机器人 / 具身智能

PERRY: Policy Evaluation with Confidence Intervals using Auxiliary Data

PERRY: 使用辅助数据的策略评估与置信区间

Aishwarya Mandyam, Jason Meng, Ge Gao, Jiankai Sun, Mac Schwager, Barbara E. Engelhardt, Emma Brunskill

机构 * Stanford University（斯坦福大学） ； Gladstone Institutes（加利福尼亚大学旧金山分校） 纠错

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

AI总结 提出两种方法，利用辅助数据构建离线策略评估的置信区间，通过共形预测和双重稳健估计，在多个模拟和真实医疗数据集上验证有效性。

Building Generalization Into Behavior Generation Via Adaptive Compositions of Regularities

通过规律的自适应组合构建行为生成中的泛化能力

Aravind Battaje, Malte Bernhard, Vito Mengers, Oliver Brock

机构 * Science of Intelligence, Research Cluster of Excellence, Berlin, Germany（柏林智能科学卓越研究中心） ； Robotics Institute Germany（德国机器人研究所） 纠错

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

AI总结 本文通过AICON框架研究自适应组合规律（机器人-环境系统中的可预测关系）作为行为生成中泛化能力的关键机制，并在模拟实验中验证其有效性。

Comments 10 pages, 6 figures. v2: Add reference to Sebastián et al. and flatten PDF figures for maximum compatibility

Let's Measure Information Step-by-Step: AI-Based Evaluation Beyond Vibes

逐步测量信息：超越情绪的AI评估

Zachary Robertson, Sanmi Koyejo

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出基于AI的评估方法，通过战略游戏与信息损失的联系，分析对抗操纵下鲁棒的机制，证明总变差距离在对抗攻击下保持多项式保证，提升信息关系提示的鲁棒性。

Comments Accepted to TMLR (2026). Updated appendix to restore the proof of Theorem 3.3

Vec-QMDP: Vectorized POMDP Planning on CPUs for Real-Time Autonomous Driving

Vec-QMDP：面向实时自动驾驶的CPU矢量化POMDP规划

Xuanjin Jin, Yanxin Dong, Bin Sun, Huan Xu, Zhihui Hao, XianPeng Lang, Panpan Cai

机构 * Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 提出Vec-QMDP，一种CPU原生并行规划器，通过数据导向设计、层次化并行和矢量化碰撞检测，实现比最先进串行规划器快227-1073倍的速度，在毫秒级延迟下完成大规模自动驾驶规划。

SURE: Safe Uncertainty-Aware Robot-Environment Interaction using Trajectory Optimization

SURE: 使用轨迹优化的安全不确定性感知机器人-环境交互

Zhuocheng Zhang, Haizhou Zhao, Xudong Sun, Aaron M. Johnson, Majid Khadiv

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； New York University (NYU)（纽约大学） ； Carnegie Mellon University (CMU)（卡内基梅隆大学） 纠错

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

AI总结 提出SURE框架，通过分支轨迹处理接触时间不确定性，在轨迹优化中实现鲁棒性，在推车杆平衡和机器人抓蛋任务中分别提升21.6%和40%的成功率。

Red-Teaming Agent Execution Contexts: Open-World Security Evaluation on OpenClaw

红队代理执行上下文：OpenClaw上的开放世界安全评估

Hongwei Yao, Yiming Liu, Yiling He, Bingrun Yang

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出DeepTrap框架，通过黑盒轨迹优化发现OpenClaw中的上下文漏洞，展示上下文妥协可引发安全风险，强调需执行中心的安全评估。

Comments Accepted to ICML 2026 Workshop

Neural Minimum-Distance Estimation for Collision-Aware Operation of Multi-Arm Laparoscopy Surgical Robots Through Learning-from-Simulation

