机器人 / 具身智能

What Matters for Latent Actions in Robot Learning

机器人学习中隐式动作的关键影响因素

Xizhou Bu, Qingda Hu, Lei Zhou, Lingfeng Zhang, Yingbo Tang, Zihao Liu, Xinyi Tao, Zhiqiang Ma, Qingqiu Huang, Chufeng Tang, Hongbo Wang, Jing Zhang, Jiayi Ma, Hangjun Ye, Wei Li, Xiaoshuai Hao

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Guangdong Provincial Key Laboratory of Computility Microelectronics, Faculty of Computility Microelectronics, Shenzhen University of Advanced Technology（深圳先进技术研究院计算机微科学与技术学院、广东省计算微电子重点实验室） ； School of Aeronautics and Astronautics, Sichuan University（四川大学航空航天学院） ； Suzhou Evans Intelligent Technology Co., Ltd.（苏州伊文斯智能科技有限公司） ； Morphi Intelligence Technology Co., Ltd.（墨飞智能科技有限公司） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Xiaomi EV（小米汽车） 纠错

专题命中 机器人学习 ：robot learning(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本研究通过统一框架整合代表性隐式动作模型，系统探究41种设计选择，发现用隐式动作微调视觉语言模型主干可为下游机器人操纵策略学习提供更强初始化。

Comments Project page: this https URL (https://carldegio.github.io/latent_action.github.io)

Learning the Right Abstraction: Neural Reduced Dynamics for Complex Robot Control

学习正确的抽象：用于复杂机器人控制的神经简化动力学

Harry Zhang, Dan Negrut

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 机器人学习 ：robot learning(abstract)；embodied AI(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出神经简化动力学（NRD）框架，学习保留控制相关物理特性的简化状态，训练的策略可迁移至高保真模拟器，在三项控制任务中实现高精度且速度大幅提升的机器人控制。

OrthoSkillVLA: Continual Skill Learning via Gradient-Informed Skill Subspace Adaptation

OrthoSkillVLA：通过梯度感知技能子空间自适应实现持续技能学习

Jiaqi Wang, Zhou Fang, Qiongfeng Shi, Yi Zhou

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Electronic Science and Engineering, Southeast University（东南大学电子科学与工程学院） 纠错

专题命中 机器人学习 ：robot learning(abstract)；分类 cs.RO、cs.CV

AI总结 OrthoSkillVLA是一种参数高效的持续技能学习框架，通过对VLM和ActionHead施加独立子空间约束、引入特征感知MoE解码器，实现预训练VLA模型的技能学习，可缓解灾难性遗忘。

Comments Accepted by PRCV 2026

GOAG: Generative and Object-Agnostic Grasp Planner for Dexterous Robotic Manipulation

GOAG：用于灵巧机器人操作的生成式与物体无关的抓取规划器

Julien Merand, Boris Meden, Mathieu Grossard, Liming Chen

机构 * Université Paris-Saclay（巴黎萨克雷大学） ； CEA（法国原子能和替代能源委员会） ； Ecole Centrale de Lyon（里昂中央理工学院） ； CNRS（法国国家科学研究中心） ； Institut Universitaire de France (IUF)（法国大学研究院） 纠错

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

AI总结 本研究提出GOAG模型，通过学习夹爪接触表面分布的紧凑潜在表示，无需物体特定训练数据即可高效生成有效抓取配置，在MultiDex数据集上平均成功率达86.93%，实现了出色的泛化性能。

Comments Project website: this https URL (https://cea-list.github.io/goagweb/)

RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation

RoMAN-Flow：驯服自回归归一化流用于机器人操作中的离线强化学习

Shaoxuan Wang, Guangting Zheng, Rui Huang, Zhipeng Tang, Sha Zhang, Jiajun Deng, Yanyong Zhang

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

AI总结 该研究针对机器人操作离线强化学习中AR-NFs采样开销大的问题，提出RoMAN-Flow框架，通过无采样的优势加权似然目标和策略蒸馏方法，在保证性能的同时大幅降低推理延迟。

