Long Range Neural Navigation Policies for the Real World
专题命中 具身与机器人 ：environment model(abstract)；分类 cs.CV、cs.RO
视觉与机器人
世界模型
面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。
1. 具身与机器人 504 篇
Sample-efficient Deep Reinforcement Learning with Imaginary Rollouts for Human-Robot Interaction
专题命中 具身与机器人 ：environment model(abstract)；分类 cs.LG、cs.RO
Comments Accepted for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2019)
DensePhysNet: Learning Dense Physical Object Representations via Multi-step Dynamic Interactions
专题命中 具身与机器人 ：分类 cs.AI、cs.LG、cs.CV；predictive model(abstract)
Comments RSS 2019. Project page: http://zhenjiaxu.com/DensePhysNet
Self-Supervised Exploration via Disagreement
专题命中 具身与机器人 ：分类 cs.AI、cs.LG、cs.CV；dynamics model(abstract)
Comments Accepted at ICML 2019. Website at https://pathak22.github.io/exploration-by-disagreement/
Using Approximate Models in Robot Learning
专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；分类 cs.RO；dynamics model(abstract)
Robustness via Retrying: Closed-Loop Robotic Manipulation with Self-Supervised Learning
专题命中 具身与机器人 ：分类 cs.AI、cs.CV、cs.RO；predictive model(abstract)；predictive models(abstract)
Comments accepted at the Conference on Robot Learning (CoRL) 2018
Grounding Perception: A Developmental Approach to Sensorimotor Contingencies
专题命中 具身与机器人 ：分类 cs.AI、cs.LG、cs.RO；predictive model(abstract)；predictive models(abstract)
Comments 8 pages, 4 figures, workshop at IROS 2015 conference
Multimodal Probabilistic Model-Based Planning for Human-Robot Interaction
专题命中 具身与机器人 ：environment model(abstract)；分类 cs.LG、cs.RO
Black-Box Data-efficient Policy Search for Robotics
专题命中 具身与机器人 ：model-based RL(abstract)；分类 cs.LG、cs.RO
Comments Accepted at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2017; Code at http://github.com/resibots/blackdrops; Video at http://youtu.be/kTEyYiIFGPM
Reinforcement Learning via Recurrent Convolutional Neural Networks
专题命中 具身与机器人 ：model-based RL(abstract)；分类 cs.AI、cs.LG
Comments Accepted at the International Conference on Pattern Recognition, ICPR 2016
A genetic algorithm for autonomous navigation in partially observable domain
专题命中 具身与机器人 ：environment model(abstract)；分类 cs.AI、cs.LG
Multi-Robot Adversarial Patrolling: Facing a Full-Knowledge Opponent
专题命中 具身与机器人 ：environment model(abstract)；分类 cs.RO、cs.MA
Journal ref Journal Of Artificial Intelligence Research, Volume 42, pages 887-916, 2011
Robot Self-Improvement via Human-Video Dynamics Models
机器人通过人类视频动力学模型自我改进
机构 * ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Microsoft（微软） ； MCML（慕尼黑机器学习中心）
专题命中 具身与机器人 ：dynamics model(title)；分类 cs.CV、cs.RO
AI总结 提出DGAC方法，利用人类视频学习跨本体的动作、动力学和价值表征，使机器人能从自身失败中自主改进，在7个真实操作任务中将成功率从40%提升至81%。
DYMO-Hair: Generalizable Volumetric Dynamics Modeling for Robot Hair Manipulation
DYMO-Hair: 通用的体积动力学建模用于机器人头发操控
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人学院） ； Epic Games, Inc.（Epic Games公司） ； Meta Codec Avatars Lab（Meta编码人像实验室） ； Bosch Center for Artificial Intelligence（博世人工智能中心）
