机器人 / 具身智能

Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model

通过与临床世界模型交互实现患者动态的智能体化

Minghao Wu, Yuting Yan, Zhenyang Cai, Ke Ji, Chuangsen Fang, Ziying Sheng, Xidong Wang, Rongsheng Wang, Hejia Zhang, Shuang Li, Benyou Wang, Hongyuan Zha

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出SepsisAgent，通过临床世界模型模拟患者对液体-血管加压药干预的响应，采用提出-模拟-细化流程进行脓毒症治疗推荐，优于传统RL和LLM基线方法。

EvoNav: Evolutionary Reward Function Design for Robot Navigation with Large Language Models

EvoNav：基于大语言模型的机器人导航奖励函数进化设计

Zhikai Zhao, Chuanbo Hua, Federico Berto, Zihan Ma, Kanghoon Lee, Jiachen Li, Jinkyoo Park

机构 * KAIST（韩国科学技术院） ； Radical Numerics ； UC Riverside（加州大学河滨分校） ； Omelet AI4CO 纠错

专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出EvoNav框架，利用大语言模型自动设计机器人导航奖励函数，通过逐步升温-提升流程降低训练成本，实验表明其优于人工设计和现有方法。

Environmental Understanding Vision-Language Model for Embodied Agent

面向具身智能体的环境理解视觉-语言模型

Jinsik Bang, Jaeyeon Bae, Donggyu Lee, Siyeol Jung, Taehwan Kim

机构 * UNIST（全南国立大学） 纠错

专题命中 模仿学习与强化学习 ：embodied agent(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出EUEA框架，通过细调四项核心技能提升具身智能体的环境理解能力，结合恢复步骤和GRPO阶段提升任务执行效果，实验显示在ALFRED任务中性能显著优于行为克隆基线。

Comments CVPR Findings 2026, Project Page: https://eu-ea.github.io

Whole-Body Mobile Manipulation using Offline Reinforcement Learning on Sub-optimal Controllers

利用离线强化学习在次优控制器上实现全身移动操作

Snehal Jauhri, Vignesh Prasad, Georgia Chalvatzaki

机构 * PEARL Lab, Computer Science Department, Technische Universität Darmstadt（达姆施塔特技术大学计算机科学系PEARL实验室） ； Robotics Institute（机器人研究所） 纠错

专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出WHOLE-MoMa方法，通过生成多样演示和离线强化学习提升全身移动操作性能，实现在无示教数据情况下实现高成功率的任务。

Comments PrePrint. Project website: sites.google.com/view/whole-moma

Disentangled World Models: Learning to Transfer Semantic Knowledge from Distracting Videos for Reinforcement Learning

解耦世界模型：从干扰视频中学习转移语义知识以用于强化学习

Qi Wang, Zhipeng Zhang, Baao Xie, Xin Jin, Yunbo Wang, Shiyu Wang, Liaomo Zheng, Xiaokang Yang, Wenjun Zeng

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo, China（东方理工高等研究院宁波数字孪生研究院） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Ningbo, China（宁波市空间智能与数字衍生重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； Shenyang CASNC Technology Co., Ltd（沈阳中科数控技术股份有限公司） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出了解耦世界模型，通过离线到在线的潜在蒸馏和灵活解耦约束，从干扰视频中学习语义知识，提升强化学习的样本效率。

Comments Accepted by ICCV 2025. Project page: https://qiwang067.github.io/diswm

DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving

DreamerAD：通过潜在世界模型实现高效的强化学习用于自动驾驶

Pengxuan Yang, Yupeng Zheng, Deheng Qian, Zebin Xing, Qichao Zhang, Linbo Wang, Yichen Zhang, Shaoyu Guo, Zhongpu Xia, Qiang Chen, Junyu Han, Lingyun Xu, Yifeng Pan, Dongbin Zhao

机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司） ； School of Advanced Interdisciplinary Sciences, UCAS（中国科学院大学先进交叉科学学院） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.RO、cs.LG

AI总结 DreamerAD通过压缩扩散采样将步骤从100步减少到1步，实现80倍加速并保持视觉可解释性，解决了自动驾驶中真实世界数据训练成本高和安全风险大的问题。

Comments authors update

Object-Centric World Models for Causality-Aware Reinforcement Learning

基于因果意识的强化学习对象中心世界模型

Yosuke Nishimoto, Takashi Matsubara

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出STICA框架，通过对象中心Transformer构建世界模型，并结合因果意识策略和价值网络，提升样本效率和最终性能。

Comments Accepted by AAAI-26. Codes are available at https://github.com/nishimoto0430/STICA

Persistent Robot World Models: Stabilizing Multi-Step Rollouts via Reinforcement Learning

