机器人 / 具身智能

Bridging the Reality Gap in Digital Twins with Context-Aware, Physics-Guided Deep Learning

用上下文感知和物理引导的深度学习弥合数字孪生中的现实差距

Sizhe Ma, Katherine A. Flanigan, Mario Bergés

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

AI总结 本文提出了一种现实差距分析模块，通过结合领域对抗深度学习和降阶模拟器引导，提升数字孪生的上下文推断和物理一致性，用于结构健康监测。

Comments Submitted to ASCE Journal of Computing in Civil Engineering

Journal ref Journal of Computing in Civil Engineering, vol. 40, no. 3, May 2026, p. 04026009

Beyond Face Swapping: A Diffusion-Based Digital Human Benchmark for Multimodal Deepfake Detection

超越人脸交换：一种基于扩散模型的多模态深度伪造检测基准

Jiaxin Liu, Jia Wang, Saihui Hou, Min Ren, Huijia Wu, Long Ma, Renwang Pei, Zhaofeng He

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

AI总结 本文提出DigiFakeAV数据集和DigiShield检测模型，用于多模态深度伪造检测，通过融合时空和跨模态特征提升检测性能。

Synthetic Object Compositions for Scalable and Accurate Learning in Detection, Segmentation, and Grounding

合成对象组合用于检测、分割和接地任务中的可扩展和准确学习

Weikai Huang, Jieyu Zhang, Taoyang Jia, Chenhao Zheng, Ziqi Gao, Jae Sung Park, Winson Han, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） 纠错

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

AI总结 合成对象组合（SOC）通过新的以对象为中心的组合策略，实现了准确且可扩展的数据合成流程，提升了检测、分割和接地任务的性能，尤其在低数据和封闭词汇场景中表现突出。

Comments Project website: https://github.com/weikaih04/Synthetic-Detection-Segmentation-Grounding-Data

Hybrid Deep Feature Extraction and ML for Construction and Demolition Debris Classification

混合深度特征提取与机器学习用于建筑与拆除垃圾分类

Obai Alashram, Nejad Alagha, Mahmoud AlKakuri, Zeeshan Swaveel, Abigail Copiaco

机构 * College of Engineering and IT（工程与信息技术学院） 纠错

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

AI总结 本研究提出混合深度特征提取与机器学习方法，实现建筑与拆除垃圾的高精度分类，准确率达99.5%。

Evaluating Large Vision-language Models for Surgical Tool Detection

评估大型视觉-语言模型用于手术工具检测

Nakul Poudel, Richard Simon, Cristian A. Linte

机构 * Rochester Institute of Technology（罗切斯特理工大学） ； Center for Imaging Science（成像科学中心） ； Center for Imaging Science and Biomedical Engineering（成像科学与生物医学工程中心） 纠错

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

AI总结 本研究评估了三种大型视觉-语言模型在手术工具检测任务中的性能，发现Qwen2.5在检测和泛化能力上表现最佳。

HumanDiffusion: A Vision-Based Diffusion Trajectory Planner with Human-Conditioned Goals for Search and Rescue UAV

HumanDiffusion：一种基于视觉的扩散轨迹规划器，用于搜索与救援无人机的人类条件目标

Faryal Batool, Iana Zhura, Valerii Serpiva, Roohan Ahmed Khan, Ivan Valuev, Issatay Tokmurziyev, Dzmitry Tsetserukou

机构 * Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究院） 纠错

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

AI总结 HumanDiffusion通过基于视觉的扩散规划实现无人机在紧急情况中的人类意识导航，具备轻量级、高安全性和高效率的特点。

Comments This paper has been accepted at HRI, Late Breaking Report, 2026

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

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

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

TVWorld: Foundations for Remote-Control TV Agents

TVWorld: 电视遥控的基石

Zhantao Ma, Quanfeng Lu, Shuai Zhong, Dahai Yu, Ping Luo, Michael K. Ng

机构 * The University of Hong Kong（香港大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； TCL Corporate Research (Hong Kong) Co., Ltd（TCL 香港企业研究有限公司） 纠错

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

AI总结 TVWorld提出了一种基于图的电视导航抽象，开发了TVWorld-N和TVWorld-G两个基准测试，通过拓扑感知训练框架TVTheseus实现了68.3%的成功率，超越现有基线。

LLM-VLM Fusion Framework for Autonomous Maritime Port Inspection using a Heterogeneous UAV-USV System

