机器人 / 具身智能

HumanoidMimicGen: Data Generation for Loco-Manipulation via Whole-Body Planning

HumanoidMimicGen: 通过全身规划生成行走操作数据

Kevin Lin, Ajay Mandlekar, Caelan Reed Garrett, Nikita Chernyadev, Yu Fang, Runyu Ding, Yuqi Xie, Justin Tran, Linxi Fan, Yuke Zhu

机构 * NVIDIA ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 提出HumanoidMimicGen方法，通过全身规划自动生成人形机器人行走操作演示数据，在模拟基准上使联合训练的策略性能提升20%。

Comments website: https://humanoidmimicgen.github.io/

YOLO26-RipeLoc Lite: A lightweight architecture for tomato ripeness detection and picking point localization in greenhouse robotic harvesting

YOLO26-RipeLoc Lite：用于温室机器人采摘中番茄成熟度检测与采摘点定位的轻量级架构

Rajmeet Singh, Manveen Kaur, Shahpour Alirezaee, Irfan Hussain

机构 * Department of Mechanical Engineering（机械工程系） ； Khalifa University（卡利法大学） ； University of Windsor（温莎大学） 纠错

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

AI总结 提出基于YOLO26的轻量级架构YOLO26-RipeLoc Lite，通过轻量特征金字塔网络、成熟度感知注意力模块和紧凑检测头，实现温室番茄的成熟度分类与中心点定位，在仅2.38M参数下达到92.9% mAP@0.5。

Governed Capability Evolution: Lifecycle-Time Compatibility Checking and Rollback for AI-Component-Based Systems, with Embodied Agents as Case Study

受治理的能力演化：基于AI组件的系统的生命周期兼容性检查与回滚——以具身智能体为例

Xue Qin, Simin Luan, John See, Zeyd Boukhers, Cong Yang, Zhijun Li

机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus（赫瑞-瓦德大学马来西亚分校数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院） ； Fraunhofer Institute for Applied Information Technology（弗劳恩霍夫应用信息科技研究所） 纠错

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

AI总结 针对基于AI组件的系统，提出一种受治理的能力演化框架，通过四类兼容性检查和七阶段升级管线实现安全部署，在具身智能体实验中实现零不安全激活。

Comments 42 pages, 7 figures, 12 tables

Multi-axis Analysis of Image Manipulation Localization

多轴分析图像操纵定位

Keanu Nichols, Divya Appapogu, Giscard Biamby, Dina Bashkirova, Anna Rohrbach, Bryan A. Plummer

机构 * Boston University（波士顿大学） ； University of California, Berkeley（加州大学伯克利分校） ； Technical University of Darmstadt（德累斯顿技术大学） 纠错

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

AI总结 本文提出AUDITS基准，用于多轴分析图像操纵检测，通过不同领域转移类型评估现有方法的鲁棒性，以推动更可靠和通用的图像操纵检测方法的发展。

Comments 28 pages, 5 figures, 5 tables

Key-Gram: Extensible World Knowledge for Embodied Manipulation

Key-Gram: 用于具身操作的可扩展世界知识

Jingjing Fan, Siyuan Li, Botao Ren, Zhidong Deng

机构 * Department of Computer Science and Technology（计算机科学与技术系） ； Department of Automation（自动化系） 纠错

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

AI总结 本文提出Key-Gram框架，通过分离语言知识与视觉状态推理，提升具身控制中对组合语言指令的理解和执行能力，主要贡献是引入可扩展的外部记忆模块以提高迁移和现实世界操作性能。

Comments 16 pages, 5 figures

Attention Hijacking: Response Manipulation Across Queries in Vision-Language Models

注意力劫持：跨查询的视觉-语言模型响应操控

Zhiqiang Wang, Dongrui Liu, Yan Li, Zonghao Ying, Wei Xue, Wenhan Luo, Yike Guo

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 本文研究了视觉-语言模型中跨查询响应操控问题，提出了一种新的对抗攻击方法Attention Hijacking，通过引导内部注意力分布保持图像主导模式，提高攻击在不同查询下的有效性。

