机器人 / 具身智能

WEAVER, Better, Faster, Longer: An Effective World Model for Robotic Manipulation

$\texttt{WEAVER}$：更好、更快、更长——一种有效的机器人操作世界模型

Arnav Kumar Jain, Yilin Wu, Jesse Farebrother, Gokul Swamy, Andrea Bajcsy

机构 * Mila - Québec AI Institute（Mila - 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； McGill University（麦吉尔大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title,abstract)；robotics(abstract)

AI总结 提出WEAVER世界模型架构，通过流匹配损失训练多视图潜在预测，同时实现高保真度、长程一致性和高效推理，在机器人操作任务中显著提升策略评估、改进和测试时规划性能。

DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation

DreamX-Phi 1.0：面向机器人操控的动作条件视频世界模型

DreamX Team, Rui Chen, Xiangxiang Chu, Geng Li, Jifan Li, Qingfeng Shi, Datao Tang, Jing Tang, Jun Wang, Pengfei Zhang

机构 * DreamX 纠错

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

AI总结 DreamX-Phi 1.0是面向机器人操控的动作条件视频世界模型，通过几何编码、深度分支等优化，在WorldArena 2.0挑战赛获Track1第一、Track2第二，模型与代码将公开。

Comments Code: https://github.com/AMAP-ML/DreamX-Phi

EV-WM: Event-Verified World Models for Long-Horizon Robotic Manipulation

EA-WM: 基于任务规范基础的事件感知世界模型用于长时域操作

Kailin Wang, Haoxiang Jie, Yaoyuan Yan, Jiacheng Zhou, Zhiyou Heng

机构 * AI Lab, Country Garden Services Group（碧桂园服务集团AI实验室） ； Fudan University（复旦大学） ； Omni AI 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title)；navigation(abstract)

AI总结 提出EA-WM框架，通过事件预测和验证增强预训练特征世界模型，实现长时域操作中任务进展信号的可靠评估与规划。

GeniWorld: A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions

GeniWorld：一种用于机器人操作的可泛化交互式世界模型

Chenghao Gu, Hanyang Yu, Jingbo Zhang, Haitao Lin, Wenyao Zhang, Jinghe Wang, Hanglei Jin, Shuzhao Xie, Jingyan Jiang, Zhi Wang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent Robotics X（腾讯Robotics X实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen Technology University（深圳技术大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(title)；robot learning(abstract)

AI总结 针对通用机器人策略在复杂环境中鲁棒性不足的问题，提出GeniWorld交互式世界模型，通过解耦本体与环境动态、构建自回归视频预测模型实现泛化，可用于策略评估并提升下游操作性能。

Beyond Flat Policies: Hierarchical Post-Training for Embodied Agents in Robotic Manipulation

超越扁平策略：面向机器人操作具身智能体的分层后训练

He Kong, Zengjue Chen, Qi Wang, Qianli Xing, Runliang Niu, Peidong Liu, Jiawei Li, Shiqi Wang, Yi Chang

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

AI总结 针对现有VLA模型扁平策略难以处理长时程操作的问题，提出HiRoC分层后训练框架，通过解耦规划与执行并对齐分布，在机器人操作基准上取得优于强基线的性能。

RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation

RynnWorld-4D：用于机器人操作的4D具身世界模型

Haoyu Zhao, Xingyue Zhao, Siteng Huang, Xin Li, Deli Zhao, Zhongyu Li

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hong Kong Embodied AI Lab（香港具身人工智能实验室） ； CUHK（香港中文大学） ； Hupan Lab（湖畔实验室） 纠错

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

AI总结 研究针对开放世界机器人操作，提出RynnWorld-4D生成模型，通过RGB-DF捕捉4D动态，其具三分支架构，还整理数据集并提出RynnWorld-4D-Policy，实验证明该模型在时空预测及实际操作任务中表现出色。

Comments Project Page: https://alibaba-damo-academy.github.io/RynnWorld-4D.github.io, Github: https://github.com/alibaba-damo-academy/RynnWorld-4D

DVG-WM: Disentangled Video Generation Enables Efficient Embodied World Model for Robotic Manipulation

DVG-WM：解耦视频生成实现高效机器人操作具身世界模型

Ziyu Shan, Zhenyu Wu, Xiaofeng Wang, Zheng Zhu, Ziwei Wang

机构 * Nanyang Technological University, Singapore（南洋理工大学（新加坡）） ； Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学（中国北京）） ； GigaAI 纠错