持久的机器人世界模型：通过强化学习稳定多步 rollout

Jai Bardhan, Patrik Drozdik, Josef Sivic, Vladimir Petrik

机构 * Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague（捷克理工大学，捷克信息学、机器人学与控制论研究所） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文通过强化学习方法改进机器人世界模型，解决多步预测中误差累积问题，提出自回归rollout训练方案和多视角视觉反馈奖励，提升预测精度和稳定性，实现在DROID数据集上的state-of-the-art表现。

Comments 34 pages, 11 figures, 12 tables

Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition

基于解剖先验的自主机器人心脏超声标准视图采集框架

Zhiyan Cao, Zhengxi Wu, Yiwei Wang, Pei-Hsuan Lin, Li Zhang, Zhen Xie, Huan Zhao, Han Ding

机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室） ； School of Biomedical Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）生物医学工程学院） ； Information Intelligence Lab, Department of Electrical Engineering, National Chung Hsing University（中原大学电子工程系信息智能实验室） ； Institute of Medical Equipment Science and Engineering, Huazhong University of Science and Technology（华中科技大学医学装备科学与工程研究院） ； Department of Ultrasound Medicine, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院超声医学科） ； Institute of Systems Science (ISS), National University of Singapore (NUS)（新加坡国立大学系统科学研究所） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出结合心脏结构分割与自主探头调整的框架，通过解剖先验引导提升超声标准视图采集的自动化水平，实验表明其在分割精度和探头调整成功率上均有显著提升。

Comments Accepted for publication at the IEEE ICRA 2026. 8 pages, 5 figures, 3 tables

Certificated Actor-Critic: Hierarchical Reinforcement Learning with Control Barrier Functions for Safe Navigation

可信的Actor-Critic：基于控制屏障函数的分层强化学习用于安全导航

Junjun Xie, Shuhao Zhao, Liang Hu, Huijun Gao

专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.RO、cs.LG

AI总结 本文提出可信Actor-Critic算法，结合控制屏障函数设计分层强化学习框架，通过理论分析和实验验证，提升机器人安全导航性能。

Comments Accepted to ICRA 2025

Decoupling Task and Behavior: A Two-Stage Reward Curriculum in Reinforcement Learning for Robotics

分离任务与行为：一种强化学习中的两阶段奖励课程

Kilian Freitag, Knut Åkesson, Morteza Haghir Chehreghani

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Gothenburg University（哥德堡大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(title)；robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出了一种两阶段奖励课程方法，通过分离任务目标与行为术语，提升机器人强化学习中奖励函数设计的有效性和稳定性。

Learning to Build: Autonomous Robotic Assembly of Stable Structures Without Predefined Plans

学习构建：无需预定义计划的自主机器人稳定结构组装

Jingwen Wang, Johannes Kirschner, Paul Rolland, Luis Salamanca, Stefana Parascho

机构 * Lab of Creative Computation, École Polytechnique Fédérale de Lausanne（创意计算实验室，瑞士联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO、cs.LG

AI总结 本文提出了一种无需预定义计划的自主机器人组装方法，通过强化学习策略实现灵活适应环境变化的稳定结构构建。

Puzzle it Out: Local-to-Global World Model for Offline Multi-Agent Reinforcement Learning

解开谜题：用于离线多智能体强化学习的局部到全局世界模型

Sijia Li, Xinran Li, Shibo Chen, Jun Zhang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； South China University of Technology（华南理工大学） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 提出局部到全局世界模型，通过局部预测提升全局状态动态推断，结合不确定性采样机制提升离线多智能体强化学习的泛化能力。

Object-Centric World Models from Few-Shot Annotations for Sample-Efficient Reinforcement Learning

基于少量标注的面向对象世界模型用于样本高效强化学习

Weipu Zhang, Adam Jelley, Trevor McInroe, Amos Storkey, Gang Wang

机构 * University of Edinburgh（爱丁堡大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出OC-STORM框架，通过面向对象表示提升MBRL在复杂视觉领域的样本效率，实验证明其在Atari和Hollow Knight中的优越性能。

Find the Fruit: Zero-Shot Sim2Real RL for Occlusion-Aware Plant Manipulation

寻找水果：面向遮挡感知植物操作的零样本仿真到现实强化学习

Nitesh Subedi, Hsin-Jung Yang, Devesh K. Jha, Soumik Sarkar

机构 * Department of Mechanical Engineering, Iowa State University, USA（爱荷华州立大学机械工程系） ； Mitsubishi Electric Research Laboratories, USA（三菱电机研究实验室） 纠错

专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种零样本仿真到现实强化学习框架，用于解决遮挡感知的植物操作问题，通过解耦高层规划与低层控制，实现对不同植物的高效采摘操作。

