机器人 / 具身智能

EPIC-Bench: A Perception-Centric Benchmark for Fine-Grained Embodied Visual Grounding in Vision-Language Models

EPIC-Bench: 一种以感知为中心的细粒度具身视觉 grounding 的基准

Haozhe Shan, Xiancong Ren, Han Dong, Haoyuan Shi, Yingji Zhang, Jiayu Hu, Yi Zhang, Yong Dai, Bin Shen, Lizhen Qu, Zenglin Xu, Xiaozhu Ju

机构 * X-Humanoid ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Manchester（曼彻斯特大学） ； Monash University（墨尔本大学） ； Celonis AI ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 本文提出 EPIC-Bench，一种以感知为中心的细粒度具身视觉 grounding 基准，旨在系统评估 VLMs 在现实世界具身环境中的视觉感知能力。该基准包含 6.6k 个精心标注的元组（图像，文本，掩码），涵盖 23 个细粒度任务，涉及具身交互管道的三个核心阶段：目标定位、导航和操作。评估结果显示，尽管先进推理模型表现出潜力，但当前 VLMs 在复杂视觉-文本对齐方面普遍存在困难，特别是在多目标计数、部分-整体关系理解和 affordance 区域检测方面存在瓶颈。

ClickSeg3D: Few-Click Interactive Segmentation via Semantic Embeddings

ClickSeg3D: 通过语义嵌入实现少点击交互分割

Xueyang Kang, Zijian Yu, Kourosh Khoshelham, Liangliang Nan

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； University of Science and Technology of China（中国科学技术大学） ； Faculty of Architecture and the Built Environment, Delft University of Technology（代尔夫特理工大学建筑与环境学院） 纠错

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

AI总结 本文提出ClickSeg3D，通过语义嵌入实现高效3D实例分割，采用点集直接处理和多对象点击联合推理，提升分割精度与效率，适用于实时应用。

Comments 15 pages, 9 figures, 6 tables

Chrono-Gymnasium: An Open-Source, Gymnasium-Compatible Distributed Simulation Framework

Chrono-Gymnasium：一个开源、兼容Gymnasium的分布式模拟框架

Bocheng Zou, Harry Zhang, Khailanii Slaton, Jingquan Wang, Derrick Ruan, Huzaifa Mustafa Unjhawala, Radu Serban, Dan Negrut

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 Chrono-Gymnasium通过分布式计算框架提升高保真多体动力学模拟的效率，支持机器人导航和行星着陆器优化，减少计算时间而不牺牲物理准确性。

Emotional Expression in Low-Degrees-of-Freedom Robots: Assessing Perception with Reachy Mini

低自由度机器人的情绪表达：通过Reachy Mini评估感知

Amit Rogel, Elmira Yadollahi, Guy Laban

机构 * Robotic Musicianship Lab（机器人音乐性实验室） ； Georgia Institute of Technology（佐治亚理工学院） ； School of Computing and Communications（计算与通讯学院） ； Ben-Gurion University of the Negev（贝内尔盖翁大学（内盖夫分校）） ； School of Brain Sciences and Cognition（脑科学与认知学院） ； The Azrieli National Center for Autism and Neurodevelopment Research（阿兹里尔国家自闭症与神经发育研究中心） 纠错

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

AI总结 研究探讨了低自由度机器人Reachy Mini在表达不同情绪时，人们如何感知和评估其情绪，发现尽管识别准确度不高，但整体情绪影响社交评价，为低自由度机器人情感交流研究提供了基准。

EgoLive: A Large-Scale Egocentric Dataset from Real-World Human Tasks

EgoLive：一个大规模的第一人称视角数据集，源自现实世界的人类任务

Yihang Li, Xuelong Wei, Jingzhou Luo, Yingjing Xiao, Yibo Bai, Guangyuan Zhou, Teng Zou, Chenguang Gui, Jiajun Wen, He Zhang, Kangliang Chen, Xing Pan, Shuaiyan Liu, Daming Wang, Tao An, Jiayi Li, Shibo Jin, Wanwan Zhang, Tianyu Wang, Boren Wei, Zhixuan Huang, Fangsheng Liu, Ruodai Li, Hui Zhang, Anson Li, Yicheng Gong, Peng Cao, Jiaming Liang, Liang Lin