基于异构无人机-水下机器人系统的LLM-VLM融合框架用于自主港口检测

Muhayy Ud Din, Waseem Akram, Ahsan B. Bakht, Irfan Hussain

机构 * Khalifa University Center for Autonomous Robotic Systems (KUCARS)（卡利法大学自主机器人系统中心（KUCARS）） ； Khalifa University（卡利法大学） 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 本文提出基于LLM和VLM的融合框架，利用异构无人机-水下机器人系统实现自主港口检测，通过符号规划与语义检测提升检测效率和安全性。

Comments submitted in AEJ

Generalizable Domain Adaptation for Sim-and-Real Policy Co-Training

可泛化领域适应的仿真与现实策略协同训练

Shuo Cheng, Liqian Ma, Zhenyang Chen, Ajay Mandlekar, Caelan Garrett, Danfei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Corporation（英伟达公司） 纠错

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

AI总结 本文提出一种仿真与现实协同训练框架，通过学习领域不变的特征空间，利用仿真数据提升现实世界操作策略的泛化能力，实现实验成功率提升30%。

Comments Accepted to NeurIPS 2025

Visual Marker Search for Autonomous Drone Landing in Diverse Urban Environments

面向异质城市环境的自主无人机着陆视觉标记搜索

Jiaohong Yao, Linfeng Liang, Yao Deng, Xi Zheng, Richard Han, Yuankai Qi

机构 * School of Computing, Macquarie University（计算学院，麦考瑞大学） 纠错

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

AI总结 本文提出基于模拟的评估套件，研究异质城市环境中自主无人机着陆的视觉标记搜索问题，通过对比启发式策略与强化学习方法，探讨复杂场景对着陆性能的影响。

Can Vision-Language Models Understand Construction Workers? An Exploratory Study

视觉-语言模型能理解建筑工人吗？一项探索性研究

Hieu Bui, Nathaniel E. Chodosh, Arash Tavakoli

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Villanova University（维拉诺瓦大学） ； Department of Computing Sciences（计算科学系） ； Department of Civil and Environmental Engineering（土木与环境工程系） 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 本研究评估了三种视觉-语言模型在识别建筑工人行为和情绪方面的性能，发现GPT-4o表现最佳，但需进一步改进以提高实际应用可靠性。

UEOF: A Benchmark Dataset for Underwater Event-Based Optical Flow

UEOF：用于水下事件驱动光流的基准数据集

Nick Truong, Pritam P. Karmokar, William J. Beksi

机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校） 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 本文提出首个水下事件驱动光流基准数据集，通过物理光线追踪生成真实事件数据流，用于评估水下光传输对运动估计的影响。

Comments To be presented at the 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshop on Event-Based Vision in the Era of Generative AI

RewriteNets: End-to-End Trainable String-Rewriting for Generative Sequence Modeling

RewriteNets：生成序列建模中的端到端可训练字符串重写

Harshil Vejendla

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

AI总结 RewriteNets通过显式字符串重写机制，在生成序列建模中实现端到端训练，展现优异的系统泛化能力和计算效率。

Comments 6 pages, 2 figures, AACL 2025 Findings

OSCAR: Open-Set CAD Retrieval from a Language Prompt and a Single Image

OSCAR: 从语言提示和单张图像进行开放集CAD检索

Tessa Pulli, Jean-Baptiste Weibel, Peter Hönig, Matthias Hirschmanner, Markus Vincze, Andreas Holzinger

机构 * BOKU University, Human-Centered AI Lab, FTEC, Department for Ecosystem Management, Climate（博乐大学，以人为中心的人工智能实验室，FTEC，生态系统管理部，气候） ； Institute for Human Centered Computing, Faculty of Informatics（以人为中心的计算研究所，信息学院） ； Biomedical Engineering, TU Graz, Graz, Austria（生物医学工程，格拉茨技术大学，格拉茨，奥地利） 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 OSCAR通过语言提示和单张图像实现开放集CAD检索，无需训练即可在未标记数据库中检索匹配对象模型，提升6D物体姿态估计的自动化水平。

LOST-3DSG: Lightweight Open-Vocabulary 3D Scene Graphs with Semantic Tracking in Dynamic Environments

LOST-3DSG: 轻量级开放词汇3D场景图在动态环境中的语义跟踪

Sara Micol Ferraina, Michele Brienza, Francesco Argenziano, Emanuele Musumeci, Vincenzo Suriani, Domenico D. Bloisi, Daniele Nardi

机构 * Sapienza University of Rome（萨皮恩扎罗马大学） ； International University of Rome UNINT（罗马国际大学UNINT） 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 LOST-3DSG通过语义跟踪方法实现轻量级开放词汇3D场景图，在动态环境中高效跟踪物体。

