SceneMotion: From Agent-Centric Embeddings to Scene-Wide Forecasts
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；FZI Research Center for Information Technology（FZI信息技术研究中心）；CARIAD SE（CARIAD公司）
针对自动驾驶多智能体场景级运动预测问题，提出基于注意力的SceneMotion模型，通过新颖潜在上下文模块将智能体中心嵌入转换为场景级预测，在Waymo挑战赛中表现优异，还能量化智能体交互并分析模式冲突。
2024-11-29 cs.CV cs.RO
DreamUp3D: Object-Centric Generative Models for Single-View 3D Scene Understanding and Real-to-Sim Transfer
Applied AI Lab, Oxford Robotics Institute（牛津机器人研究所应用人工智能实验室）
DreamUp3D提出一种以对象为中心的生成模型，仅从单张RGB-D图像实现3D场景分割、重建、潜在表示和6D姿态估计，并在真实场景中显著超越NeRF、CLIP、ObSurf和ObPose等基线。
2024-02-26 cs.RO
Causality-Aware End-to-End Autonomous Driving via Ego-Centric Joint Scene Modeling
Korea University（韩国大学）；Kakao Mobility
本文提出CaAD框架，通过共享潜在场景表示捕捉车辆与周围代理之间的因果依赖关系，以提高端到端自动驾驶的闭环规划性能。
2026-05-19 cs.AI cs.RO
Scene Compliant Trajectory Forecast with Agent-Centric Spatio-Temporal Grids
University of California, San Diego（加州大学圣迭戈分校）；University of Sao Paulo（圣保罗大学）
由于人体运动轨迹的非线性、多模态和固有的不确定性，预测人体长期运动是一项具有挑战性的任务。智能体的潜在场景和过去的运动可以提供有用的线索来预测他们未来的运动。然而，两个输入的异质性对学习场景和过去轨迹的联合表示提出了挑战。为了应对这一挑战，我们提出了一个基于网格表示的模型来预测代理轨迹。我们代表过去的轨迹代理使用二进制2-D网格，和底层的场景作为一个RGB鸟瞰图（BEV）的图像，与代理为中心的参考系。我们使用卷积层对场景和过去的轨迹进行编码，并使用卷积LSTM（ConvLSTM）解码器生成轨迹预测。在公开的斯坦福无人机数据集（SDD）上的结果表明，我们的模型优于以前的方法，并输出符合场景结构和过去运动的真实未来轨迹。
2019-09-16 cs.CV cs.RO
GENESIS: Generative Scene Inference and Sampling with Object-Centric Latent Representations
University of Oxford（牛津大学）
生成式潜变量模型正在成为机器人和强化学习中很有前途的工具。然而，即使在这些领域的任务通常涉及不同的对象，最先进的生成模型没有明确捕捉视觉场景的组成性质。最近的两个例外，MONet和IODINE，以无监督的方式将场景分解为对象。然而，它们的基本生成过程并不考虑组件的相互作用。因此，它们都不允许对小说场景进行有原则的采样。在这里，我们提出了GENESIS，第一个以对象为中心的生成模型的3D视觉场景能够分解和生成场景捕捉场景组件之间的关系。GENESIS参数化的空间GMM的图像是从一组以对象为中心的潜在变量，要么推断顺序摊销的方式或从自回归先验采样解码。我们训练GENESIS几个公开可用的数据集，并评估其性能的场景生成，分解，和半监督学习。
2020-11-23 cs.CV cs.LG cs.NE
SlotLifter: Slot-guided Feature Lifting for Learning Object-centric Radiance Fields
State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室（BIGAI））；Department of Automation, Tsinghua University（清华大学自动化系）
