机器人 / 具身智能

Spotlighting Task-Relevant Features: Object-Centric Representations for Better Generalization in Robotic Manipulation

聚焦任务相关特征：面向机器人操作泛化的对象中心表示

Alexandre Chapin, Bruno Machado, Emmanuel Dellandréa, Liming Chen

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

AI总结 针对机器人操作策略泛化受视觉表示中任务无关信息干扰的问题，提出基于槽的对象中心表示（SBOCR），通过将密集特征分组为对象级实体来减少噪声，在模拟和真实实验中优于全局和密集特征表示。

Wh0: Generative World Models as Scalable Sources of Egocentric Human Hand Manipulation Data

Wh0: 生成式世界模型作为自我中心人类手部操作数据的可扩展来源

Yangtao Chen, Zixuan Chen, Peiyang Wang, Yong-Lu Li, Jing Huo, Jieqi Shi, Yang Gao

机构 * Shanghai Innovation Institute（上海创新研究院） ； Nanjing University（南京大学） ； Shanghai Jiaotong University（上海交通大学） 纠错

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

AI总结 提出Wh0框架，利用生成式视频世界模型产生自我中心人-物交互数据集WM-H，通过手部运动重建和视觉编辑转化为机器人可训练监督，提升预训练灵巧VLA模型在真实任务上的零样本成功率。

Comments Under review. The first three authors contributed equally to this work

Flowing With Purpose: Latent Action Guided Flow Matching Policies For Robotic Manipulation

有目的的流动：潜在动作引导的流匹配策略用于机器人操作

Bruno Machado, Alexandre Chapin, Emmanuel Dellandrea, Liming Chen

机构 * École Centrale de Lyon（里昂中央理工学院） ； LIRIS, UMR5205（LIRIS实验室，UMR5205） 纠错

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

AI总结 提出潜在动作引导流匹配（LAFM）框架，通过自适应先验分布库替代固定高斯分布，利用潜在动作模型选择结构对齐的初始化，解决流匹配策略中向量场纠缠问题，在真实机器人部署中成功率提升23.4%。

Bridging Semantics and Kinematics: A Modular Framework for Zero-Shot Robotic Manipulation

桥接语义与运动学：零样本机器人操作的模块化框架

Ali Alabbas, Dipshikha Das, Camillo Murgia, Sainul Ansary, Alaa Elkamash, Philip Long

机构 * Atlantic Technological University（大西洋理工大学） 纠错

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

AI总结 提出一种模块化免训练框架，通过视觉感知、语义路由和任务编排三阶段，实现零样本语言引导的机器人操作，在两种零样本实验中达到62%端到端成功率。

Comments Accepted to RO-MAN 2026

PLUME: Probabilistic Latent Unified World Modeling and Parameter Estimation for Multi-Finger Manipulation

PLUME: 多指操作的概率潜在统一世界建模与参数估计

Abhinav Kumar, Soshi Iba, Rana Soltani Zarrin, Dmitry Berenson

机构 * University of Michigan（密歇根大学） ； Honda Research Institute USA（本田美国研究所） 纠错

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

AI总结 提出PLUME世界模型，联合学习参数信念演化与条件动力学，通过在线参数推断实现零样本迁移，在螺丝刀旋转等任务中优于现有方法。

Comments 16 pages, 5 figures

HiPi: Reproducible High-Fidelity Piezoresistive Sensors for Robotic Manipulation

HiPi: 用于机器人操作的可复现高保真压阻传感器

Changyi Lin, Raihan Haque, Hui-Ping Wang, Ding Zhao

机构 * Carnegie Mellon University（卡内基梅隆大学） ； General Motors（通用汽车） 纠错

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

AI总结 提出HiPi系统，通过低串扰读出原理和可复现硬件设计，在双机械臂四阵列2048触觉点场景下实现220Hz读出，将接触几何IoU从0.428提升至0.797。

SafeManip: A Property-Driven Benchmark for Temporal Safety Evaluation in Robotic Manipulation