When Absolute State Fails: Evaluating Proprioceptive Encodings for Robust Manipulation

当绝对状态失效：评估本体感觉编码以实现鲁棒操作

Maxime Alvarez, Ryo Watanabe, Paul Crook, Afshin Zeinaddini Meymand, Suvin Kurian, Pablo Ferreiro, Genki Sano

机构 * TELEXISTENCE Inc, Foundation Model Division（TELEXISTENCE公司基础模型部门） ； The University of Tokyo（东京大学） 纠错

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

AI总结 研究探讨了本体感觉状态编码策略，通过系统分析联合表示发现，简单的回合间相对框架在任务性能与鲁棒性之间提供了最佳平衡，优于基线方法。

Comments Accepted to ICRA 2026 Workshop: From Data to Decisions

FRAME: Forensic Routing and Adaptive Multi-path Evidence Fusion for Image Manipulation Detection

FRAME：图像篡改检测的取证路由与自适应多路径证据融合

Kaixiang Zhao, Tianrun Yu, Aoxu Zhang, Junhao Su, Porter Jenkins, Amanda Hughes

机构 * Brigham Young University ； Rutgers University 纠错

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

AI总结 FRAME通过多路径分析空间整合多种取证算法，自适应选择信息量大的路径并融合互补证据，提升图像篡改检测与定位性能。

Comments Accepted to CVPR 2026 SAFE Workshop

From Imagined Futures to Executable Actions: Mixture of Latent Actions for Robot Manipulation

从想象的未来到可执行的动作：用于机器人操作的潜在动作混合

Yajie Li, Bozhou Zhang, Chun Gu, Zipei Ma, Jiahui Zhang, Jiankang Deng, Xiatian Zhu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学） 纠错

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

AI总结 本文提出MoLA，一种面向控制的接口，将想象的未来视频转化为可执行的表示，通过混合预训练的逆动力学模型，提升机器人操作的稳定性和通用性。

Comments ICML 2026

FeatMap: Understanding image manipulation in the feature space and its implications for feature space geometry

FeatMap: 在特征空间中理解图像篡改及其对特征空间几何的影响

Elias B. Krey, Nils Neukirch, Nils Strodthoff

机构 * Division AI4Health（AI4Health部门） ； Carl von Ossietzky Universität Oldenburg（奥尔登堡卡尔·冯·奥西特齐克大学） 纠错

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

AI总结 本文通过在输入空间中应用多种篡改方法，探讨特征空间中的映射学习，发现线性模型在特征空间中能有效重建复杂语义篡改。

Comments 27 pages, 24 figures, 3 tables, Code is available at https://github.com/AI4HealthUOL/FeatMap

Exploring Token-Space Manipulation in Latent Audio Tokenizers

探索潜在音频标记器中的标记空间操控

Francesco Paissan, Luca Della Libera, Mirco Ravanelli, Cem Subakan

机构 * Mila – Québec AI Institute（魁北克人工智能研究所） ； Université Laval（拉瓦尔大学） ； Concordia University（康科迪亚大学） 纠错

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

AI总结 本文提出LATTE，通过在音频特征序列后添加固定可学习潜在标记，实现标记空间编辑，支持低比特率语音编码中的可控音频操控。

DexSim2Real: Foundation Model-Guided Sim-to-Real Transfer for Generalizable Dexterous Manipulation

DexSim2Real: 基于基础模型的仿真到现实迁移用于通用的灵巧操作

Zijian Zeng, Fei Ding, Huiming Yang, Xianwei Li, Yuhao Liao

机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； Bengbu University（Bengbu大学） ； UCSI University（UCSI大学） 纠错

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

AI总结 本文提出DexSim2Real框架，结合基础模型引导的域随机化、触觉视觉交叉注意力策略和渐进技能课程，提升灵巧操作的仿真到现实迁移性能，实验表明其在现实世界中的成功率达到78.2%。