针对三维场景中以物体为中心的表征学习难题，研究提出SlotLifter模型，通过槽引导特征提升联合实现场景重建与分解，在多类数据集上大幅超越现有方法，验证了设计有效性并提供了研究洞见。
2024-08-13 cs.AI cs.CV cs.LG
VLMs Can Describe, But Not Measure: Object-Centric Scene Understanding for Robotic Manipulation
University of Trento（特伦托大学）；Mondragón University（蒙德拉贡大学）
本文提出一种VLM驱动的模块化感知框架，通过对象级分割、语义标注与深度结合，在151个桌面场景上显著提升定位与深度估计，并集成于机器人任务规划。
2026-09-24 cs.CV cs.RO
GaussianVLM: Scene-centric 3D Vision-Language Models using Language-aligned Gaussian Splats for Embodied Reasoning and Beyond
ETH Zurich（苏黎世联邦理工学院）；TU Munich（慕尼黑技术大学）
本文提出GaussianVLM，通过将语言特征嵌入三维高斯泼溅场景并利用双重稀疏化器生成任务感知令牌，构建了首个基于高斯泼溅的三维视觉-语言模型，在域外设置中将先前三维VLM性能提升五倍。
2025-07-01 cs.CV cs.RO
Active Domain-Invariant Self-Localization Using Ego-Centric and World-Centric Maps
University of Fukui（福井大学）
训练下一个最佳视图（NBV）规划视觉位置识别（VPR）是一个根本性的重要任务，在自主机器人导航，其中一个典型的方法是使用的视觉经验，在目标领域收集的训练数据。然而，在日常导航中收集各种各样的视觉体验对于实时机器人应用来说是昂贵的和禁止的。我们解决这个问题，采用一种新的{ \it域不变} NBV规划。一个标准的VPR子系统的卷积神经网络（CNN）的基础上，假设是可用的，其域不变的状态识别能力，提出了转移到训练域不变的NBV规划。具体来说，我们将CNN模型中可用的视觉线索分为两种类型：输出层线索（OLC）和中间层线索（ILC）。OLC在CNN模型的输出层可用，并且旨在估计机器人的状态（例如，机器人视点）相对于世界中心视图坐标系。ILC在CNN模型的中间层内可用作视觉内容的高级描述（例如，显著性图像）。在我们的框架中，ILC和OLC被映射到一个状态向量，随后通过深度强化学习用于训练多视图NBV规划器。在公开的NCLT数据集上的实验验证了该方法的有效性。
2022-07-28 cs.AI cs.RO
Deep Object-Centric Policies for Autonomous Driving
University of California, Berkeley（加州大学伯克利分校）；Nanjing University（南京大学）
虽然以端到端的方式学习视觉技能很有吸引力，但深度神经网络通常无法解释，并且以令人惊讶的方式失败。对于自动驾驶等机器人任务，明确表示对象的模型可能对新场景更具鲁棒性，并提供直观的可视化。我们描述了一个分类的“以对象为中心”的模型，利用对象实例和端到端的学习。在侠盗猎车手V模拟器中，我们证明了以对象为中心的模型在其他车辆和行人的场景中优于对象不可知的方法，即使使用不完美的检测器。我们还通过对Berkeley DeepDrive Video数据集进行评估，证明了我们的架构在现实环境中表现良好，其中以对象为中心的模型在低数据制度中优于对象不可知模型。
2019-03-01 cs.AI cs.CV cs.RO
3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning
Carnegie Mellon University（卡内基梅隆大学）
提出3D-DLP模型，通过自监督学习将场景级RGB-D或体素观测分解为3D潜在粒子，每个粒子编码解耦属性，实现可解释的逐粒子分割图，并支持场景操控和下游机器人操作。
2026-06-19 cs.CV cs.LG cs.RO
FRAME: Factored Retrieval via Attribute Readouts for Object-Centric Scene Memory
Seoul National University（首尔大学）
针对语言引导机器人场景记忆中的多属性组合检索问题，提出FRAME方法，将语言转化为属性权重，利用学习读出器聚合对象嵌入证据进行排序，在保留场景上超越基线并实现高效计算。
2026-09-09 cs.CV cs.RO
