机器人 / 具身智能

Spatial-DISE: A Unified Benchmark for Evaluating Spatial Reasoning in Vision-Language Models

空间-DisE：评估视觉语言模型空间推理能力的统一基准

Xinmiao Huang, Qisong He, Zhenglin Huang, Boxuan Wang, Zhuoyun Li, Guangliang Cheng, Yi Dong, Xiaowei Huang

机构 * School of Computer Science & informatics, University of Liverpool（计算机科学与信息学系，利物浦大学） 纠错

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

AI总结 本文提出Spatial-DISE基准，用于评估视觉语言模型的空间推理能力，通过四个象限分类和大规模数据集，揭示当前模型在多步骤多视角推理上的不足。

Comments ICLR 2026 Accepted Project Page: https://shinmohuang.github.io/spatialdise_page/

Depth-PC: A Visual Servo Framework Integrated with Cross-Modality Fusion for Sim2Real Transfer

Depth-PC: 一种集成跨模态融合的视觉伺服框架用于仿真到现实迁移

Haoyu Zhang, Yang Liu, Yimu Jiang, Weiyang Lin, Chao Ye

机构 * Research Institute of Intelligent Control and Systems, Harbin Institute of Technology（智能控制与系统研究所，哈尔滨工业大学） 纠错

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

AI总结 Depth-PC通过跨模态融合和图神经网络实现零样本仿真到现实迁移的视觉伺服框架

eStonefish-Scenes: A Sim-to-Real Validated and Robot-Centric Event-based Optical Flow Dataset for Underwater Vehicles

eStonefish-Scenes: 一种经过仿真到现实验证且以机器人为中心的基于事件的光学流数据集用于水下车辆

Jad Mansour, Sebastian Realpe, Hayat Rajani, Michele Grimaldi, Rafael Garcia, Nuno Gracias

机构 * Robotics Research Institute (ViCOROB), Universitat de Girona (UdG), Spain 2 School of Engineering \& Physical Sciences, Heriot-Watt University, Edinburgh, UK 纠错

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

AI总结 eStonefish-Scenes是首个针对水下应用的基于事件的光学流合成数据集，结合了仿真生成和现实验证，提升了水下机器人视觉导航的可靠性。

Comments This revised version extends the original, which lacked real-world validation. We added a real-world data acquisition study using a DAVIS346 camera on a BlueROV2, a homography-based ground-truth optical flow method with per-pixel uncertainty estimation, and a sim-to-real evaluation using a ConvGRU network trained on synthetic data and tested on real underwater sequences. arXiv admin note: text overlap with arXiv:2412.09209

Quasi-Periodic Gaussian Process Predictive Iterative Learning Control

准周期高斯过程预测迭代学习控制

Unnati Nigam, Radhendushka Srivastava, Faezeh Marzbanrad, Michael Burke

机构 * IITB-Monash Research Academy, IIT Bombay（IITB-蒙纳士研究学院，IIT博伊斯瓦尔） ； Department of Mathematics, IIT Bombay（数学系，IIT博伊斯瓦尔） ； Department of Electrical and Computer Systems Engineering, Monash University（电气与计算机系统工程系，蒙纳士大学） 纠错

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

AI总结 本文提出一种基于准周期高斯过程的预测迭代学习控制方法，通过高效建模和预测扰动，提升重复性任务的收敛速度和鲁棒性。

HoloBrain-0 Technical Report

HoloBrain-0 技术报告

Xuewu Lin, Tianwei Lin, Yun Du, Hongyu Xie, Yiwei Jin, Jiawei Li, Shijie Wu, Qingze Wang, Mengdi Li, Mengao Zhao, Ziang Li, Chaodong Huang, Hongzhe Bi, Lichao Huang, Zhizhong Su

机构 * Horizon Robotics 纠错

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

AI总结 HoloBrain-0 提出了一种融合视觉、语言和动作的框架，通过预训练和后训练范式，在模拟和现实任务中取得领先性能，并开源完整生态系统促进机器人研究。