Multi-Tool Robotics Enables In-Situ Sample Manipulation for Time-Resolved Synchrotron Measurements

多工具机器人技术为同步辐射时间分辨测量实现原位样品操纵

Aditya Bondada, Elizabeth M. Wall, Eric Yuan Xiao, Quinn C. Burlingame, Yueh-Lin Loo, Esther H. R. Tsai, Ruipeng Li

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

AI总结 该研究开发了一种X射线散射光束线的模块化多工具机器人平台，突破辐射安全限制实现原位样品操纵，为同步辐射自动化实验奠定基础，还揭示了钙钛矿薄膜的瞬态原位动力学。

SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects (Early Version)

SoftVTBench：用于物理约束下可变形物体机器人操作的安全感知视觉触觉基准测试

Bowen Jing, Mingxin Wang, Ruiyang Hao, Chenchen Ge, Hanwen Shen, Junjie He, Yang Cui, Yiming Hou, Weitao Zhou, Jiawei Wang, Minglei Li, Dandan Zhang, Ding Zhao, Houde Liu, Xiaofan Li, Si Liu, Ping Luo, Haibao Yu

机构 * Tuojing Intelligence（拓景智能） ； Tsinghua University（清华大学） ； King’s College London（伦敦国王学院） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI（简单人工智能公司） ； Imperial College London（伦敦帝国学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 研究物理约束下可变形物体操作，提出SoftVTBench基准测试，通过有限元模拟可变形物体，定义任务套件，分别报告目标成功和安全成功，实现基线并实验，表明仅成功评估高估策略性能，触觉传感可提升安全性。

Comments Early version of SoftVTBench, Accepted by ECCVW

PVRA: A Pointwise Key-point Voting Framework for Robotic Assembly

PVRA：用于机器人装配的逐点关键点投票框架

Kulunu Samarawickrama, Roel Pieters

机构 * Tampere University（坦佩雷大学） 纠错

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

AI总结 本研究针对机器人自主渐进式装配的感知需求，提出基于3D关键点的模块化学习框架PVRA，在装配位姿估计数据集上训练后，与以物体为中心的基线及增强指标对比验证了其有效性。

Comments 14 pages, 3 figures. Accepted for presentation at the European Conference on Robotics (ECoR) 2026

DiffDef: A Diffusion Model for Generating Multimodal Goal Shapes From Demonstrations for Deformable Object Manipulation

DiffDef：一种用于从演示中生成可变形物体操纵的多模态目标形状的扩散模型

Bao Thach, Tanner Watts, Siyeon Kim, Britton Jordan, Mohanraj Shanthi, Shing-Hei Ho, James M. Ferguson, Tucker Hermans, Alan Kuntz

机构 * Robotics Center and Kahlert School of Computing, University of Utah（大学计算机学院和机器人中心，犹他大学） ； NVIDIA Corporation（英伟达公司） 纠错

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

AI总结 针对现有可变形物体操纵方法依赖不切实际的目标获取方式、无法处理多模态目标的问题，提出DiffDef扩散模型，学习可行目标形状分布，在仿真和两种物理机器人平台上验证其可提升任务性能。

Comments Published and presented at ICRA 2026. 8 pages, 20 figures

DECOWAM: Decoupled Whole-Body World-Action Model for Legged Mobile Manipulation

DECOWAM：用于腿式移动操作的解耦全身世界-动作模型

Siyuan Ma, Boshi Zhang, Yutian Zhang, Qinglian Wu, Jiaqi Zhai, Dong Wei, Qiaojun Yu

机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Hangzhou Yunshenchu Technology Co., Ltd. (DEEP Robotics)（杭州云神初科技有限公司（深智机器人）） 纠错

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

AI总结 本研究提出DECOWAM模型，通过解耦全身动作因素提升移动操作的视觉与动作预测性能，在真实机器人数据集ARMDOG上验证了其在协调性和鲁棒性上的优势。

Comments 8 pages, 5 figures. Introduces DECOWAM, a decoupled whole-body world-action model for legged mobile manipulation, and the ARMDOG real-robot dataset