Much Ado About Noising: Dispelling the Myths of Generative Robotic Control

许多关于噪声的争论：消解生成机器人控制的神话

Chaoyi Pan, Giri Anantharaman, Nai-Chieh Huang, Claire Jin, Daniel Pfrommer, Chenyang Yuan, Frank Permenter, Guannan Qu, Nicholas Boffi, Guanya Shi, Max Simchowitz

专题命中 模仿学习与强化学习 ：robotic(title)；robotics(abstract)；分类 cs.RO、cs.LG

AI总结 本文通过评估生成控制策略在行为克隆基准上的表现，发现其成功主要源于迭代计算和监督训练，而非多模态捕捉或复杂映射表达。

Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization

通过代理-Q估计和分步策略优化构建自主GUI导航

Yibo Wang, Guangda Huzhang, Yuwei Hu, Yu Xia, Shiyin Lu, Qing-Guo Chen, Zhao Xu, Weihua Luo, Kaifu Zhang, Lijun Zhang

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Ovis Team, Alibaba Group（阿里团队，阿里巴巴集团） 纠错

专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出基于代理-Q估计和分步策略优化的GUI自主导航框架，通过强化学习提升GUI交互能力，实验证明其在导航和基准测试中表现优异。

Self-Refining Vision Language Model for Robotic Failure Detection and Reasoning

自适应多任务视觉语言模型用于机器人故障检测与推理

Carl Qi, Xiaojie Wang, Silong Yong, Stephen Sheng, Huitan Mao, Sriram Srinivasan, Manikantan Nambi, Amy Zhang, Yesh Dattatreya

机构 * UT Austin（德克萨斯大学） ； Amazon Robotics（亚马逊机器人技术） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO、cs.LG

AI总结 ARMOR是一种自适应多任务视觉语言模型，通过多任务自 refinement 过程提升机器人故障检测与推理性能，实现故障检测率提升30%和推理表现提升100%。

Optimistic World Models: Efficient Exploration in Model-Based Deep Reinforcement Learning

乐观世界模型：基于模型的深度强化学习中的高效探索

Akshay Mete, Shahid Aamir Sheikh, Tzu-Hsiang Lin, Dileep Kalathil, P. R. Kumar

机构 * Department of Electrical ； Computer Engineering, Texas A\&M University, College Station, Texas, USA 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出乐观世界模型，通过引入乐观动态损失提升深度强化学习中的高效探索能力，显著提高样本效率和累积回报。

CRoSS: A Continual Robotic Simulation Suite for Scalable Reinforcement Learning with High Task Diversity and Realistic Physics Simulation

CRoSS：一种用于可扩展强化学习的连续机器人仿真套件，具有高任务多样性和真实物理仿真

Yannick Denker, Alexander Gepperth

机构 * Department of Computer Science（计算机科学系） ； Fulda University of Applied Sciences（弗鲁达应用科学大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.AI、cs.LG

AI总结 CRoSS是一种用于连续强化学习的机器人仿真套件，通过高任务多样性和真实物理仿真，提供可扩展且可重复的基准测试环境。

Policy-Driven World Model Adaptation for Robust Offline Model-based Reinforcement Learning

基于策略驱动的世界模型适应的鲁棒性离线模型驱动强化学习

Jiayu Chen, Le Xu, Aravind Venugopal, Jeff Schneider

机构 * The University of Hong Kong, Hong Kong SAR（香港大学） ； INFIFORCE Intelligent Technology Co., Ltd., Hangzhou, China（INFIFORCE智能技术有限公司） ； Tsinghua University, Beijing, China（清华大学） ； Carnegie Mellon University, Pittsburgh, PA 15213, USA（卡内基梅隆大学） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种基于策略驱动的世界模型适应框架，通过最大化最小优化问题和Stackelberg学习动态提升离线模型驱动强化学习的鲁棒性。

Deep SPI: Safe Policy Improvement via World Models

深度SPI：通过世界模型实现安全策略改进

Florent Delgrange, Raphael Avalos, Willem Röpke

机构 * AI Lab, Vrije Universiteit Brussel（人工智能实验室，布鲁塞尔自由大学） ； Cohere 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 DeepSPI通过结合世界模型和表示学习，提出了一种在线策略改进算法，在保持理论保证的同时在ALE-57基准中表现优异。

Comments ICLR 2026, 10 pages main text, 21 pages appendix (excluding references)

Reinforcement learning with timed constraints for robotics motion planning

具有时间约束的强化学习用于机器人运动规划

Zhaoan Wang, Junchao Li, Mahdi Mohammad, Shaoping Xiao

机构 * Department of Mechanical Engineering, Iowa Technology Institute, University of Iowa（机械工程系，Iowa技术研究所，爱荷华大学） ； Talus Renewables, Inc.（Talus Renewables公司） ； Department of Industrial, Electronic, and Mechanical Engineering, Roma Tre University（工业、电子和机械工程系，罗马三大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(title)；robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出了一种基于自动机的强化学习框架，用于在满足MITL时间约束的MDP和POMDP中合成策略，通过时间限制确定性广义巴克斯自动机实现时间正确性和性能优化。