SafeManip: 一种基于属性的基准，用于机器人操作中的时间安全评估

Chengyue Huang, Khang Vo Huynh, Sebastian Elbaum, Zsolt Kira, Lu Feng

机构 * Department of Machine Learning, Georgia Institute of Technology（佐治亚理工学院机器学习系） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） 纠错

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

AI总结 SafeManip通过定义可重用的安全模板，评估机器人操作中的时间安全属性，涵盖碰撞安全、抓取稳定性等八类安全类别，验证了现有方法在安全评估上的不足。

TacForeSight: Force-Guided Tactile World Model for Contact-Rich Manipulation

TacForeSight：面向接触丰富操作的力引导触觉世界模型

Yujie Zang, Yuhang Zheng, Xian Nie, Yupeng Zheng, Shuai Tian, Songen Gu, Chen Gao, Zining Wang, Shuicheng Yan, Wenchao Ding

机构 * TARS Robotics ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Fudan University（复旦大学） 纠错

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

AI总结 提出TacForeSight框架，通过力条件触觉世界模型预测触觉潜动态，结合预测性触觉条件策略实现高频操作下的主动接触推理，在动态接触干扰下优于现有方法。

HiMem-WAM: Hierarchical Memory-Gated World Action Models for Robotic Manipulation

HiMem-WAM: 用于机器人操作的分层记忆门控世界动作模型

Xiaoquan Sun, Ruijian Zhang, Chen Cao, Yihan Sun, Jiahui Chen, Zetian Xu, Bo Chen, Haijier Chen, Zhen Yang, Jiarun Zhu, Yijun Hong, JingZhe Xu, Jingrui Pang, Mingqi Yuan, Jiayu Chen

机构 * The University of Hong Kong（香港大学） ； INFIFORCE ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 提出分层记忆门控世界动作模型HiMem-WAM，通过分层潜在动作框架和边界触发记忆更新，提升长时域机器人操作的任务相关记忆与泛化鲁棒性。

L-SDPPO: Policy Optimization of Spiking Diffusion Policy for Intra-vehicular Robotic Manipulation

L-SDPPO：用于舱内机器人操作的脉冲扩散策略优化

Liwen Zhang, Dong Zhou, Guanghui Sun, Yifei Zheng, Yuhui Hu, Kaihong Ouyang, Zuoquan Zhao

机构 * Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程系，哈尔滨工业大学） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，香港中文大学） 纠错

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

AI总结 提出L-SDPPO框架，结合脉冲扩散策略与强化学习优化，并引入状态依赖延迟注入机制，在舱内机器人操作任务中实现高成功率和低能耗。

Learning Multi-Modal Trajectory Policies for Data-Efficient Robotic Manipulation

学习多模态轨迹策略以实现数据高效的机器人操作

Zijia Chen, Yuenan Hou, Xinhua Jiang, Yu Li, Weijie Li, Li Liu

机构 * College of Electronic Science and Technology, National University of Defense Technology（电子科学学院，国防科技大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 针对机器人操作中数据稀缺导致的多模态干扰问题，提出基于混合专家模型的多模态轨迹预测框架MATE，通过细粒度子令牌特征解耦和跨模态余弦路由器实现稳定专家分配，在LIBERO基准和真实乒乓球实验中取得显著性能提升。

HyperSim: A Holistic Sim-To-Real Framework For Robust Robotic Manipulation

HyperSim: 一种面向鲁棒机器人操作的整体仿真到现实框架

Junyi Dong, Haotian Luo, Ziwei Xu, Shengwei Bian, Heng Zhang, Sitong Mao, Jingyi Guo, Yang Xu, Wenhao Chen, Qiuyu Feng, Yao Mu, Ping Luo, Shunbo Zhou, Xiaodong Wu

机构 * CloudRobo Lab, Huawei Cloud Computing Technologies Co.,Ltd.（华为云计算技术有限公司云机器人实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出HyperSim框架，通过高保真环境合成、对抗轨迹生成和仿真-现实联合训练三大支柱，系统性地缩小仿真到现实的域差距，在400次真实世界任务执行中实现了ACT和π0分别达到80%和95%的仿真到现实成功率。

