机器人 / 具身智能

The Conditions of Physical Embodiment Enable Generalization and Care

物理具身的条件使泛化和关怀成为可能

Leonardo Christov-Moore, Arthur Juliani, Alex Kiefer, Joel Lehman, Nicco Reggente, B. Scot Rousse, Adam Safron, Nicolás Hinrichs, Daniel Polani, Antonio Damasio

机构 * Institute for Advanced Consciousness Studies（先进意识研究所） ； Monash Centre for Consciousness and Contemplative Studies（莫纳什意识与冥想研究中心） ； University of Oxford（牛津大学） ； Topos Institute（拓斯研究所） ； Allen Discovery Center（艾伦发现中心） ； Okinawa Institute of Science and Technology（冲绳科学技术研究所） ； Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； University of Hertfordshire（赫特福德郡大学） ； Brain and Creativity Institute（大脑与创造力研究所） 纠错

专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出物理具身的条件是泛化和关怀的基础，通过稳态驱动和因果建模实现智能体在开放环境中的鲁棒性和可信对齐。

Comments 15 pages, 1 figure

GAC-KAN: An Ultra-Lightweight GNSS Interference Classifier for GenAI-Powered Consumer Edge Devices

GAC-KAN：一种面向生成式人工智能的超轻量级GNSS干扰分类器

Zhihan Zeng, Kaihe Wang, Zhongpei Zhang, Yue Xiu

机构 * National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（无线通信国家重点实验室，电子科学与技术大学） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV、cs.LG

AI总结 GAC-KAN是一种面向生成式人工智能的超轻量级GNSS干扰分类器，通过物理引导仿真和轻量级网络设计，在保证高精度的同时显著降低参数量，适用于边缘设备的安全防护。

Learning Physics-Grounded 4D Dynamics with Neural Gaussian Force Fields

基于神经高斯力场的学习物理 grounded 4D 动力学

Shiqian Li, Ruihong Shen, Junfeng Ni, Chang Pan, Chi Zhang, Yixin Zhu

机构 * Institute for AI, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； School of EECS, Peking University（北京大学电子工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Lab of General AI, Peking University（北京大学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） 纠错

专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出神经高斯力场（NGFF），通过结合3D高斯感知与物理动力学建模，从多视角RGB输入生成交互式、物理真实的4D视频，提升视频预测的物理 grounded 性。

Comments 43 pages, ICLR 2026

A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner

信息路径规划的统一实验架构：从仿真到部署的GuadalPlanner

Alejandro Mendoza Barrionuevo, Dame Seck Diop, Alejandro Casado Pérez, Daniel Gutiérrez Reina, Sergio L. Toral Marín, Samuel Yanes Luis

机构 * Department of Electronic Engineering, University of Sevilla（电子工程系，塞维利亚大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出GuadalPlanner，通过统一架构实现信息路径规划算法在仿真与现实部署间的无缝衔接，支持多种环境和策略，提升算法评估的一致性与可扩展性。

End-to-End LiDAR optimization for 3D point cloud registration

端到端激光雷达优化用于3D点云配准

Siddhant Katyan, Marc-André Gardner, Jean-François Lalonde

机构 * Université Laval（拉瓦尔大学） ； Bentley Systems（贝恩特系统） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出端到端自适应激光雷达框架，通过动态调整参数优化点云配准，提升精度与效率，并在CARLA模拟中验证其优于固定参数方法的性能。

Comments 36th British Machine Vision Conference 2025, {BMVC} 2025, Sheffield, UK, November 24-27, 2025. Project page: https://lvsn.github.io/e2e-lidar-registration/

AUDETER: A Large-scale Dataset for Deepfake Audio Detection in Open Worlds

AUDETER：一种大规模深度伪造音频检测数据集用于开放世界

Qizhou Wang, Hanxun Huang, Guansong Pang, Sarah Erfani, Christopher Leckie

机构 * The University of Melbourne（墨尔本大学） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.LG

AI总结 AUDETER是一种大规模深度伪造音频检测数据集，通过课程学习方法提升开放世界检测性能，实现1.87%的EER在野外测试中表现优异。

TaCo: A Benchmark for Lossless and Lossy Codecs of Heterogeneous Tactile Data

TaCo: 一种用于异构触觉数据无损和有损编解码器的基准测试

Zhengxue Cheng, Yan Zhao, Keyu Wang, 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 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 TaCo提出了一种用于评估触觉数据编解码器性能的基准测试，通过评估30种压缩方法，包括神经编解码器，验证了无损和有损压缩方案在多个任务中的优越性能。

