机器人 / 具身智能

Learning Dexterous Grasping from Sparse Taxonomy Guidance

从稀疏分类学指导中学习灵巧抓取

Juhan Park, Taerim Yoon, Seungmin Kim, Joong-Gil Kim, Wontae Ye, Jeongeun Park, Yoonbyung Chai, Geonwoo Cho, Geunwoo Cho, Dohyeong Kim, Kyungjae Lee, Yong-Jae Kim, Sungjoon Choi

机构 * Korea University（高丽大学） ； Korea University of Technology and Education（韩国技术教育大学） ； Naver AI Lab（Naver AI 实验室） ； Seoul National University（首尔大学） ； WIRobotics ； RLWRLD 纠错

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

AI总结 GRIT框架通过稀疏分类学指导学习灵巧抓取，提升对新物体的泛化能力，实现87.9%的成功率，并通过高阶分类学选择实现抓取策略的可控性。

Comments IROS 2026 accepted

StemVLA:An Open-Source Vision-Language-Action Model with Future 3D Spatial Geometry Knowledge and 4D Historical Representation

StemVLA：一种融合未来3D空间几何知识与4D历史表示的开源视觉-语言-动作模型

Jiasong Xiao, Yutao She, Kai Li, Yuyang Sha, Ziang Cheng

机构 * Ricoh Software Research Center（理光软件研究中心） ； YZH Engineering Technology (Beijing) Co., Ltd.（易智赫工程技术（北京）有限公司） 纠错

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

AI总结 提出StemVLA框架，通过显式建模未来3D空间结构和历史4D时空表示，提升机器人操作任务中的空间推理与长时决策能力，在LIBERO基准上平均准确率达92.0%。

Comments Preprint

Securing Time Integrity in Energy IoT Against Clock Drift and Y2K38 Failures

保护能源物联网中的时间完整性：应对时钟漂移和Y2K38故障

Saeid Jamshidi, Omar Abdul Wahab, Rolando Herrero, Foutse Khomh

机构 * Department of Computer and Software Engineering, Polytechnique Montréal（Polytechnique Montréal 计算机与软件工程系） ； SWAT Laboratory, Polytechnique Montréal（Polytechnique Montréal SWAT 实验室） ； College of Engineering, Northeastern University（Northeastern University 工程学院） ； Concordia Institute for Information Systems Engineering (CIISE), Concordia University（Concordia University 信息系统工程研究所） 纠错

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

AI总结 提出STGAT框架，结合漂移感知时间嵌入、时间自注意力和图注意力，检测能源物联网中的时钟漂移、同步偏移和Y2K38溢出等时间异常，准确率达95.7%。

Audio Deepfake Detection with Half-Truth Localisation Using Cross-Attentive Feature Fusion

使用交叉注意力特征融合的半真音频深度伪造检测与定位

S. Sutharya, Remya K. Sasi

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 提出CAFNet模型，通过三元分类和边界回归联合检测部分伪造音频，在MLADDC数据集上达到92.71%准确率和0.075s定位误差。

Comments 13 pages, 5 figures, 11 tables

DADP: Domain Adaptive Diffusion Policy

DADP: 领域自适应扩散策略

Pengcheng Wang, Qinghang Liu, Haotian Lin, Yiheng Li, Guojian Zhan, Masayoshi Tomizuka, Yixiao Wang

机构 * University of California, Berkeley, California, USA（加州大学伯克利分校） ； Peking University, Beijing, China（北京大学） ； Tsinghua University, Beijing, China（清华大学） 纠错

