视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
MECoBench：具身环境中多模态智能体协作的系统研究
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.AI、cs.CV
AI总结 提出MECoBench基准，通过多任务、多结构、多模式的实验，系统研究多模态大模型在具身环境中的协作机制，发现协作能提升任务完成度但需平衡收益与复杂度，通信是关键，且协作增强鲁棒性。
Comments Project website: https://q-i-n-g.github.io/MECoBench-Website/
实时无源目标检测
机构 * IIT Hyderabad（印度理工学院海得拉巴分校） ； Microsoft Research（微软研究院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 提出一种基于YOLOv10的实时无源目标检测方法，通过双头伪标签融合（DHF）和多尺度自适应表示多样化（MARD）损失，在保持实时性和轻量化的同时，显著提升域适应精度。
Comments Accepted to ECCV 2026
基于结构化自回归建模的长期交通仿真
机构 * The University of Hong Kong（香港大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.RO、cs.AI
AI总结 提出RosettaSim框架，利用大规模序列模型的归纳偏置和统计先验，通过结构化自回归流建模场景拓扑、智能体状态和生成意图，实现短期准确与长期稳定仿真；并引入基于检索的交通评估（RTE）解决长期评估难题。
Comments ECCV 2026 Accepted
利用真实世界故障记录生成自动驾驶系统测试场景
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.AI
AI总结 提出一种基于LLM的场景生成流程，利用历史故障记录中的分类和上下文信息，生成多样化测试场景，在Metadrive模拟器上验证了方法的准确性和多样性。
Comments 9 pages, Appendix included. Paper accepted and presented at NeuS 2026
OctoSense: 多模态机器人感知的自监督学习
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 提出OctoSense传感器平台和数据集，通过“晚融合”掩码自编码器实现多模态自监督学习，在多种退化条件下鲁棒预测光流、深度、语义分割和自运动。
IDEA: 通过效果对齐对动力学失配不敏感的模拟到现实迁移多智能体控制
机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.AI
AI总结 提出一种通过效果对齐对动力学失配不敏感的模拟到现实迁移方法，结合随机环境结构与离散语义动作，并开发动作同步机制，提升多智能体系统在真实场景中的训练效率和成功率。
Comments 8 pages, 6 figures
模拟到现实迁移预算应如何分配？
机构 * Purdue University（普渡大学）
专题命中 机器人数据与评测 ：robot learning(abstract)；分类 cs.RO、cs.LG
AI总结 研究在模拟到现实迁移中，系统辨识与域随机化之间的预算分配权衡，发现少量辨识数据即可弥合大部分迁移差距，且基于估计参数训练优于宽随机化。
Comments Both authors contributed equally and share first authorship. Submitted to IEEE IROS First Workshop on Sim2Real and Classical Control 2026. Code is available: https://github.com/YTomar79/sim2real_budget
具有可训练非线性连接的低功耗模拟神经网络用于连续控制
机构 * School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） ； Intrinsic Semiconductor Technologies（Intrinsic Semiconductor Technologies公司） ； School of Chemical, Biological, and Materials Science Engineering, University of Sheffield（谢菲尔德大学化学、生物与材料科学工程学院） ； School of Physics, Engineering, and Technology, University of York（约克大学物理、工程与技术学院） ； Department of Computer Science, University of York（约克大学计算机科学系） ； Department of Electronic & Electrical Engineering, University College London（伦敦大学学院电子与电气工程系） ； King’s College London（伦敦国王学院） ； Blackett Laboratory, Imperial College London（帝国理工学院布莱克特实验室）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 受Kolmogorov-Arnold网络启发，在连接上放置可训练非线性函数，使每个物理连接成为可学习计算单元，通过现场可编程模拟阵列实现带通滤波器，在连续控制等任务上以更少节点和连接达到高效，预计CMOS实现功耗约30微瓦。
Comments Preprint. Further verification of all simulations is ongoing. Any resulting corrections will be incorporated in a revised version
金点狙击手：VLM中的自引导视觉推理用于细粒度动作理解
机构 * Beijing National Research Center for Information Science and Technology (BNRist), Department of Automation, Tsinghua University（清华大学自动化系北京信息科学与技术国家研究中心） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院通用人工智能国家重点实验室）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 提出金点狙击手框架，通过金点提取器、选择性苏格拉底提问器和语义蕴含评估器三个模块，增强轻量级VLM的细粒度人类动作理解能力，在CAP基准上达到接近GPT-4o的性能且事实准确性更优。