Comments 27 pages

VIMD: Monocular Visual-Inertial Motion and Depth Estimation

VIMD：单目视觉-惯性运动和深度估计

Saimouli Katragadda, Guoquan Huang

机构 * University of Delaware (UD) College of Engineering（德克萨斯大学达勒姆分校工程学院） ； University of Delaware（德克萨斯大学达勒姆分校） ； Robot Perception and Navigation Group (RPNG)（机器人感知与导航小组） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 VIMD通过多视图信息迭代优化像素尺度，实现高效且鲁棒的单目视觉-惯性深度估计，适用于资源受限的3D视觉感知场景。

Ice-FMBench: A Foundation Model Benchmark for Sea Ice Type Segmentation

Ice-FMBench: 一个用于海冰类型分割的基础模型基准

Samira Alkaee Taleghan, Morteza Karimzadeh, Andrew P. Barrett, Walter N. Meier, Farnoush Banaei-Kashani

机构 * University of Colorado Denver（科罗拉多大学丹佛分校） ； University of Colorado Boulder（科罗拉多大学波德分校） ； National Snow and Ice Data Center (NSIDC), CIRES, University of Colorado Boulder（国家冰雪数据研究中心（NSIDC）、CIRES、科罗拉多大学波德分校） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV、cs.LG

AI总结 Ice-FMBench为海冰类型分割任务提供了一个基准框架，评估基础模型的性能，并通过多教师知识蒸馏方法提升模型的时空可转移性。

Journal ref ACM ACM SIGSPATIAL PoIDS 2025

Stateless Yet Not Forgetful: Implicit Memory as a Hidden Channel in LLMs

无状态却非遗忘：隐式记忆作为LLM中的隐藏通道

Ahmed Salem, Andrew Paverd, Sahar Abdelnabi

机构 * Microsoft Security Response Center (MSRC)（微软安全响应中心） ； ELLIS Institute Tübingen and MPI for Intelligent Systems（图宾根ELLIS研究所和智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 研究提出隐式记忆机制，使LLM在无显式存储的情况下通过输出编码信息实现跨交互状态传递，展示其在时间炸弹等安全问题中的应用及影响。

Comments Accepted at IEEE SaTML 2026

MomaGraph: State-Aware Unified Scene Graphs with Vision-Language Model for Embodied Task Planning

MomaGraph: 体感任务规划中的状态感知统一场景图

Yuanchen Ju, Yongyuan Liang, Yen-Jen Wang, Nandiraju Gireesh, Yuanliang Ju, Seungjae Lee, Qiao Gu, Elvis Hsieh, Furong Huang, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Toronto（多伦多大学） 纠错

专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.RO、cs.CV

AI总结 MomaGraph通过统一场景图与强化学习模型，实现家庭环境中体感任务规划的高效任务规划与场景理解。

Comments 25 pages, 10 figures. Project page:https://hybridrobotics.github.io/MomaGraph/

Realistic Synthetic Household Data Generation at Scale

大规模生成逼真合成家庭数据

Siddharth Singh, Ifrah Idrees, Abraham Dauhajre

机构 * Siddharth Singh（1 西雅图） 纠错

专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种大规模生成逼真合成家庭数据的方法，通过松耦合生成人机交互与环境数据，实现双向影响建模，提升家庭智能设备的开发与测试能力。

Comments Accepted at Agentic AI Benchmarks and Applications for Enterprise Tasks workshop at AAAI 2026

WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark

WorldEdit: 向开放世界图像编辑迈进的基于知识的基准

Wang Lin, Feng Wang, Majun Zhang, Wentao Hu, Tao Jin, Zhou Zhao, Fei Wu, Jingyuan Chen, Alan Yuille, Sucheng Ren

机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 WorldEdit通过引入基于知识的基准，提升模型在开放世界图像编辑中对隐式指令的理解和处理能力。

DRMOT: A Dataset and Framework for RGBD Referring Multi-Object Tracking

DRMOT：用于RGBD参照多目标跟踪的数据集和框架

Sijia Chen, Lijuan Ma, Yanqiu Yu, En Yu, Liman Liu, Wenbing Tao

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出DRMOT任务，通过融合RGB、深度和语言信息，构建DRSet数据集并提出DRTrack框架，提升多目标跟踪的3D感知能力。

Comments https://github.com/chen-si-jia/DRMOT

The Quest for Efficient Reasoning: A Data-Centric Benchmark to CoT Distillation

高效推理的追寻：一个数据导向的基准以评估CoT蒸馏

Ruichen Zhang, Rana Muhammad Shahroz Khan, Zhen Tan, Dawei Li, Song Wang, Tianlong Chen