World Models Unlock Optimal Foraging Strategies in Reinforcement Learning Agents

世界模型解锁强化学习智能体的最优觅食策略

Yesid Fonseca, Manuel S. Ríos, Nicanor Quijano, Luis F. Giraldo

机构 * Center of Excellence in Analytics, Artificial Intelligence, and Information Governance, Bancolombia, Colombia（分析、人工智能和信息治理卓越中心，Bancolombia，哥伦比亚） ； Department of Biomedical Engineering, Universidad de los Andes, Bogotá, Colombia（生物医学工程系， Universidad de los Andes，波哥大，哥伦比亚） ； Department of Electrical and Electronics Engineering, Universidad de los Andes, Bogotá, Colombia（电气与电子工程系， Universidad de los Andes，波哥大，哥伦比亚） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 世界模型帮助强化学习智能体实现最优觅食策略，通过预见能力而非单纯奖励最大化驱动高效决策。

Comments 14 pages, 6 figures

Curriculum-Based Reinforcement Learning for Autonomous UAV Navigation in Unknown Curved Tubular Conduit

基于课程的学习强化学习用于自主无人机在未知弯曲管状通道中的导航

Zamirddine Mari, Jérôme Pasquet, Julien Seinturier

机构 * DGA Techniques Navales - Direction Générale de l’Armement（法国国防总局海军技术部） ； LIRMM, TETIS, CNRS, Université de Montpellier Paul-Valéry（蒙彼利埃大学保罗-瓦莱里耶大学） ； LIS, CNRS, Université de Toulon（土伦大学） 纠错

专题命中 模仿学习与强化学习 ：navigation(title,abstract)；分类 cs.RO、cs.LG

AI总结 本文提出基于课程学习的强化学习方法，使无人机在未知弯曲管状环境中实现自主导航，通过结合激光雷达和视觉信息，克服部分可观测性挑战，提升导航稳定性与泛化能力。

Push Smarter, Not Harder: Hierarchical RL-Diffusion Policy for Efficient Nonprehensile Manipulation

推智而非推力：用于高效非抓取操作的分层RL-扩散策略

Steven Caro, Stephen L. Smith

机构 * Department of Electrical and Computer Engineering, University of Waterloo（电子与计算机工程系，滑铁卢大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.RO、cs.LG

AI总结 本文提出HeRD，一种分层RL-扩散策略，用于高效非抓取操作，通过分层目标选择与轨迹生成提升成功率和泛化能力。

Comments 8 pages, 8 figures

Multi-Agent Reinforcement Learning and Real-Time Decision-Making in Robotic Soccer for Virtual Environments

多智能体强化学习与虚拟环境中的实时决策在机器人足球中的应用

Aya Taourirte, Md Sohag Mia

机构 * Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出了一种统一的多智能体强化学习框架，通过分层强化学习和均值场理论，提升了机器人足球中的实时决策与协作性能。

Optimizing Deep Reinforcement Learning for Adaptive Robotic Arm Control

优化深度强化学习用于自适应机械臂控制

Jonaid Shianifar, Michael Schukat, Karl Mason

机构 * School of Computer Science, University of Galway（计算机科学学院，Galway大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文通过TPE优化SAC和PPO算法的超参数，显著提升了七自由度机械臂控制任务的算法性能和训练效率。

Journal ref PAAMS 2024, Communications in Computer and Information Science, vol 2149, PP 293-304 Springer, Cham (2025)

Mastering Contact-rich Tasks by Combining Soft and Rigid Robotics with Imitation Learning

Mariano Ramírez Montero, Ebrahim Shahabi, Giovanni Franzese, Jens Kober, Barbara Mazzolai, Cosimo Della Santina

机构 * Cognitive Robotics, Delft University of Technology（德鲁特理工大学认知机器人学） ； Bioinspired Soft Robotics Lab, Istituto Italiano di Tecnologia（意大利技术研究院仿生软机器人实验室） ； Technology Innovation Institute (TII)（技术创新研究所） ； Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（德国航空航天中心机器人与机电研究所） 纠错

专题命中 模仿学习与强化学习 ：robotics(title)；robotic(abstract)；分类 cs.RO、cs.AI

Comments Update with additional results and experiments

Multimodal Dreaming: A Global Workspace Approach to World Model-Based Reinforcement Learning

Léopold Maytié, Roland Bertin Johannet, Rufin VanRullen

机构 * Univ Toulouse, CNRS, CerCo, and ANITI, Artificial and Natural Intelligence Toulouse Institute（图卢兹大学、法国国家科学研究中心、CerCo以及ANITI人工智能与自然智能图卢兹研究所） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

Comments Under review