Comments 9 pages, 8 figures

RoboManipBaselines: A Unified Framework for Imitation Learning in Robotic Manipulation across Real and Simulation Environments

RoboManipBaselines：面向真实与仿真环境的机器人操作模仿学习统一框架

Masaki Murooka, Tomohiro Motoda, Ryoichi Nakajo, Hanbit Oh, Koshi Makihara, Keisuke Shirai, Tetsuya Ogata, Yukiyasu Domae

机构 * Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology (AIST)（日本国家先进工业科学技术研究院人工智能研究中心） ； CNRS-AIST JRL (Joint Robotics Laboratory), IRL（法国国家科学研究中心与日本AIST联合机器人实验室） ； Institute for AI and Robotics, Future Robotics Organization, Waseda University（早稻田大学未来机器人组织人工智能与机器人研究所） ； AI Robot Association (AIRoA)（人工智能机器人协会） 纠错

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

AI总结 提出RoboManipBaselines开源框架，统一支持仿真和真实环境下的机器人操作模仿学习全流程，包括数据收集、策略训练和部署，并通过基准测试和研究应用验证其有效性。

Comments Added a Limitations section in response to comments from reviewers

Journal ref IEEE Access 2026

Safe and Steerable Geometric Motion Policies for Robotic Dexterous Manipulation

安全且可操控的几何运动策略用于机器人灵巧操作

Albert Wu, Riccardo Bonalli, Thomas Lew, C. Karen Liu

机构 * Computer Science Department, Stanford University（斯坦福大学计算机科学系） ； Laboratory of Signals and Systems, University of Paris-Saclay, CNRS, CentraleSupélec（巴黎-萨克雷大学信号实验室，CNRS，CentraleSupélec） ； Toyota Research Institute（丰田研究院） 纠错

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

AI总结 本研究提出SafePBDS框架，通过几何一致的方法计算最优且可证明安全的配置流形加速度，以实现机器人灵巧操作中的目标和约束的持续协调，并在模拟和Franka Panda-Allegro手平台上验证了其在灵巧抓取和手部重定向中的高效规划和安全保障。

Comments 24 pages, 10 figures, 5 tables. Project page and demo video: https://tml.stanford.edu/safe-pbds

Learning Human-Intention Priors from Large-Scale Human Demonstrations for Robotic Manipulation

从大规模人类示范中学习人类意图先验以用于机器人操作

Yifan Xie, YuAn Wang, Guangyu Chen, Jinkun Liu, Yu Sun, Wenbo Ding

机构 * Tsinghua University（清华大学） ； ByteDance（字节跳动） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title)；robot learning(abstract)；分类 cs.RO

AI总结 本文提出MoT-HRA框架，通过大规模人类示范学习人类意图先验，用于机器人操作，通过构建HA-2.2M数据集和三个耦合专家提升动作合理性和鲁棒性。

Comments 13 pages, 5 figures

KaRMA: A Kinematic Metric for Fine Manipulation Ability in Robotic Hands

KaRMA：一种用于机器人手精细操作能力的运动学指标

Martin Peticco, Pulkit Agrawal

机构 * Improbable AI Lab, Massachusetts Institute of Technology（Improbable AI实验室，麻省理工学院） 纠错

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

AI总结 KaRMA是一种基于运动学的指标，用于衡量机器人手在保持接触的情况下连续改变物体姿态的能力，通过球形测试物体的可达平移和重新定向来评估。

From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation

从反应到预见：通过代理任务图实现机器人操作的前瞻性故障恢复

Sheng Xu, Ruixing Jin, Huayi Zhou, Bo Yue, Guanren Qiao, Yunxin Tai, Yueci Deng, Kui Jia, Guiliang Liu