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Arizona State University（亚利桑那州立大学） ； University of Virginia（弗吉尼亚大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出DC-CoT基准，通过数据导向方法评估CoT蒸馏中的数据操作，以优化推理模型的性能和泛化能力。

IndustryShapes: An RGB-D Benchmark dataset for 6D object pose estimation of industrial assembly components and tools

IndustryShapes: 一个用于工业装配组件和工具6D物体姿态估计的RGB-D基准数据集

Panagiotis Sapoutzoglou, Orestis Vaggelis, Athina Zacharia, Evangelos Sartinas, Maria Pateraki

机构 * National Technical University of Athens（希腊国家技术大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 IndustryShapes是首个提供RGB-D静态上boarding序列的工业装配组件和工具6D姿态估计基准数据集，包含多样化的复杂场景和多模态数据，用于评估实例级和新物体姿态估计方法。

Comments To appear in ICRA 2026

VLN-Pilot: Large Vision-Language Model as an Autonomous Indoor Drone Operator

VLN-Pilot: 大型视觉-语言模型作为自主室内无人机操作员

Bessie Dominguez-Dager, Sergio Suescun-Ferrandiz, Felix Escalona, Francisco Gomez-Donoso, Miguel Cazorla

机构 * University Institute for Compute Research（计算研究大学研究所） ； University of Alicante（阿利坎特大学） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.CV

AI总结 VLN-Pilot利用大型视觉-语言模型实现自主室内无人机导航，通过自然语言指令和视觉感知结合，提高飞行任务的自主性和安全性。

Benchmarking Affordance Generalization with BusyBox

通过BusyBox评估具身泛化能力

Dean Fortier, Timothy Adamson, Tess Hellebrekers, Teresa LaScala, Kofi Ennin, Michael Murray, Andrey Kolobov, Galen Mullins

机构 * Microsoft Research（微软研究院） ； Mississippi State University（密苏里州立大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出BusyBox基准，用于评估VLA模型在具身泛化能力上的表现，通过模块化设计挑战模型对新物体的操作能力。

HY3D-Bench: Generation of 3D Assets

HY3D-Bench: 3D资产生成

Team Hunyuan3D, :, Bowen Zhang, Chunchao Guo, Dongyuan Guo, Haolin Liu, Hongyu Yan, Huiwen Shi, Jiaao Yu, Jiachen Xu, Jingwei Huang, Kunhong Li, Lifu Wang, Linus, Penghao Wang, Qingxiang Lin, Ruining Tang, Xianghui Yang, Yang Li, Yirui Guan, Yunfei Zhao, Yunhan Yang, Zeqiang Lai, Zhihao Liang, Zibo Zhao

机构 * Tencent Hunyuan3D（腾讯文生图） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 HY3D-Bench通过开源生态系统提供高质量3D资产生成，包含25万高质量3D对象和12.5万合成资产，支持细粒度感知和可控编辑，推动3D感知、机器人和数字内容创作领域创新。

Comments Authors are listed alphabetically by the first name

Evaluating False Alarm and Missing Attacks in CAN IDS

评估CAN入侵检测系统中的误报和遗漏攻击

Nirab Hossain, Pablo Moriano

机构 * Department of Applied Mathematics University of Colorado Boulder（应用数学系科罗拉多大学波德摩尔分校） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 本文通过评估CAN IDS在对抗性攻击下的性能，揭示了其在误报和遗漏攻击方面的脆弱性，强调了对抗鲁棒性在安全关键汽车系统中的重要性。

Comments 8 pages, 2 figures, and 8 tables

MetaSym: A Symplectic Meta-learning Framework for Physical Intelligence

MetaSym: 一种用于物理智能的辛元学习框架

Pranav Vaidhyanathan, Aristotelis Papatheodorou, Mark T. Mitchison, Natalia Ares, Ioannis Havoutis

机构 * University of Oxford, UK（牛津大学） ； Trinity College Dublin, Ireland（都柏林信任学院） ； King’s College London, UK（伦敦国王学院） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.LG

AI总结 MetaSym 通过结合辛编码器和元注意解码器，实现对物理不变量的保护，并在多种现实任务中展现出优越的少样本适应能力。

Comments Published in Transactions on Machine Learning Research (TMLR), 10 + 18 pages, 9 figures, 10 tables

Journal ref Trans. Mach. Learn. Res., 2026

TTT-Parkour: Rapid Test-Time Training for Perceptive Robot Parkour

TTT-Parkour: 为感知机器人攀爬实现快速测试时训练

Shaoting Zhu, Baijun Ye, Jiaxuan Wang, Jiakang Chen, Ziwen Zhuang, Linzhan Mou, Runhan Huang, Hang Zhao