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

AI总结 提出解耦视频生成世界模型（DVG-WM），将世界模型分解为动力学学习和视觉合成，通过流匹配直接映射动力学到视频潜变量，并引入潜变量退化机制再生接触细节，在LIBERO和真实平台实现高达3.97倍加速。

Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents

Foresight: 基于动作条件世界模型潜在变量的长时程机器人操作故障检测

Haoran Zhang, Yifu Lu, Boyang Wang, Xuhui Kang, Yen-Ling Kuo, Zezhou Cheng, Mengdi Wang, Odest Chadwicke Jenkins

机构 * University of Michigan（密歇根大学） ； Princeton University（普林斯顿大学） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 提出Foresight框架，利用动作条件世界模型的潜在表征监测操作轨迹，仅用最终任务级标签训练，结合函数共形预测自适应校准阈值，在仿真和真实机器人长时程任务中实现高效故障检测。

H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models

H2R-Bench：面向世界模型的人到机器人操作视频生成基准测试

Dingyi Rong, Yue Shi, Chaofan Ma, Jiezhang Cao, Zongrui Wang, Zeyu Zhang, Yao Mu, Guangtao Zhai, Ning Liu

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robot learning(abstract)；robotic(abstract)

AI总结 该研究推出H2R-Bench基准测试，评估视频世界模型跨实体将人类操作视频转为机器人操作视频的能力，发现现有模型在实体一致性等方面存在局限，为相关模型评估提供诊断框架。

Unifying Object-Centric World Models and Diffusion Policy: A Hierarchical Framework for Multi-Stage Robotic Tasks

统一对象中心世界模型与扩散策略：多阶段机器人任务的分层框架

Raktim Gautam Goswami, Prashanth Krishnamurthy, Yann LeCun, Farshad Khorrami

机构 * Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所） ； AMI Labs（AMI实验室） 纠错

专题命中 机器人操作 ：world model(title,abstract)；robotic(title,abstract)；robotics(abstract)；manipulation(abstract)

AI总结 提出WorldDP分层框架，结合高层世界模型进行运行时子目标优化和低层扩散策略执行，利用对象中心表示解耦环境实体，实现多阶段机器人操作任务的有效规划与执行。

PhysMani: Physics-principled 3D World Model for Dynamic Object Manipulation

PhysMani：基于物理原理的动态物体操作3D世界模型

Peng Yun, Shouwang Huang, Hao Li, Jinxi Li, Jianan Wang, Bo Yang

机构 * vLAR Group, The Hong Kong Polytechnic University（香港理工大学vLAR Group） ； Astribot 纠错

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

AI总结 提出PhysMani框架，结合物理原理的3D高斯世界模型与未来感知动作策略模型，通过在线优化学习无散度高斯速度场预测动态，在16个任务基准上超越基线方法。

Comments ECCV 2026. Code and data are available at: https://github.com/vLAR-group/PhysMani

PhysisForcing: Physics Reinforced World Simulator for Robotic Manipulation

PhysisForcing：面向机器人操作的物理增强世界模拟器

Peiwen Zhang, Yufan Deng, Shangkun Sun, Juncheng Ma, Duomin Wang, Jonas Du, Zilin Pan, Ye Huang, Hao Liang, Songyan Huang, Ruihua Zhang, Enze Xie, Ming-Yu Liu, Daquan Zhou

机构 * Peking University（北京大学） ； NVIDIA（英伟达） 纠错

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

AI总结 针对视频生成模型在机器人操作模拟中物理不稳定的问题，提出PhysisForcing框架，通过像素级轨迹对齐和语义级关系对齐损失联合优化，显著提升物理一致性，在多个基准上改进基础模型，并提高下游策略成功率。

Comments Github: https://github.com/DAGroup-PKU/PhysisForcing Project website: https://dagroup-pku.github.io/PhysisForcing.github.io/#

Inductive Generalization for Robotic Manipulation

机器人操作的归纳泛化

Annabella Macaluso, Haochen Zhang, Ishaan Masilamony, Yingshan Chang, Yonatan Bisk

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出归纳泛化概念，通过轴基评估测试策略在分布外任务变体上的泛化能力，发现现有范式（如VLA模型）失败，揭示了与数据规模正交的学习挑战。