专题命中 具身与机器人 ：dynamics model(title,abstract)；分类 cs.RO
AI总结 DYMO-Hair通过体积动力学建模和动作条件化潜在状态编辑机制，实现了对多样化发型的通用化机器人头发护理系统，实验表明其在未见过的发型上表现更优。
Comments To appear in ICRA 2026. Project page: https://dymohair.github.io/
Hybrid Dynamics Modeling and Trajectory Planning for a Cable-Trailer System with a Quadruped Robot
混合动力学建模与电缆-拖车系统四足机器人的轨迹规划
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（人工智能与自动化学院，华中科技大学） ； Department of Data Science, City University of Hong Kong（数据科学系，城市大学） ； Embodied AI Center of Shanghai AI Lab（上海人工智能实验室具身智能中心）
专题命中 具身与机器人 ：dynamics model(title,abstract)；分类 cs.RO
AI总结 本文提出了一种混合动力学模型和搜索算法，用于四足机器人与电缆-拖车系统的轨迹规划，通过几何多边形碰撞避免约束实现安全高效的运动控制。
Comments 8 pages, 8 figures, Accept by RA-L 2025
Learned Perceptive Forward Dynamics Model for Safe and Platform-aware Robotic Navigation
专题命中 具身与机器人 ：dynamics model(title,abstract)；分类 cs.RO
Comments To be published in the proceedings of Robotics: Science and Systems (RSS) 2025
Dynamic Cloth Manipulation Considering Variable Stiffness and Material Change Using Deep Predictive Model with Parametric Bias
专题命中 具身与机器人 ：predictive model(title,abstract)；分类 cs.RO
Comments Accepted at Frontiers in Neurorobotics
Focused Adaptation of Dynamics Models for Deformable Object Manipulation
专题命中 具身与机器人 ：dynamics model(title,abstract)；分类 cs.RO
Comments Project Website: https://sites.google.com/view/focused-adaptation-dynamics/home
RoboWalk: Explicit Augmented Human-Robot Dynamics Modeling for Design Optimization
专题命中 具身与机器人 ：dynamics model(title,abstract)；分类 cs.RO
Virtual Forward Dynamics Models for Cartesian Robot Control
专题命中 具身与机器人 ：dynamics model(title,abstract)；分类 cs.RO
Comments Preprint of submission to Journal of Intelligent & Robotic Systems (JINT), 16 pages, 13 figures
MiDAS: A Multimodal Data Acquisition System and Dataset for Robot-Assisted Minimally Invasive Surgery
MiDAS：一种用于机器人辅助微创手术的多模态数据采集系统和数据集
专题命中 具身与机器人 ：分类 cs.LG、cs.CV、cs.RO；simulation model(abstract)
AI总结 MiDAS是一种开源多模态数据采集系统，能够实现机器人辅助微创手术的非侵入式数据采集，并发布首个高保真仿真模型的缝合任务数据集。
Comments 29 pages, 17 figures
Stochastic Multiple Shooting Trajectory Optimization via Sequential Local Policy Evaluation
基于序贯局部策略评估的随机多射击轨迹优化
专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；分类 cs.RO
AI总结 本文提出一种基于序贯局部策略评估的随机多射击轨迹优化方法，通过优化短控制动作序列提升样本效率与终端集收敛性，可用于黑盒动力学的基于模型强化学习，在三类欠驱动任务中验证了其有效性。
Beyond Independent Manipulation: Individual Fairness-aware Strategic Classification with Peer Imitation
超越独立操纵：具有同伴模仿的个体公平感知策略分类
机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Mathematical Sciences, Peking University（北京大学数学学院） ； Institute for Theoretical Computer Science, Shanghai University of Finance and Economics（上海财经大学理论计算机科学研究所） ； Information Technology Development, Aetos Capital Group, Sydney（悉尼Aetos资本集团信息技术部） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
专题命中 具身与机器人 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 提出个体公平感知策略分类（IFSC）框架，通过建模基于个体公平的同伴驱动操纵（模仿邻近被接受同伴），并采用鲁棒学习过程处理同伴可观测性不确定性，以改善个体公平一致性并减轻模仿引起的扭曲。
Comments Accepted by SIGKDD2026
