟极低。

τ: Learning Touch-Augmented Vision-Language-Action Models from Future Visual Supervision

τ：从未来视觉监督中学习触觉增强的视觉-语言-动作模型

Ning Cheng, Jinan Xu, Wanlin Li, Yangzhi Chen, Jing Gao, Yiqun Wang, Kelan Peng, Wenjuan Han

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

AI总结 研究旨在解决学习触觉表示并应用于VLA模型的挑战，提出τ框架从未来视觉监督学习动作条件时空触觉表示，结合视觉语言特征用于动作生成，引入TacAura数据集，实验证明其性能优于现有模型且能泛化。

STRONG-VLA: Decoupled Robustness Learning for Vision-Language-Action Models under Multimodal Perturbations

STRONG-VLA: 多模态扰动下视觉-语言-动作模型的解耦鲁棒性学习

Yuhan Xie, Yuping Yan, Yunqi Zhao, Handing Wang, Yaochu Jin

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 本文提出STRONG-VLA框架，通过解耦鲁棒性学习与任务对齐优化，提升多模态扰动下的视觉-语言-动作模型鲁棒性与任务执行精度。

AutoIntervene: Calibrated Intervention for Action-Chunking Imitation Learning Policies

AutoIntervene：用于动作分块模仿学习策略的校准干预方法

Jinhe Tang, Weiming Zhi

机构 * Australian Center For Robotics, The University of Sydney（悉尼大学澳大利亚机器人中心） ； College of Connected Computing, Vanderbilt University（范德堡大学连接计算学院） 纠错

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

AI总结 AutoIntervene是一种在线框架，通过校准的双向切换阈值在动作分块模仿学习策略与操作员间切换控制，提升了真实世界双臂操作任务的适应后成功率并降低了操作员控制时间。

Comments 9 pages, 7 figures

TEMPO: Semantic-Action Decoupled RL Post-Training for Vision-Language-Action Models

TEMPO：面向视觉-语言-动作模型的语义-动作解耦强化学习后训练

Ziheng Liu, Quantao Yang

机构 * School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院） 纠错

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

AI总结 本文提出TEMPO框架，通过解耦语义投影层与动作专家采用双时间尺度RL后训练，提升VLA模型在操作任务上的性能，在基准与真实任务中均优于现有方法。

Spatiotemporal Agility: Time-Constrained Reinforcement Learning for Vision-Guided Dynamic Quadrupedal Interception

时空敏捷性：面向视觉引导的动态四足机器人拦截的时间约束强化学习

Yidong Zhu, Zibo Dai, Tongning Zhang, Leixin Chang, Hua Chen

机构 * Zhejiang University（浙江大学） ； LimX Dynamics Technology Co., Ltd.（灵蜥动力科技有限公司） 纠错

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

AI总结 本文针对四足机器人动态接球任务，提出结合视觉模块与直接目标条件RL策略的集成框架，构建实时闭环拦截系统，提升了接球成功率并减小了sim-to-real性能差距。

SynthRender and I-AsSET: Open-Source Framework and Dataset for Bidirectional Sim-Real Transfer in Industrial Object Perception

SynthRender 和 IRIS：用于工业物体感知双向仿真-现实迁移的开源框架和数据集

Jose Moises Araya-Martinez, Thushar Tom, Adrián Sanchis Reig, Pablo Rey Valiente, Jens Lambrecht, Jörg Krüger

机构 * Technical University Berlin, Industrial Automation Technology（柏林技术大学，工业自动化技术） ； Mercedes-Benz AG, Future Manufacturing Technologies（梅赛德斯-奔驰公司，未来制造技术） ； Technical University Braunschweig, Institute for Cognitive Robotics（不伦瑞克技术大学，认知机器人研究所） 纠错

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

AI总结 本文提出SynthRender和IRIS，通过合成数据生成与结构化评估，系统研究双向仿真-现实迁移，提供32类数据集和CAD模型，实现高效合成训练与工业应用。

IceHorizon: A Dataset for Horizon Detection in Ice-Covered Maritime Environments and Comparative Evaluation of Detection Methods

IceHorizon：冰盖海域环境中地平线检测的数据集及检测方法的对比评估

Alisa Pesotskaia, Emin Zerman

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV、cs.LG

AI总结 本文构建了IceHorizon数据集，对比评估六种地平线检测算法，发现混合方法准确率最高，且船舶图像检测性能优于无人机图像，相关资源已公开供后续研究使用。

Is Self-Pretraining really useful to improve diagnosis in medical Time Series?