Comments 13 pages, 2 figures, 5 tables

MSACT: Multistage Spatial Alignment for Stable Low-Latency Fine Manipulation

MSACT：多阶段空间对齐用于稳定低延迟精细操控

Xianbo Cai, Hideyuki Ichiwara, Masaki Yoshikawa, Tetsuya Ogata

机构 * Department of Intermedia Art and Science, Waseda University（武藏大学多媒体艺术与科学系） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） 纠错

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

AI总结 本文提出MSACT，通过多阶段空间对齐模块提升低延迟精细操控的稳定性，结合预训练ResNet视觉先验，增强视觉到动作的映射稳定性，实验证明在模拟和真实任务中提升了定位稳定性和任务性能。

Comments 8 pages, 6 figures

PhysMem: Scaling Test-time Physical Memory for Robot Manipulation

PhysMem：为机器人操作扩展测试时的物理内存

Haoyang Li, Yang You, Hao Su, Leonidas Guibas

机构 * Stanford University（斯坦福大学） ； UC San Diego（圣地亚哥大学） 纠错

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

AI总结 PhysMem通过测试时交互学习物理原理，提升机器人在不同环境下的物体操控能力，实验显示其在真实任务和模拟中均优于传统经验检索方法。

An Intelligent Robotic and Bio-Digestor Framework for Smart Waste Management

智能机器人与生物消化器框架用于智能垃圾管理

Radhika Khatri, Adit Tewari, Nikhil Sharma, M. B. Srinivas

机构 * BITS Pilani Dubai Campus（比斯帕尼迪拜校区） 纠错

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

AI总结 本文提出结合机器人分拣模块和优化生物消化器的智能垃圾管理框架，通过实时分拣和动态优化提升处理效率，适用于住宅和工业场景。

Comments 8 pages, 10 figures, submitted to 7th International Conference on Smart Systems and Inventive Technology (ICSSIT 2026)

UMI-3D: Extending Universal Manipulation Interface from Vision-Limited to 3D Spatial Perception

UMI-3D：从视觉受限到3D空间感知的通用操作接口扩展

Ziming Wang

机构 * HKU（香港大学） ； USTC（中国科学技术大学） 纠错

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

AI总结 UMI-3D通过集成轻量级低成本LiDAR传感器，提升数据采集的鲁棒性和可扩展性，实现3D空间感知，增强操作任务的性能与可行性。

Gaslight, Gatekeep, V1-V3: Early Visual Cortex Alignment Shields Vision-Language Models from Sycophantic Manipulation

Gaslight, Gatekeep, V1-V3: 早期视觉皮层对齐保护视觉语言模型免受阿谀操控

Arya Shah, Vaibhav Tripathi, Mayank Singh, Chaklam Silpasuwanchai

机构 * Indian Institute of Technology Gandhinagar（印度理工学院加尔各答分校） ； Asian Institute of Technology（亚洲理工学院） 纠错

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

AI总结 本文研究了视觉语言模型在高风险场景中的脆弱性，通过评估12种模型的脑部对齐和顺从性，发现早期视觉皮层对齐能有效降低模型对阿谀操控的敏感性。

Comments 28 pages, 9 figures, 13 tables

From Instruction to Event: Sound-Triggered Mobile Manipulation

从指令到事件：基于声音的移动操作

Hao Ju, Shaofei Huang, Hongyu Li, Zihan Ding, Si Liu, Meng Wang, Zhedong Zheng

机构 * University of Macau（澳门大学） ； Beihang University（北航） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 本文提出基于声音的移动操作方法，通过开发Habitat-Echo数据平台和任务规划器，使移动代理能主动感知并响应声音事件，无需显式指令。