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

AI总结 提出DADP，通过无监督解耦和领域感知扩散注入，实现跨动态环境的鲁棒零样本适应，在运动与操控任务上超越先前方法。

OpenTie: Open-vocabulary Sequential Rebar Tying System

OpenTie: 开放词汇的连续钢筋绑扎系统

Sai Fan, Mingze Liu, Haozhen Li, Haobo Liang, Yixing Yuan, Yanke Wang

机构 * Hong Kong Center for Construction Robotics, The Hong Kong University of Science and Technology（香港建设机器人中心，香港科技大学） ； Division of Business and Hospitality Management (BHM), College of Professional and Continuing Education (CPCE), The Hong Kong Polytechnic University (PolyU)（专业及持续教育学院（CPCE）商务及酒店管理系，香港理工大学） 纠错

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

AI总结 提出OpenTie，一种无需训练的3D钢筋绑扎框架，通过RGB到点云生成和开放词汇检测实现高精度连续绑扎，优于基于YOLO的方法。

Comments This article is accepted by The 2026 IEEE 22nd International Conference on Automation Science and Engineering (CASE 2026)

Ranking Abuse via Strategic Pairwise Data Perturbations

通过策略性成对数据扰动进行排名滥用

Junyi Yao, Zihao Zheng, Jiayu Long

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

AI总结 研究基于最大似然估计的成对排名系统对策略性数据扰动的脆弱性，提出自适应子集选择攻击（ASSA）方法，实验表明少量扰动即可显著改变全局排名。

DemoDiffusion: One-Shot Human Imitation using pre-trained Diffusion Policy

DemoDiffusion: 使用预训练扩散策略的一次性人类模仿

Sungjae Park, Homanga Bharadhwaj, Shubham Tulsiani

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出DemoDiffusion方法，通过单次人类演示和预训练扩散策略，无需任务特定训练即可使机器人执行操作任务，在8项任务中平均成功率达83.8%。

Comments 11 pages. Published at ICRA 2026

DiffCoord: Differentiable Coordination for Distributed Multi-Agent Trajectory Optimization

DiffCoord: 分布式多智能体轨迹优化的可微协调

Bingheng Wang, Yichao Gao, Tianchen Sun, Shanker Ajay, Lin Zhao

机构 * Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） 纠错

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

AI总结 提出DiffCoord框架，将截断ADMM-DDP管道的耦合参数通过端到端元学习联合优化，利用智能体神经网络实现任务自适应，并扩展到不同智能体数量。在协作空中运输系统中验证，相比现有方法将每智能体梯度计算时间减少70%。

Glove2Hand: Synthesizing Natural Hand-Object Interaction from Multi-Modal Sensing Gloves

Glove2Hand：从多模态传感手套合成自然的手-物体交互

Xinyu Zhang, Ziyi Kou, Chuan Qin, Mia Huang, Ergys Ristani, Ankit Kumar, Lele Chen, Kun He, Abdeslam Boularias, Li Guan

机构 * Meta Reality Labs（Meta现实实验室） ； Rutgers University（罗格斯大学） 纠错

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

AI总结 提出Glove2Hand框架，将多模态传感手套视频转化为逼真的裸手，并保留物理交互动态；引入3D高斯手模型和扩散手恢复器，创建HandSense数据集，提升下游任务性能。

Comments CVPR 2026 Highlight. This version includes the motion retarget process in the appendix

MidSteer: Optimal Affine Framework for Steering Generative Models

MidSteer：用于引导生成模型的最优仿射框架

Tatiana Gaintseva, Andrew Stepanov, Ziquan Liu, Martin Benning, Gregory Slabaugh, Jiankang Deng, Ismail Elezi

机构 * University of Basel（巴塞尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出MidSteer，一种基于仿射变换的最优概念引导框架，通过最小干扰实现生成模型中的概念切换，并在视觉扩散模型和大型语言模型上验证其有效性。

SANTS: A State-Adaptive Scheduler for World Action Models

SANTS：面向世界动作模型的状态自适应调度器

Yirui Sun, Guangyu Zhuge, Keliang Liu, Jie Gu, Xinyu Bing, Zhongxue Gan, Chunxu Tian

机构 * Fudan University（复旦大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Deep Computing Era Technology Co., Ltd（深计算时代科技有限公司） 纠错