机构 * Sheng Xu ； Ruixing Jin ； Huayi Zhou ； Bo Yue ； Guanren Qiao ； Yunxin Tai ； Kui Jia ； Guiliang Liu 纠错

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

AI总结 本文提出AgentChord系统，通过代理任务图实现前瞻性故障恢复，提升机器人操作的可靠性和自主性。

Comments 18 pages, accepted to RSS 2026

DexWrist: A Robotic Wrist for Constrained and Dynamic Manipulation

DexWrist：一种用于受限和动态操作的机械腕

Martin Peticco, Gabriella Ulloa, John Marangola, Nitish Dashora, Pulkit Agrawal

机构 * Improbable AI Lab, Massachusetts Institute of Technology（Improbable AI实验室，麻省理工学院） 纠错

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

AI总结 DexWrist通过结合准直接驱动和解耦并行运动机制，在紧凑设计中实现高扭矩和动态接触任务，提升了受限环境中的操作性能。

Comments 9 pages, 8 figures. Submitted to RA-L 2026

E$^2$DT: Efficient and Effective Decision Transformer with Experience-Aware Sampling for Robotic Manipulation

E$^2$DT：高效且有效的决策Transformer与经验感知采样用于机器人操作

Kaiyan Zhao, Borong Zhang, Yiming Wang, Xingyu Liu, Xuetao Li, Yuyang Chen, Xiaoguang Niu

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； State Key Lab of Internet of Things for Smart City and Department of Computer Information Science, University of Macau（澳门大学物联网智能城市重点实验室和计算机信息科学系） 纠错

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

AI总结 本文提出E$^2$DT，一种基于决策Transformer的k-确定性点过程采样框架，通过主动塑造经验选择提升机器人操作任务的效率和效果。

Comments ICRA2026 accepted

VLBiMan: Vision-Language Anchored One-Shot Demonstration Enables Generalizable Bimanual Robotic Manipulation

VLBiMan: 视觉-语言锚定的一次示例演示使通用化双臂机器人操作成为可能

Huayi Zhou, Kui Jia

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

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

AI总结 VLBiMan通过任务感知分解从单个示例中提取可重用技能，实现双臂机器人操作的通用化，减少演示需求并增强跨平台适应性。

Comments accepted by ICLR 2026. The project link is https://hnuzhy.github.io/projects/VLBiMan/

GazeVLA: Learning Human Intention for Robotic Manipulation

GazeVLA：学习人类意图以促进机器人操作

Chengyang Li, Kaiyi Xiong, Yuan Xu, Lei Qian, Yizhou Wang, Wentao Zhu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东部科技研究院） ； Peking University（北京大学） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文提出GazeVLA框架，通过学习人类意图弥合人机之间的固有差距，提升机器人操作性能。

Comments Project page: https://gazevla.github.io

OFlow: Injecting Object-Aware Temporal Flow Matching for Robust Robotic Manipulation

OFlow：注入对象感知的时间流匹配以实现稳健的机器人操作

Kuanning Wang, Ke Fan, Chenhao Qiu, Zeyu Shangguan, Yuqian Fu, Yanwei Fu, Daniel Seita, Xiangyang Xue

机构 * Fudan University（复旦大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 OFlow通过统一时间预测和对象感知推理，提升机器人操作的鲁棒性，实验表明对象感知预测增强了任务成功率。

VADF: Vision-Adaptive Diffusion Policy Framework for Efficient Robotic Manipulation

VADF：面向高效机器人操作的视觉自适应扩散策略框架

Xinglei Yu, Zhenyang Liu, Shufeng Nan, Simo Wu, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出VADF框架，通过视觉驱动的双适应方法减少训练收敛步骤并提升推理早期成功率，采用通用设计可无缝集成至任何扩散策略架构。

RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation

RoboCOIN：一个开源的双臂机器人数据集用于集成操作

Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Runtian Xu, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang, Guocai Yao

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

AI总结 本文提出RoboCOIN数据集，包含18万多个演示，涵盖15种机器人平台，通过分层能力金字塔提供精细标注，提升双臂操作模型性能。

Comments Add experiments

Learning Smooth and Robust Space Robotic Manipulation of Dynamic Target via Inter-frame Correlation

