机器人 / 具身智能

FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning

FACTR 2: 学习商用机器人手臂的外部力感知提升策略学习

Steven Oh, Jason Jingzhou Liu, Tony Tao, Philip Han, Kenneth Shaw, Satoshi Funabashi, Ruslan Salakhutdinov, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Waseda University（早稻田大学） 纠错

专题命中 机器人学习 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 提出无需专用力传感器的数据驱动方法NEXT，可在1分钟内从10分钟自由运动数据中训练，实现与专用关节力矩传感器相当的估计，并结合FIRST采样策略提升策略学习性能。

Comments Website at https://jasonjzliu.com/factr2

MuseVLA: An Adaptive Multimodal Sensing Vision-Language-Action Model for Robotic Manipulation

MuseVLA: 一种用于机器人操作的自适应多模态感知视觉-语言-动作模型

Xingyuming Liu, Ruichun Ma, Heyu Guo, Qixiu Li, Qingwen Yang, Lin Luo, Shiqi Jiang, Chenren Xu, Jiaolong Yang, Baining Guo

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Microsoft Research Asia（微软亚洲研究院） ； Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出MuseVLA模型，通过将传感器作为按需工具集成，实现自适应多模态感知；设计传感器图像统一表示，并引入数据合成流水线，在灵巧手操作任务中平均成功率80.6%，显著优于RGB-only和多模态基线。

Robotic Manipulation is Vision-to-Geometry Mapping: Vision-Geometry Backbones over Language and Video Models

机器人操作是视觉到几何映射（f(v)→G）：超越语言和视频模型的视觉-几何骨干

Zijian Song, Qichang Li, Jiawei Zhou, Zhenlong Yuan, Tianshui Chen, Liang Lin, Guangrun Wang

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Big Data Analysis（大数据分析与处理广东省重点实验室） ； X-Era AI Lab（X-Era人工智能实验室） ； AMAP, Alibaba（阿里妈妈实验室） ； Guangdong University of Technology（广东工业大学） 纠错

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

AI总结 本文提出基于视觉-几何骨干的机器人操作方法，通过直接利用预训练的3D表示生成动作，优于传统语言或视频模型，在精确操作和零样本泛化中表现更优。

Comments Accepted at ACM Multimedia 2026

FEWT: Frequency-Enhanced Wavelet-based Transformer for Multimodal Wheeled Bimanual Manipulation

FEWT：用于多模态轮式双臂操作的频率增强型小波Transformer

Jiaxin Huang, Hanyu Liu, Yunsheng Ma, Jian Shen, Yilin Zheng, Jiayi Wen, Zhigong Song

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

AI总结 本研究针对轮式双臂操作的空间视觉与物理动力学表示不匹配问题，提出FEWT框架，整合FE-EMA与TS-DWT模块并结合STF传感器，在模拟及真实操作任务中较基准取得显著性能提升。

HandEdit: A Unified Benchmark for Egocentric Human-to-Robot Dexterous Hand Image Editing

HandEdit：用于自我中心视角下人类到机器人灵巧手图像编辑的统一基准

Zhenjie Yang, Xingyu Jiao, Guopeng Zhong, Shuzhe Yang, Shi Che, Chao Wu, Chenyu Jiang, Dongjie Zhang, Yideng Zhang, Zheng Zhang, Muyun Jiang, Haisheng Su, Shuang Jin, Donghang Zhang, Chao Yang, Li Chen, Hongyang Li, Zuxuan Wu, Yu-Gang Jiang, Xiaosong Jia, Junchi Yan

专题命中 机器人操作 ：robotics(abstract)；embodied AI(abstract)；manipulation(abstract)；robotic(abstract)

AI总结 HandEdit是含2亿+实例、覆盖26种URDF的统一具身感知图像编辑基准，用于弥合人类与机器人数据差异，可评估11种图像编辑基线，助力具身人工智能发展。

Comments Technical Report. Project Page: https://handedit.github.io/

NetlistBench: Evaluating LLM Reliability in SPICE Netlist Recognition and Manipulation

NetlistBench：评估大型语言模型在SPICE网表识别与操作中的可靠性

Jiarui Ma, Jianghan Wang, Yuheng Ma, Ziyi Zhuang, Xiaoguang Liu

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

AI总结 研究针对LLMs在SPICE网表识别与操作中的可靠性，构建含2342个案例的NetlistBench基准，发现其性能随结构复杂度变化，为电路设计自动化提供关键瓶颈参考。

Comments accepted by MLCAD 2026

Policy-Induced Hand Priors in Humanoid Dual-Arm Manipulation: Diagnosing and Mitigating Initial-Pose Dependence

人形双臂操纵中的策略诱导手部先验：诊断与缓解初始位姿依赖

Chaeyeon Jung, Juyoun Park

机构 * Center for Humanoid Research, Korea Institute of Science and Technology (KIST)（韩国科学技术研究院类人机器人研究中心） 纠错

