机器人 / 具身智能

FLASH: Fast Learning via GPU-Accelerated Simulation for High-Fidelity Deformable Manipulation in Minutes

FLASH：通过GPU加速模拟实现高效的高保真变形操纵

Siyuan Luo, Bingyang Zhou, Chong Zhang, Xin Liu, Zhenhao Huang, Gang Yang, Zhengtao Han, Xiaotian Hu, Eric Yang, Rymon Yu, Ziqiu Zeng, Fan Shi

机构 * NUS Human-Centered Robotic Lab（国立新加坡大学人本机器人实验室） ； ETH（苏黎世联邦理工学院） ； ShanghaiTech University（上海科技大学） ； Independent Researcher（独立研究者） ； Gradient 纠错

专题命中 机器人数据与评测 ：manipulation(title,abstract)；robot learning(abstract)；分类 cs.RO

AI总结 FLASH通过GPU加速模拟实现高效变形操纵，利用NCP求解器在单个RTX 5090上支持30 FPS处理300万自由度，基于合成数据训练的策略实现零样本仿真到现实转移。

AeroScene: Progressive Scene Synthesis for Aerial Robotics

AeroScene：用于空域机器人领域的渐进式场景合成

Nghia Vu, Tuong Do, Dzung Tran, Binh X. Nguyen, Hoan Nguyen, Erman Tjiputra, Quang D. Tran, Hai-Nguyen Nguyen, Anh Nguyen

机构 * University of Liverpool, UK（英国利物浦大学） ； AIOZ Ltd., Singapore（新加坡AIOZ有限公司） ； National Tsing Hua University, Taiwan（台湾国立清华大学） ； RMIT University, Vietnam Campus（越南RMIT大学校园） ； University of Information Technology, VNUHCM, Vietnam（越南VNUHCM大学信息科技学院） 纠错

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

AI总结 本文提出AeroScene，一种用于空域机器人领域的渐进式3D场景合成模型，通过分层扩散模型实现全局布局与局部细节的推理，生成物理合理且语义一致的场景，提升导航、着陆等任务性能。

Comments 8 pages. Accepted to ICRA 2026

A Benchmark of Dexterity for Anthropomorphic Robotic Hands

人形机器人手灵巧性基准测试

Davide Liconti, Yuning Zhou, Yasunori Toshimitsu, Ronan Hinchet, Robert K. Katzschmann

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出POMDAR基准，通过结构化操作和抓取任务定义灵巧性，结合任务正确性和执行速度量化评分，实现人形机器人手的客观评估与比较。

MotionScape: A Large-Scale Real-World Highly Dynamic UAV Video Dataset for World Models

MotionScape: 一个大规模真实世界高动态无人机视频数据集用于世界模型

Zile Guo, Zhan Chen, Enze Zhu, Kan Wei, Yongkang Zou, Xiaoxuan Liu, Lei Wang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； Jilin University（吉林大学） 纠错

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

AI总结 MotionScape提供高动态无人机视频数据，用于提升世界模型对复杂3D动态的模拟能力，通过语义和几何对齐的标注提升无人机自主导航与决策能力。

Towards provable probabilistic safety for scalable embodied AI systems

迈向可证明的可扩展具身AI系统的概率安全

Linxuan He, Lingxiang Fan, Qing-Shan Jia, Ang Li, Hongyan Sang, Ling Wang, Guanghui Wen, Jiwen Lu, Tao Zhang, Jie Zhou, Yi Zhang, Yisen Wang, Peng Wei, Zhongyuan Wang, Henry X. Liu, Shuo Feng

机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； School of Computer, Liaocheng University（聊城大学计算机学院） ； Department of Automation, Southeast University（东南大学自动化学院） ； Department of Mechanical and Aerospace Engineering, George Washington University（乔治华盛顿大学机械与航空航天工程系） ； University of Michigan Transportation Research Institute（密歇根大学交通研究所） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） 纠错

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

AI总结 本文提出可证明的概率安全范式，旨在解决具身AI系统在复杂环境中安全验证的挑战，通过结合可证明保证与渐进式达成概率安全边界，提升系统可行性和可扩展性。

Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand

基于仿真驱动的进化运动参数化方法用于具有丰富接触的颗粒抓取任务中柔性圆锥形机械手

Yongliang Wang, Cristian C. Beltran-Hernandez, Tomoya Takahashi, Masashi Hamaya

机构 * OMRON SINIC X Corporation（欧姆龙SINIC X公司） ； University of Groningen（格罗宁根大学） 纠错