通过帧间相关性学习动态目标的平滑和鲁棒空间机械臂操作

Siyi Lang, Hongyi Gao, Yingxin Zhang, Zihao Liu, Hanlin Dong, Zhaoke Ning, Zhiqiang Ma, Panfeng Huang

机构 * Research Center for Intelligent Robotics, School of Astronautics, Northwestern Polytechnical University（西北工业大学航天学院智能机器人研究中心） ； School of Automation, Northwestern Polytechnical University（西北工业大学自动化学院） ； School of Aeronautics and Astronautics, Sichuan University（四川大学空天科学与工程学院） 纠错

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

AI总结 本文提出一种数据驱动的空间机械臂操作方法，通过利用历史帧与当前帧的时序相关性，实现对未知和非结构化空间环境中动态目标的精确操控。

Comments none

Bi-HIL: Bilateral Control-Based Multimodal Hierarchical Imitation Learning via Subtask-Level Progress Rate and Keyframe Memory for Long-Horizon Contact-Rich Robotic Manipulation

双侧控制基于多模态分层模仿学习的长时程接触丰富机械臂操作

Thanpimon Buamanee, Masato Kobayashi, Yuki Uranishi

机构 * The University of Osaka（大阪大学） ； Kobe University（神户大学） 纠错

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

AI总结 本文提出Bi-HIL框架，通过子任务级进度率和关键帧记忆实现长时程接触丰富机械臂操作的稳定分层协调，验证了显式建模子任务进展与力感知控制的重要性。

Cortical Policy: A Dual-Stream View Transformer for Robotic Manipulation

皮层策略：一种双流视图变换器用于机器人操作

Xuening Zhang, Qi Lv, Xiang Deng, Miao Zhang, Xingbo Liu, Liqiang Nie

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Shandong Jianzhu University（山东建筑大学） 纠错

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

AI总结 本文提出Cortical Policy，通过双流视图变换器提升机器人操作中的空间和动态推理能力，实验证明其在复杂任务中的优越性。

Comments Published as a conference paper at ICLR 2026. 10 pages, 4 figures. Appendix included

AdaptPNP: Integrating Prehensile and Non-Prehensile Skills for Adaptive Robotic Manipulation

AdaptPNP: 集成抓取与非抓取技能以实现适应性机器人操控

Jinxuan Zhu, Chenrui Tie, Xinyi Cao, Yuran Wang, Jingxiang Guo, Zixuan Chen, Haonan Chen, Junting Chen, Yangyu Xiao, Ruihai Wu, Lin Shao

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； RoboScience（机器人科学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出AdaptPNP框架，通过视觉-语言模型整合抓取与非抓取技能，实现复杂机器人操控任务的规划与执行。

Journal ref ICRA 2026

Confusion-Aware In-Context-Learning for Vision-Language Models in Robotic Manipulation

面向机器人操作的上下文学习：考虑混淆的视觉语言模型

Yayun He, Zuheng Kang, Botao Zhao, Zhouyin Wu, Junqing Peng, Jianzong Wang

机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； Shenzhen Bao'an Middle School（深圳宝安中学） 纠错

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

AI总结 本文提出CAICL方法，通过混淆定位与分析提升视觉语言模型在机器人操作中处理混淆场景的能力，实验显示其在VIMA-Bench上成功率达85.5%。

Comments Accepted by the 29th International Conference on Computer Supported Cooperative Work in Design (CSCWD 2026)

Building Explicit World Model for Zero-Shot Open-World Object Manipulation

构建显式世界模型以实现零样本开放世界物体操控

Xiaotong Li, Gang Chen, Javier Alonso-Mora

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title)；robotics(abstract)；分类 cs.RO

AI总结 本文提出基于显式世界模型的框架，通过构建物理基础的数字孪生实现零样本泛化，无需任务特定示范即可完成开放集操控任务。