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。
GigaWorld-1：构建用于机器人策略评估的世界模型路线图
机构 * GigaAI（巨元人工智能） ； Tsinghua University（清华大学）
专题命中 机器人数据与评测 ：world model(title,abstract)；robot policy(title)；manipulation(abstract)；robot foundation model(abstract)
AI总结 研究机器人策略评估中世界模型，介绍WMBench基准，通过分析多种模型、方案及大量模拟策略展开，得出评估器质量受长期动作忠实性影响等核心见解，推导出设计路线图并实现GigaWorld-1。
Comments Project page: https://open-gigaai.github.io/giga-world-1/
UMI-Bench 1.0：基于UMI数据的桌面机器人操作开放可复现真实世界基准
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；robotic(title)；分类 cs.RO
AI总结 提出UMI-Bench 1.0，首个专为UMI风格操作策略设计的真实机器人基准，通过统一协议实现数据收集、场景重置、策略执行、结果记录和任务因素分析，提供可复现的评估平台。
小米机器人-U0：基于世界基础模型的统一具身合成
机构 * Xiaomi Robotics（小米机器人）
专题命中 机器人数据与评测 ：robotics(title,abstract)；manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI
AI总结 研究针对基础模型应用于具身场景受限问题，提出小米机器人-U0多模态自回归模型，将具身生成扩展为基础图像和视频生成的形式，联合优化多种生成任务，在多方面取得领先成果，证明基础世界模型可用于具身智能。
Deform360：面向可变形世界模型的大规模多视图视觉触觉数据集
机构 * Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 机器人数据与评测 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 针对可变形物体世界建模缺乏大规模真实数据的问题，构建含多视图视觉与触觉信息的Deform360数据集，评估现有主流世界模型，为相关研究提供基准。
Comments Accepted by ECCV 2026
Humanoid-OmniOcc：面向具身智能的立体全景占用数据集
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； D-Robotics（地瓜机器人） ； Soochow University（苏州大学） ； UTS（悉尼科技大学）
专题命中 机器人数据与评测 ：embodied AI(title)；robotics(abstract)；navigation(abstract)；robotic(abstract)
AI总结 针对现有占用数据集局限于自动驾驶场景的问题，提出面向人形机器人的大规模全景立体占用数据集Humanoid-OmniOcc，采用Real2Sim2Real闭环范式，并设计立体引导占用模型，在模拟和真实环境中均优于单目基线。
ERQA-Plus：具身AI推理的诊断基准
机构 * Centre for Frontier AI Research, Agency for Science, Technology and Research（新加坡科技研究局前沿人工智能研究中心） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；embodied agent(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 提出ERQA-Plus基准，包含1766个基于机器人中心图像的问答实例，覆盖感知、动作、社交、导航和常识推理，用于诊断具身AI的推理能力。
Comments under review at NeurIPS
OopsieVerse: 一个具有损伤感知仿真的机器人操作安全基准
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出OopsieVerse框架，通过DamageSim检测和量化接触力、温度等损伤信号，在OmniGibson和RoboCasa仿真器中实现损伤感知，用于安全策略学习与评估。
Comments Project website: https://robin-lab.cs.utexas.edu/oopsieverse/. The first two authors contributed equally; order decided by dice roll. Accepted to Robotics: Science and Systems (RSS 2026)
MetaSpace：面向具身智能体空间认知的变形测试
机构 * 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 ：embodied agent(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.AI
AI总结 MetaSpace是评估具身智能体空间认知的框架，基于变形测试原则生成测试用例，在三个场景中检测到SOTA MLLM驱动智能体的90422个空间认知错误，其SC分数远低于人类基准。
Comments 30 pages, 17 figures. Published in Proceedings of the ACM on Programming Languages (OOPSLA1)
Journal ref Proceedings of the ACM on Programming Languages, 10, OOPSLA1 (April 2026), 343-372
基于世界模型的具身智能安全性：威胁、防御与评估的生命周期
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；manipulation(abstract)；world model(abstract)；分类 cs.AI
AI总结 本综述针对基于世界模型的具身智能，梳理其生命周期内的各类安全威胁，提出分类法与评估协议，并从多维度构建防御体系，同时指出世界模型兼具安全护盾与安全错觉的双重属性。
GPUSimBench：迈向具身人工智能中可扩展且可靠的GPU加速模拟器
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MIRAI（未来人工智能研究所） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；robot learning(abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究具身人工智能中GPU加速模拟器问题，通过GPUSimBench工具，建立物理基础评估、基准测试并行可扩展性，揭示并量化GPU批处理执行的不确定性，确定模拟器堆栈随机经验模式，强调无界扩展对可重复性的影响。
Comments Accepted by IROS 2026
SPEAR：用于逼真的具身人工智能研究的模拟器