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

AI总结 本文提出一种基于仿真的进化运动参数化方法，用于通过柔性圆锥形机械手进行复杂颗粒抓取任务，通过仿真和真实机器人实验验证，实现了高效且通用的抓取性能。

COMB: Common Open Modular robotic platform for Bees

COMB：用于蜜蜂的通用开放模组化机器人平台

Pranav Kedia, Marie Messerich, Tim Landgraf

机构 * Department of Computer and Information Science, University of Konstanz（康斯坦茨大学计算机与信息科学系） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Dahlem Center for Machine Learning and Robotics, Freie Universität Berlin（柏林自由大学达勒姆机器学习和机器人中心） 纠错

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

AI总结 本文介绍COMB平台，一种用于蜂巢实验的紧凑型开放式模组化机器人平台，具备定位阶段、可移动访问窗口、可替换载具模块和嵌入式控制架构，支持在有限空间内进行传感与局部驱动。

HeteroHub: An Applicable Data Management Framework for Heterogeneous Multi-Embodied Agent System

HeteroHub：一种适用于异构多具身代理系统的数据管理框架

Xujia Li, Xin Li, Junquan Huang, Beirong Cui, Zibin Wu, Lei Chen

机构 * HKUST（香港科技大学） 纠错

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

AI总结 本文提出HeteroHub框架，整合静态元数据、任务对齐训练语料和实时数据流，支持任务感知模型训练和闭环控制，实现复杂任务的协调执行。

Comments 4 pages, 2 figures

Beyond Viewpoint Generalization: What Multi-View Demonstrations Offer and How to Synthesize Them for Robot Manipulation?

超越视角泛化：多视角演示提供了什么以及如何为机器人操作合成它们

Boyang Cai, Qiwei Liang, Jiawei Li, Shihang Weng, Zhaoxin Zhang, Tao Lin, Xiangyu Chen, Wenjie Zhang, Jiaqi Mao, Weisheng Xu, Bin Yang, Jiaming Liang, Junhao Cai, Renjing Xu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shenzhen University（深圳大学） ； Beijing Jiaotong University（北京交通大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 研究通过实验验证多视角演示在机器人操作中的性能提升，揭示了多视角数据在提升泛化能力和突破单视角限制方面的优势，提出RoboNVS框架合成多视角数据以提升下游政策表现。

Why Cognitive Robotics Matters: Lessons from OntoAgent and LLM Deployment in HARMONIC for Safety-Critical Robot Teaming

为何认知机器人很重要：来自OntoAgent和HARMONIC中LLM部署的启示

Sanjay Oruganti, Sergei Nirenburg, Marjorie McShane, Jesse English, Michael Roberts, Christian Arndt, Ramviyas Parasuraman, Luis Sentis

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； University of Georgia（佐治亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 研究探讨了在物理世界部署具身体AI代理所需的认知能力，通过HARMONIC架构评估LLM是否能复制OntoAgent的认知能力，发现LLM在知识状态评估上存在缺陷。

Video2Act: A Dual-System Video Diffusion Policy with Robotic Spatio-Motional Modeling

Video2Act：一种双系统视频扩散策略，具有机器人空间-运动建模

Yueru Jia, Jiaming Liu, Shengbang Liu, Rui Zhou, Wanhe Yu, Yuyang Yan, Xiaowei Chi, Yandong Guo, Boxin Shi, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，北京大学计算机学院） ； AI 2 Robotics（AI与机器人） ； Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 Video2Act通过整合空间和运动感知表示，提升机器人动作学习效率，其双系统设计在仿真和现实任务中均取得显著成果。

AgentComm-Bench: Stress-Testing Cooperative Embodied AI Under Latency, Packet Loss, and Bandwidth Collapse

AgentComm-Bench: 在延迟、丢包和带宽崩溃下压力测试协作具身AI

Aayam Bansal, Ishaan Gangwani

机构 * Synthetic Sciences（合成科学） 纠错

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

AI总结 AgentComm-Bench通过六个通信退化维度系统性压力测试协作具身AI，揭示通信依赖任务在延迟、丢包和带宽崩溃下的性能急剧下降，提出基于冗余消息编码的轻量通信策略。