基于仿真学习的多臂腹腔镜手术机器人碰撞感知操作的神经最小距离估计

Sarvin Ghiasi, Majid Roshanfar, Jake Barralet, Liane S. Feldman, Amir Hooshiar

机构 * Surgical Performance Enhancement and Robotics (SuPER) Centre, Department of Surgery（外科性能增强与机器人中心（SuPER）中心，外科部） ； The Wilfred and Joyce Posluns Centre for Image Guided Innovation & Therapeutic Intervention (PCIGITI)（威廉与乔伊斯·波斯伦中心（PCIGITI）影像引导创新与治疗干预中心） ； The Hospital for Sick Children (SickKids)（儿童医院（SickKids）） 纠错

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

AI总结 提出结合分析建模、实时仿真与深度残差神经网络的框架，用于多臂手术机器人最小距离估计与碰撞预警，模型在验证集上R²=0.940，RMSE=42.0 mm。

Journal ref Sensors 2026, 26(12), 3744

Embodied Interpretability: Linking Causal Understanding to Generalization in Vision-Language-Action Models

具身可解释性：将因果理解与视觉-语言-动作模型的泛化联系起来

Hanxin Zhang, Mingshuo Xu, Abdulqader Dhafer, Shigang Yue, Hongbiao Dong, Zhou Daniel Hao

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出干预显著性评分（ISS）和干扰质量比（NMR），通过干预掩码估计视觉区域对动作预测的因果影响，并量化对任务无关特征的归因，实验表明NMR可预测泛化行为，ISS比现有方法提供更忠实的解释。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)

CableRobotGraphSim: A Graph Neural Network for Modeling Partially Observable Cable-Driven Robot Dynamics

CableRobotGraphSim：一种用于建模部分可观测缆索驱动机器人动力学的图神经网络

Nelson Chen, William R. Johnson, Rebecca Kramer-Bottiglio, Kostas Bekris, Mridul Aanjaneya

机构 * Rutgers University（罗切斯特大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 提出CableRobotGraphSim，一种图神经网络模型，通过将缆索驱动机器人表示为图（刚体为节点，缆索和接触为边），仅利用部分可观测输入即可快速准确匹配其他仿真和真实机器人，并采用仿真-真实联合训练提升鲁棒性，最后集成MPPI控制器实现闭环导航。

When Tabular Foundation Models Meet Strategic Tabular Data: A Prior Alignment Approach

当表格基础模型遇见策略性表格数据：一种先验对齐方法

Xinpeng Lv, Yunxin Mao, Renzhe Xu, Chunyuan Zheng, Yikai Chen, Haoxuan Li, Jinxuan Yang, Kun Kuang, Yuanlong Chen, Mingyang Geng, Wanrong Huang, Shixuan Liu, Shaowu Yang, Wenjing Yang, Zhouchen Lin, Haotian Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文研究了表格基础模型在策略性表格数据上的泛化能力，提出了一种策略感知的先验对齐框架SPN，以提高模型在策略性环境中的鲁棒性和预测性能。

Comments Accepted by ICML2026

VIRTUS-FPP: Virtual Sensor Modeling for Fringe Projection Profilometry in NVIDIA Isaac Sim

VIRTUS-FPP：NVIDIA Isaac Sim中条纹投影轮廓测量的虚拟传感器建模

Adam Haroon, Anush Lakshman, Badrinath Balasubramaniam, Beiwen Li

机构 * Department of Mechanical Engineering, Iowa State University（Iowa州立大学机械工程系） ； College of Engineering, University of Georgia（佐治亚大学工程学院） 纠错

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

AI总结 提出VIRTUS-FPP，首个在NVIDIA Isaac Sim中实现的端到端虚拟传感器建模框架，用于条纹投影轮廓测量，实现物理保真模拟，无需预校准物理系统，支持亚毫米级重建精度。