Mem-World: Memory-Augmented Action-Conditioned World Models for Persistent Robot Manipulation

Mem-World：用于持久机器人操作的内存增强动作条件世界模型

Zirui Zheng, Jiaqian Yu, Xiongfeng Peng, jun shi, Mingyi Li, Chao Zhang, Weiming Li, Dong Wang, Huchuan Lu, Xu Jia

机构 * Dalian University of Technology（大连理工大学） ； Samsung R&D Institute China-Beijing (SRCB)（三星中国北京研究院） 纠错

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

AI总结 提出Mem-World，通过4D腕部视角曲面元索引内存W-VMem，解决操作中因遮挡和运动导致的场景遗忘问题，实现持久世界建模，提升策略评估与改进效果。

The Curse of Precision: A Data Scaling Law for High-Precision Robotic Manipulation

精度的诅咒：高精度机器人操作的数据缩放定律

Cuijie Xu, Yuanfan Xu, Min Xue, Jianjie Lin, Jian Wang, Xudong Zhang, Yu Wang, Jincheng Yu

机构 * Tsinghua University（清华大学） ； OpenMind (WuHu) Robotics Co., Ltd.（芜湖悟灵机器人有限公司） 纠错

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

AI总结 研究机器人装配等封闭世界任务中数据与精度的关系，提出新缩放定律log(N) ∝ 1/(P - c)，揭示极限精度c是系统涌现属性，经实验验证，为精度提供理论框架和评估指标，指导高精度操作系统开发调试。

Comments 8 pages, 4 figures. Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

ViTacWorld: Scaling Visuo-Tactile World Models for Contact-Rich Robot Manipulation

ViTacWorld：用于丰富接触式机器人操作的视觉-触觉世界模型扩展

Yunao Huang, Shiyu Sang, Haotao Lu, Suting Ni, Shijie Wu, Ziyang Guo, Ye Shi, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） ； InstAdapt 纠错

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

AI总结 研究针对丰富接触式机器人操作中视觉-触觉学习扩展难的问题，提出ViTacWorld模型，利用真实和模拟数据预训练并微调，能根据机器人动作预测视觉与触觉反馈，实现动作条件策略评估，提升策略性能。

Comments 18 pages, 6 figures, 5 tables. Project page: https://vitacworld.github.io/

World Value Models for Robotic Manipulation

机器人操作的世界价值模型

Zhihao Wang, Jianxiong Li, Yu Cui, Yuan Gao, Xianyuan Zhan, Junzhi Yu, Xiao Ma

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出世界价值模型（WVM），融合世界模型与价值估计，通过时序建模评估数据质量，在标准基准和次优轨迹基准上达到SOTA，提升策略学习性能。

Comments preprint

PAIWorld: A 3D-Consistent World Foundation Model for Robotic Manipulation

PAIWorld: 用于机器人操作的三维一致世界基础模型

Yuhang Huang, Xuan Lv, Junyan Xu, Zhiyuan Yu, Jiazhao Zhang, Ruizhen Hu, Wancheng Feng, Shilong Zou, Hewen Xiao, Ziqiao Zhou, Kaiyun Huang, Zhiyu Peng, Juzhan Xu, Hang Zhao, Chenyang Zhu, Renjiao Yi, Yifei Huang, Douhui Wu, Yan Zhang, Kexu Cheng, Chunhe Song, Yunzhi Xue, Xiuhong Zhang, Leitao Guo, Yunji Chen, Bin Wu, Haibin Yu, Kai Xu

机构 * Institute of AI for Industries, Chinese Academy of Sciences（中国科学院人工智能产业研究院） 纠错

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

AI总结 提出PAIWorld框架，通过几何感知交叉注意力、几何旋转位置编码和潜在3D-REPA蒸馏，解决多视图世界模型的3D不一致问题，在机器人操作基准上取得领先性能。

ContactWorld: What Matters in Vision-Tactile World Models for Contact-Rich Manipulation

ContactWorld: 视觉-触觉世界模型中什么对接触丰富操作至关重要

Zhiyuan Zhang, Pokuang Zhou, Kaidi Zhang, Adeesh Desai, Temitope Amosa, Davood Soleymanzadeh, Jiuzhou Lei, Minghui Zheng, Yu She

机构 * School of Industrial Engineering, Purdue University（普渡大学工业工程学院） ； Department of Mechanical Engineering, Texas A&M University（德克萨斯农工大学机械工程系） 纠错