机构 * Joy Future Academy, JD（京东探索研究院） 纠错

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

AI总结 本文提出EgoLive数据集，用于机器人操作学习，具有大规模、高质量、真实场景采集等优势，推动通用机器人模型突破和实际应用。

Chain Of Interaction Benchmark (COIN): When Reasoning meets Embodied Interaction

交互链基准（COIN）：当推理遇见具身交互

Xianhao Wang, Xiaojian Ma, Haozhe Hu, Rongpeng Su, Yutian Cheng, Zhou Ziheng, Hangxin Liu, Lei Liu, Bin Li, Qing Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） ； Xidian University（西安电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 COIN基准通过设计日常场景下的50个交互任务，评估机器人在部分可观测环境下进行因果依赖推理的能力，揭示现有方法在交互推理任务中的局限性。

EgoTL: Egocentric Think-Aloud Chains for Long-Horizon Tasks

EgoTL：用于长时任务的目视思考链

Lulin Liu, Dayou Li, Yiqing Liang, Sicong Jiang, Hitesh Vijay, Hezhen Hu, Xuhai Xu, Zirui Liu, Srinivas Shakkottai, Manling Li, Zhiwen Fan

机构 * UMN（明尼苏达大学） ； TAMU（德克萨斯农工大学） ； Brown University（布朗大学） ； McGill University（麦吉尔大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Columbia University（哥伦比亚大学） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出EgoTL，通过构建目视思考链管道，提升长时任务中视觉语言模型和世界模型的推理与规划能力，发现基础模型在作为目视助手或开放世界模拟器方面仍有不足。

Comments https://ego-tl.github.io/

PhysInOne: Visual Physics Learning and Reasoning in One Suite

PhysInOne：一套视觉物理学习与推理系统

Siyuan Zhou, Hejun Wang, Hu Cheng, Jinxi Li, Dongsheng Wang, Junwei Jiang, Yixiao Jin, Jiayue Huang, Shiwei Mao, Shangjia Liu, Yafei Yang, Hongkang Song, Shenxing Wei, Zihui Zhang, Peng Huang, Shijie Liu, Zhengli Hao, Hao Li, Yitian Li, Wenqi Zhou, Zhihan Zhao, Zongqi He, Hongtao Wen, Shouwang Huang, Peng Yun, Bowen Cheng, Pok Kazaf Fu, Wai Kit Lai, Jiahao Chen, Kaiyuan Wang, Zhixuan Sun, Ziqi Li, Haochen Hu, Di Zhang, Chun Ho Yuen, Bing Wang, Zhihua Wang, Chuhang Zou, Bo Yang

机构 * vLAR Group（vLAR 研究组） ； The Hong Kong Polytechnic University（香港理工大学） ； Syai Singapore（Syai 新加坡） ； Meta 纠错

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

AI总结 PhysInOne通过大规模合成数据提升AI系统对物理现象的理解，包含200万视频和15万动态3D场景，涵盖71种基本物理现象，用于物理感知视频生成、未来帧预测、物理属性估计和运动转移等应用。

Comments CVPR 2026. Siyuan, Hejun, Hu, Jinxi, Dongsheng, Junwei, Yixiao, Jiayue, and Shiwei are co-first authors. Project page: https://vlar-group.github.io/PhysInOne.html

CataractSAM-2: A Domain-Adapted Model for Anterior Segment Surgery Segmentation and Scalable Ground-Truth Annotation