Comments 32 pages

VideoWorld 2: Learning Transferable Knowledge from Real-world Videos

VideoWorld 2: 从真实世界视频中学习可迁移的知识

Zhongwei Ren, Yunchao Wei, Xiao Yu, Guixun Luo, Yao Zhao, Bingyi Kang, Jiashi Feng, Xiaojie Jin

机构 * Beijing Jiaotong University（北京交通大学） 纠错

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

AI总结 VideoWorld 2通过动态增强的潜在动态模型从真实世界视频中学习可迁移知识，显著提升了任务成功率和长周期推理能力。

Comments Code and models are released at: https://maverickren.github.io/VideoWorld2.github.io/

StreamVLA: Breaking the Reason-Act Cycle via Completion-State Gating

StreamVLA: 通过完成状态门控打破原因-行动循环

Tongqing Chen, Hang Wu, Jiasen Wang, Xiaotao Li, Lu Fang

机构 * Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑技术大学） ； Shanghai University（上海大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 StreamVLA通过完成状态门控机制，实现高效机器人操作，减少推理延迟并提升任务成功率。

SynthVerse: A Large-Scale Diverse Synthetic Dataset for Point Tracking

SynthVerse：一个大规模多样化合成数据集用于点跟踪

Weiguang Zhao, Haoran Xu, Xingyu Miao, Qin Zhao, Rui Zhang, Kaizhu Huang, Ning Gao, Peizhou Cao, Mingze Sun, Mulin Yu, Tao Lu, Linning Xu, Junting Dong, Jiangmiao Pang

机构 * University of Liverpool（利物浦大学） ； Zhejiang University（浙江大学） ； Durham University（杜伦大学） ； Beihang University（北京航空航天大学） ； Duke Kunshan University（杜克昆山大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 SynthVerse通过提供大规模多样化合成数据集，提升点跟踪任务的泛化能力和评估效果。

Reshaping Action Error Distributions for Reliable Vision-Language-Action Models

重塑动作误差分布以实现可靠的视觉-语言-动作模型

Shuanghao Bai, Dakai Wang, Cheng Chi, Wanqi Zhou, Jing Lyu, Xiaoguang Zhao, Pengwei Wang, Zhongyuan Wang, Lei Xing, Shanghang Zhang, Badong Chen

机构 * Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Automation（自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Artificial Intelligence（人工智能学院） ； Peking University（北京大学） 纠错

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

AI总结 本研究通过重塑动作误差分布，提出基于最小误差熵的VLA模型训练方法，提升模型在不同任务中的成功率与鲁棒性。

Structured Self-Consistency:A Multi-Task Evaluation of LLMs on VirtualHome

结构自一致性：基于虚拟家庭的多任务评估

Jiaqi Xu, Tao Huang, Kai Zhang

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

AI总结 本文提出结构自一致性方法，评估两种大型语言模型在虚拟家庭任务中的表现，发现不同模型在不同任务中各有优势。

Learning to Accelerate Vision-Language-Action Models through Adaptive Visual Token Caching

通过自适应视觉令牌缓存学习加速视觉-语言-动作模型

Yujie Wei, Jiahan Fan, Jiyu Guo, Ruichen Zhen, Rui Shao, Xiu Su, Zeke Xie, Shuo Yang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Meituan Academy of Robotics Shenzhen, Meituan（美团机器人深圳研究院） ； Central South University（中南大学） ； HKUST(GZ)（香港科技大学（广州）） 纠错

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

AI总结 本文提出通过自适应视觉令牌缓存学习加速VLA模型，提升推理效率并提高任务成功率。

PocketDP3: Efficient Pocket-Scale 3D Visuomotor Policy

PocketDP3: 高效的微型3D视觉-运动政策

Jinhao Zhang, Zhexuan Zhou, Huizhe Li, Yichen Lai, Wenlong Xia, Haoming Song, Youmin Gong, Jie Mei