机构 * Adobe Research（Adobe研究院） ； Intel Labs（英特尔实验室） ； Manycore Tech Inc（众核科技公司） ； Adobe（Adobe公司） ； NVIDIA（英伟达公司） ； ETH Zurich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国学院）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 研究针对现有逼真模拟器局限，提出SPEAR这一Python库，通过模块化插件架构连接控制UE应用程序，提升可编程性与渲染速度，还提供新图像模态和高级编程模型，经多样示例应用展示了其效用。
Comments Accepted for publication at the European Conference on Computer Vision (ECCV) 2026
PRISM：通过基于图像的场景和运动合成生成个性化机器人数据集
机构 * Kyung Hee University（庆熙大学）
专题命中 机器人数据与评测 ：robotic(title,abstract)；manipulation(abstract)；robot policy(abstract)；分类 cs.RO
AI总结 针对大规模预训练模型在特定环境泛化有限的问题，提出PRISM端到端管道，从单张图像和自然语言指令生成个性化机器人数据集，构建场景并合成演示，实验表明其效果良好。
战略扩展：通过偏差感知评估和数据收集学习机器人操作中的组合泛化
机构 * Northeastern University（东北大学） ； NVIDIA（英伟达）
专题命中 机器人数据与评测 ：manipulation(title)；robotic(title)；分类 cs.RO、cs.CV
AI总结 研究机器人操作中组合泛化问题，通过引入诊断框架量化指令因素偏差，提出偏差感知数据收集策略，能定位预训练策略捷径问题，实现更高效可泛化的策略学习。
用于泛化到未见机器人操作的动力学感知元模仿
机构 * State Key Laboratory of Robotics and Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所机器人学国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenyang University of Technology（沈阳工业大学）
专题命中 机器人数据与评测 ：manipulation(title)；robotic(title)；分类 cs.RO、cs.LG
AI总结 研究针对机器人模仿学习的数据稀缺与环境泛化问题，提出动力学感知元模仿（DAMI）框架，通过整合元学习、引入视觉运动轨迹模块等方法，有效捕捉任务动力学，在模拟和真实场景实验中表现优于现有基线。
RoboBRIDGE：一种将策略桥接至鲁棒现实世界机器人智能体的模块化框架
机构 * Sungkyunkwan University（成均馆大学）
专题命中 机器人数据与评测 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 该研究针对视觉-语言-动作模型部署为机器人智能体的缺陷，提出 RoboBRIDGE 模块化框架，通过五大协同模块结合预训练 VLAs 构建鲁棒智能体，在多基准和现实场景中性能优于现有方案。
Comments Accepted to IROS 2026. 8 pages, 6 figures
CG-World：面向世界模型的大规模世界状态数据集与协议
专题命中 机器人数据与评测 ：world model(title,abstract)；robotics(abstract)；分类 cs.AI、cs.CV
AI总结 CG-World是源自工业计算机图形流水线的大规模世界状态数据集，含约85万时间对齐片段，支持干预学习与反事实推理，经评估可为世界模型相关任务提供结构化监督，拟打造共享数据基础设施。
VoLN：仅视觉的长距离导航——范式、基准和方法
机构 * Beihang University（北京航空航天大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院）
专题命中 机器人数据与评测 ：navigation(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.AI
AI总结 研究提出仅视觉的长距离导航（VoLN）范式，通过VoLN-UAV基准及VoLN-MLLM基线进行实例化。在五个环境测试未见分割中评估，揭示了长距离导航在证据整合、目标匹配和闭环稳定性方面的挑战。
Comments 10 pages, 7 figures, 2 tables. Project page: https://admire-ljb.github.io/VoLN-UAV/
具身视觉与语言导航的全面综述与系统真实世界评估
机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）
专题命中 机器人数据与评测 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 综述具身视觉与语言导航研究，按动作和模型范式组织方法并分析优缺点，在物理机器人平台对代表性配置进行真实世界评估，揭示模拟与真实部署的性能差距，强调未来研究在感知、决策和控制方面的关键挑战。
Comments This paper has been accepted by IEEE TASE 2026
OrchardBench：用于农业机器人的基于物理的、GPU并行苹果园模拟基准测试
专题命中 机器人数据与评测 ：robotics(title)；robot learning(abstract)；robotic(abstract)；分类 cs.RO、cs.CV
AI总结 研究针对农业机器人水果采摘问题，提出基于物理的、GPU并行的OrchardBench模拟基准测试，通过随机L系统生长树木，定义任务和度量套件，报告基线结果，指出分析基线有提升空间，为新自主方法提供了机会。
SkyJEPA：用于四旋翼飞行器零样本仿真到现实控制的长时域世界模型学习
专题命中 机器人数据与评测 ：world model(title)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.LG
AI总结 提出基于JEPA的潜空间动力学模型，结合物理启发探测器实现长时域预测，并集成采样最优控制实现实时控制，通过自动化数据生成实现零样本仿真到现实迁移。
Comments Under Review
ATOM-Bench：用于操作策略中原子技能与组合泛化的真实世界基准
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Peking University（北京大学）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出ATOM-Bench基准，通过分解桌面操作为原子任务和组合任务，评估操作策略的原子技能获取与组合泛化能力，发现当前策略在细粒度原子技能和组合重用上存在不足。
Comments Homepage: https://flageval-baai.github.io/AtomBenchPage
自然环境中机器人感知的跨模态基准测试