自预训练（SPT）真的有助于改进医疗时间序列的诊断吗？

Omar Coser, Antonio Orvieto, Paolo Soda, Loredana Zollo

机构 * Università Campus Bio-Medico di Roma（罗马生物医学大学校园大学） ； Umeå University（于默奥大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（埃利斯研究所蒂宾根分所） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 该研究探究自预训练（SPT）对Transformer在医疗时间序列诊断任务的影响，发现SPT可提升分类准确率0-6个百分点，是无需修改架构的通用有效策略。

Comments 21 pages, 7 figures,4 tables

Panoramic Multimodal Semantic Occupancy Prediction for Quadruped Robots

四足机器人全景多模态语义占用预测

Guoqiang Zhao, Zhe Yang, Sheng Wu, Fei Teng, Mengfei Duan, Yuanfan Zheng, Kai Luo, Kailun Yang

机构 * School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） 纠错

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

AI总结 本文提出PanoMMOcc数据集和VoxelHound框架，通过垂直抖动补偿和多模态信息融合提升四足机器人全景多模态3D感知性能。

Comments The dataset and code will be publicly released at https://github.com/SXDR/PanoMMOcc

Benchmarking and Reasoning Distillation of Large Language Models for Feedback Controller Design in Complex Dynamical Systems

面向复杂动态系统反馈控制器设计的大语言模型基准测试与推理蒸馏

Zhongchao Zhou, Yixuan Xie, Wenwei Yu, Yuxi Lu, Yaonan Zhu, Qian Niu, Yutaka Matsuo, Yusuke Iwasawa

机构 * The University of Tokyo（东京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Chiba University（千叶大学） ； Tongji University（同济大学） ； Shanghai Research Institute for Intelligent Autonomous Systems（上海智能自主系统研究院） 纠错

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

AI总结 该研究构建了CoDyControlBench基准，评估了6种LLMs的控制器设计性能，开发的15亿参数推理蒸馏模型可实现边缘部署，在机械臂试验中成功完成目标跟踪。

Capek 0.5: An Execution-Centric Vision-Language Model for Embodied Intelligence

Capek 0.5：面向具身智能的以执行为中心的视觉语言模型

Ying Chen, Weizhen Li, Zhe Hu, Zhenjiang Li, Rui Jiang, Zhifeng Gu, Lihuang Fang, Jiangping Liu, Lei Yi, Jie Chen

机构 * Xiaopeng（小鹏汽车） 纠错

专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.AI

AI总结 提出以执行为中心的具身视觉语言模型Capek 0.5，通过分类法整合四类具身能力，在多维度评估中表现优于初始化模型，可迁移至闭环具身任务执行。

StepJack: Benchmarking Computer-Use Agent Safety Against Multi-Step Indirect Prompt Injection

StepJack：针对多步骤间接提示注入的计算机使用智能体安全基准测试

Zhuoxin Zhan, Akbar Rafiey, Avery Ma, Leila Pishdad, Layla El Asri

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI

AI总结 本文提出多步骤间接提示注入新型攻击，构建含480个测试样例的StepJack基准，评估六款先进CUAs，发现多步骤攻击可提升部分CUAs的攻击成功率。

Vernata: Self-Supervised Learning of LiDAR Point Representations

Vernata：激光雷达点表示的自监督学习

Oliver Lemke, Alexander Liniger, Abel Gawel, Marco Hutter

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力

Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata

SoRoMoX: Fast, Differentiable, and Parallelizable Soft Robot Models

SoRoMoX：快速、可微分且可并行化的软体机器人模型

Maximilian Stölzle, Solange Gribonval, Daniel Feliu-Talegon, Vito Daniele Perfetta, Michele Martini, Chuhan Zhang, Kiwan Wong, Mohammed Tarnini, Anup Teejo Mathew, Federico Renda, Daniela Rus, Cosimo Della Santina

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

AI总结 本文提出首个直接在GPU运行且端到端可微分的软体机器人建模框架SoRoMoX，其CPU顺序rollout提速18.1倍、GPU并行吞吐量提升234.6倍，可实现高精度系统辨识、控制优化及强化学习等先进工作流。

Learning GR(1) Specifications from Traces

从轨迹学习GR(1)规范

Sam Nicholas Kouteili, William Fishell, Mark Santolucito, Ruzica Piskac

专题命中 其他机器人 ：robotics(abstract)

AI总结 本文提出基于SAT的工具GR1MINE，利用GR(1)时序骨架与学习子句提升效率，在GR(1)及非GR(1)规范基准上，其学习可实现公式的速度与性能均优于现有基线工具。

Comments Accepted to Formal Methods in Computer-Aided Design (FMCAD) 2026

Active movement of foraging sea turtles generates anomalous looping

觅食海龟的主动运动产生异常环路

Vijay Kumar, Vladimir V. Palyulin, Perla Roman-Torres, Christophe Eizaguirre, Rainer Klages

专题命中 其他机器人 ：robotic(abstract)

AI总结 研究基于红海龟追踪数据构建随机广义朗之万方程，发现其主动运动产生无法用洋流解释的异常环路，该环路可维持觅食区域并产生超扩散，或启发机器人搜索与AI优化算法。

Comments 11 pages, 4 figures (accompanied by 38 pages of supplementary information with 40 figures and 1 table)

Autonomous Optimization of Complex Oxides for Thermochemical Fuel Production

用于热化学燃料生产的复杂氧化物的自主优化

Shuiping Gong, Mingcheng Li, Han Hao, Zhenhao Zhou, Yi Li, Xiaobo Liao, Cheng Fang, Jian Deng, Jiangang He, Wenpei Gao, Yakun Yuan, Chris Wolverton, Tao Deng, Chaochao Dun, Runxia Cai, Zhenpeng Yao

专题命中 其他机器人 ：robotic(abstract)

AI总结 本综述针对热化学燃料生产中复杂氧化物优化的难题，提出整合高通量计算、自动化技术与机器学习的闭环自主设计方案，梳理相关进展并指出关键挑战。

Comments 31 pages, 3 figures, 1 table