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

AI总结 PocketDP3通过轻量级扩散混合器替代传统解码器，实现高效3D视觉-运动策略，减少参数消耗并提升实时部署性能。

EquiContact: A Hierarchical SE(3) Vision-to-Force Equivariant Policy for Spatially Generalizable Contact-rich Tasks

EquiContact: 一种用于空间通用接触密集任务的层次SE(3)视觉到力等价策略

Joohwan Seo, Arvind Kruthiventy, Soomi Lee, Megan Teng, Seoyeon Choi, Xiang Zhang, Jongeun Choi, Roberto Horowitz

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

AI总结 EquiContact通过分层策略和等价性设计，实现空间通用的接触密集任务视觉到力控制。

Comments Submitted to RSS

Dynamic Worlds, Dynamic Humans: Generating Virtual Human-Scene Interaction Motion in Dynamic Scenes

动态世界，动态人类：生成动态场景中的虚拟人类-场景交互动作

Yin Wang, Zhiying Leng, Haitian Liu, Frederick W. B. Li, Mu Li, Xiaohui Liang

机构 * Beihang University（北航大学） ； University of Durham（达勒姆大学） ； State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） ； Zhongguancun Laboratory（中关村实验室） 纠错

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

AI总结 本文提出Dyn-HSI架构，通过动态视觉导航、分层经验记忆和人-场景交互扩散模型，生成高质量的动态场景中人-场景交互动作。

Safe Learning for Contact-Rich Robot Tasks: A Survey from Classical Learning-Based Methods to Safe Foundation Models

接触丰富机器人任务的安全学习：从经典学习方法到安全基础模型的综述

Heng Zhang, Rui Dai, Gokhan Solak, Pokuang Zhou, Yu She, Arash Ajoudani

机构 * Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genova, Italy（人类-机器人接口与交互实验室，意大利技术研究院，热那亚，意大利） ； Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova, Genoa, Italy（机器人与智能机器国家利益博士项目（DRIM）和热那亚大学，热那亚，意大利） ； Edwardson School of Industrial Engineering, Purdue University, West Lafayette, IN, USA（工业工程埃德华森学校，普渡大学，西拉法伊斯，美国） 纠错

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

AI总结 本文综述了接触丰富机器人任务的安全学习方法，探讨了从经典学习方法到安全基础模型的发展，分析了安全探索与执行的关键技术及未来方向。

Comments version 2

Cross-Platform Scaling of Vision-Language-Action Models from Edge to Cloud GPUs

从边缘到云GPU的视觉-语言-动作模型跨平台扩展

Amir Taherin, Juyi Lin, Arash Akbari, Arman Akbari, Pu Zhao, Weiwei Chen, David Kaeli, Yanzhi Wang

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文研究了视觉-语言-动作模型在边缘到云GPU平台上的跨平台扩展，揭示了架构选择和电力限制对性能的影响，并挑战了数据中心硬件的优越性假设。

Comments To appear in the Asilomar Conference on Signals, Systems, and Computers 2025

EMPM: Embodied MPM for Modeling and Simulation of Deformable Objects

EMPM：基于具身的MPM用于变形物体建模与仿真

Yunuo Chen, Yafei Hu, Lingfeng Sun, Tushar Kusnur, Laura Herlant, Chenfanfu Jiang

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 EMPM通过基于可微MPM的框架，结合多视角视频重建与在线参数优化，实现对复杂变形物体的高效仿真与操控。

NFL-BA: Near-Field Light Bundle Adjustment for SLAM in Dynamic Lighting

NFL-BA：近场光束调整用于动态光照下的SLAM

Andrea Dunn Beltran, Daniel Rho, Marc Niethammer, Roni Sengupta

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 NFL-BA通过显式建模近场照明提升动态光照下SLAM性能，显著提高相机跟踪和建图效果。