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

AI总结 通过12项接触丰富操作任务，发现空间结构化和时间连续的表征（如点云）能显著提升规划成功率，且触觉传感的有效性依赖于跨模态表征兼容性。

Comments 32 pages, 12 figures, supplementary material included

AISPO: Enhancing Depth Reliability for Robotic Manipulation of Non-Lambertian Objects via Affine-Invariant Shape Prior

AISPO: 通过仿射不变形状先验增强非朗伯体物体机器人操作的深度可靠性

Zhiming Chen, Linfang Zheng, Kun Zhang, Hyung Jin Chang, Wei Zhang, Hongyu Yu, Hua Chen

机构 * The Hong Kong University of Science & Technology（香港科技大学） ； The University of Hong Kong（香港大学） ； Southern University of Science & Technology（南方科技大学） ； Zhejiang University（浙江大学） ； LimX Dynamics 纠错

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

AI总结 提出AISPO深度补全框架，结合多尺度RGB-D特征融合与仿射不变形状先验，提升非朗伯体物体（如透明、高反光表面）的深度可靠性，显著提高机器人抓取成功率。

Comments Published in IEEE Robotics and Automation Letters. 8 pages. Accepted April 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 7996-8003, July 2026

Cortex: A Bidirectionally Aligned Embodied Agent Framework for Long-horizon Manipulation

Cortex：一种用于长视距操作的双向对齐具身智能体框架

Jiaqi Peng, Xiqian Yu, Delin Feng, Yuqiang Yang, Wenzhe Cai, Jing Xiong, Ganlin Yang, Jinliang Zheng, Jiafei Cao, Xueyuan Wei, Jiangmiao Pang, Yuan Shen, Tai Wang

机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； USTC（中国科学技术大学） 纠错

专题命中 机器人操作 ：embodied agent(title,abstract)；manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 针对现有VLA模型长视距任务短板及分层方法语义-运动鸿沟问题，提出双向对齐框架Cortex，标准化技能原语、优化数据与采样策略，提升长视距操作性能与零样本泛化能力。

Comments Project website: https://steinate.github.io/cortex.github.io/

Differential Amplifier-Inspired AmpAttention for Multi-View Robotic Manipulation

受差分放大器启发的AmpAttention用于多视图机器人操作

Jin Yang, Ping Wei, Nanning Zheng

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, and Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人机混合增强智能技术国家级重点实验室、人工智能与机器人研究所） 纠错

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

AI总结 针对机器人视图图像问题，提出受模拟电路差分放大器启发的AmpAttention机制，抑制注意力噪声。基于此引入RVAF模型，提升训练效率与任务性能，还扩展为RVAF++，在高精度任务上成果显著。

Comments Accepted by IROS2026

SignVLA: Real-Time Sign Language-Guided Robotic Manipulation via Attention LSTM and Vision-Language-Action Models

SignVLA: 通过注意力LSTM和视觉-语言-动作模型实现实时手语引导的机器人操作

Ningwei Bai, Xinyu Tan, Harry Gardner, Zhengyang Zhong, Liuhaichen Yang, Luoyu Zhang, Zhekai Duan, Monkgogi Galeitsiwe, Zezhi Tang

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 提出SignVLA框架，通过注意力LSTM网络将手语手势实时转换为语义指令，驱动VLA模型执行机器人操作任务，为听障用户提供无障碍交互。

Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models

Qwen-RobotManip 技术报告：对齐解锁机器人操作基础模型的规模

Haoqi Yuan, Zhixuan Liang, Anzhe Chen, Ye Wang, Haoyang Li, Pei Lin, Yiyang Huang, Zixing Lei, Tong Zhang, Jiazhao Zhang, Jie Zhang, Jingyang Fan, Gengze Zhou, Qihang Peng, Chenxu Lv, Xiaoyue Chen, An Yang, Fei Huang, Junyang Lin, Dayiheng Liu, Jingren Zhou, Chenfei Wu, Xiong-Hui Chen

机构 * Qwen Team（Qwen团队） 纠错

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

AI总结 提出 Qwen-RobotManip，通过统一的对齐框架（表示、运动和行为维度）实现多源异构操作数据的大规模协同训练，构建约38,100小时预训练语料，在零样本指令跟随、跨本体迁移等泛化能力上超越先前模型。