WaveVerif: Acoustic Side-Channel based Verification of Robotic Workflows

WaveVerif：基于声学侧信道的机器人工作流验证

Zeynep Yasemin Erdogan, Shishir Nagaraja, Chuadhry Mujeeb Ahmed, Ryan Shah

机构 * Newcastle University（新castle大学） 纠错

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

AI总结 该研究提出WaveVerif框架，利用声学侧信道分析开发机器学习验证系统，可实时低成本无源验证机器人工作流，准确率超80%且无需硬件修改。

Comments 11 pages, 3 figures, Corresponding Author: Zeynep Yasemin Erdogan (z.y.erdogan2@newcastle. this http URL (http://ac.uk) )

HiTac-WAM: A Hierarchical Tactile World Action Model for Contact-Rich Robot Manipulation

HiTac-WAM：一种用于接触丰富型机器人操作的分层触觉世界动作模型

Chao Xue, Chaofan Zhang, Wenxuan Ma, Guocai Yao, Shaowei Cui, Shuo Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； ImprintX Robotics（ImprintX机器人公司） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

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

AI总结 本文提出HiTac-WAM这一分层触觉世界动作模型，通过分层结构建模触觉状态的物理依赖关系，在机器人接触操作任务中提升了预测精度与操作成功率。

Comments 8 pages, 7 figures, and 3 tables

HOST:Robots Acquire Manipulation Skills in Seconds from a Single Human Video

机器人从单个人类视频中在数秒内获取操作技能

Guangyan Chen, Meiling Wang, Te Cui, Zichen Zhou, Qi Shao, Shalfun Li, Hang Su, Roy Gan, Hao Wang, Mengyin Fu, Yi Yang, Yufeng Yue

机构 * Beijing Institute of Technology（北京理工大学） ； X SQUARE ROBOT（X方块机器人） ； Tsinghua University（清华大学） 纠错

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

AI总结 研究提出HOST框架，通过自定位预测，使机器人能从单个人类视频数秒内获取操作技能，保留先前技能，相比零样本基线及任务50次机器人示范微调的基线，在示范次数和获取速度上优势明显。

PO-PDDL: Learning Symbolic POMDPs from Visual Demonstrations for Robot Planning Under Uncertainty

PO-PDDL: 从视觉演示中学习符号化POMDP以实现不确定性下的机器人规划

Wenjing Tang, Xuanjin Jin, Yuan Liu, Renming Huang, Cewu Lu, Panpan Cai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 提出PO-PDDL符号化POMDP框架，通过从机器人执行视频中重建潜在状态轨迹、识别部分可观测性并学习随机转移与观测模型，实现不确定性下的鲁棒任务规划。

DreamHand: Repurposing Video Diffusion Models for Occlusion-Robust Egocentric 3D Hand Motion Recovery

DreamHand：复用视频扩散模型实现遮挡鲁棒的第一人称视角3D手部运动恢复

Yufei Liu, Xixi Wang, Hao Li, Ganlong Zhao, Kaitong Cai, Chengkai Jin, Chunxiao Liu, Jianbo Liu, Siyuan Huang, Xingang Pan, Hongsheng Li

机构 * ACE Robotics（ACE机器人公司） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 DreamHand是复用视频扩散模型的离线片段级框架，通过确定性干净潜在编码器与双向时空解码器恢复带度量位置的连续双手轨迹，在五个第一人称视角基准测试中实现最佳性能，为机器人操作数据提供可扩展路径。

Comments Project Page: this https URL (https://ggxxii.github.io/dreamhand/)

Hybrid Feedback Sampling for Sample-Efficient Model Predictive Control

用于样本高效模型预测控制的混合反馈采样

Chaoyi Pan, Zeji Yi, John Zhang, Zachary Manchester, Guannan Qu, Guanya Shi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出混合反馈采样MPC（FS-MPC）算法，平衡局部与全局搜索，解决采样MPC在高维开环不稳定系统中的样本效率与数值不稳定问题，在真实机器人控制任务中表现优于现有方法。