机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Princeton University（普林斯顿大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 TTT-Parkour通过快速测试时训练方法，使人形机器人能够高效适应复杂地形，提升其在极端几何结构中的攀爬能力。

Comments Project Page: https://ttt-parkour.github.io/

Bridging the Sim-to-Real Gap with multipanda ros2: A Real-Time ROS2 Framework for Multimanual Systems

通过multipanda ros2弥合仿真到现实的差距：一种用于多手系统的真实时间ROS2框架

Jon Škerlj, Seongjin Bien, Abdeldjallil Naceri, Sami Haddadin

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 multipanda_ros2通过实时ROS2框架和高保真仿真整合，实现了多机器人系统的高精度控制与sim2real差距的弥合。

Comments This work has been submitted to the IEEE for possible publication

OASIS-DC: Generalizable Depth Completion via Output-level Alignment of Sparse-Integrated Monocular Pseudo Depth

OASIS-DC: 通过稀疏集成单目伪深度的输出级对齐实现通用深度补全

Jaehyeon Cho, Jhonghyun An

机构 * Vehicle Intelligence Perception Lab (VIPLAB), Gachon University, Seongnam-si, Republic of Korea（高银大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 OASIS-DC通过输出级对齐稀疏集成单目伪深度，实现无需大量标注样本的通用深度补全。

Comments Accepted to ICRA 2026

Multi-Objective Multi-Fidelity Bayesian Optimization with Causal Priors

多目标多保真度贝叶斯优化与因果先验

Md Abir Hossen, Mohammad Ali Javidian, Vignesh Narayanan, Jason M. O'Kane, Pooyan Jamshidi

机构 * Department of Computer Science ； Engineering, University of South Carolina, SC, USA ； Computer Science Department, Appalachian State University, NC, USA ； Engineering, Texas A\&M University, TX, USA 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 RESCUE通过引入因果模型提升多目标多保真度贝叶斯优化的样本效率。

AI-Generated Image Detectors Overrely on Global Artifacts: Evidence from Inpainting Exchange

AI生成图像检测器过度依赖全局伪影：来自修复交换的证据

Elif Nebioglu, Emirhan Bilgiç, Adrian Popescu

机构 * Independent Researcher（独立研究者） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 AI生成图像检测器过度依赖全局伪影，通过修复交换实验发现检测器准确性显著下降，需改进内容感知检测方法。

Comments 21 pages, 15 figures, 6 tables

CaLiV: LiDAR-to-Vehicle Calibration of Arbitrary Sensor Setups

CaLiV：任意传感器配置的LiDAR到车辆校准

Ilir Tahiraj, Markus Edinger, Dominik Kulmer, Markus Lienkamp

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.CV

AI总结 CaLiV提出了一种基于目标的校准技术，用于多LiDAR系统的传感器到传感器和传感器到车辆的校准，适用于非重叠视野范围，无需外部设备，实现了高精度的平移和旋转误差校正。

CARE: Multi-Task Pretraining for Latent Continuous Action Representation in Robot Control

CARE：用于机器人控制的潜在连续动作表示的多任务预训练

Jiaqi Shi, Xulong Zhang, Xiaoyang Qu, Jianzong Wang

机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 CARE通过多任务预训练学习连续动作表示，提升机器人控制的可扩展性和可解释性。

Comments Accepted to 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)

Keeping it Local, Tiny and Real: Automated Report Generation on Edge Computing Devices for Mechatronic-Based Cognitive Systems

保持本地化、小巧和现实：面向机电认知系统的边缘计算设备自动化报告生成

Nicolas Schuler, Lea Dewald, Jürgen Graf

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出了一种基于边缘计算设备的自动化报告生成方法，利用本地模型实现多模态传感器数据处理，以提升机电认知系统在不同环境中的评估效率与隐私保护。

Comments 6 pages, 4 figures, 1 table; accepted for MECATRONICS-REM 2025 International Conference, PARIS, FRANCE December 3-5 2025

The Compliance Paradox: Semantic-Instruction Decoupling in Automated Academic Code Evaluation

合规悖论：自动学术代码评估中的语义指令解耦

Devanshu Sahoo, Manish Prasad, Vasudev Majhi, Arjun Neekhra, Yash Sinha, Murari Mandal, Vinay Chamola, Dhruv Kumar

机构 * KIIT University（KIIT大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 本文揭示了自动学术代码评估中模型因优先考虑隐藏格式约束而无法正确评估代码的问题，提出SPACI和AST-ASIP框架以检测和对抗此类解耦现象。