V-Dreamer: Automating Robotic Simulation and Trajectory Synthesis via Video Generation Priors

V-Dreamer：通过视频生成先验自动机器人仿真与轨迹合成

Songjia He, Zixuan Chen, Hongyu Ding, Dian Shao, Jieqi Shi, Chenxu Li, Jing Huo, Yang Gao

机构 * Nanjing University（南京大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

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

AI总结 V-Dreamer通过视频生成先验自动构建仿真环境和可执行轨迹，利用大语言模型和3D生成模型生成物理合理的3D场景，并通过Sim-to-Gen模块实现高效轨迹合成。

Comments 8 pages, 6 figures

Beyond Short-Horizon: VQ-Memory for Robust Long-Horizon Manipulation in Non-Markovian Simulation Benchmarks

超越短时间 horizon：VQ-记忆用于非马尔可夫仿真基准中的鲁棒长时间 manipulation

Honghui Wang, Zhi Jing, Jicong Ao, Shiji Song, Xuelong Li, Gao Huang, Chenjia Bai

机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究院（TeleAI）） 纠错

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

AI总结 本文提出 RuleSafe 基准，通过 LLM 辅助仿真框架构建非马尔可夫任务，引入 VQ-Memory 以提升长时间规划和泛化能力。

Comments 9 pages

Formalisms for Robotic Mission Specification and Execution: A Comparative Analysis

机器人任务规范与执行的正式方法：比较分析

Gianluca Filippone, Sara Pettinari, Patrizio Pelliccione

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

AI总结 本文比较了四种机器人任务规范形式化方法，分析其在任务描述中的适用性、表达能力和工具支持，为设计鲁棒且适应性强的机器人任务提供指导。

SmallSatSim: A High-Fidelity Simulation and Training Toolkit for Microgravity Robotic Close Proximity Operations

SmallSatSim：一种用于微重力机器人近程操作的高保真仿真与训练工具包

David Schwartz, Alexander Hansson, Sabrina Bodmer, David Sternberg, Oliver Jia-Richards, Keenan Albee

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

AI总结 本文提出SmallSatSim，一种高保真仿真工具，用于微重力环境下机器人近程操作的算法开发与测试，支持故障模型配置和GPU加速，旨在加速自主敏捷小卫星操作研究。

Comments 7 pages, 7 figures

ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control

ComFree-Sim：一种基于GPU并行的分析接触物理引擎，用于可扩展的接触密集型机器人仿真与控制

Chetan Borse, Zhixian Xie, Wei-Cheng Huang, Wanxin Jin

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

AI总结 本文提出ComFree-Sim，一种基于GPU并行的分析接触物理引擎，通过阻抗式预测-校正更新计算接触冲量，实现接触计算的线性时间复杂度，适用于接触密集型机器人仿真与控制。

Comments 9 pages

Diversity You Can Actually Measure: A Fast, Model-Free Diversity Metric for Robotics Datasets

可衡量的多样性：一种快速、无模型的机器人数据集多样性度量方法

Sreevardhan Sirigiri, Nathan Samuel de Lara, Christopher Agia, Florian Shkurti, Fabio Ramos

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

AI总结 本文提出FAKTUAL算法，通过计算演示数据集的熵来提升机器人模仿学习中数据集的多样性，从而提高下游任务的成功率，同时具有较高的计算效率。

Learning-Based Robust Control: Unifying Exploration and Distributional Robustness for Reliable Robotics via Free Energy

基于学习的鲁棒控制：通过自由能统一探索与分布鲁棒性以实现可靠的机器人控制

Hozefa Jesawada, Giovanni Russo, Abdalla Swikir, Fares Abu-Dakka

机构 * Mechanical Engineering Program, New York University Abu Dhabi（纽约大学阿布扎赫尔分校机械工程项目） ； Department of Information and Electrical Engineering & Applied Mathematics, University of Salerno（萨勒诺大学信息与电气工程及应用数学系） ； Mohammed bin Zayed University for Artificial Intelligence, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本文提出了一种基于自由能原理的鲁棒控制方法，通过联合学习环境动态和奖励，提升机器人在真实环境中的鲁棒性和可重复操作性能。