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

AI总结 本研究针对人形双臂操纵中VLA策略的初始位姿依赖问题，量化策略诱导手部先验，发现扩大训练数据初始位姿覆盖可提升稳健性，为缓解该依赖提供方法。

Motion-as-Prompt: Enhancing Motion Reasoning in Multimodal Large Language Models via Motion-Guided Cross-Frame Visual Prompting

运动即提示：通过运动引导的跨帧视觉提示增强多模态大语言模型的运动推理能力

Xikai Sun, Kebin Liu, Haotian Wang, Li Liu, Xu Wang, Yunhao Liu

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

AI总结 本文针对多模态大语言模型处理视频时丢失帧间关键运动信息的问题，提出Motion-as-Prompt框架，通过标记轨迹增强视觉提示，在CLEVRER等数据集上提升GPT-5.5的运动推理准确率且不影响非运动理解

MOON: Multi-Objective OrthoNormalized Updates for Multitask Learning

MOON：面向多任务学习的多目标正交归一化更新方法

Shiji Zhou, Kunlin Lyu, Lei Zhang, Ruodong Wang, Yifan Sun

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

AI总结 针对现有多任务学习方法忽略现代架构矩阵结构、优化效率受限的问题，提出MOON方法，在谱-核范数几何下进行梯度操作，理论与实验均表明其可提升优化效率和多任务性能。

Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents

收敛式绕路劫持：基于技能的大语言模型智能体中的任务保留型资源放大

Junliang Liu, Ruoyu Li, Wenxin Tang, Jingyu Xiao, Zhenyu Liu, Jingheng Xu, Laizhong Cui

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

AI总结 该研究提出收敛式绕路劫持攻击，耦合LLM智能体技能选择与规划阶段，可放大任务资源消耗，在DeepSeek-V4-Pro上80.02%的任务会被选中攻击者控制的协调器，任务完成率不变但成本显著提升。

Hand Visibility Detector: Per-Keypoint Visibility Estimation for Hands

手部可见性检测器：针对手部关键点的逐点可见性估计

Ryosei Hara, Masashi Hatano, Rintaro Yanagi, Atsushi Hashimoto, Takuma Yagi, Mariko Isogawa

机构 * OMRON SINIC X Corporation（欧姆龙SINIC X公司） ； The University of Tokyo（东京大学） ； Keio University（庆应义塾大学） ； National Institute of Advanced Industrial Science Technology (AIST)（日本产业技术综合研究所） 纠错

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

AI总结 本研究提出Hand Visibility Detector，将逐关节手部可见性估计作为独立任务研究，利用预训练HPE模型作骨干实现高性能，其可见性加权三角化可降低3D手部姿态标注的重投影误差。

Comments Code: https://github.com/ryhara/hand_visibility_detector

Algorithmic statistics of retinal images

视网膜图像的算法统计学

Loan Huynh, Ronald Zambrano, Layton Aho, Fabio Lavinsky, Gadi Wollstein, Joel S. Schuman, Andrew R. Cohen

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

AI总结 本文针对三维视网膜图像的分析问题，提出结合归一化压缩距离与各向异性结构增强滤波器的度量学习方法，其预测误差优于非度量深度学习方法，还提出归一化压缩向量用于可视化变化模式。

Deformable In-Hand Slip-Aware Tactile Sensor with Integrated Velocity, Force/Torque, and Pressure Map Sensing

可变形手内滑移感知触觉传感器，集成速度、力/力矩和压力图传感

Gabriel Arslan Waltersson, Yiannis Karayiannidis

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Lund University（隆德大学） 纠错

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

AI总结 提出一种新型触觉传感器，通过可变形接触垫集成速度、力/力矩和压力图传感，实现手内操作的滑移感知控制，并支持快速低成本制造。

WavePhaseNet: A DFT-Based Method for Constructing Semantic Conceptual Hierarchy Structures (SCHS)

WavePhaseNet：一种基于离散傅里叶变换（DFT）的构建语义概念层次结构（SCHS）方法

Kiyotaka Kasubuchi, Kazuo Fukiya

机构 * Pionira Solutions LLC（皮奥尼拉解决方案有限公司） 纠错

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

AI总结 WavePhaseNet通过DFT构建语义概念层次结构，利用频谱分析和上同调正则化实现语义一致性控制，减少维度以提升推理能力并抑制幻觉。

Rethinking Agent Security as a Networking Problem

将智能体安全重新思考为一个网络问题

Van Tran, Taveesh Sharma, Tajveer Singh Dhesi, Nick Feamster

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究针对现有以智能体为中心的安全防御无法可靠防范AI智能体风险的问题，借鉴网络领域原则，提出结合确定性执行与语义策略的AI智能体安全系统设计思路。

