机器人 / 具身智能

Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation

基于OpenArm的实验室移动操作的表示交接

Yang Shen, Chonghao Cheng, Ziyi Zhao, Jialuo Zhu, Zhenyi Yi, Qi Zhao, Jian Yang, Yuhui Shi, Chin-Teng Lin

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

AI总结 本研究提出基于OpenArm的实验室移动操作原型，通过表示交接整合多模块，可暴露部署阻碍并为具身系统整合提供调试接口。

Comments Robotics: Science and Systems (RSS) Workshop 2026

C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video

C2Dex：基于单目视频的接触一致性重建与灵巧操作重定向

Jie Ren, Zhehao Jiang, Yinhong Yang, Haorui Jia, Han Jiang, Ben Li, Yao Yao, Cheng Lin, Qiu Shen, Zhenshan Bing, Xiao-Xiao Long, Xun Cao

机构 * Nanjing University（南京大学） ； China Mobile Research Institute（中国移动研究院） 纠错

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

AI总结 C2Dex是基于单目视频的灵巧操作框架，通过聚合物体侧稳定接触实现HOI重建与手物几何保留，在DexYCB、TACO上的轨迹成功率显著优于基线，且真实机器人复现可行。

Comments 9 pages, 5 figures. Submitted to IEEE Robotics and Automation Letters (RA-L). Project page: https://k-jie.github.io/C2Dex/

Detection and Ranging of Transient Extrinsic Contacts Based on 6D Dynamic Tactile Sensing

基于6D动态触觉感知的瞬态外部接触检测与测距

Haowen Zheng, Yinghao Wu, Fuyuan Liu, Yichen Li, Yitian Shao

机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） 纠错

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

AI总结 本文提出TECDAR方法，通过6D动态触觉传感结合扩展卡尔曼滤波器，实现瞬态外部接触的快速精准定位，平均精度约7 mm，可用于机器人精细操作等场景。

Decoupling Intention from Trajectory: A Representational Deduction Framework for World Action Models

将意图与轨迹解耦：面向世界动作模型的表示演绎框架

Xiangkai Ma, Yue Ma, Junjie Wang, Sheng Xu, Mingyang Li, Han Zhang, Yuzheng Zhuang, Wenzhong Li, Zhihao Yuan

机构 * NJU（南京大学） ； HKUST（香港科技大学） ； CUHK-SZ（香港中文大学（深圳）） ； THU（清华大学） ； Joy Future Academy, JD（京东探索研究院） 纠错

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

AI总结 针对现有世界动作模型的表示纠缠问题，提出PILOT的表示演绎框架，解耦运动语义与轨迹细节，提升复杂机器人操纵任务的性能与可解释性，兼具少样本微调及架构迁移的可扩展性。

A Haptic Robot Finger Designed for Guqin Instrument Playing

用于古琴演奏的触觉机器人手指

Tianwei Zhang, Hanming Yan, Yang Yang. Ziya Wang

机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳市人工智能与机器人研究院） ； The Chinese University of Hong Kong - Shenzhen（香港中文大学（深圳）） ； School of Physics and Optoelectronic Engineering, Shenzhen University（深圳大学物理与光电工程学院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 该研究设计了一款模仿人类手指的高精度触觉传感机器人指尖，以古琴为验证场景，开展了古琴弦接触相关任务的验证，将触觉传感与机器人技术结合，助力世界遗产保护与文化传播。

Comments Accepted by IEEE Transactions on Haptics

ReGraph: Learning to Generate Recipe Graphs from Food Images

ReGraph：从食物图像生成食谱图的学习方法

Guoshan Liu, Bin Zhu, Pengkun Jiao, Jingjing Chen, Chong-Wah Ngo, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信体智能研究院） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 本研究针对现有食谱生成方法的过程结构捕捉不足问题，构建了ReGraph食谱图数据集并提出RGL两阶段框架，可让LMM从食物图像生成结构化食谱图，提升了烹饪实体与过程关系的生成效果。

Fairis: Fairness-Aware Aggregation with Provable Influence Containment against Fairness Poisoning Attacks in Collaborative Machine Learning

Fairis：协同机器学习中针对公平性投毒攻击的具有可证影响力约束的公平感知聚合方法

Devharsh Trivedi, Nesrine Kaaniche, Nikos Triandopoulos, Maryline Laurent, Jackson Walters