Comments 44 pages

ConceptTree: Bringing Semantic Transparency to Black-Box Decision Making for Robotic Manipulation

ConceptTree：为机器人操作的黑箱决策带来语义透明度

Yongyan Wen, Feifan Liu, Jinyi Chen, Bo An, Peng Liu, Siyuan Li

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 研究长期机器人操作中可解释决策问题，提出ConceptTree框架，将高级技能选择重构为基于视觉观察的概念推理。该方法学习归一化概念空间并训练决策树，实验表明其优于现有基线，支持细粒度干预以纠正决策错误。

From Perception to Assistance: Open-Vocabulary Shared Autonomy for Robotic Manipulation

从感知到协助：用于机器人操作的开放词汇共享自主性

Murilo Vinicius da Silva, Ricardo V. Godoy, Juliano Negri, Gustavo J. G. Lahr, Ranulfo Bezerra, Marcelo Becker

机构 * University of São Paulo（圣保罗大学） ； Instituto Israelita de Ensino e Pesquisa Albert Einstein（以色列爱因斯坦教育与研究机构） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） 纠错

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

AI总结 研究针对工业环境中机器人操作难题，提出共享自主性框架，利用RGB-D摄像头、视觉语言模型等，经GPU加速控制器等实现操作，在四足移动操纵器上验证，在多项任务中表现良好，展示了该框架的有效性。

M$^\text{4}$World: A Multi-view Multimodal Driving World Model for Interactive Object Manipulation and Minute-long Streaming

M$^\text{4}$World：用于交互式对象操纵和分钟级流的多视图多模态驾驶世界模型

Ke Cheng, Hanqiao Ye, Lei Shi, Yahui Liu, Yunhan Shen, Jingtao Dong, Zhenke Wang, Wenxuan Ao, Weixiang Xu, Kaining Huang, Shuhan Shen

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

AI总结 针对现有驾驶世界生成方法局限，提出M$^\text{4}$World模型，通过灵活接口与多阶段训练实现对象操纵及长时流稳定，引入后训练与生成模型，并用新管道评估，实验证明其在驾驶模拟中有高质量、可控性与稳定性。

Comments 24 pages, 13 figures

Human-Centric Transferable Tactile Pre-Training for Dexterous Robotic Manipulation

面向灵巧机器人操作的人为中心的可迁移触觉预训练

Chi Zhang, Penglin Cai, Ziheng Xi, Haoqi Yuan, Hao Luo, Wanpeng Zhang, Sipeng Zheng, Chaoyi Xu, Zongqing Lu

机构 * Peking University（北京大学） ； BeingBeyond ； Tsinghua University（清华大学） 纠错

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

AI总结 提出H-Tac大规模触觉-动作数据集和可迁移触觉预训练（TTP）系统，通过统一触觉与动作空间弥合人机差距，利用触觉专家预测未来触觉以建模接触动力学，显著提升灵巧操作的泛化与精细控制能力。

Comments The first two authors contribute equally. Orders are decided by flipping a coin

Robustness of Robotic Manipulation: Foundations and Frontiers

机器人操作的鲁棒性：基础与前沿

Yifei Dong, Zhanyi Sun, Lujie Yang, Manuel Baum, Kei Ikemura, Shuran Song, Florian T. Pokorny, Xianyi Cheng

机构 * Duke University（杜克大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Organifarms 纠错

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

AI总结 本文系统研究机器人操作鲁棒性，提出正式定义、概率与控制理论框架，并综述感知、规划、控制、策略学习和硬件中的鲁棒性机制及评估方法，展望实现人类级鲁棒性的未来方向。

E-TTS: A New Embodied Test-Time Scaling Framework for Robotic Manipulation

E-TTS：一种新的机器人操作具身测试时缩放框架

Wen Ye, Peiyan Li, Tingyu Yuan, Yuan Xu, Xiangnan Wu, Chaoyang Zhao, Jing Liu, Nianfeng Liu, Yan Huang, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； FiveAges（五时代） 纠错

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

AI总结 提出E-TTS框架，通过历史感知迭代精炼和视觉语言验证器统一推理与动作缩放，解决具身任务中推理缩放和历史信息利用不足的问题，在仿真和真实场景中分别提升33.14%和26.62%的性能。

Comments Accepted to ECCV 2026. 44 pages, 11 figures. Project page: https://27yw.github.io/E-TTS-Web/