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

AI总结 提出状态自适应噪声轨迹调度器（SANTS），通过根据视频状态动态选择去噪深度来优化视频到动作的扩散策略，在保持控制性能的同时大幅降低推理延迟。

Comments 17 pages, 5 figures, 8 tables. Project page: https://advanced-robotics-lab.github.io/SANTS/

OmniVTLA: Vision-Tactile-Language-Action Models with Semantic-Aligned Tactile Sensing

OmniVTLA：具有语义对齐触觉感知的视觉-触觉-语言-动作模型

Zhengxue Cheng, Yiqian Zhang, Anni Tang, Keyu Wang, Wenkang Zhang, Haoyu Li, Hengdi Zhang, Li Song

机构 * Shanghai Jiao Tong University（上海交通大学） ； Paxini Tech（帕辛尼科技） 纠错

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

AI总结 提出OmniVTLA架构，通过双路径触觉编码器框架和语义对齐触觉ViT，结合新数据集ObjTac，显著提升机器人操作中接触密集任务的成功率和轨迹平滑度。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L). ObjTac dataset: https://readerek.github.io/Objtac.github.io

Integrated Hierarchical Decision-Making in Inverse Kinematic Planning and Control

集成化分层决策在逆运动学规划与控制中

Kai Pfeiffer, Quan Zhang, Yuqing Chen, Gordon Boateng, Yuquan Wang, Vincent Bonnet, Aberrahmane Kheddar

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出一种高效的非线性规划框架，整合分层决策与全身逆运动学规划控制，解决逆运动学规划中同时选择端效应器位置的问题。

Comments Accepted paper to "Robotics: Science and Systems" (2026)

MusicLayout: Explicit Structural Planning for Controllable Text-to-Music Generation

MusicLayout：用于可控文本生成音乐的显式结构规划

Shuyu Li, Kejun Zhang, Jiahe Lei, Shulei Ji, Zihao Wang, Jiaxing Yu, Wanying Wu, Lei Wang

机构 * College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Innovation Center of Yangtze River Delta, Zhejiang University（浙江大学长三角创新中心） ； The Chinese University of Hong Kong（香港中文大学） ； Shandong University（山东大学） ； Chu Kochen Honors College, Zhejiang University（浙江大学竺可桢学院） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 针对文本生成音乐结构隐含难控的问题，提出MusicLayout显式中间表示，将其集成到统一自回归框架实现布局级控制，实验证实该方法可改进音乐长程结构组织并支持布局级控制。

Responsiveness Verification: Will Predictions Change? How Much? How Often?

响应性验证：预测会改变吗？改变多少？改变频率如何？

Harry Cheon, Meredith Stewart, Bogdan Kulynych, Tsui-Wei Weng, Berk Ustun

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

AI总结 本研究提出测量响应性的算法与交互模型框架，搭配统计保证，可用于检测累犯预测的排除情况、估计内容审核博弈成本、测试LLM基准鲁棒性，提升模型安全性与可靠性。

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。

HindsightBench: A Black-Box Behavioral Audit Protocol for Parametric Hindsight in Time-Indexed LLM Decision Tasks

HindsightBench：用于时间索引语言模型决策任务中参数后见之明的黑盒行为审计协议

Haozhe Jia

机构 * University College Dublin（都柏林大学学院） 纠错

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

AI总结 研究针对大语言模型在金融决策任务中泄露参数知识的问题，提出HindsightBench黑盒行为审计协议，通过特定矩阵、探测及指标分析参数后见之明，应用于多模型获三个主要模式，揭示模型特性及审计结果与服务的关系，还发布相关数据。

Comments 17 pages, 3 figures. Code, panel, and per-model audit rows: https://github.com/Khaozhe/hindsightbench (v1.0 release archived at doi:10.5281/zenodo.21453191)