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

AI总结 本文提出Fairis，一种协同机器学习中针对公平性投毒攻击的服务器端重加权方案，可证能约束恶意客户端权重，在台湾信用数据集上可将隐蔽对手权重降低41%-54%，优于FairFed等方法。

Comments 37 pages, 6 figures. Extended version, adding a size-weighted variant, a clipping-based influence bound, and machine-checked proofs of the main results

Bayesian Fair Division: Truthfulness in Picking Sequence with Correlated Valuations

贝叶斯公平分配：具有相关估值的选取序列中的真实性

Xiaolin Bu, Biaoshuai Tao

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文针对两智能体的贝叶斯公平分配模型，证明估值正相关时序列分配机制的讲真话构成贝叶斯纳什均衡，但该真实性无法扩展到多智能体场景，揭示了序列机制真实性的根本局限。

Comments 28 pages, 1 figure

Confirming Our Biases? Evaluating the Capabilities, Risks, and Societal Impact of Large Language Models

确认我们的偏见？评估大型语言模型的能力、风险与社会影响

Mudar Adas, Polina Tsvilodub, Michael Franke, Martin V. Butz

机构 * University of Tübingen（蒂宾根大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本研究评估6个大型语言模型（LLMs）对160条跨10个主题的提示的响应，发现LLMs会系统调整响应以匹配提示框架，甚至在事实类情境中也如此，明确了其可被操纵的程度与界限。

An ionic clock qubit inside a circular Rydberg atom

圆形里德堡原子内部的离子时钟量子比特

Fabian Thielemann, Aaron Götzelmann, Marius Thomas, Einius Pultinevicius, Armin Humić, Christian Hölzl, Florian Meinert

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究构建了双离子-里德堡系统，利用同一碱土原子的两个电子编码两个量子比特，实现了相干耦合与类莫尔默-瑟伦森门操作，为量子模拟和计量学提供了新途径。

Spin-group theory on Edelstein effect and spin-orbit torque in Collinear Ferromagnets

共线铁磁体中Edelstein效应与自旋轨道转矩的自旋群理论

Yizhuo Song, Qing Zhang, Jiahao Shentu, Jie Li, Jia Zhang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文建立共线铁磁体中Edelstein效应与自旋轨道转矩的自旋群对称性理论，推导转矩形式并揭示SOC作用，其预测与第一性原理计算高度吻合，为相关现象提供统一对称框架。

Comments 23 pages, 8 figures

WNM-3D: A World Navigation Model with 3D Scene Conditioning for Closed-Loop VLN

WNM-3D：一种用于闭环视觉语言导航的带3D场景条件的世界导航模型

Yuehao Huang, Yunzi Wu, Xiaotao Zhang, Xinhai Li, Jiankun Dong, Jiajun Lv, Chi Zhang, Chenjia Bai, Yong Liu, Xuelong Li

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

AI总结 该研究提出带3D场景条件的WNM-3D模型，通过几何编码器与适配器整合场景上下文，经多阶段训练后在GN-Bench等数据集上的闭环导航性能优于同类模型。

Estimating Harmonic Coefficients of Asteroids through LiAISON Navigation

通过LiAISON导航估计小行星的调和系数

Jun Maruyama, Simone Servadio

专题命中 具身导航 ：navigation(title,abstract)

AI总结 该研究在近两体小行星系统中评估LiAISON导航方法，采用集成UKF的MMAE框架，仅用测距和测距率测量，通过蒙特卡洛分析准确估计了谷神星、灶神星的位置、速度及摄动，验证了LiAISON在这类系统中的有效性。

Comments 20 pages, 13 figures

LifelongCrossNav: Persistent 3D Semantic Memory for Cross-Floor Multi-Object Navigation

LifelongCrossNav：用于跨楼层多目标导航的持久3D语义记忆

Zehui Li, Zihao Sun, Jiawei Xu, Zheqi He, Xiaoqiang Zhang, Jing-Shu Zheng, Lu Liu, Dahui Gao, Xiuwan Chen

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

AI总结 本文提出LifelongCrossNav框架，结合持久3D语义记忆与跨楼层可通行性建模，在自研HM3D-MFMON基准上实现更优的多层顺序多目标导航性能。