Comments 15 pages, 6 figures

HT-Bench: Benchmarking and Learning Dexterous Full-Hand Tactile Representations with Egocentric Vision

HT-Bench：基于自我中心视觉的灵巧全手触觉表示基准与学习

Yuzhe Huang, Jiaping Wu, Jiaming Jiang, Hezhe Lin, Aikebaier Aierken, Yunlong Wang, Kun Cheng, Wanlin Li, Chenxi Xiao, Ziyuan Jiao, Yuanxin Zhong

机构 * Beihang University（北航） ； Rimbot ； BUPT（北邮） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） ； CAS（中国科学院） 纠错

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

AI总结 提出HT-Bench多任务基准和HandTouch编码器，通过大规模自我中心视觉与全手触觉数据，在触觉相似性检索、掩码修复、视觉到触觉合成等任务上验证了触觉表示的有效性。

Comments 9pages, 4figures

Model-Less Feedback Control of Space-based Continuum Manipulators using Backbone Tension Optimization

无模型反馈控制空间连续 manipulators 的背骨张力优化

Shrreya Rajneesh, Rakesh Kumar Sahoo, Manoranjan Sinha

机构 * Indian Institute of Technology Kharagpur（印度理工学院卡拉吉尔普尔） 纠错

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

AI总结 本文提出一种无模型反馈控制方法，通过背骨张力优化实现连续 manipulators 的高精度运动控制，无需模型校准或参数识别。

Evidence-Gated Task and Motion Planning with Vision-Language Models

基于视觉语言模型的证据门控任务与运动规划

Tsunehiko Tanaka, Matthew Stephenson, Alistair Macvicar, Edgar Simo-Serra

机构 * Waseda University（早稻田大学） ； Flinders University（弗林德斯大学） 纠错

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

AI总结 针对机器人执行自然语言指令长时操纵任务时的部分可观测问题，提出 EAFG 框架，通过视觉证据获取与可行性门控提升食谱完成率并减少无效操纵尝试。

Video2DoorTraversal: Push Door Traversal via Simulated Door Twins

Video2DoorTraversal：通过模拟门孪生体实现推门穿越

Xincheng Tang, Yiji Chen, Youhan Xie, Wanyu Li, Zhengjie Shu, Lai Jiang, Wenkang Hu, Yitong Li, Jinchuang Zhang, Xibin Song, Ruigang Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； NeoWa Robotics（NeoWa机器人公司） ； Shandong University（山东大学） 纠错

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

AI总结 本文提出Video2DoorTraversal框架，通过DoorTwin重构门孪生体，训练ArticuACT策略，实现轮腿式移动机械手开门穿越，在真实门与未见门上分别达到96.57%和80.95%的成功率。

Comments 8 pages, 6 figures

HarmoHOI: Harmonizing Appearance and 3D Motion for Multi-view Hand-Object Interaction Synthesis

HarmoHOI：用于多视图手-物体交互合成的外观与3D运动协调

Lingwei Dang, Juntong Li, Zonghan Li, Hongwen Zhang, Liang An, Wei Min, Yebin Liu, Qingyao Wu

机构 * South China University of Technology（华南理工大学） ； Beijing Normal University（北京师范大学） ； Tsinghua University（清华大学） ； Shadow AI（影谱科技） 纠错

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

AI总结 研究针对多视图手-物体交互合成难题，提出HarmoHOI统一扩散框架，用多视图扩散Transformer混合模型联合建模视频与点轨迹，结合全局运动对齐扩散确保一致性，采用混合数据学习策略，实现多视图HOI高质量合成。

ScaleHP: Scale-Mediated Optimization of Coupled Errors for Metric-Space Hand Pose Estimation