Comments 10 pages, 13 figures, accepted for publication in IEEE Sensors Journal

Picasso: Holistic Scene Reconstruction with Physics-Constrained Sampling

Picasso: 基于物理约束采样的整体场景重建

Xihang Yu, Rajat Talak, Lorenzo Shaikewitz, Luca Carlone

机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出Picasso，一种通过快速拒绝采样推理多物体交互并考虑几何、非穿透和物理约束的整体场景重建方法，在物理合理性和重建精度上显著优于现有技术。

Comments 15 pages, accepted to Robotics: Science and Systems (RSS) 2026

Marco-Voice Technical Report

Marco-Voice技术报告

Fengping Tian, Chenyang Lyu, Xuanfan Ni, Haoqin Sun, Qingjuan Li, Zhiqiang Qian, Haijun Li, Longyue Wang, Zhao Xu, Weihua Luo, Kaifu Zhang

机构 * Alibaba International Digital Commerce（阿里巴巴国际数字商业） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本研究提出集成语音克隆与情感控制的Marco-Voice语音合成系统，通过说话人-情感解耦等机制构建CSEMOTIONS数据集，实现了表现力与可控性的显著提升。

Comments Technical Report. Our code and dataset are publicly available at https://github.com/AIDC-AI/Marco-Voice and https://huggingface.co/datasets/AIDC-AI/CSEMOTIONS respectively for non-commercial use only

AutoPSO: A Metaframework for Automated Particle Swarm Optimization

AutoPSO：一种用于自动粒子群优化的元框架

Xinmeng Yu, Jiaxin Gao, Jianguo Zhang, Dongmei Jiang, Ran Cheng

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 AutoPSO是用于构建定制PSO算法的自动化元框架，通过双层搜索结合EvoX实现高效评估，发现的新型PSO变体在数值基准和机器人控制任务上显著优于强基线。

Comments Accepted by IEEE TEVC

Data-Driven Reachability of Nonlinear Lipschitz Systems via Koopman Operator Embeddings

基于Koopman算子嵌入的非线性Lipschitz系统的数据驱动可达性

Alireza Naderi, Ahmad Hafez, Abdulla Fawzy, Amr Alanwar

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文提出基于Koopman算子和zonotopic集合表示的数据驱动可达性框架，通过将非线性系统提升为有限维线性模型，减少保守性并保持形式安全保证，实验证明其在长预测范围内的可达集近似更精确。

The Hidden Puppet Master: Predicting Human Belief Change in Manipulative LLM Dialogues

隐藏的提线人：预测操纵性大语言模型对话中的人类信念变化

Jocelyn Shen, Amina Luvsanchultem, Jessica Kim, Kynnedy Smith, Valdemar Danry, Kantwon Rogers, Hae Won Park, Maarten Sap, Cynthia Breazeal

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出PUPPET框架，通过分析1035个人类与LLM交互数据，揭示当前安全范式在检测操纵策略与信念变化幅度之间的关键断层，证明先进LLM对人类信念易感性的系统低估。

Comments Accepted to COLM 2026

Fully distributed singularity-free prescribed-time stabilization of the continuous-time generalized adaptive Bellman-Ford algorithm

连续时间广义自适应贝尔曼-福特算法的全分布式无奇点规定时间镇定

Yuanqiu Mo, Jian Qin, Soura Dasgupta

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文针对分布式有偏最小共识协议衍生的GABF算法仅渐近稳定、收敛速度不明的问题，提出两种控制策略实现其规定时间镇定，并通过仿真验证了方法有效性。

Comments 12 pages, 5 figures

The Degree of Strategy-Proofness for Risk-Averse Committee Selection

风险规避委员会选择的防策略性程度

Dael Sinay, Rica Gonen

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 研究风险规避委员会选择的防策略性程度，将RAT程度框架扩展到基于批准的委员会选择，聚焦比例批准投票规则，通过建立界限表明其在不同选民选票知晓数量下对安全操纵的敏感性。

RoguePrompt: Dual-Layer Ciphering for Self-Reconstruction to Circumvent LLM Moderation