CT-Enabled Patient-Specific Simulation and Contact-Aware Robotic Planning for Cochlear Implantation

基于CT的患者特异性模拟与接触感知的耳蜗植入手术机器人规划

Lingxiao Xun, Gang Zheng, Alexandre Kruszewski, Renato Torres

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

AI总结 本文提出了一种基于CT的患者特异性模拟与接触感知的耳蜗植入手术机器人规划方法，通过低维可微模型和伪动力学正则化，实现精确的接触力预测和手术安全。

GaussTwin: Unified Simulation and Correction with Gaussian Splatting for Robotic Digital Twins

GaussTwin: 基于高斯点播的统一仿真与校正用于机器人数字孪生

Yichen Cai, Paul Jansonnie, Cristiana de Farias, Oleg Arenz, Jan Peters

机构 * Intelligent Autonomous Systems Lab, Technical University of Darmstadt（德累斯顿技术大学智能自主系统实验室） ； German Research Center for AI (DFKI), SAIROL（德国人工智能研究中心（DFKI）SAIROL） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； NAVER LABS Europe（NAVER LABS欧洲） 纠错

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

AI总结 GaussTwin通过结合物理仿真与高斯点播技术，实现了稳定且真实的数字孪生，提升了机器人操作的跟踪精度和鲁棒性，并支持闭环交互与学习。

Comments 8 pages, 4 figures, 3 tables, ICRA 2026

ManipulationNet: An Infrastructure for Benchmarking Real-World Robot Manipulation with Physical Skill Challenges and Embodied Multimodal Reasoning

ManipulationNet: 一个用于基于现实世界机器人操作的基准测试基础设施，包含物理技能挑战和具身多模态推理

Yiting Chen, Kenneth Kimble, Edward H. Adelson, Tamim Asfour, Podshara Chanrungmaneekul, Sachin Chitta, Yash Chitambar, Ziyang Chen, Ken Goldberg, Danica Kragic, Hui Li, Xiang Li, Yunzhu Li, Aaron Prather, Nancy Pollard, Maximo A. Roa-Garzon, Robert Seney, Shuo Sha, Shihefeng Wang, Yu Xiang, Kaifeng Zhang, Yuke Zhu, Kaiyu Hang

机构 * Rice University（里士大学） ； U.S. National Institute of Standards and Technology（美国国家标准与技术研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄技术大学） ； Autodesk Research（Autodesk研究） ； University of California, Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（皇家理工学院） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； ASTM International（美国材料与试验协会） ； Carnegie Mellon University（卡内基梅隆大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； NVIDIA Research（NVIDIA研究） 纠错

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

AI总结 ManipulationNet通过标准化硬件和统一软件客户端，为机器人操作提供现实世界基准测试，促进物理技能和具身推理能力的系统性发展。

Comments 32 pages, 8 figures

FATE: Closed-Loop Feasibility-Aware Task Generation with Active Repair for Physically Grounded Robotic Curricula

FATE: 闭环可行性感知任务生成与主动修复的物理 grounded 机器人课程

Bingchuan Wei, Bingqi Huang, Jingheng Ma, Zeyu zhang, Sen Cui

机构 * School of Aerospace Engineering, Tsinghua University, Beijing, China（航空航天工程系，清华大学，北京，中国） ； Department of Automation, Tsinghua University, Beijing, China（自动化系，清华大学，北京，中国） ； School of Integrated Circuits, Tsinghua University, Beijing, China（集成电路学院，清华大学，北京，中国） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI), Beijing, China（通用人工智能国家重点实验室，北京通用人工智能研究院（BIGAI），北京，中国） 纠错

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

AI总结 FATE通过闭环验证与主动修复机制，生成物理 grounded 的机器人任务课程，有效减少执行失败率。

Comments 16 Pages, 4 Figures

Automated Action Generation based on Action Field for Robotic Garment Smoothing and Alignment

基于动作场的机器人服装平铺与对齐的自动化动作生成

Hu Cheng, Fuyuki Tokuda, Kazuhiro Kosuge

机构 * JC STEM Lab of Robotics for Soft Materials（机器人软材料实验室） ； Department of Electrical and Electronic Engineering（电气电子工程系） ； Faculty of Engineering（工程学院） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出基于动作场的机器人服装平铺与对齐方法，通过神经网络生成动作向量并预测操作评分图，实现更高效的服装处理。