白内障手术分割与可扩展地面真实标注的领域适应模型CataractSAM-2

Mohammad Eslami, Dhanvinkumar Ganeshkumar, Saber Kazeminasab, Michael G. Morley, Michael V. Boland, Michael M. Lin, John B. Miller, David S. Friedman, Nazlee Zebardast, Lucia Sobrin, Tobias Elze

机构 * Thomas Jefferson High School for Science and Technology（托马斯·杰弗逊高中科学与技术学校） ； Mass Eye and Ear, Harvard Medical School（麻省眼耳研究所，哈佛医学院） ； Harvard Ophthalmology AI Lab, Schepens Eye Research Institute of Mass Eye and Ear, Harvard Medical School（哈佛眼科学人工智能实验室，麻省眼耳研究所的谢普恩斯眼研究学院，哈佛医学院） 纠错

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

AI总结 本文提出CataractSAM-2，一种针对白内障眼科手术视频的实时语义分割模型，结合稀疏提示与视频掩码传播框架，提升标注效率并推动高质量地面真实标注的可扩展生成。

RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation

RobotArena ∞：通过现实到模拟的翻译实现可扩展的机器人评估

Yash Jangir, Yidi Zhang, Pang-Chi Lo, Kashu Yamazaki, Chenyu Zhang, Kuan-Hsun Tu, Tsung-Wei Ke, Lei Ke, Yonatan Bisk, Katerina Fragkiadaki

机构 * Carnegie Mellon University（卡内基梅隆大学） ； National Taiwan University（国立台湾大学） 纠错

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

AI总结 本文提出RobotArena Infinity框架，通过模拟环境与在线人类反馈，解决机器人政策评估中的劳动密集型、安全性差等问题，实现可扩展的视觉-语言-动作评估。

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

Evolution 6.0: Robot Evolution through Generative Design

进化6.0：通过生成设计实现机器人进化

Muhammad Haris Khan, Artyom Myshlyaev, Artem Lykov, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * Skolkovo Institute of Science and Technology（斯克洛夫诺研究所） 纠错

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

AI总结 进化6.0通过生成式AI实现机器人自主设计工具和执行任务，展示高成功率和泛化能力。

Comments Accepted to HRI

Rethinking the Practicality of Vision-language-action Model: A Comprehensive Benchmark and An Improved Baseline

重新审视视觉-语言-动作模型的实用性：一个全面的基准和一个改进的基线

Wenxuan Song, Jiayi Chen, Xiaoquan Sun, Huashuo Lei, Yikai Qin, Wei Zhao, Pengxiang Ding, Han Zhao, Tongxin Wang, Pengxu Hou, Zhide Zhong, Haodong Yan, Donglin Wang, Jun Ma, Haoang Li

机构 * OpenHelix-Team（OpenHelix团队） 纠错

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

AI总结 本文提出CEbench基准和LLaVA-VLA模型，通过轻量级设计和两阶段训练提升视觉-语言-动作模型的实用性，实现在消费级GPU上的实际应用。

Comments Accepted by ICRA 2026

Diffusion Trajectory-guided Policy for Long-horizon Robot Manipulation

用于长时程机器人操作的扩散轨迹引导策略

Shichao Fan, Quantao Yang, Yajie Liu, Kun Wu, Zhengping Che, Qingjie Liu, Min Wan

机构 * School of Mechanical Engineering and Automation, BeiHang University（机械工程与自动化学院，北航） ； School of Computer Science and Engineering, BeiHang University（计算机科学与工程学院，北航） ； Beijing Innovation Center of Humanoid Robotics（人形机器人创新中心） ； Division of Robotics, Perception and Learning (RPL), KTH Royal Institute of Technology（机器人、感知与学习 division，皇家理工学院） 纠错

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

AI总结 本文提出DTP框架，通过生成轨迹减少模仿学习中的误差累积，提升长时程机器人任务的性能。

Comments 8 pages, 5 figures, accepted to IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 12, December 2025)