RoguePrompt: 双层加密用于自我重建以规避LLM审核

Benyamin Tafreshian

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 RoguePrompt通过双层加密技术实现自我重建，有效规避LLM审核并诱导模型执行禁止指令。

Comments This submission has been withdrawn because it has been superseded by a substantially revised and expanded version, available as arXiv:2607.27373. Please refer to and cite the newer version

Rethinking Satellite Cybersecurity: A System-Level Taxonomy and Longitudinal Analysis

重新思考卫星网络安全：系统级分类与纵向分析

Roy Peled, Eran Aizikovich, Edan Habler, Yuval Elovici, Asaf Shabtai

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文针对卫星网络安全，提出受MITRE ATT&CK启发的系统级攻击生命周期分类，通过分析多轨道卫星段、200余起公开事件，揭示攻击趋势转变，并结合案例验证框架实用性，支撑卫星安全防御相关工作。

Fill-Side Behavioral Concentration on Polymarket: Identification Limits under Record-Level Attribution

Polymarket上的非零售交易：在报价归属限制下的行为层级和微观结构特征实证研究

Maksym Nechepurenko

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文研究Polymarket非零售参与行为，发现其离线CLOB架构导致地址层面报价生命周期无法追踪，通过密度聚类发现交易行为单峰分布，且通过特征分层实现稳健的零售与非零售分离。

Comments 9 pages, 2 propositions, 2 tables. Major pre-publication correction: the archived sample is a 2.285-day legacy-CTF-only block range, not a seven-day venue sample. The revision makes record-level two-sided attribution and mint/burn direction limits explicit and narrows clustering and concentration claims. No new empirical run

A High-Performance Pauli-Algebra Framework for Large-Scale Quantum Simulations

面向大规模量子模拟的高性能Pauli代数框架

Xiaopeng Li, Zhijie Sun, Yi Fan, Jie Liu, Zhenyu Li, Jinlong Yang

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 提出一种结合二进制辛编码、规范系数约简和分组稀疏算子表示的高性能Pauli代数框架，加速量子多体与量子化学模拟中的Pauli乘法、哈密顿量构造及算子-态乘法，并在多核CPU和GPU上实现高效VQE和ADAPT-VQE计算。

Speed-Weighted Flocking for Sailing Swarms under Dynamic Environmental Forcing

动态环境强迫下航行群体的速度加权自适应集群

Pranav Kedia, Aaron Gan, Hannah J. Williams, Andreagiovanni Reina, Heiko Hamann

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 针对自主航行机器人受风速制约的机动性问题，提出速度加权社交交互规则，通过增强慢速机器人的社交影响力来改善群体极化并减少近距离接触。

Comments Submitted at 18th International Conference on the Simulation of Adaptive Behavior (SAB 2026)

Context Adaptive Extended Chain Coding for Semantic Map Compression

上下文自适应扩展链编码用于语义地图压缩

Runyu Yang, Junqi Liao, Hyomin Choi, Fabien Racapé, Ivan V. Bajić

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出一种基于链编码的语义地图无损压缩方法，通过扩展链码和上下文自适应熵编码实现高效压缩，实验表明在比特率和运行时间上均有显著提升。

Comments 12 pages, 11 figures

GameEngineBench: Evaluating Coding Agents on Real C++ Runtime Environments

GameEngineBench：在真实C++运行时环境中评估编码智能体

Brian La, Sejoon Chang, Ben Kim, Junyoung Bae, Aamish Ahmad Beg, Sei Chang, Gonzalo Gonzalez-Pumariega, Kanav Goyal

机构 * Nitrode ； Nexon Intelligence Labs ； Dartmouth University（达特茅斯大学） ； Columbia University（哥伦比亚大学） ； Cornell University（康奈尔大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 研究利用GameEngineBench在虚幻引擎5项目中评估编码智能体，核心方法是构建来自九个真实游戏仓库的基准测试集，主要贡献是揭示智能体在实时交互软件的C++开发中面临挑战，凸显游戏引擎基准测试的价值。