NEWTON: Neural View-Centric Mapping for On-the-Fly Large-Scale SLAM
Imperial College London（帝国理工学院）；Google（谷歌）
基于神经场的3D表示最近已经在包括SLAM系统的许多领域中被采用。当前的神经SLAM或在线映射系统在简单捕获的情况下产生了令人印象深刻的结果，但它们依赖于以世界为中心的地图表示，因为只使用单个神经场模型。为了定义这样的以世界为中心的表示，需要关于场景的准确和静态的先验信息，例如其边界和初始相机姿势。然而，在实时和动态场景捕捉应用中，这种先验知识不能被假定为固定的或静态的，因为它动态地改变，并且它基于运行时观察而受到显著更新。特别是在大规模测绘的背景下，显著的相机姿态漂移是不可避免的，需要通过环路闭合进行校正。为了克服这一限制，我们提出了牛顿，一个以视图为中心的映射方法，动态构建基于运行时观察的神经领域。与之前的工作相比，我们的方法通过用多个神经场表示场景来实现使用循环闭合和场景边界更新的相机姿态更新，其中每个神经场都定义在所选关键帧的局部坐标系中。实验结果表明，我们的方法优于现有的以世界为中心的基于神经场的SLAM系统，特别是对于大规模场景的相机姿态更新。
2023-03-29 cs.CV cs.RO
Test-time Adaptation with Slot-Centric Models
Carnegie Mellon University（卡内基梅隆大学）；Mila（米拉研究所）；DeepMind（深度思维）；Google Research（谷歌研究院）
针对视觉检测器在分布外场景分解能力不足的问题，提出半监督的以槽为中心的模型Slot-TTA，通过在测试时对重建或跨视图合成目标进行梯度下降适应，显著提升了图像和3D点云的分布外泛化性能。
2023-06-27 cs.AI cs.CV cs.LG
Environment-Centric Active Inference
Hitachi, Ltd.（日立制作所）；Kyoto University（京都大学）
提出以环境为中心的主动推断方法EC-AIF，将智能体与环境统一纳入推断目标以消除环境意外变化，并在机械臂物体运输任务中验证了其有效性。
2024-08-23 cs.AI cs.RO
Is an object-centric representation beneficial for robotic manipulation ?
Ecole Centrale de Lyon（里昂中央理工学院）；CNRS（法国国家科学研究中心）；INSA Lyon（里昂国立应用科学学院）；Université Claude Bernard Lyon 1（里昂第一大学）；Université Lumière Lyon 2（里昂第二大学）
本研究通过模拟多对象机器人操作任务，评估对象中心表示在复杂场景中的泛化能力，发现其相比整体表示更能克服困难场景下的失败问题。
2025-06-24 cs.AI cs.RO
APEX: Unsupervised, Object-Centric Scene Segmentation and Tracking for Robot Manipulation
University of Oxford（牛津大学）
目标检测、分割和跟踪的无监督学习的最新进展为机器人技术的应用带来了巨大的希望。一种常见的方法是将这些任务框架为概率潜变量模型中的推理。然而，在本文中，我们表明，目前最先进的斗争与视觉上复杂的场景，如通常遇到的机器人操作任务。我们提出了APEX，一个新的潜在变量模型，它能够分割和跟踪对象在更逼真的场景中，具有不同的大小和纹理的对象，包括机器人手臂本身。这是通过一个原则性的掩模归一化算法和高分辨率场景编码器来实现的。为了评估我们的方法，我们在真实世界的Sketchy数据集上展示了结果。然而，该数据集不包含用于定量评估的地面真实掩模和对象ID。因此，我们介绍了熊猫推数据集（P2D），它显示了一个熊猫手臂与模拟中的桌子上的对象进行交互，其中包括地面真实分割掩码和用于跟踪的对象ID。在这两种情况下，APEX在无监督对象分割和跟踪方面都全面优于当前最先进的技术。我们证明了我们的分割机器人技能执行的对象安排任务，在那里我们也实现了最好的或可比的性能之间的所有基线的功效。
2021-09-12 cs.RO
SceneFactory: A Workflow-centric and Unified Framework for Incremental Scene Modeling
Tsinghua University（清华大学）；U2IS, ENSTA, Institut Polytechnique de Paris（巴黎综合理工学院ENSTA分校U2IS研究所）