机构 * CSIRO Robotics, CSIRO, Australia（CSIRO机器人研究所，CSIRO，澳大利亚） ； University of Sydney (USyd), Australia（悉尼大学（USyd），澳大利亚） ； Queensland University of Technology (QUT), Australia（昆士兰理工大学（QUT），澳大利亚）
专题命中 机器人数据与评测 ：robotic(title)；robotics(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 针对自然环境中机器人感知的挑战，提出WildCross跨模态基准，用于大规模自然场景下的地点识别和度量深度估计，并扩展了度量深度估计实验。
Comments Accepted to the IEEE ICRA Workshop on Open Challenges for Rigorous Robot Perception 2026
DaViNCi：面向包含连续动作与动态元素的户外视觉语言导航的数据集
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 机器人数据与评测 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文提出首个同时包含连续动作与动态元素的户外视觉语言导航数据集DaViNCi，通过实验验证其挑战性，为推动户外VLN向更真实环境发展提供实用支撑。
有效参数、真实行为：机器人技术的重整化——从无限电子质量到模拟与现实差距
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Stanford University（斯坦福大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 机器人数据与评测 ：robotics(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 研究机器人技术中弥合模拟与现实差距的问题，提出基于重整化的方法，通过有效参数吸收模拟器遗漏细节以重现真实行为，经分析论证及实例展示该方法，并给出实用程序，为跨越模拟与现实差距提供补充路径。
一种用于机器人研究的基于BIM和智能体的离散事件模拟平台：一种基于图论的方法
专题命中 机器人数据与评测 ：robotic(title,abstract)；navigation(abstract)；分类 cs.RO
AI总结 研究针对室内机器人复杂任务中建筑信息利用不足问题，提出基于BIM和智能体的模拟平台，将室内环境映射为图，用图论算法规划导航路径，经模拟验证其有效性，为BIM智能机器人系统奠定基础。
无人机的最后一米精确导航：一种扩散细化的空中视觉伺服方法
机构 * FST and ICI, University of Macau（澳门大学科技学院及资讯与通信技术研究所）
专题命中 机器人数据与评测 ：navigation(title,abstract)；world model(abstract)；分类 cs.CV
AI总结 研究无人机最后一米精确导航，提出DreamNav框架，先粗估计旋转，再用预训练世界模型模拟未来视觉观测选轨迹，贡献PairUAV基准测试，实验表明DreamNav性能优。
LOTUSim：海洋机器人多域模拟器
机构 * CROSSING IRL 2010, CNRS（CROSSING IRL 2010，CNRS） ； Naval Group, France（法国海军集团） ； IMT Atlantique（IMT阿蒂旺）
专题命中 机器人数据与评测 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 介绍LOTUSim多域海洋模拟器，其贡献一是支持多用户跨系统交互，确保实时性与可扩展性；二是有高效水下电流模型，验证显示相比常用模型精度大幅提升，适合海洋机器人研究。
Journal ref 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), IROS, Sep 2026, Pittsburgh (Etats-Unis), United States
EmbodimentSemantic：面向具身操作轨迹的空间场景图数据集与视觉语言模型基准
机构 * Politecnico di Torino（都灵理工大学） ； University College London（伦敦大学学院）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出EmbodimentSemantic数据集与基准，通过场景图三元组评估VLM在具身操作中的空间关系理解，发现现有模型在深度感知和视角依赖关系上存在不足。
IOI: 解耦运动学与物理学的交互式世界模型
机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Peking University（北京大学）
专题命中 机器人数据与评测 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.RO
AI总结 提出IOI混合交互式世界模型，通过显式运动学先验与学习物理动力学解耦，实现精确控制对齐和物理合理视觉反馈，在RoboTwin基准上达到最优仿真性能与零样本泛化。
赋能6G网络中的具身人工智能：架构、使能技术与开放挑战
机构 * Thomas Johann Seebeck Department of Electronics（托马斯·约翰·塞贝克电子系） ； Tallinn University of Technology（塔林理工大学） ； Institute for Imaging, Data and Communication (IDCoM)（成像、数据与通信研究所） ； The University of Edinburgh（爱丁堡大学） ； School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院） ； Jiangnan University（江南大学） ； School of Science and Technology（科学与技术学院） ； Hong Kong Metropolitan University（香港 metropolitan 大学） ； Department of Electronic Systems（电子系统系） ； Aalborg University（奥胡斯大学） ； School of Computer Science（计算机科学学院） ； University of Sydney（悉尼大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Houston（休斯顿大学） ； San Diego State University（圣地亚哥州立大学）
专题命中 机器人数据与评测 ：embodied AI(title,abstract)；embodied agent(abstract)；分类 cs.LG
AI总结 提出面向6G的具身AI原生架构，通过感知-通信-动作闭环统一设计通信、感知、计算与控制，实现任务驱动的物理智能。
Comments This work has been submitted to the IEEE Communication Magazine for possible publication
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