视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
Prism-GRPO：通过拆分相同结果组实现更快的视觉-语言-动作（VLA）策略优化
机构 * AWS AI（亚马逊云科技人工智能部门）
专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 该研究提出 Prism-GRPO 算法，通过拆分 GRPO 的相同结果组并引入加权执行质量分数，减少机器人 rollout 预算浪费，在四个 RoboTwin 任务中使达到目标成功率的 rollout 最多减少 56%，还抑制了奖励黑客捷径。
LIBERO-VIFO：评估视觉-语言-动作模型视觉线索跟随的能力与安全性的基准
专题命中 机器人基础模型 ：robot learning(abstract)；分类 cs.RO
AI总结 研究人员提出LIBERO-VIFO基准，评估7种VLA模型的视觉线索跟随能力与安全性，发现当前VLA存在无语言指令时执行线索指示任务的未授权跟随风险，确立了以视觉为中心的安全新视角。
EXPO-FT：面向视觉-语言-动作模型的样本高效强化学习微调
机构 * Stanford University（斯坦福大学）
专题命中 模仿学习与强化学习 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出EXPO-FT系统，通过样本高效的强化学习微调预训练的VLA策略，在多种高精度操作任务中实现完美性能（30/30成功率），平均仅需19.1分钟在线机器人数据。
重复作为强化：通过强化学习中的即时回合重复提升样本效率
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 受人类学习的重复机制启发，提出即时回合重复（IER）机制，将其集成至 SAC、TD3 算法并在多类基准任务上验证，可提升强化学习的样本效率与学习性能。
Comments 23 pages, 12 figures. Accepted at RLC 2026; to appear in Reinforcement Learning Journal (RLJ) 2026. Code: this https URL (https://github.com/UoA-CARES/instant-episode-repetition)
使用路径点引导强化学习的真人大小双臂机器人的稳健摆臂运动
机构 * The University of Tokyo（东京大学）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO
AI总结 本研究针对真人大小双臂机器人的稳健摆臂运动难题，提出路径点引导强化学习（WGRL）方法，结合路径点引导与任务成功、机械能奖励，经仿真与硬件实验验证，实现了含故障恢复的稳健摆臂，为机器人手臂运动设计提供指南。
Comments Accepted to 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
用基于PINN的策略迭代求解非凸哈密顿-雅可比-艾萨克斯方程
机构 * National Institute for Mathematical Sciences（数学科学研究院） ； Department of Applied Artificial Intelligence（应用人工智能系）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.AI
AI总结 本文提出结合PINN与策略迭代的无网格框架，可求解高维非凸HJI方程，在两类数值实验中表现优于直接PINN求解器，具理论依据与应用潜力。
FetchMan：基于模拟经验学习人形机器人视觉 locomotion-manipulation（移动操作）策略
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学）
专题命中 机器人数据与评测 ：manipulation(title,title_cn)；robotics(abstract)；分类 cs.RO
AI总结 该研究提出 FetchMan，通过端到端 sim-to-real 流水线训练人形机器人视觉移动操作策略，在 FetchMan-Bench 评估中，其单物体抓取策略在 Unitree G1 上零样本部署成功率达73.3%，并扩展至多物体训练。
Comments Project website: this https URL (https://orayyan.com/fetchman)
EmbodiedGen V2：用于具身人工智能的具有智能体特性、可用于模拟的3D世界引擎
机构 * Horizon Robotics（地平线机器人） ； WuwenAI（悟文智能）
专题命中 机器人数据与评测 ：embodied AI(title)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 研究提出EmbodiedGen V2这个用于具身智能的3D世界引擎，通过统一表示解决资产组装问题。其生成环境支持多种任务，评估中资产管道表现良好，强化学习提升了模拟成功率，确立了它作为可扩展模拟基础设施的地位。
Comments Project page: this http URL (http://horizonrobotics.github.io/EmbodiedGen)
HA-VLN 2.0：面向离散与连续环境中动态多人交互的人类感知导航开放基准与排行榜
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 机器人数据与评测 ：navigation(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出HA-VLN 2.0统一基准，通过标准化任务、HAPS 2.0数据集与模拟器、16844条社会指令基准测试及真实机器人实验，证明显式社会建模提升导航鲁棒性并减少碰撞。
Comments Accepted to IROS 2026. 35 pages, 20 figures, website: this https URL (https://uwmilab.github.io/HA-VLN-webpage/)
PRISM：具备多模态感知的高精度高接触真实工业技能数据集
机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Delta Intelligence（三角洲智能公司） ； PKU-Wuhan Institute for Artificial Intelligence（北京大学武汉人工智能研究院） ； Hubei Humanoid Robot Innovation Center Co., Ltd.（湖北人形机器人创新中心有限公司） ； China Academy of Information and Communications Technology（中国信息通信研究院）
专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文介绍PRISM——一个面向高接触工业操作的大规模多模态数据集，涵盖25余项操作任务，包含5000余条共45小时的遥操作演示，为高精度工业场景的多模态感知与控制提供真实基准。
HODAgent：面向物理世界人机交互的按需、响应式人形机器人
机构 * Xiaopeng（小鹏）
专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.RO