Comments Accepted by IEEE Transactions on Automation Science and Engineering

Generalizable Coarse-to-Fine Robot Manipulation via Language-Aligned 3D Keypoints

可泛化的粗到细机器人操作 via 语言对齐的3D关键点

Jianshu Hu, Lidi Wang, Shujia Li, Yunpeng Jiang, Xiao Li, Paul Weng, Yutong Ban

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

AI总结 CLAP通过任务分解、VLM微调和3D感知表示，提升机器人操作在新指令和环境下的泛化能力，实现更高的样本效率和操作精度。

Comments Published in ICLR 2026

I-FailSense: Towards General Robotic Failure Detection with Vision-Language Models

I-FailSense：面向通用机器人故障检测的视觉-语言模型

Clemence Grislain, Hamed Rahimi, Olivier Sigaud, Mohamed Chetouani

机构 * ISIR, Sorbonne Université, CNRS（ISIR，索邦大学，国家科学研究中心） 纠错

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

AI总结 I-FailSense通过构建专门用于检测语义错位故障的数据集，提出了一种开源视觉-语言模型框架，有效提升机器人故障检测能力。

Quantization-Aware Collaborative Inference for Large Embodied AI Models

量化感知的协作推理用于大体型具身AI模型

Zhonghao Lyu, Ming Xiao, Mikael Skoglund, Merouane Debbah, H. Vincent Poor

机构 * Department of Information Science and Engineering, KTH Royal Institute of Technology（信息科学与工程系，皇家理工学院） ； Research Institute for Digital Future, Khalifa University（数字未来研究院，哈利法大学） ； Department of Electrical and Computer Engineering, Princeton University（电气与计算机工程系，普林斯顿大学） 纠错

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

AI总结 本文提出了一种量化感知的协作推理方法，通过联合优化量化位宽和计算频率，以在资源受限的具身AI系统中平衡推理质量、延迟和能耗。

UniVTAC: A Unified Simulation Platform for Visuo-Tactile Manipulation Data Generation, Learning, and Benchmarking

UniVTAC：一种用于视觉-触觉操作数据生成、学习和评估的统一仿真平台

Baijun Chen, Weijie Wan, Tianxing Chen, Xianda Guo, Congsheng Xu, Yuanyang Qi, Haojie Zhang, Longyan Wu, Tianling Xu, Zixuan Li, Yizhe Wu, Rui Li, Xiaokang Yang, Ping Luo, Wei Sui, Yao Mu

机构 * ScaleLab, Shanghai Jiao Tong University（上海交通大学ScaleLab） ； D-Robotics ； ViTai Robotics ； The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； Shenzhen University（深圳大学） ； Wuhan University（武汉大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 UniVTAC提出了一种统一的视觉-触觉数据生成平台，通过训练触觉中心的编码器和基准任务提升机器人操作的成功率。

Comments Website: https://univtac.github.io/

CAPER: Constrained and Procedural Reasoning for Robotic Scientific Experiments

CAPER：用于机器人科学实验的约束和程序性推理

Jinghan Yang, Jingyi Hou, Xinbo Yu, Wei He, Yifan Wu

机构 * University of Science and Technology Beijing（北京科技大学） ； Beijing Information Science and Technology University（北京信息科技大学） 纠错

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

AI总结 CAPER通过约束和程序性推理框架提升机器人在科学实验中的可控性、鲁棒性和数据效率。

A Continual Offline Reinforcement Learning Benchmark for Navigation Tasks

连续离线强化学习导航任务基准测试

Anthony Kobanda, Odalric-Ambrym Maillard, Rémy Portelas

机构 * Inria, Univ. Lille, CNRS, Centrale Lille, UMR 9198-CRIStAL, F-59000 Lille, France（法国里尔大学、法国国家科学研究中心、中央里尔学院、UMR 9198-CRIStAL） 纠错

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

AI总结 本文提出一个连续离线强化学习导航任务基准测试，通过视频游戏场景评估算法性能，解决灾难性遗忘、任务适应和内存效率等关键挑战。

Comments arXiv admin note: text overlap with arXiv:2412.14865