Scalable Trajectory Generation for Whole-Body Mobile Manipulation

可扩展的全身体态移动操作轨迹生成

Yida Niu, Xinhai Chang, Xin Liu, Ziyuan Jiao, Yixin Zhu

机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； Institute of Unmanned System, Beihang University（无人系统研究院，北航） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，PKU-武汉人工智能研究所） 纠错

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

AI总结 本文提出AutoMoMa框架，通过GPU加速整合运动学模型与并行轨迹优化，生成大规模物理有效轨迹数据，解决全身体态移动操作中规模、多样性和运动学精度的瓶颈问题。

Semantic Manipulation Localization

语义操控定位

Zhenshan Tan, Chenhan Lu, Yuxiang Huang, Ziwen He, Xiang Zhang, Yuzhe Sha, Xianyi Chen, Tianrun Chen, Zhangjie Fu

机构 * Engineering Research Center of Digital Forensics, Ministry of Education, Nanjing University of Information Science and Technology（南京信息工程大学数字取证教育部工程研究中心） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； KOKONI3D, Moxin (Hangzhou) Technology Company Ltd.（KOKONI3D，魔芯（杭州）科技有限公司） 纠错

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

AI总结 本文提出语义操控定位任务，通过TRACE框架实现对图像中微妙语义编辑的定位，优于传统IML方法，提供更完整的定位结果。

Belief Dynamics for Detecting Behavioral Shifts in Safe Collaborative Manipulation

信念动力学在安全协作操作中检测行为转变

Devashri Naik, Divake Kumar, Nastaran Darabi, Amit Ranjan Trivedi

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 本文研究了在非平稳环境中通过信念跟踪模块检测行为转变，提出UA-TOM方法在协作操作中显著降低碰撞风险，同时在跨领域实验中验证了其有效性。

IMPASTO: Integrating Model-Based Planning with Learned Dynamics Models for Robotic Oil Painting Reproduction

IMPASTO：整合基于模型的规划与学习的动力学模型用于机器人油画复现

Yingke Wang, Hao Li, Yifeng Zhu, Hong-Xing Yu, Ken Goldberg, Li Fei-Fei, Jiajun Wu, Yunzhu Li, Ruohan Zhang

机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。

UMI-Underwater: Learning Underwater Manipulation without Underwater Teleoperation

UMI-Underwater：无需水下遥控的学习水下操作

Hao Li, Long Yin Chung, Jack Goler, Ryan Zhang, Xiaochi Xie, Huy Ha, Shuran Song, Mark Cutkosky

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

AI总结 本文提出UMI-Underwater系统，通过自监督数据收集管道自主获取水下抓取示范，并利用基于深度的 affordance 表示将陆地到水下领域差距桥接，提升水下抓取性能和鲁棒性。

R3DP: Real-Time 3D-Aware Policy for Embodied Manipulation

R3DP：实时3D感知策略用于具身操作

Yuhao Zhang, Wanxi Dong, Yue Shi, Yi Liang, Jingnan Gao, Qiaochu Yang, Yaxing Lyu, Zhixuan Liang, Yibin Liu, Congsheng Xu, Xianda Guo, Wei Sui, Yaohui Jin, Xiaokang Yang, Yanyan Xu, Yao Mu

机构 * Shanghai Jiao Tong University（上海交通大学） ； D-Robotics（地平线机器人） ； Southern University of Science and Technology（南方科技大学） ； Xspark AI（星火科技） ； The University of Hong Kong（香港大学） ； Wuhan University（武汉大学） ； Xiamen University Malaysia（厦门大学马来西亚分校） ； Northeastern University（东北大学） 纠错

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

AI总结 R3DP通过异步快慢协作模块整合大尺度3D先验知识，提升实时操作性能，实验显示在成功率和推理时间上均优于现有方法。

Comments Project Page: https://dazazh.github.io/r3dp-project-page/ Github Repo: https://github.com/dazazh/R3DP

Towards Exploratory and Focused Manipulation with Bimanual Active Perception: A New Problem, Benchmark and Strategy