PRISM: Protocol Refinement through Intelligent Simulation Modeling

通过智能仿真建模实现协议优化：PRISM

Brian Hsu, Priyanka V Setty, Rory M Butler, Ryan Lewis, Casey Stone, Rebecca Weinberg, Thomas Brettin, Rick Stevens, Ian Foster, Arvind Ramanathan

机构 * Argonne National Laboratory（阿贡国家实验室） 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 PRISM通过智能仿真建模实现实验协议的自动化设计、验证和执行，结合语言模型代理、数字孪生验证和机器人执行，提供端到端的实验流程解决方案。

Comments 43 pages, 8 figures, submitted to RSC Digital Discovery. Equal contribution: B. Hsu, P.V. Setty, R.M. Butler. Corresponding author: A. Ramanathan

From Human Intention to Action Prediction: Intention-Driven End-to-End Autonomous Driving

从人类意图到动作预测：意图驱动的端到端自动驾驶

Huan Zheng, Yucheng Zhou, Tianyi Yan, Jiayi Su, Hongjun Chen, Dubing Chen, Xingtai Gui, Wencheng Han, Runzhou Tao, Zhongying Qiu, Jianfei Yang, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学SKL-IOTSC、CIS） ； Zhejiang ZEEKR Automobile Research & Development Co., Ltd.（浙江浙汽汽车研究院有限公司） 纠错

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

AI总结 本文提出意图驱动的端到端自动驾驶框架，通过引入新的评估协议和两种解决方案范式，提升自动驾驶对高层次人类意图的理解和实现能力。

RobotDiffuse: Diffusion-Based Motion Planning for Redundant Manipulators with the ROP Obstacle Avoidance Dataset

RobotDiffuse: 基于扩散模型的冗余机械臂运动规划与ROP障碍避让数据集

Xudong Mou, Xiaohan Zhang, Tiejun Wang, Tianyu Wo, Cangbai Xu, Ningbo Gu, Rui Wang, Xudong Liu

机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院） ； Hangzhou Innovation Institute, Beihang University, Hangzhou, China（北京航空航天大学杭州创新研究院） 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 RobotDiffuse通过扩散模型实现冗余机械臂运动规划，结合物理约束与点云编码器，并发布ROP数据集提升障碍避让性能。

A Novel Deep Learning Method for Segmenting the Left Ventricle in Cardiac Cine MRI

一种用于心脏 cine MRI 中左心室分割的新型深度学习方法

Wenhui Chu, Aobo Jin, Hardik A. Gohel

机构 * Dept. of Computer Science, University of Houston-Victoria, Victoria, USA.（计算机科学系，休斯顿-维克托利亚大学，维克托利亚，美国） 纠错

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

AI总结 本研究提出GBU-Net，一种基于组批归一化U-Net的新型深度学习方法，用于提高心脏cine MRI中左心室分割的精度和上下文理解能力。

Comments 9 pages, 5 figures

DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network

DST-Calib: 一种双路径、自监督、无目标的激光雷达-摄像头外参校准网络

Zhiwei Huang, Yanwei Fu, Yi Zhou, Xieyuanli Chen, Qijun Chen, Rui Fan

机构 * Department of Control Science & Engineering, the College of Electronics & Information Engineering, Tongji University（控制科学与工程系，电子与信息工程学院，同济大学） ； Department of Mechanical Engineering, the School of Mechanical Engineering, Tongji University（机械工程系，机械工程学院，同济大学） ； School of Robotics, Hunan University（机器人学院，湖南大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科学技术大学） ； Department of Control Science & Engineering, the College of Electronics & Information Engineering, Shanghai Research Institute for Intelligent Autonomous Systems, the State Key Laboratory of Intelligent Autonomous Systems, and Frontiers Science Center for Intelligent Autonomous Systems, Tongji University（控制科学与工程系，电子与信息工程学院，上海智能自主系统研究院，智能自主系统国家重点实验室，智能自主系统前沿科学中心，同济大学） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） 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 DST-Calib通过双路径自监督方法，无需目标实现激光雷达与摄像头的高效外参校准，提升泛化能力。

Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting

通过回顾轨迹重写实现LM代理的样本高效在线学习

Michael Y. Hu, Benjamin Van Durme, Jacob Andreas, Harsh Jhamtani

机构 * New York University（纽约大学） ； Microsoft（微软） 纠错

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

AI总结 ECHO通过回顾轨迹重写提升LM代理的样本效率，有效利用过去经验以更快适应新环境。

Loupe: A Generalizable and Adaptive Framework for Image Forgery Detection

Loupe：一种通用且适应性强的图像伪造检测框架

Yuchu Jiang, Jiaming Chu, Jian Zhao, Xin Zhang, Xu Yang, Lei Jin, Chi Zhang, Xuelong Li

