高校专区
MemoryWAM：具有持久记忆的高效世界动作建模
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 提出MemoryWAM，通过混合记忆设计和定制注意力机制，在长时域机器人操作任务中实现高效记忆依赖决策，优于现有VLA和WAM基线。
超越全局重规划：跨设备智能体系统的分层恢复
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Shanghai Innovation Institute（上海创新研究院） ； Southeast University（东南大学） ； Tsinghua University（清华大学）
AI总结 提出分层重规划框架H-RePlan，通过统一API-CLI-GUI执行和跨层失败抽象，区分设备本地策略恢复与全局重规划，在HeraBench基准上显著提升跨设备任务完成率和指令遵循度。
TaCauchy：面向视觉触觉仿真的可扩展有限元框架
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Huawei Inc.（华为技术有限公司）
AI总结 提出TaCauchy框架，基于UIPC求解器在Isaac Sim中集成有限元法，直接计算柯西应力张量并投影为接触力，实现高保真触觉仿真，支持多种传感器，物理验证SSIM>0.93。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
头颈肿瘤 (HECKTOR) 2025 挑战赛：多模态 PET/CT 中的分割、诊断与预后基准
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Amsterdam UMC（阿姆斯特丹大学医学中心） ； The Netherlands Cancer Institute（荷兰癌症研究所） ； Radboud University Medical Centre（拉德堡德大学医学中心） ； University College London（伦敦大学学院） ； Imperial College London（帝国理工学院） ； Shenzhen Technology University（深圳技术大学） ； Shenzhen University（深圳大学） ； Newland Digital Technology（新大陆数字技术） ； The University of Sydney（悉尼大学） ； Shanghai Jiao Tong University（上海交通大学） ； University Hospital, Nantes（南特大学医院） ； Nantes Université, Centrale Nantes, CNRS, LS2N（南特大学、南特中央理工学院、法国国家科学研究中心、LS2N实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） ； Central South University（中南大学） ； University of Glasgow（格拉斯哥大学） ； China Mobile System Integration Co., Ltd.（中移系统集成有限公司） ； Subtle Medical Inc.（Subtle Medical公司） ； University Hospital, LMU Munich（慕尼黑大学医院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； BC Cancer Research Institute（不列颠哥伦比亚癌症研究所） ； HES-SO Valais-Wallis University of Applied Sciences and Arts（HES-SO瓦莱州应用科学与艺术大学） ； Lausanne University Hospital (CHUV)（洛桑大学医院） ； LaTIM, INSERM, UMR 1101, Univ Brest（LaTIM实验室、法国国家健康与医学研究院、UMR 1101、布雷斯特大学）
AI总结 HECKTOR 2025 挑战赛利用多模态 PET/CT 和电子健康记录，建立了头颈癌自动分析的基准，涵盖肿瘤分割、复发预测和 HPV 分类三个任务，最佳算法分别达到 Dice 0.75、C-index 0.66 和平衡准确率 0.56。
Comments 17 pages, 4 figures, 4 tables. Overview paper for the HECKTOR 2025 challenge, held as a satellite event at MICCAI 2025. Challenge website: https://hecktor.grand-challenge.org/
自我偏好在可验证的指令遵循修订中弱或不存在：基于真正作者身份的四模型测试
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系）
AI总结 通过IFEval验证器测试四类中端模型在指令遵循修订中的自我偏好，发现作者拒绝已验证正确编辑的比例与新鲜模型无显著差异，表明自我偏好弱或不存在。
Comments 7 pages, 3 tables. Code and data: https://github.com/williamguey/self-preference-revision
EventVLA: 面向长程视觉-语言-动作策略的事件驱动视觉证据记忆
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Dalian University of Technology（大连理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 针对长程机器人操作中记忆瓶颈问题，提出EventVLA框架，通过动态关键帧证据记忆模块自主捕获任务关键视觉事件，在17个模拟和4个真实任务中平均成功率提升40%。
空间感知缩减框架：迈向高效且忠实的视觉状态空间模型
机构 * Sichuan University（四川大学） ； Tsinghua University（清华大学）
AI总结 提出STORM框架，通过保持空间结构完整性解决视觉Mamba模型在token缩减时的性能崩溃问题，无需训练即可实现高精度剪枝。
Comments Accepted by ICML 2026
World Engine：迈向自动驾驶后训练时代
机构 * The University of Hong Kong（香港大学） ； Huawei（华为） ； Shanghai Innovation Institute（上海创新研究院） ； Archon Robotics（Archon机器人） ； KE:SAI ； NVIDIA Research（NVIDIA研究） ； NTU（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 提出World Engine生成式框架，通过从真实日志重建高保真交互环境并外推安全关键变体，利用强化后训练对齐策略与安全约束，显著减少罕见安全关键场景故障，提升自动驾驶安全性。
Comments Technical Report. Project Page: https://opendrivelab.com/WorldEngine/
MEMS/GNSS组合导航中无人地面车辆在GNSS退化环境下的路径约束鲁棒融合估计
机构 * State Key Laboratory of Precision Space-time Information Sensing Technology, Tsinghua University（清华大学精密时空信息感知技术国家重点实验室） ； Xiaomi Inc.（小米公司）
AI总结 针对GNSS信号严重遮挡下结构化道路环境中无人地面车辆的累积定位漂移，提出一种鲁棒的路径约束状态估计方法，利用历史航位推算轨迹与高精地图匹配生成伪位置观测，通过扩展卡尔曼滤波持续注入道路级约束，抑制位置偏差并改善方位估计。
Comments Accepted workshop paper, 1st Workshop on Robot Meets GNSS and Ranging for Seamless Autonomy, IEEE ICRA 2026
Journal ref 1st Workshop on Robot Meets GNSS and Ranging for Seamless Autonomy, IEEE ICRA 2026, Vienna, Austria, June 5, 2026
ImageWAM：世界动作模型真的需要视频生成，还是只需要图像编辑？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东方理工学院） ； Tencent Robotics X（腾讯机器人X） ； Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院）
AI总结 提出ImageWAM框架，利用预训练图像编辑模型替代视频生成进行机器人动作预测，通过编辑去噪的KV缓存作为世界动作上下文，在多个模拟和真实实验中优于基线，计算量降至1/6，延迟降至1/4。
Comments Project Page: https://zhangwenyao1.github.io/ImageWAM/
基于大语言模型的知识图谱推理中的幻觉检测
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学）
AI总结 提出LUCID方法，结合LLM注意力分数、知识图谱语义和结构信息，利用图神经网络检测LLM在知识图谱推理中的幻觉，在九个数据集上达到最优性能。
FineCombo-TTS: 使用文本描述和参考语音的协作式精确可控语音合成
机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； Inner Mongolia University（内蒙古大学） ； Tencent, Shenzhen, China（腾讯（深圳））
AI总结 提出FineCombo-TTS统一框架，通过条件流匹配的语音方差预测器实现基于文本描述的细粒度参考到目标变换，实现灵活精确的声学属性控制。
Comments Accepted by Interspeech 2026
人类通用抓取
机构 * New York University（纽约大学） ； Tsinghua University（清华大学） ； University of Michigan（密歇根大学）
AI总结 提出HUG模型，利用人类抓取数据（1M-HUG数据集）和流匹配方法，从单张RGB-D图像生成多样化抓取姿态，并重定向到机器人手，实现零样本抓取，在HUG-Bench上超越基线23%-34%。
Comments 28 pages, 20 figures, 7 tables
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