该研究提出SceneFactory框架，以工作流为中心通过模块构建生产线避免冗余，含四个核心模块，提出U²-MVD模型和DM-NPs方法，支持多类输入与应用，实现增量场景建模的统一与扩展。
2025-04-16 cs.CV cs.RO
Towards an Embodied Semantic Fovea: Semantic 3D scene reconstruction from ego-centric eye-tracker videos
Imperial College London（帝国理工学院）
描述物理环境对于完全理解人类在不受约束的日常任务中的行为至关重要。这在以自我为中心的任务中尤其重要，在这些任务中，获得三维信息既有限制性又有挑战性，而目前的2D视频分析方法证明是不够的。在这里，我们展示了一个概念验证系统，它提供了实时的3D映射和语义标记的本地环境从以自我为中心的RGB-D视频流与3D凝视点估计头戴式眼动追踪眼镜。我们增加现有的工作，语义同时定位与地图构建（语义SLAM）与收集的凝视向量。然后，我们的系统可以从多个角度以合理的精度在3D中找到和跟踪用户视野内外的对象。我们通过从NYUv 2数据集的图像中生成语义图来验证我们的概念，同时从数据集图像的记录凝视数据中估计凝视位置和凝视类。
2018-07-27 cs.CV cs.HC cs.RO
CubifyGS: Object-Centric 3D Gaussian Splatting for Lifelong Dynamic Scene Maintenance
School of Automation, Beijing Institute of Technology, Beijing, China（北京理工大学自动化学院，北京，中国）；Guangzhou Saite Intelligent Technology Co., Ltd.（广州赛泰智能科技有限公司）
提出CubifyGS，一种面向对象的映射框架，通过将可移动实例建模为可重用高斯资产，并采用事件触发自适应优化，实现刚性物体重排下的高效动态场景维护。
2026-07-07 cs.RO
Pick2Place: Task-aware 6DoF Grasp Estimation via Object-Centric Perspective Affordance
Columbia University（哥伦比亚大学）；Samsung AI Center（三星人工智能中心）
本文提出Pick2Place算法，通过构建以物体为中心的动作空间和放置可供性图，实现任务感知的6DoF抓取估计，在仿真和真实机器人实验中达到超89%准确率并泛化至新场景。
2023-04-08 cs.RO
Human-Centric Active Perception for Autonomous Observation
Georgia Institute of Technology（佐治亚理工学院）
随着机器人自主性的提高，机器人越来越多地被认为是自主观察系统的角色-自由飞行的摄像机能够在某些预定义的感兴趣区域内主动跟踪人类活动。在这项工作中，我们制定了自主观察问题，通过多目标优化，提出了一种新的半MDP制定的自主人类观察问题，最大限度地提高观察奖励，同时考虑到人类和机器人为中心的成本。我们证明了这个问题可以解决基于标量化的多目标MDP方法和约束MDP方法，并讨论了每种方法的相对优势。我们验证我们的工作活动跟踪使用美国宇航局Astrobee机器人在模拟国际空间站环境中运行。
2020-05-29 cs.RO
Scene Editing as Teleoperation: A Case Study in 6DoF Kit Assembly
Samsung AI Center NY（三星纽约人工智能中心）；Columbia University（哥伦比亚大学）
机器人遥操作的研究一直围绕着动作规范-从连续的关节控制到离散的末端执行器位姿控制。然而，这些以机器人为中心的界面通常需要具有广泛机器人专业知识的熟练操作员。为了使遥操作访问非专家用户，我们提出了框架“场景编辑遥操作”（SEaT），其中的关键思想是将传统的“以机器人为中心”的界面转换为“以场景为中心”的界面-而不是控制机器人，用户专注于指定任务的目标，通过操纵现实世界的对象的数字孪生。因此，用户可以在没有机器人硬件的任何专业知识的情况下执行遥操作。为了实现这一目标，我们利用一个类别不可知的场景完成算法，将现实世界的工作空间（未知对象）转化为可操作的虚拟场景表示和动作捕捉算法，在生成机器人的行动计划之前细化用户输入。为了训练算法，我们程序化地生成了一个大规模的、多样化的套件组装数据集，该数据集包含模仿真实世界的对象套件任务的对象套件对。我们在模拟和真实世界的系统上的实验表明，我们的框架提高了6DoF套件装配任务的效率和成功率。一项用户研究表明，SEaT框架参与者实现了更高的任务成功率，并报告了较低的主观工作量相比，替代机器人为中心的界面。视频可以在https://www.youtube.com/watch?上找到v=-NdR3mkPbQQ。