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

AI总结 Loupe提出了一种轻量且高效的图像伪造检测与定位框架，通过补丁级融合和条件查询设计提升分类准确性和空间定位性能，在挑战中取得领先成绩。

Comments There is some controversy over the methods of the content

Machine Learning - Driven Materials Discovery: Unlocking Next-Generation Functional Materials - A review

机器学习驱动的材料发现：解锁下一代功能材料——综述

Dilshod Nematov, Mirabbos Hojamberdiev

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

AI总结 本文综述了机器学习驱动的材料发现方法，探讨其在预测材料性质、发现新化合物及优化材料结构中的应用，展示了AI在加速材料研发中的关键作用。

Journal ref Computational Condensed Matter, 2025

UniAct: Unified Motion Generation and Action Streaming for Humanoid Robots

UniAct：面向人形机器人的统一动作生成与动作流

Nan Jiang, Zimo He, Wanhe Yu, Lexi Pang, Yunhao Li, Hongjie Li, Jieming Cui, Yuhan Li, Yizhou Wang, Yixin Zhu, Siyuan Huang

机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； School of Computer Science, Peking University（计算机科学学院，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； School of Foreign Languages, Peking University（外语学院，北京大学） ； School of EECS, Peking University（电子工程与科学学院，北京大学） ； Huazhong University of Science and Technology（华中科技大学） ； State Key Lab of General AI（通用人工智能国家重点实验室） ； Nat’l Eng. Research Center of Visual Technology（视觉技术国家工程研究中心） ； 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） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，北京大学-武汉人工智能研究院） 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 UniAct通过统一感知与控制框架，实现人形机器人在多模态指令下的高效动作生成与实时执行，提升零样本跟踪成功率19%。

Comments Project page: https://jnnan.github.io/uniact/

PointRAFT: 3D deep learning for high-throughput prediction of potato tuber weight from partial point clouds

PointRAFT：用于从部分点云高通量预测马铃薯块茎重量的3D深度学习

Pieter M. Blok, Haozhou Wang, Hyun Kwon Suh, Peicheng Wang, James Burridge, Wei Guo

机构 * Graduate School of Agricultural and Life Sciences, The University of Tokyo（东京大学农业与生命科学研究生院） ； Department of Integrative Biological Sciences and Industry, Sejong University（世宗大学整合生物科学与工业系） 纠错

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

AI总结 PointRAFT通过高通量点云回归网络，从部分点云直接预测马铃薯块茎重量，显著优于现有方法，适用于3D表型分析和机器人感知。

Comments 14 pages, 7 figures, 3 tables

OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction

OTTER: 一种具有文本感知视觉特征提取的视觉-语言-动作模型

Huang Huang, Fangchen Liu, Letian Fu, Tingfan Wu, Mustafa Mukadam, Jitendra Malik, Ken Goldberg, Pieter Abbeel

机构 * University of California, Berkeley（加州大学伯克利分校） ； Meta AI 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 OTTER通过文本感知的视觉特征提取，提升视觉-语言-动作模型的零样本泛化能力。

Quantifying True Robustness: Synonymity-Weighted Similarity for Trustworthy XAI Evaluation

量化真实鲁棒性：基于同义词加权的相似性用于可信XAI评估

Christopher Burger

机构 * The University of Mississippi（密苏里大学） 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 本文提出基于同义词加权的相似性方法，用于更准确评估XAI系统的鲁棒性，防止攻击成功率的高估。

Comments 10 pages, 2 figures, 6 tables. Changes to title, abstract and minor edits to the content as a result of acceptance to the 59th Hawaii International Conference on System Sciences

LidarDM: Generative LiDAR Simulation in a Generated World

LidarDM: 生成世界中的生成激光雷达模拟

Vlas Zyrianov, Henry Che, Zhijian Liu, Shenlong Wang

机构 * UIUC（伊利诺伊大学香槟分校） ； NVIDIA（英伟达） 纠错

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

AI总结 LidarDM通过集成4D世界生成框架，实现了基于驾驶场景的4D激光雷达点云生成，提升自动驾驶模拟的逼真度与时间一致性。

Schrodinger AI: A Unified Spectral-Dynamical Framework for Classification, Reasoning, and Operator-Based Generalization

薛定谔AI：一种用于分类、推理和基于算子的泛化统一频谱-动态框架

Truong Son Nguyen

机构 * Arizona State University（亚利桑那州立大学） 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 薛定谔AI通过统一频谱-动态框架实现分类、推理和基于算子的泛化，提供稳健的泛化能力与可解释的语义。