Fast Human Attention Prediction for Fixation-guided Active Perception in Autonomous Navigation
用于自主导航中注视引导主动感知的快速人类注意力预测
机构 * Norwegian University of Science and Technology (NTNU)（挪威科技大学）
专题命中 具身与机器人 ：分类 cs.CV、cs.RO；predictive model(abstract)；predictive models(abstract)
AI总结 提出GazeLNN，一种基于液态神经网络和MobileNetV3的轻量级扫描路径预测模型，在MIT低分辨率数据集上达到最优性能，计算成本降低99.40%，推理速度提升6倍，并集成到强化学习训练的主动相机-机器人控制策略中，实现自主导航中的注视引导感知。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
MuGen: Multi-Skill Generative Locomotion Controller for Humanoid Robots
MuGen: 人形机器人的多技能生成式运动控制器
机构 * Peking University（北京大学）
专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；分类 cs.RO
AI总结 提出MuGen框架，利用VQ-VAE和教师-学生策略蒸馏，从异构人类运动数据中学习生成式运动表示，使人形机器人能够执行多技能运动并模仿未见过的动作。
MoSA: Motion-constrained Stress Adaptation for Mitigating Real-to-Sim Gap in Continuum Dynamics via Learning Residual Anisotropy
MoSA: 通过学习残余各向异性来缓解连续动力学中现实到模拟差距的运动约束应力适应
机构 * Hong Kong University of Science（香港科学大学） ； MMLab, Chinese University of Hong Kong, Hong Kong SAR（香港中文大学MMLab, 香港特别行政区） ； The University of Hong Kong, Hong Kong SAR（香港大学, 香港特别行政区）
专题命中 具身与机器人 ：分类 cs.AI、cs.LG、cs.RO；dynamics model(abstract)
AI总结 本文提出MoSA框架，通过运动约束应力适应来缓解连续动力学中现实到模拟差距，利用各向同性模型作为物理先验，并学习残余应力算子以捕捉轻微各向异性和非均匀性，最终在机器人操作中验证了其有效性。
Journal ref International Conference on Machine Learning 2026
Coupled Control, Structured Memory, and Verifiable Action in Agentic AI (SCRAT -- Stochastic Control with Retrieval and Auditable Trajectories): A Comparative Perspective from Squirrel Locomotion and Scatter-Hoarding
耦合控制、结构化记忆与可验证行为在代理AI中的应用（SCRAT -- 随机控制与可审计轨迹：从松鼠运动与散落储藏的比较视角）
机构 * Taller Technologies
专题命中 具身与机器人 ：latent dynamics(abstract)；分类 cs.AI
AI总结 本文从松鼠生态角度探讨代理AI中控制、记忆与可验证行为的耦合机制，提出结构化记忆模型与延迟验证信号，验证三种假设以提升系统鲁棒性与可靠性。
Comments 15 pages, 4 figures, 3 tables
Accurate Open-Loop Control of a Soft Continuum Robot Through Visually Learned Latent Representations
通过视觉学习的潜在表示实现软连续机器人的准确开环控制
机构 * Department of Advanced Interdisciplinary Studies, The University of Tokyo（东京大学先进跨学科研究科） ； Institute of Assembly Technology and Robotics, Leibniz University Hannover（莱比锡大学装配技术与机器人研究所） ； Research Center for Advanced Science and Technology, The University of Tokyo（东京大学先进科学研究中心）
专题命中 具身与机器人 ：latent dynamics(abstract)；分类 cs.RO
AI总结 本文提出通过视觉学习的潜在动态实现软连续机器人的开环控制，利用视觉振荡网络和注意力广播解码器，减少图像空间跟踪误差，验证了可解释的视频学习潜在动态在长时间尺度开环控制中的可靠性。
$\aleph$-IPOMDP: Mitigating Deception in a Cognitive Hierarchy with Off-Policy Counterfactual Anomaly Detection
$\aleph$-IPOMDP：通过非策略反事实异常检测缓解认知层级中的欺骗
专题命中 具身与机器人 ：model-based RL(abstract)；分类 cs.MA
AI总结 $\aleph$-IPOMDP通过非策略反事实异常检测机制，缓解认知层级中的欺骗问题，提升博弈中的公平性和安全性。
Comments 28 pages, 12 figures
Journal ref Journal of Artificial Intelligence Research (JAIR), Volume 85, Article 14, 2026
Q-Guided Stein Variational Model Predictive Control via RL-informed Policy Prior
基于RL引导的Stein变分模型预测控制的Q引导方法
机构 * University of Sydney（悉尼大学） ； NVIDIA（英伟达）
专题命中 具身与机器人 ：分类 cs.AI、cs.LG、cs.RO；dynamics model(abstract)
AI总结 Q-SVMPC通过结合RL引导的策略先验和Stein变分方法，提升轨迹优化的样本效率、稳定性和鲁棒性。
Comments 8 pages, 6 figures