2022-12-02 cs.AI cs.CV cs.HC
ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration
Shanghai Jiao Tong University（上海交通大学）；Shanghai Innovation Institute（上海创新研究院）；Noematrix Ltd（Noematrix有限公司）
ActiveGlasses 通过主动视觉从第一人称人类示范中学习机器人 manipulation，实现零样本迁移，优于基线方法并在不同机器人平台间泛化。
2026-04-09 cs.RO
EvObj: Learning Evolving Object-centric Representations for 3D Instance Segmentation without Scene Supervision
Shenzhen Research Institute, The Hong Kong Polytechnic University（深圳研究 institute，香港理工大学）；vLAR Group, The Hong Kong Polytechnic University（vLAR 团队，香港理工大学）
EvObj通过整合对象辨别和完成模块，解决合成数据与真实点云间的几何差距问题，实现无需场景监督的3D实例分割，实验表明其在真实和合成数据上均优于基线方法。
2026-05-13 cs.AI cs.CV cs.LG
Recasting Generic Pretrained Vision Transformers As Object-Centric Scene Encoders For Manipulation Policies
University of Pennsylvania（宾夕法尼亚大学）
提出SOFT方法，通过包装预训练视觉Transformer，从注意力中提取对象中心嵌入，无需额外训练即可显著提升机器人操作策略性能，接近专用机器人表示。
2024-05-24 cs.CV cs.RO
Slot-MPC: Goal-Conditioned Model Predictive Control with Object-Centric Representations
Autonomous Intelligent Systems（自主智能系统）；Computer Science Institute VI（计算机科学研究所VI）；Intelligent Systems and Robotics（智能系统与机器人）；Center for Robotics（机器人中心）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能学习与智能研究所）；University of Bonn, Germany（波恩大学，德国）
Slot-MPC通过模型预测控制实现目标中心表示的规划，利用可微分的世界模型提升任务性能和规划效率，优于非目标中心世界模型基线。
2026-05-14 cs.AI cs.LG cs.RO
Multi-Object Manipulation via Object-Centric Neural Scattering Functions
Fudan University（复旦大学）；Stanford University（斯坦福大学）；Toyota Research Institute（丰田研究院）
针对多物体交互场景表示及光照影响下操作建模难的问题，提出在模型预测控制框架中用以物体为中心的神经散射函数做物体表示，结合逆参数估计与图神经动力学模型，提升了多物体环境下控制性能与泛化能力。
2023-06-14 cs.AI cs.CV cs.LG
ICGNet: A Unified Approach for Instance-Centric Grasping
ETH Zürich（苏黎世联邦理工学院）；Texas A&M University（德克萨斯农工大学）
针对杂乱场景中抓取检测缺乏实例级组合理解的问题，提出端到端 ICGNet，从单视角点云生成实例中心表示并联合完成物体重建与抓取检测，在合成基准和真实清理任务中优于现有方法。
2024-05-09 cs.CV cs.RO