Beyond Visibility: Real-Time Surface Accessibility Fields from Sparse LiDAR

超越可见性：基于稀疏激光雷达的实时表面可访问性场

Bradley Scott, Sam Schofield, Richard Green

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO

AI总结 该研究提出一种基于稀疏激光雷达的实时表面可访问性场方法，无需先验场景模型，在工作站和Jetson Orin上运行，F1值达90.8，可准确识别不可访问表面，弥补可见性估计的不足。

Ising Acceleration for Multi-Robot Multi-Target Planning

面向多机器人多目标规划的伊辛加速

Ahmet Efe, Recep B. Uludag, Chris H. Kim, Ulya R. Karpuzcu

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

AI总结 本文研究CMOS伊辛机在多机器人多目标规划中的加速能力，提出适配硬件的规划方法与流水线，其能耗远低于经典方案，路径质量接近经典基准，可用于规划栈的部分环节。

Comments 11 pages, 14 figures

A Low-Latency ASIC Architecture for Real-Time Line Segment Detection

用于实时线段检测的低延迟ASIC架构

Amir Hossein Jalilvand, Parsa Hassani Shariat Panahi, M. Hassan Najafi

专题命中 具身导航 ：navigation(abstract)

AI总结 针对嵌入式视觉线段检测的资源受限问题，提出基于步长算法的低延迟ASIC架构，经45nm工艺验证，功耗与帧率表现优于同类Line Hough Transform方案，适配边缘计算实时需求。

Comments 8 pages, 6 figs

Quantum sensing of radiofrequency fields using cold Rydberg atoms in a super-molasses trap

利用超光镊阱中的冷里德伯原子对射频场进行量子传感

Romain Granier, Anthony El Bekai, Miguel Angel Cifuentes Marín, Cédric Blanchard, Nassim Zahzam, Yannick Bidel, Alexandre Bresson, Vilius Atkočius, Chester Camm, Florence Concepcion, Konstantinos Karakostas, Matt Himsworth, Alexander Jantzen, Alexis Bonnin, Sylvain Schwartz

专题命中 具身导航 ：navigation(abstract)

AI总结 本研究开发了一种基于超光镊阱冷里德伯原子的无磁线圈射频量子传感平台，实现了43dB动态范围、3μV/cm分辨率等优异性能，为相关领域应用开辟了新途径。

Beyond Myopic World Models: Long-Horizon End-to-End Training for Direct Future Prediction

超越近视世界模型：面向直接未来预测的长视端到端训练

Xinyi Li, Zaishuo Xia, Chenjie Hao, Yubei Chen

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 该研究针对世界模型训练中局部与长视目标不匹配的问题，提出DPWM非递归架构，采用端到端长视终点目标训练，显著提升了连续控制等基准的长时预测性能。

TaskSense: Focusing on What Matters in World Models

TaskSense：聚焦世界模型中的关键内容

SM Mazharul Islam, Manfred Huber

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

AI总结 TaskSense是一种以任务为中心的世界建模框架，通过可微随机空间注意力机制结合辅助逆动力学目标，提升了视觉控制模型对干扰环境的鲁棒性，在Distracting Control Suite上性能优于DreamerV3。

Addressable Memory for Video World Models

视频世界模型的可寻址内存

Xindi Wu, Sven Elflein, James Lucas, Olga Russakovsky, Laura Leal-Taixé, Despoina Paschalidou, Jonathan Lorraine, Aljoša Ošep

机构 * NVIDIA（英伟达） ； Princeton University（普林斯顿大学） ； University of Toronto（多伦多大学） ； Vector Institute（矢量研究院） 纠错

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

AI总结 针对交互式视频世界模型超出训练时序后内存寻址失效及压缩缓存破坏内存的问题，提出无训练框架 WorldTrace，含两种压缩方法，在新基准 LoopBench 上分别提升时序一致性 15.5%、情景回忆 19.5%。

Comments Project page: https://research.nvidia.com/labs/sil/projects/WorldTrace/

Transformers Struggle to Use Their Emergent World Models: Revisiting the Tower of Hanoi, and the Illusion of Thinking

Transformer难以利用其涌现的世界模型：重新审视汉诺塔与思维的错觉

Devin Pereira, Willem Zuidema

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文研究发现，Qwen3.6-27B等大型推理模型虽能编码汉诺塔的谢尔宾斯基世界模型，但因表示衰减导致圆环数超3时失败，注入提示词时间表示可部分恢复性能。

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。

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。