Learning-Based Automated Adversarial Red-Teaming for Robustness Evaluation of Large Language Models

基于学习的自动化对抗红队测试用于大型语言模型的鲁棒性评估

Zhang Wei, Hanxuan Chen, Peilu Hu, Zhenyuan Wei, Chenwei Liang, Jiayi Gu, Wenqian Weng, Jacqueline Pang, Hao Yan, Li Mei, Shengning Lang, Kuan Lu, Xi Xiao, Zhimo Han, Yijin Wang, Yichao Zhang, Chen Yang, Zhenyu Yu, Riyang Bao, Xinyuan Song, Junfeng Hao, Mu-Jiang-Shan Wang

机构 * Independent Researcher（独立研究者） ； Hunan University（湖南大学） ； Shenzhen Kaihong Digital Industry Development Co., Ltd.（深圳凯鸿数字产业开发有限公司） ； Central University of Finance and Economics（中央财经大学） ； Chongqing University（重庆大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Stevens Institute of Technology（斯蒂文斯理工学院） ； Cornell University（康奈尔大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Zhengzhou University of Light Industry（郑州轻工业大学） ； Xidian University（西安电子科技大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； AI Safety Research Lab, Institute of Advanced Computing（高级计算研究所人工智能安全研究实验室） ； University of Malaya（马来亚大学） ； Emory University（埃默里大学） ； Department of Nephrology, Affiliated Hospital of Guangdong Medical University（广东医学院附属医院肾内科） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出一种学习驱动的自动化红队测试框架，用于高效发现大型语言模型的漏洞，通过元提示引导的对抗性提示生成和分层执行检测流程，在六个威胁类别中实现标准化评估，实验发现47个漏洞，包括21个高严重性失败和12种新攻击模式。

Comments ACL ARR minor revision

Estimating unknown dynamics and cost as a bilinear system with Koopman-based Inverse Optimal Control

基于Koopman逆最优控制的未知动力学与代价的双线性系统估计

Victor Nan Fernandez-Ayala, Shankar A. Deka, Dimos V. Dimarogonas

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 提出基于Koopman的逆最优控制框架，利用改进的扩展动态模态分解构建双线性系统，通过庞特里亚金最大值原理实现未知动力学与代价函数的准确估计。

Comments This work has been submitted to the IEEE for possible publication

Drag, Infer, Reproject: Grounding LLMs through Spatial Interaction for Image Clustering

拖拽、推断、重投影：通过空间交互为图像聚类的LLM基础

Yang Liu, Xuxin Tang, Jiahao Xu, Chris North

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 提出CriterionSI方法，利用大语言模型从用户拖拽交互中推断聚类标准，并引导重投影，实现渐进式标准对齐的图像聚类布局。

OI-Bench: An Option Injection Benchmark for Evaluating LLM Susceptibility to Directive Interference

OI-Bench：用于评估大语言模型对指令干扰敏感性的选项注入基准

Yow-Fu Liou, Yu-Chien Tang, Yu-Hsiang Liu, An-Zi Yen

机构 * Department of Computer Science, National Yang Ming Chiao Tung University（国家阳明交通大学计算机科学系） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 提出选项注入基准OI-Bench，通过在多选题界面中嵌入误导性指令，系统评估12个LLM对16种指令干扰的脆弱性，揭示模型存在显著漏洞。

RIS-Assisted Rank Enhancement With Commodity WiFi Transceivers: Real-World Experiments

RIS辅助的商用WiFi收发器秩增强：真实世界实验

Aymen Khaleel, Aydin Sezgin

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文实验研究可重构智能表面（RIS）提升MIMO信道有效秩的能力，提出被动波束聚焦技术，在低秩和中秩场景下分别实现112%和61%的秩提升。

Comments 5 pages, 3 figures, 2 tables, accepted for publication in EuCNC (2026)