A Browser-Based Gesture-Driven Avatar Interaction Framework for Metaverse Onboarding Environments

面向元宇宙入门环境的基于浏览器的手势驱动虚拟化身交互框架

Deepti Parachuri, Chhayank Sahu, Sameer Singh Choudhary

专题命中 机器人操作 ：navigation(abstract)

AI总结 本文提出一种面向元宇宙入门环境的基于浏览器的手势驱动交互框架，结合Google MediaPipe手势识别与两种移动技术，经5人评估验证，实现无控制器的轻量交互。

Comments 6 pages, 4 figures, 2 tables

The Min-Rains Relative Entropy Is Not Tight for Exact PPT Entanglement Distillation

最小-雷恩斯相对熵对于精确PPT纠缠蒸馏并不紧

Chengkai Zhu, Xin Wang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究否定了最小-雷恩斯相对熵是精确PPT纠缠蒸馏紧界的猜想，通过引入新的单字母上界，揭示了PPT操作下精确纠缠操纵的微妙渐近结构。

Comments 15 pages

Experimental quantum telecloning across silicon photonic chips

硅光子芯片间的实验量子远程克隆

Zicong Wen, Kai Wang, Bochi Wu, Leizhen Chen, Yan-Qing Lu, Shining Zhu, Xiao-Song Ma

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究人员利用硅光子平台，通过光纤连接的两个光子芯片实现1对2对称量子远程克隆，片间克隆保真度78.45±1.39%，为大规模量子网络奠定基础。

Strong coupling between antiferromagnetic magnons and spoof surface plasmons

反铁磁磁振子与类表面等离激元的强耦合

Yamin Sun, Ka Shen, H. Y. Yuan

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出一种平面异质结构，通过解析求解耦合方程预测反铁磁磁振子与类表面等离激元在太赫兹波段存在强耦合，为相关杂化系统提供了片上集成的可行平台。

Comments Corrected Figure 2

VIPER-MCP: Detecting and Exploiting Taint-Style Vulnerabilities in Model Context Protocol Servers

VIPER-MCP: 检测和利用模型上下文协议服务器中的污点式漏洞

Pengyu Sun, Zifeng Kang, Qishu Jin, Enhao Huang, Xin Liu, Dakun Shen, Song Li

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出VIPER-MCP，一种用于模型上下文协议服务器的端到端自动漏洞审计框架，能够检测污点式漏洞并动态验证其可利用性，通过生成具体的概念验证提示。该框架引入了两种新技术：一种是双阶段静态分析策略中的锚查询，增强了标准污点警报的功能性上下文；另一种是反馈驱动的提示进化机制，通过双变异调度和适应度评分的种子选择，逐步优化自然语言提示以达到易受攻击的sink。

D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics

D3D-GEN：面向社交机器人的机器人感知、领域锚定的交互式3D世界生成

Anh Duc Do, Volodymyr Scherbyna, Tai Duc Nguyen, Spaarsh Thakkar, Zhengcheng Shen, Teham Buiyan, Archan Misra, Linh Kästner

机构 * Singapore Management University（新加坡管理大学） ； Technical University Berlin（柏林工业大学） ； Max Planck Institute（马克斯·普朗克研究所） ； Technical University Braunschweig（布伦瑞克工业大学） 纠错

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

AI总结 D3D-GEN是一种新型3D世界生成系统，结合领域智能体与RAG流水线，可快速生成领域锚定的交互式3D世界，已构建多领域数据库并生成数十种仿真环境，适配Isaac Sim等仿真器。

Comments 8 pages, 5 figures, and 5 tables. Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

IoT-Enabled Autonomous Maritime Navigation in Smart Ports: A Curriculum-Guided Shared Policy Learning Framework

智能港口中基于物联网的自主海上航行：课程引导的共享策略学习框架

Yuqing Lin, Rangya Zhang, Kum Fai Yuen

机构 * Nanyang Technological University（南洋理工大学） ； School of Civil and Environmental Engineering（土木与环境工程学院） ； School of Mechanical and Aerospace Engineering（机械与航空航天工程学院） 纠错

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

AI总结 针对智能港口IoT自主海上设备的导航挑战，提出课程引导共享策略学习框架，经模拟验证其可靠性、避碰性等优于基线方法，可有效泛化到高密度场景。

CORE-3D: Context-aware Open-vocabulary Retrieval by Embeddings in 3D

CORE-3D: 基于嵌入的上下文感知开放词汇检索

Mohamad Amin Mirzaei, Pantea Amoie, Ali Ekhterachian, Matin Mirzababaei, Babak Khalaj

机构 * Department of Electrical Engineering, Sharif University of Technology（电气工程系，谢里夫大学） 纠错