MoWM: Mixture-of-World-Models for Embodied Planning via Latent-to-Pixel Feature Modulation

MoWM: 通过潜在到像素特征调制的混合世界模型实现具身规划

Yangcheng Yu, Xin Jin, Yu Shang, Xin Zhang, Haisheng Su, Wei Wu, Yong Li

机构 * Tsinghua University（清华大学） ； Manifold AI ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 MoWM通过融合潜在世界模型与像素特征，提升具身规划中动作解码的精度与泛化能力。

TC-IDM: Grounding Video Generation for Executable Zero-shot Robot Motion

TC-IDM：为可执行零样本机器人运动实现视频生成

Weishi Mi, Yong Bao, Xiaowei Chi, Xiaozhu Ju, Zhiyuan Qin, Kuangzhi Ge, Kai Tang, Peidong Jia, Shanghang Zhang, Jian Tang

机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； State Key Laboratory of Multimedia Information Processing（多媒体信息处理国家重点实验室） ； School of Computer Science, Peking University（北京大学计算机科学学院） 纠错

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

AI总结 TC-IDM通过工具中心逆动力学模型实现视频生成，提升机器人零样本任务的执行能力与泛化性能。

Towards reliable subsea object recovery: a simulation study of an auv with a suction-actuated end effector

迈向可靠的深海物体回收：配备吸盘驱动末端执行器的AUV的仿真研究

Michele Grimaldi, Yosaku Maeda, Hitoshi Kakami, Ignacio Carlucho, Yvan Petillot, Tomoya Inoue

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

AI总结 本文提出了一种基于仿真的深海物体回收研究，利用配备吸盘驱动末端执行器的HSV，通过高保真度仿真评估自主深海干预行为。

mimic-video: Video-Action Models for Generalizable Robot Control Beyond VLAs

mimic-video: 用于超越VLAs的通用机器人控制的视频-动作模型

Jonas Pai, Liam Achenbach, Victoriano Montesinos, Benedek Forrai, Oier Mees, Elvis Nava

机构 * mimic robotics ； Microsoft Zurich（微软瑞士分公司） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； UC Berkeley（伯克利大学） 纠错

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

AI总结 mimic-video通过结合预训练的视频模型和基于流匹配的动作解码器，实现了更有效的机器人控制，提升了样本效率和收敛速度。

Comments Revised Introduction, Related Work, and Appendix. Additional minor notational and grammatical fixes

Embodied Image Compression

具身图像压缩

Chunyi Li, Rui Qing, Jianbo Zhang, Yuan Tian, Xiangyang Zhu, Zicheng Zhang, Xiaohong Liu, Weisi Lin, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出具身图像压缩问题，建立EmbodiedComp基准测试，证明现有模型在超低比特率下无法完成简单任务，推动具身AI在现实中的应用。

Comments 15 pages, 12 figures, 3 tables

InternData-A1: Pioneering High-Fidelity Synthetic Data for Pre-training Generalist Policy

InternData-A1：开创高保真合成数据用于预训练通用策略

Yang Tian, Yuyin Yang, Yiman Xie, Zetao Cai, Xu Shi, Ning Gao, Hangxu Liu, Xuekun Jiang, Zherui Qiu, Feng Yuan, Yaping Li, Ping Wang, Junhao Cai, Jia Zeng, Hao Dong, Jiangmiao Pang

机构 * Shanghai AI Laboratory Peking University（北京大学上海人工智能实验室） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 InternData-A1通过高保真合成数据实现与最强$π$-数据集相当的VLA模型预训练性能，展示了大规模模拟在机器人任务中的潜力。

SITE: towards Spatial Intelligence Thorough Evaluation

Wenqi Wang, Reuben Tan, Pengyue Zhu, Jianwei Yang, Zhengyuan Yang, Lijuan Wang, Andrey Kolobov, Jianfeng Gao, Boqing Gong