迈向探索性与聚焦性操控的双臂主动感知：一个新的问题、基准和策略

Yuxin He, Ruihao Zhang, Tianao Shen, Cheng Liu, Qiang Nie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 本文提出探索性与聚焦性操控（EFM）问题，建立EFM-10基准并提出双臂主动感知策略，通过主动视觉和力觉感知提升复杂操控任务的完成能力。

Comments ICRA 2026

6D Robotic OCT Scanning of Curved Tissue Surfaces

六维机器人OCT扫描曲面组织

Suresh Guttikonda, Maximilian Neidhardt, Vidas Raudonis, Alexander Schlaefer

机构 * Institute of Medical Technology and Intelligent Sys.（医学技术与智能系统研究所） ； Hamburg University of Technology（汉堡理工大学） ； Faculty of Electrical and Electronics Eng.（电气与电子工程系） ； Kaunas University of Technology（卡斯图技术大学） ； Interdisciplinary Competence Center for Interface Research（界面研究跨学科能力中心） ； SustAInLivWork Center of Excellence（SustAInLivWork卓越研究中心） 纠错

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

AI总结 本文提出六维手眼标定方法，用于机器人OCT探头扫描曲面组织，解决传统翻译扫描的局限性，提高扫描一致性和重复性。

Comments Accepted at IEEE ISBI 2026

Harmful Visual Content Manipulation Matters in Misinformation Detection Under Multimedia Scenarios

在多媒体场景中，有害视觉内容操纵对虚假信息检测的重要性

Bing Wang, Ximing Li, Changchun Li, Jinjin Chi, Tianze Li, Renchu Guan, Shengsheng Wang

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学高级技术学院） 纠错

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

AI总结 本文提出一种新颖的多模态虚假信息检测方法，通过捕捉视觉内容操纵特征和意图特征，提升虚假信息检测性能。

Architectural Backdoors for Within-Batch Data Stealing and Model Inference Manipulation

针对批量数据窃取和模型推理操纵的架构后门

Nicolas Küchler, Ivan Petrov, Conrad Grobler, Ilia Shumailov

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出一种新型后门，通过利用批量推理技术实现大规模用户数据窃取和模型响应操控，提出确定性缓解策略以保障用户隐私和系统安全。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML) 2026. The final version will be available on IEEE Xplore

FD-VLA: Force-Distilled Vision-Language-Action Model for Contact-Rich Manipulation

FD-VLA：力感知的视觉-语言-动作模型用于接触密集的 manipulation

Ruiteng Zhao, Wenshuo Wang, Yicheng Ma, Xiaocong Li, Francis E. H. Tay, Marcelo H. Ang, Haiyue Zhu

机构 * Advanced Robotics Centre, National University of Singapore（新加坡国立大学先进机器人中心） ； School of Electrical & Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； College of Information Science and Technology, Eastern Institute of Technology（东部技术学院信息科学与技术学院） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） ； Advanced Robotics Centre at National University of Singapore（新加坡国立大学先进机器人中心） ； Singapore Institute of Manufacturing Technology, Agency for Science, Technology and Research (A*STAR)（新加坡制造技术研究所，科技研究局（A*STAR）） 纠错

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

AI总结 本文提出FD-VLA模型，通过力蒸馏模块在不依赖物理力传感器的情况下实现接触密集任务的力感知，提升机器人视觉-语言-动作的鲁棒性与实用性。

Comments ICRA 2026 Accepted

Generating Sketches in a Hierarchical Auto-Regressive Process for Flexible Sketch Drawing Manipulation at Stroke-Level

通过分层自回归过程生成草图以实现灵活的笔触级草图操作

Sicong Zang, Shuhui Gao, Zhijun Fang

机构 * Sicong Zang, Shuhui Gao, Zhijun Fang 纠错

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

AI总结 本文提出分层自回归生成过程，实现灵活的笔触级草图操作，通过自回归方式生成笔触嵌入并引导模型生成合适笔触。

Comments Accepted by AAAI 2026