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

AI总结 CORE-3D通过结合上下文感知的CLIP编码和渐进粒度细化，提升3D场景理解中开放词汇检索和语义分割的准确性与鲁棒性。

Advances and opportunities for automated robotic preparation of 2D materials and fabrication of 2D heterostructures

二维材料自动化机器人制备及二维异质结构制备的进展与机遇

S. Davari, D. L. Duong, T. Faltermeier, J. A. Goss, A. Hasani, D. Kotekar-Patil, J. Peabody, S. Wyss, H. O. H. Churchill, N. J. Borys

专题命中 具身导航 ：robotic(title,abstract)

AI总结 本文综述了二维材料及异质结构自动化机器人制备的进展，指出人工制备已达极限，需AI驱动的自动化工具推动该领域向新前沿发展。

Journal ref Shiva Davari et al 2026 2D Mater. 13 032004

TMRL: Diffusion Timestep-Modulated Pretraining Enables Exploration for Efficient Policy Finetuning

TMRL: 差分时间步调节预训练实现高效策略微调的探索

Matthew M. Hong, Jesse Zhang, Anusha Nagabandi, Abhishek Gupta

机构 * University of Washington（华盛顿大学） ； Amazon FAR（亚马逊FAR） 纠错

专题命中 具身导航 ：manipulation(abstract)；robot policy(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出TMRL框架，通过结合行为克隆预训练与强化学习微调，解决预训练中动作分布狭窄的问题，提升机器人策略微调的样本效率。

PBD-AG: Persistent Baseline-Delta Active Graphs with Uncertainty-Aware Inspection for Long-Horizon Service Robots

PBD-AG：面向长周期服务机器人的具有不确定性感知检查的持久基线-增量主动图

Shuo Bao, Wei Dong, Shuyue Zhang, Ming Shang, Yuchen Huang, Han Yu, Chengjie Xu, Yiheng Bi, Kai Sun, Fuchun Sun, Xinzhou Wang

专题命中 具身导航 ：world model(abstract)；robotic(abstract)；分类 cs.RO

AI总结 针对长周期服务机器人世界模型构建的现有方法存在不足，本文提出PBD-AG框架，通过解耦稳定固定装置与动态对象事件，结合不确定性感知检查，在仿真与物理机器人实验中取得更优性能。

Latent-Centroid Steering: Single-Pass Classifier-Free Guidance for Command-Aligned Autonomous Driving

隐式质心引导：用于指令对齐自动驾驶的单次无分类器引导

Meibo Hu, Jiamian Wang, Pichao Wang, Zhiqiang Tao

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； NVIDIA（英伟达公司） 纠错

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

AI总结 针对视觉语言自动驾驶模型的指令跟随差距，提出单次引导机制LCS，降低推理延迟约50%，在Bench2Drive和nuScenes基准上提升指令遵循与驾驶性能。

Comments IROS 2026

Prompt-Driven Exploration

提示驱动的探索

Sunshine Jiang, John Marangola, David Zhang, Raghuram Kowdeed, Ruiyang Luo, Nitish Dashora, Richard Li, Pulkit Agrawal, Zhang-Wei Hong

机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Computing Research Lab（麻省理工学院-IBM计算研究实验室） ； Improbable AI Lab（英普罗巴布尔人工智能实验室） 纠错

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

AI总结 研究针对强化学习中探索难的问题，提出提示驱动的探索策略（PDE），利用视觉-语言模型对轨迹视频推理，从弱策略轨迹中优化提示，实现后验采样，能让强化学习从零奖励起步学习成功策略并提升样本效率。

Scalable Multi-Agent Maze Traversal with Local Communication

带局部通信的可扩展多智能体迷宫遍历

Julian Rau, Jahir Argote-Gerald, Grace McFassel, Genki Miyauchi, Paul Trodden, Roderich Groß

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； The University of Sheffield（谢菲尔德大学） ； University of Bristol（布里斯托尔大学） 纠错

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

AI总结 针对通信受限的未知迷宫环境，提出基于局部通信与主从机制的分布式多智能体遍历算法，其性能接近最优全知策略，且在多智能体场景下优于朴素基线。

Comments This manuscript has been accepted for publication in the proceedings of the World Symposium on the Algorithmic Foundations of Robotics (WAFR 2026), to be published by Springer in the Springer Proceedings in Advanced Robotics (SPAR) series

QUARTZ: Qualitative Understanding via Accessible Representation and Visualization

QUARTZ：通过可访问表示与可视化实现定性理解

Omar Khan, JooYoung Seo

专题命中 具身导航 ：navigation(abstract)

AI总结 该研究针对盲人和低视力研究者无法访问定性数据可视化的问题，提出基于网络的QUARTZ系统，通过用户研究揭示相关障碍并提出设计准则，以提升该群体参与定性研究的可访问性。

Comments 24 pages, accepted at ASSETS 2026