HoverAI: An Embodied Aerial Agent for Natural Human-Drone Interaction

HoverAI: 一种用于自然人-无人机交互的具身空中代理

Yuhua Jin, Nikita Kuzmin, Georgii Demianchuk, Mariya Lezina, Fawad Mehboob, Issatay Tokmurziyev, Miguel Altamirano Cabrera, Muhammad Ahsan Mustafa, Dzmitry Tsetserukou

机构 * Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Skolkovo Institute of Science and Technology（斯克尔科沃信息科技研究所） 纠错

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

AI总结 HoverAI通过结合无人机移动、视觉投影和对话式AI，实现了人-无人机自然交互的具身代理，提升了空间感知与社交响应能力。

Comments This paper has been accepted for publication at LBR HRI 2026 conference

Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents

代理型人工智能（AI）：架构、分类及大语言模型代理的评估

Arunkumar V, Gangadharan G. R., Rajkumar Buyya

机构 * University College of Engineering, Anna University（安娜大学工程学院） ； National Institute of Technology Tiruchirappalli（Tiruchirappalli 国家理工学院） ； School of Computing and Information Systems University of Melbourne（墨尔本大学计算机与信息系统学院） 纠错

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

AI总结 本文探讨了代理型人工智能的架构、分类及评估，提出统一分类框架，分析从线性推理到原生推理模型的转变，并指出未来研究方向以提升自主系统的可靠性。

Comments 28 pages, 4 figures, 5 tables

Genie Centurion: Accelerating Scalable Real-World Robot Training with Human Rewind-and-Refine Guidance

Genie Centurion：通过人类 rewind-and-refine 指导加速可扩展的现实世界机器人训练

Wenhao Wang, Jianheng Song, Chiming Liu, Jiayao Ma, Siyuan Feng, Jingyuan Wang, Yuxin Jiang, Kylin Chen, Sikang Zhan, Yi Wang, Tong Meng, Modi Shi, Xindong He, Guanghui Ren, Yang Yang, Maoqing Yao

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

AI总结 Genie Centurion 通过人类 rewind-and-refine 指导提升现实世界机器人训练效率，实现高任务成功率和低成本数据收集

The impact of tactile sensor configurations on grasp learning efficiency -- a comparative evaluation in simulation

触觉传感器配置对抓取学习效率的影响——一种在仿真中的比较评估

Eszter Birtalan, Miklós Koller

机构 * Faculty of Information Technology and Bionics, Pázmány Péter Catholic University（信息科技与生物学院，帕兹曼·彼得天主教大学） 纠错

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

AI总结 本研究通过仿真评估了不同触觉传感器配置对抓取学习效率的影响，发现一种配置在两个设置中均表现最佳，为机器人手设计提供了参考。

Comments 13 pages, 6 figures, 2 tables

CEI: A Unified Interface for Cross-Embodiment Visuomotor Policy Learning in 3D Space

CEI：一种用于3D空间跨身体视觉运动策略学习的统一接口

Tong Wu, Shoujie Li, Junhao Gong, Changqing Guo, Xingting Li, Shilong Mu, Wenbo Ding

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 CEI提出了一种跨身体视觉运动策略学习框架，通过功能相似性量化和梯度优化实现不同机械臂和末端执行器间的演示转移，实验显示在模拟和现实任务中均取得高转移效率。

MineNPC-Task: Task Suite for Memory-Aware Minecraft Agents

MineNPC-Task: 用于记忆感知Minecraft代理的任务套件

Tamil Sudaravan Mohan Doss, Michael Xu, Sudha Rao, Andrew D. Wilson, Balasaravanan Thoravi Kumaravel

机构 * Microsoft（微软） ； Microsoft Research（微软研究院） ； Microsoft Research United States（微软研究院美国） 纠错

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

AI总结 MineNPC-Task通过与专家玩家共同游戏生成任务，评估记忆感知Minecraft代理在开放世界中的表现，发现代码执行等任务中的崩溃模式，并提出改进内存持久性的需求。