FlashRT: Agent Harness for Guiding Agents to Deploy Real-Time Multimodal Applications

FlashRT：用于引导智能体部署实时多模态应用的智能体框架

Krish Agarwal, Zhuoming Chen, Yanyuan Qin, Zhenyu Gu, Atri Rudra, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； AMD（超威半导体公司） ； University at Buffalo（纽约州立大学水牛城分校） 纠错

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

AI总结 研究实时多模态应用部署难题，提出FlashRT智能体框架。通过新范式引导编码智能体多阶段转换，将参考实现转为高效部署，在不同GPU上显著提升性能，尤其在专家优化不成熟平台更具扩展性。

DiSCo: Diffusion Sequence Copilots for Shared Autonomy

DiSCo：用于共享自主的扩散序列助手

Andy Wang, Xu Yan, Brandon McMahan, Michael Zhou, Yuyang Yuan, Johannes Y. Lee, Ali Shreif, Matthew Li, Zhenghao Peng, Bolei Zhou, Yuchen Cui, Jonathan C. Kao

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 DiSCo通过扩散策略规划与用户动作一致的动作序列，提升复杂系统控制性能，适用于模拟驾驶和机械臂任务。

Comments 10 pages, 5 figures, HRI '26: Proceedings of the 21st ACM/IEEE International Conference on Human-Robot Interaction

Calib3R: Hand-Eye Calibration and 3D Metric-Scaled Scene Reconstruction with 3D Foundation Models

Calib3R：基于三维基础模型的手眼标定与三维度量尺度场景重建

Davide Allegro, Matteo Terreran, Stefano Ghidoni

机构 * Department of Information Engineering (DEI) at the University of Padova（帕多瓦大学信息工程系） 纠错

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

AI总结 Calib3R是一种基于3D基础模型的无标定板方法，通过统一优化联合完成手眼标定与度量尺度三维重建，仅用不到10张图像即可实现精确标定，性能优于同类方法。

Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention

Tactile-WAM：具有触觉非对称注意力的触觉感知世界动作模型

Siyu Wu, Linjing You, Junjie Zhu, Yaozu Liu, Huang Kaixiang, Chen Yonghang, Jituo Li, Changhao Zhang, Jian Liu, Zhu Hengshuo, Qi Li, Hengshuang Zhao

机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 针对接触丰富操作中视觉预测不完整的问题，提出Tactile-WAM，通过触觉非对称注意力机制（TAAM）在保护视觉预测的同时利用触觉信息生成动作，整体成功率提升38.9%。

Comments Submitted to RSS2026 WorkShop Tactile for FM

CADRE: Dynamic Catching via Implicit Contact Descriptors and Task-Appropriate Recovery Affordances

CADRE：基于隐式接触描述符和任务适配恢复可供性的动态抓取

Fan Yang, Zixuan Huang, Abhinav Kumar, Sergio Aguilera Marinovic, Soshi Iba, Rana Soltani Zarrin, Dmitry Berenson

机构 * Honda Research Institute USA（本田美国研究院） 纠错

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

AI总结 该研究针对灵巧操作中物体掉落的问题，提出CADRE强化学习框架，结合NDF提取接触特征与隐式恢复可供性函数，可高效成功恢复并零样本泛化到不同几何的未见物体。

Exo2EgoPose: Leveraging Exocentric Demonstrations for Vision-Language guided Egocentric 3D Hand Pose Forecasting

Exo2EgoPose：利用外心演示进行视觉语言引导的自我中心3D手部姿态预测

Zhaofeng Shi, Heqian Qiu, Lanxiao Wang, Xiang Li, Hongliang Li

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 研究视觉语言引导的自我中心3D手部姿态预测任务，提出Exo2EgoPose框架，利用外心演示补偿自我中心视角线索不足，含双层外心重建模块和全局到局部调制模块，实验显示该方法优于现有技术，具备人机转移能力且有改进。