THREAD: 面向混合刚柔机械臂的环境感知扩散轨迹规划
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland College Park（马里兰大学帕克分校）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出首个基于扩散的混合刚柔机械臂轨迹规划器THREAD，通过物理启发损失联合约束刚柔段，实现狭窄环境穿行，任务成功率92.4%，碰撞减少5倍。
Comments Project Page: https://robot-thread.github.io, IROS 2026
通过仿真反向传播：用于样本高效和学习高效的可微连续控制的解析策略梯度
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 提出解析策略梯度（APG）方法，利用可微环境动力学通过仿真反向传播计算精确梯度，在四个连续控制任务中与PPO对比，显著提升样本效率。
世界行动模型：综述
机构 * National University of Singapore（新加坡国立大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.RO、cs.CV
AI总结 本文综述世界行动模型（WAMs），通过两种互补视角组织现有工作，揭示其设计权衡与未来趋势。
Comments 57 pages, 6 figures
TIDY: 基于小波域熵和方向条纹指数的热红外图像去噪
机构 * Dept. of Mechanical Engineering, SNU（首尔大学机械工程系）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 提出轻量级小波域去噪器TIDY，利用真实噪声数据训练，通过小波熵和方向条纹指数损失项抑制随机噪声和条纹伪影，在室内恶劣条件下提升热红外图像质量及下游机器人任务性能。
传感器配置至关重要：四足机器人多模态SLAM的系统评估
机构 * Machine Intelligence and Robotics Lab, Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院智能机器人实验室） ； Institute for Intelligent Systems, Esslingen University of Applied Sciences（埃森堡应用科学大学智能系统研究所） ； Department of Computer Science, University of Freiburg（弗赖堡大学计算机科学系）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.CV
AI总结 针对四足机器人运动中的传感器配置问题，系统评估了视觉、视觉-惯性和LiDAR-视觉-惯性SLAM方法，发现立体相机、全局快门和适当惯性集成能显著提升定位鲁棒性。
基于可微联合推理与能量一致性验证的RGB-D序列URDF合成
机构 * University of Southern California（南加州大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 提出KinemaForge管道，通过可微关节推理和能量一致性验证，从RGB-D序列联合估计部件形状、关节拓扑和参数，显著降低关节轴误差和仿真漂移。
鬼吸引子网络：用于闭环序列生成的盆地结构动力学解码器
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Department of Production Engineering, KTH Royal Institute of Technology（瑞典皇家理工学院生产工程系） ； Department of Decision and Control Systems, KTH Royal Institute of Technology（瑞典皇家理工学院决策与控制系统系）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 提出鬼吸引子网络，一种理论推导的动力学解码器，通过构建盆地-吸引子结构实现高效闭环序列生成，在机器人动作解码任务中以2.3M参数匹配1.07B参数扩散变压器的离线精度，延迟降低32倍。
在512MB内存下的嵌入式设备上运行硬件感知的神经架构搜索
机构 * University of Bologna（博洛尼亚大学） ； Politecnico di Milano（米兰理工学院）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.LG
AI总结 提出一种在资源受限的嵌入式设备上直接运行的硬件感知神经架构搜索方法，生成针对低端MCU的微型CNN，在Visual Wake Word数据集上达到最先进水平。
Journal ref 2024 IEEE International Conference on Consumer Electronics (ICCE), Las Vegas, NV, USA, 2024, pp. 1-2
Instruct-Particulate: 基于运动学控制的可扩展前馈式3D物体关节化
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Nanyang Technological University（南洋理工大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.CV
AI总结 提出Instruct-Particulate模型，通过运动学规范（部件描述、连接性、关节类型等）指导3D网格的关节分割和运动参数预测，利用异构数据集（15万+物体）训练，实现跨类别和AI生成网格的泛化。
Comments Project page: https://instruct-particulate.github.io/
蒙特卡洛传球搜索：利用轨迹生成进行足球3D反事实传球评估
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.CV
AI总结 提出蒙特卡洛传球搜索（MCPS），结合价值模型、世界模型和反事实策略，基于3D轨迹数据评估足球传球，通过两种执行盈余分数实现分布感知的传球分析。
Comments CVPR 2026, CVSports Workshop
RAM: 跨形态可达性
机构 * Department of Computer Engineering（计算机工程系） ； German Electron Synchrotron Technical University（德国电子同步加速器技术大学） ； Technical University Munich（慕尼黑技术大学） ； University of Hamburg（汉堡大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 提出一种形态条件隐式神经表示RAM，快速、可微地预测可达性并泛化至未见形态，基于前向运动学生成大规模数据集训练，在纳秒级推理中F1达86%，显著加速形态和轨迹优化。