AI总结 HODAgent作为面向服务人形机器人的System-2具身智能体，通过半双工架构实现自适应服务，在仿真与实体机器人上均显著优于基准模型。
异构机器人的校准预测安全性：一种带基于模型安全盾的动作条件联合嵌入预测架构（JEPA）框架
机构 * Guangdong Bifang Intelligent Control Technology Co., Ltd.（广东毕方智能控制技术有限公司）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.RO
AI总结 本研究提出带基于模型安全盾的动作条件JEPA框架，用于异构机器人，可预测候选动作的任务进展与物理风险，在仿真中提升了成功率并降低碰撞漏报率。
Comments 17 pages, 9 figures. Simulation-only empirical results on LIBERO-Long (no real-robot experiments). Source, figure-generation scripts and reproducibility checklist included. Level-3 offline reranking significance test not executed; see Sec. 7 (Scope and honesty statement) for detailed disclosure
AVA-Encoder：面向智能体原生的视频表示学习
机构 * Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Computing Technology（中国科学院计算技术研究所） ； Southeast University（东南大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 针对创意智能体缺乏从高质量电影学习的有效方式的问题，提出AVA-Encoder框架，其视频表示经重构优化后，在相关基准上性能优于现有方法，还发布了配套框架、基准及数据集。
迈向通用的基于骨骼的动作识别
机构 * School of Cyber Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） ； School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 本文提出了一种基于Transformer的模型，通过统一骨骼表示、动作编码器和多粒度动作-文本对齐，解决异构骨骼动作识别的挑战，实验验证了方法的有效性和泛化能力。
可控风险多视角扩散用于驾驶场景生成
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 RiskMV-DPO通过整合风险水平与物理风险建模，实现可控风险的多视角驾驶场景生成，提升3D检测性能并减少FID，推动安全导向的具身智能发展。
Comments 10 pages, 4 figures; accepted at the CVPR 2026 Workshop on Video Generative Models: Benchmarks and Evaluation (VGBE). Updated to the complete camera-ready version
超越BFI：用于增强评估LLM人格特质可靠性与有效性的CSI
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI
AI总结 针对现有LLM人格特质评估工具BFI的可靠性与有效性局限，提出适配LLM的CSI，经实验验证其可靠性更高、与模型真实输出相关性超0.85，能有效评估LLM人格特质。
Comments Code available via this https URL (https://github.com/dependentsign/CSI)
面向长上下文自动驾驶的规划对齐令牌压缩
机构 * NVIDIA Research（NVIDIA研究） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学）
专题命中 机器人数据与评测 ：分类 cs.RO、cs.AI、cs.CV；robotics(comments)
AI总结 提出COMPACT-VA框架，基于条件VQ-VAE将长上下文压缩为有界表示，通过规划对齐实现决策关键信息保留，在动态场景中成功率提升超6%，速度提升3.3倍。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026. 8 pages
Love Handles：用于具有紧支撑和低内存占用的变形控制柄的抽取算法
专题命中 机器人数据与评测 ：robotics(abstract)
AI总结 该研究提出一种基于抽取的变形控制柄算法，通过迭代代数简化优化控制柄变形，实现复杂几何的实时弹性动力学模拟，在含796,623个四面体的网格上可达到实时性能，且内存占用低。
用于ATLAS液态氩量能器高亮度LHC升级的大动态范围前端ASIC ALFE2的质量控制与质量保证评估
专题命中 机器人数据与评测 ：robotic(abstract)
AI总结 针对ATLAS液态氩量能器升级的ALFE2前端ASIC，开发机器人系统进行质量控制测试并建立分级标准，评估测试良率超85%，应用于全面生产质量控制，辐照测试无显著性能下降，推断出HL-LHC运行时的单粒子翻转错误率。
Comments 16 pages, 14 figures
准备好应对什么？反思人工智能与机器人技术在应用和政策层面的准备情况
专题命中 其他机器人 ：robotics(title,abstract)
AI总结 该研究通过分析982名参与者对17项AI与机器人技术挑战的15200次评估，揭示了挑战复杂性、重要性与准备度的关联，指出政策制定者需关注挑战特有障碍及同一利益相关者的内部差异。
Comments 33 pages, including supplementary. 8 tables, 5 figures
眼见无需耗能，言语却要代价：揭示边缘视觉语言模型推理中的真正能量瓶颈
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Jinan University（暨南大学）
专题命中 其他机器人 ：embodied AI(abstract)；分类 cs.AI、cs.CV
AI总结 研究边缘VLM推理的能量瓶颈，通过系统能量分析发现平均推理功率恒定，输出令牌耗时多是关键，图像复杂度因输出长度影响能量，揭示视觉令牌修剪局限，控制输出长度能大幅节能。
Comments Accepted to ACM MM 2026. This version includes the appendix
GroupForward：通过实例分组前馈高斯溅射构建可参考的3D场景
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院）
专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.CV
AI总结 GroupForward是一种实例分组前馈高斯溅射模型，可从稀疏多视图图像重建3D场景，结合RSRF实现复杂3D参考推理，提升了语义重建与参考推理的性能。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