Comments Accepted by ACMMM 2026

Zero-shot Sim2Real Transfer for Magnet-Based Tactile Sensor on Insertion Tasks

基于磁敏触觉传感器的零样本仿真到真实迁移在插入任务中的应用

Beining Han, Abhishek Joshi, Jia Deng

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 针对磁敏触觉传感器的仿真到真实差距问题，提出新型GCS技术，实现了盲插入任务中基于原始触觉读数的RL策略零样本仿真到真实迁移。

Continuous and large-scale: ELEANOR, the soft architected arm inspired by the elephant trunk

连续且大规模：受象鼻启发的软结构手臂ELEANOR

Giovanna A. Naselli, Anderson B. Nardin, Seonggun Joe, Ryan Drinkwater, Enrico Donato, Diego Bianchi, Egidio Falotico, Michel C. Milinkovitch, Lucia Beccai

机构 * Soft BioRobotics Perception Laboratory, Istituto Italiano di Tecnologia（软生物机器人感知实验室，意大利理工学院） ； Department of Autonomous Systems Engineering, Korea Aerospace University（自主系统工程系，韩国航空航天大学） ； Photocentric Ltd.（Photocentric公司） ； BRAIR lab, The BioRobotics Institute, Scuola Superiore Sant’Anna（BRAIR实验室，生物机器人研究所，圣安娜高等学院） ； Laboratory of Artificial and Natural Evolution, Department of Genetics and Evolution, University of Geneva（人工与自然进化实验室，基因与进化系，日内瓦大学） 纠错

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

AI总结 以非洲象鼻为模型，提出注重结构连续性和动态特性的设计方法，通过3D打印构建结合腱驱动的连续体手臂，实现对不同物体的全身抓握，突出了仿生设计在机器人技术中的应用及与生物象鼻的比较。

Electrostatic Clutch-Based Mechanical Multiplexer with Increased Force Capability

基于静电离合器的机械多路复用器及其增强的力能力

Timothy E. Amish, Jeffrey T. Auletta, Chad C. Kessens, Joshua R. Smith, Jeffrey I. Lipton

机构 * Dept of Electrical and Computer Engineering, University of Washington（华盛顿大学电气与计算机工程系） ； US Army Research Directorate, DEVCOM Army Research Laboratory（美国陆军研究署， DEVCOM陆军研究实验室） ； Mechanical and Industrial Engineering Department of Northeastern University（东北大学机械与工业工程系） 纠错

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

AI总结 本文提出一种基于静电 capstan 离合器的机械多路复用器，实现单电机同时和顺序控制，展示在四自由度腱驱动机器人手中，单电机输出力达212N，垂直抓力提升4.09倍，水平承载力达111.2N。

The production of meaning in the processing of natural language

自然语言处理中意义产生的机制

Christopher J. Agostino, Quan Le Thien, Nayan D'Souza, Louis van der Elst

机构 * Department of Physics, Indiana University（印第安纳大学物理系） ； Department of Linguistics, Indiana University（印第安纳大学语言学系） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 研究自然语言处理中意义产生的机制，探讨量子逻辑与经典布尔理论在语义处理中的差异，分析模型在不同参数下的表现及对安全交互的影响。

Comments Accepted to QNLP 2026, 9 pages, 3 figures, 2 tables

Cross-Branch Conflict as a Shield: Safeguarding Facial Identities in Unified Multimodal Image Editing

跨分支冲突作为一种保护手段：在统一多模态图像编辑中保护面部身份

Weiwei Tan, Junxian Li, Rui Wang, Zhenhua Xu, Yanjun Zhang, Yu Leo Zhang

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

AI总结 研究统一多模态模型中个人肖像编辑的安全问题，提出CCS统一对抗保护框架，通过联合驱动ViT和VAE表示及破坏跨分支兼容性，防止模型恢复身份信息，在抑制身份保留编辑上表现优于现有方法。

Comments 14 pages, preprint