Comments 22 pages, 11 figures
在遮挡和快速物体运动情况下具有内置恢复功能的鲁棒6自由度物体姿态跟踪
机构 * Woven by Toyota, Inc.（丰田编织公司） ； University of Bonn（波恩大学） ； University of Bonn, Center for Robotics, and the Lamarr Institute for Machine Learning and Artificial Intelligence（波恩大学机器人中心以及拉玛尔机器学习与人工智能研究所）
专题命中 机器人数据与评测 ：robotics(abstract,comments)；分类 cs.CV
AI总结 针对RGB-D数据中未见物体的6自由度跟踪问题，尤其是遮挡和快速运动场景，提出结合关键点匹配与优化对齐及故障检测恢复模块的方法，在多场景评估中表现出色，是鲁棒6自由度物体跟踪的重要进展。
Comments 8 pages, 4 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L)
观测质量至关重要：通过面向失败的分析实现鲁棒多鱼眼相机校准
机构 * The Hong Kong University of Science and Technology（香港科技大学）
专题命中 机器人数据与评测 ：robotics(abstract,comments)；分类 cs.RO
AI总结 研究多鱼眼相机校准难题，通过面向失败分析发现内参初始化是主因，提出CO - Calib框架，结合鲁棒目标检测器和误差分析引导帧选择器，实验表明该框架提升校准成功率、外参精度及校准稳定性。
Comments 9 pages, 7 figures, 6 tables. Code: https://github.com/HKUST-Aerial-Robotics/CO-Calib
Twin：利用测试时数字孪生玩未知游戏
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI
AI总结 该研究提出Twin系统，通过测试时数字孪生构建可执行世界模型，在ARC-AGI-3等未知游戏中通关率达97.8%，效率优于人类，核心是通过模拟交互和反例修复推断游戏规则与目标。
Comments Project website with action-by-action replays of all 25 runs: this https URL (https://arc-agi-3-twin.vercel.app/) Code: this https URL (AGI-3" target="_blank" rel="noopener">https://github.com/Alexyskoutnev/TWIN-ARC-AGI-3)
AI科学家的过去与未来
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI
AI总结 本文综述AI科学家的过去与未来，指出其核心挑战是多技术集成，现有技术已支持构建更通用系统，其有望变革科学，诺贝尔图灵挑战目标进展超前。
通过小型语言模型（SLMs）与边缘计算增强虚拟智能体：对思考与记忆过程的探索性评估
机构 * University of Central Lancashire（中央兰开夏大学）
专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.AI
AI总结 本文探索利用SLMs与边缘计算支持CEAA的“思考”“记忆”组件，在NVIDIA Jetson Orin NX上用Qwen2.5模型开发边缘虚拟智能体网关，经模拟实验验证其可高效运行部分CEAA过程，助力沉浸式虚拟世界具身智能体开发。
受控持久内存：长程智能体的源绑定状态语义与故障关闭式释放
机构 * Qingdao Guodongxiansheng Network Technology Co., Ltd.（青岛果动先生网络科技有限公司）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI
AI总结 本文针对长程智能体内存的矛盾记录问题，提出受控持久内存（GPM）模型，经多组基准测试与服务评估，其在GPM-ReleaseBench、中英文指令分支等场景均实现零不匹配，修复大量基线故障且无退化。
Comments 23 pages, 2 figures, 11 tables. Includes a sealed end-to-end governed-memory service evaluation with an ungoverned local Qwen2.5-7B comparison
AVA-Encoder：面向智能体原生的视频表示学习
机构 * Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Computing Technology（中国科学院计算技术研究所） ； Southeast University（东南大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 针对创意智能体缺乏从高质量电影学习的有效方式的问题，提出AVA-Encoder框架，其视频表示经重构优化后，在相关基准上性能优于现有方法，还发布了配套框架、基准及数据集。
面向自动驾驶中渐进式GNSS欺骗检测的高阶液体证据编码
机构 * Faculty of Information Technology, Beijing University of Technology（北京工业大学信息学部）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.LG
AI总结 针对自动驾驶中渐进式GNSS欺骗难检测问题，提出因果高阶液体证据框架，在AV-GPS数据集子集上获最高F1分数，可快速检测正常到攻击的转变。
HUGIN：增强自主物流分拣的视觉-语言规划能力
专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.AI
AI总结 针对自主物流分拣的联合多场景理解挑战，提出HUGIN训练框架，构建SortingBench基准，在多VLMs上性能提升，验证了方法有效性与实际可行性。
基于良性用户更新的电动汽车充电基础设施网络攻击检测基准测试
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.LG
AI总结 本文构建了保留真实ACN会话的泄漏控制会话级基准，提出双分支Masked-AE转换增强模型，在多类模型对比中实现最强鲁棒验证性能，可检测电动汽车充电基础设施的恶意请求操纵且不拒绝合法用户选择。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