ScaleHP: 在度量空间中估计手部姿态

Ruitao Jing, Xingyu Chen, Hongyang Li, Qing Jiang, Yukai Shi, Lei Zhang

机构 * Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； Visincept ； International Digital Economy Academy (IDEA Research)（国际数字经济学院（IDEA研究院）） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 提出ScaleHP，一种端到端的一阶段手部姿态估计框架，利用手部骨骼内在比例关系作为度量先验，通过尺度token和透视约束最小二乘法在相机坐标系中恢复绝对度量尺度，在多个基准上达到最先进性能。

Comments 19 pages, 9 figures, 12 tables; includes supplementary material

Reading Between the Pixels: An Inscriptive Jailbreak Attack on Text-to-Image Models

在像素之间阅读：一种针对文本到图像模型的 inscription 性 jailbreak 攻击

Zonghao Ying, Haowen Dai, Lianyu Hu, Zonglei Jing, Quanchen Zou, Yaodong Yang, Aishan Liu, Xianglong Liu

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

AI总结 本文提出 Etch 框架，通过分解对抗提示为语义伪装、视觉空间锚定和字形编码三层，实现对文本到图像模型的 inscription 性 jailbreak 攻击，验证了现有安全机制的不足。

Unified Music Identification for Tracks and Versions

曲目与版本的统一音乐识别

R. Oguz Araz, Joan Serrà, Yuki Mitsufuji, Xavier Serra, Dmitry Bogdanov

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究针对曲目与版本识别分开处理的问题，提出统一基准评估7种模型的准确性与鲁棒性，训练出10秒TI查询的基线模型，验证了音乐识别可统一的可行性。

Comments Accepted to ISMIR2026

Delegating or Doing? Understanding User Behavior in Hybrid Human-Agent Interfaces

委托还是自行操作？理解混合人机界面中的用户行为

Gavin Raine Dizon, Tyrone Justin Sta Maria, Jordan Aiko Deja, Yasuyuki Sumi

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究通过被试间实验对比三种交互模式，发现混合人机界面可降低交互成本，委托行为更多反映用户个体特征而非任务需求。

Comments 9 pages, In Proceedings of the 14th International Conference on Human-Agent Interaction at Osaka, Japan on November 16-19, 2026

PPT Entanglement with Correlated Catalysis: Monotones and Irreversibility

带关联催化的PPT纠缠：单调量与不可逆性

Jingsong Ao, Aby Philip, Alexander Streltsov

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究在PPT资源理论中，利用正则化PPT相对熵构造单调量，证明其完全可加且强超加性，发现关联催化无法消除混态纠缠操纵的基本限制，最优蒸馏率仍小于纠缠成本。

Comments 6+7 pages, no figures

Dissipation-tunable extended and localized steady states in a non-disordered lattice

非无序晶格中耗散可调的扩展与局域稳态

Ming-Jie Tao, Yi-Ting Wang, Jing Li, Hongsheng Hou, Xiang-Ping Jiang, Lei Pan

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究在非无序一维晶格中，利用相位可调的非局域键耗散，无需改变哈密顿量即可选择局域或扩展稳态，为非无序晶格的态制备与输运调控提供了新途径。

Floquet Theory for Light-Driven Rotation of Dipolar and Multipolar Particles

偶极与多极粒子的光驱动旋转的Floquet理论

Amane Takano, Minoru Kanega, Masahiro Sato

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究针对光驱动粒子旋转的微观分析不足问题，用Floquet理论等方法建模，确定了激光驱动旋转的非平衡相图，其过阻尼朗之万方程结果与实验定性一致。

Comments 6+15 pages, 5+6 figures

Approximating Electoral Control Problems

近似选举控制问题

Huy Vu Bui, Michael C. Chavrimootoo, Kien T. Le, Son M. Nguyen

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文研究了选举控制问题的近似性，分析了 plurality、approval 和 Condorcet 等投票规则下的控制问题是否可近似，并在加权和非加权投票场景中证明了结果。

Comments Accepted at ADT 2026

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。