机构 * Boston University（波士顿大学） ； Microsoft Research（微软研究院） 纠错

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

Comments Accepted to ICCV 2025

Seed3D 1.0: From Images to High-Fidelity Simulation-Ready 3D Assets

Jiashi Feng, Xiu Li, Jing Lin, Jiahang Liu, Gaohong Liu, Weiqiang Lou, Su Ma, Guang Shi, Qinlong Wang, Jun Wang, Zhongcong Xu, Xuanyu Yi, Zihao Yu, Jianfeng Zhang, Yifan Zhu, Rui Chen, Jinxin Chi, Zixian Du, Li Han, Lixin Huang, Kaihua Jiang, Yuhan Li, Guan Luo, Shuguang Wang, Qianyi Wu, Fan Yang, Junyang Zhang, Xuanmeng Zhang

机构 * ByteDance（字节跳动） 纠错

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

Comments Seed3D 1.0 Technical Report; Official Page on https://seed.bytedance.com/seed3d

MoTVLA: A Vision-Language-Action Model with Unified Fast-Slow Reasoning

Wenhui Huang, Changhe Chen, Han Qi, Chen Lv, Yilun Du, Heng Yang

机构 * Harvard University（哈佛大学） ； University of Michigan（密歇根大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

mindmap: Spatial Memory in Deep Feature Maps for 3D Action Policies

Remo Steiner, Alexander Millane, David Tingdahl, Clemens Volk, Vikram Ramasamy, Xinjie Yao, Peter Du, Soha Pouya, Shiwei Sheng

机构 * NVIDIA（英伟达） ； Zurich Switzerland（苏黎世瑞士） ； Santa Clara California（圣克拉拉加州） 纠错

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

Comments Accepted to CoRL 2025 Workshop RemembeRL

SAGE:State-Aware Guided End-to-End Policy for Multi-Stage Sequential Tasks via Hidden Markov Decision Process

BinXu Wu, TengFei Zhang, Chen Yang, JiaHao Wen, HaoCheng Li, JingTian Ma, Zhen Chen, JingYuan Wang

机构 * Tsinghua University（清华大学） ； Encosmart ； Beihang University（北航） 纠错

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

Visuospatial Cognitive Assistant

Qi Feng

机构 * Kyoto University（京都大学） 纠错

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

Comments 31 pages, 10 figures, 6 tables

MazeEval: A Benchmark for Testing Sequential Decision-Making in Language Models

Hafsteinn Einarsson

机构 * University of Iceland（爱沙尼亚大学） 纠错

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

Structured Task Solving via Modular Embodied Intelligence: A Case Study on Rubik's Cube

Chongshan Fan, Shenghai Yuan

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

A Convex Formulation of Material Points and Rigid Bodies with GPU-Accelerated Async-Coupling for Interactive Simulation

Chang Yu, Wenxin Du, Zeshun Zong, Alejandro Castro, Chenfanfu Jiang, Xuchen Han

机构 * UCLA ； Toyota Research Institute（丰田研究院） 纠错

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

Comments The supplemental video is available at https://youtu.be/bJNdMXDq4AE. The implementation is available in the open-source toolkit Drake at https://github.com/g1n0st/drake

Comparative Evaluation of 3D Reconstruction Methods for Object Pose Estimation

Varun Burde, Assia Benbihi, Pavel Burget, Torsten Sattler

机构 * Czech Institute of Informatics, Robotics and Cybernetics（捷克信息学、机器人学与自动化研究所） ； Czech Technical University in Prague（布拉格捷克技术大学） 纠错

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

Articulate-Anything: Automatic Modeling of Articulated Objects via a Vision-Language Foundation Model

Long Le, Jason Xie, William Liang, Hung-Ju Wang, Yue Yang, Yecheng Jason Ma, Kyle Vedder, Arjun Krishna, Dinesh Jayaraman, Eric Eaton

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

Comments ICLR 2025. Project website and open-source code: https://articulate-anything.github.io/