Augmented Reality for RObots (ARRO): Pointing Visuomotor Policies Towards Visual Robustness

增强现实用于机器人（ARRO）：通过视觉鲁棒性指向视觉策略

Reihaneh Mirjalili, Tobias Jülg, Florian Walter, Wolfram Burgard

机构 * Department of Computer Science and Artificial Intelligence, University of Technology Nuremberg（计算机科学与人工智能系，图恩堡技术大学） 纠错

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

AI总结 ARRO通过实时视觉屏蔽和虚拟引导提升机器人操作的视觉鲁棒性，减少对额外数据的依赖，适用于多种桌面任务和真实环境。

Plan Verification for LLM-Based Embodied Task Completion Agents

基于大语言模型的体感任务完成代理的计划验证

Ananth Hariharan, Vardhan Dongre, Dilek Hakkani-Tür, Gokhan Tur

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出基于自然语言提示的体感任务代理计划验证框架，通过迭代修正提升动作序列质量，实现高召回率和精确度。

RAPTOR: Real-Time High-Resolution UAV Video Prediction with Efficient Video Attention

RAPTOR: 用于高效视频注意的实时高分辨率无人机视频预测

Zhan Chen, Zile Guo, Enze Zhu, Peirong Zhang, Xiaoxuan Liu, Lei Wang, Yidan Zhang

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

AI总结 RAPTOR通过高效视频注意机制实现了实时高分辨率视频预测，首次在Jetson AGX Orin上达到30 FPS以上，提升了无人机任务成功率18%。

Comments Accepted by AAAI2026

Py-DiSMech: A Scalable and Efficient Framework for Discrete Differential Geometry-Based Modeling and Control of Soft Robots

Py-DiSMech：一种用于软机器人离散微分几何建模与控制的可扩展高效框架

Radha Lahoti, Ryan Chaiyakul, M. Khalid Jawed

机构 * Department of Mechanical and Aerospace Engineering, University of California, Los Angeles (UCLA)（机械与航空航天工程系，加州大学洛杉矶分校） 纠错

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

AI总结 Py-DiSMech通过离散微分几何原理，提供高效且可扩展的软机器人建模与控制框架，结合高保真模拟与快速计算，适用于仿真驱动的设计与控制验证。

Comments Software: https://github.com/structuresComp/dismech-python Supplementary Video: https://youtu.be/AfFcoAZR0Go

RoboLoc: A Benchmark Dataset for Point Place Recognition and Localization in Indoor-Outdoor Integrated Environments

RoboLoc：用于室内-室外集成环境中的点位识别和定位的基准数据集

Jaejin Jeon, Seonghoon Ryoo, Sang-Duck Lee, Soomok Lee, Seungwoo Jeong

机构 * Department of Data, Network and AI, Ajou University（数据、网络与人工智能系，亚运会大学） ； Korea Railroad Research Institute（韩国铁路研究院） ； Department of Mobility Engineering, Ajou University（移动工程系，亚运会大学） 纠错

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

AI总结 RoboLoc是一个用于室内外集成环境的点位识别和定位基准数据集，通过真实机器人轨迹和多领域转换，评估多种先进模型的泛化能力。

OS-Oracle: A Comprehensive Framework for Cross-Platform GUI Critic Models

OS-Oracle: 一个跨平台GUI批评模型的综合框架

Zhenyu Wu, Jingjing Xie, Zehao Li, Bowen Yang, Qiushi Sun, Zhaoyang Liu, Zhoumianze Liu, Yu Qiao, Xiangyu Yue, Zun Wang, Zichen Ding

机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港大学MMLab） ； The University of Hong Kong（香港大学） ； The 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 ：manipulation(abstract)；navigation(abstract)；分类 cs.AI

AI总结 OS-Oracle提出了一种跨平台GUI批评模型框架，通过合成数据和两阶段训练方法，实现了在移动、网页和桌面平台上的高效批评评估。