OC-SOP: Enhancing Vision-Based 3D Semantic Occupancy Prediction by Object-Centric Awareness
Autonomous Intelligent Systems group, Computer Science Institute VI – Intelligent Systems and Robotics – and the Center for Robotics and the Lamarr Institute for Machine Learning and Artificial Intelligence, University of Bonn, Germany（自主智能系统组，计算机科学研究所VI——智能系统与机器人——以及机器人中心和拉玛尔人工智能与机器学习研究所，波恩大学，德国）
针对自动驾驶感知中的遮挡和数据不完整问题，提出OC-SOP框架，通过将检测分支提取的高级以对象为中心的线索集成到语义占用预测流程中，显著提升动态前景物体预测精度，并在SemanticKITTI上实现最先进性能。
2025-08-13 cs.AI cs.CV cs.RO
GaussianAD: Gaussian-Centric End-to-End Autonomous Driving
Tsinghua University（清华大学）；Li Auto（理想汽车）；Peking University（北京大学）
针对自动驾驶决策中场景表示全面性与效率难以兼顾的问题，提出以3D语义高斯体为核心的端到端GaussianAD框架，兼顾场景描述的全面性与稀疏高效性，在nuScenes数据集多项任务上验证了有效性。
2024-12-13 cs.AI cs.CV cs.LG
SlotDiT: Object-Centric Representations for Diffusion Transformers
University of Bonn（波恩大学）
SlotDiT提出以对象为中心的槽作为扩散Transformer的潜在表示，用于文本引导的机器人视频生成，在保持生成质量的同时提升任务完成率并降低计算成本。
2026-09-16 cs.CV cs.RO
GESTO: Human-Centric Spatio-Temporal Memory for Reasoning in Dynamic Scenes
KTH Royal Institute of Technology（瑞典皇家理工学院）；University of Stuttgart（斯图加特大学）；Max Planck Research School for Intelligent Systems（马克斯·普朗克智能系统研究所）；Google Research（谷歌研究院）；TU Munich（慕尼黑工业大学）
该研究提出GESTO时空记忆模型，结合4D场景图与人机交互、目标事件的两级结构，在基准测试中表现优异，可支撑动态人类环境下的以活动为中心的时空推理。
2026-08-12 cs.CV cs.RO
Informative Object-centric Next Best View for Object-aware 3D Gaussian Splatting in Cluttered Scenes
Interdisciplinary Program in Artificial Intelligence, SNU（人工智能交叉学科项目，SNU）；Dept. of Mechanical Engineering, SNU（机械工程系，SNU）
本文提出了一种基于对象的下一步最佳视角策略，通过利用对象特征提升3D高斯散射在杂乱场景中的重建鲁棒性，实验表明深度误差显著降低。
2026-02-09 cs.CV cs.RO
GATSBI: Generative Agent-centric Spatio-temporal Object Interaction
Seoul National University（首尔大学）
我们提出了GATSBI，生成模型，可以将一系列的原始观察到一个结构化的潜在表示，完全捕捉代理的行动的时空背景。在基于视觉的决策场景中，智能体面临复杂的高维观测，其中多个实体相互交互。该代理需要一个良好的视觉观察的场景表示，辨别的基本组成部分，并始终沿着时间范围传播。我们的方法，GATSBI，利用无监督的以对象为中心的场景表示学习分离的主动代理，静态背景和被动对象。然后，GATSBI模型的相互作用，反映了分解的实体之间的因果关系，并预测物理上合理的未来状态。我们的模型推广到各种环境中，不同类型的机器人和对象动态相互作用。我们表明，GATSBI在场景分解和视频预测方面与其最先进的同行相比具有更好的性能。
2021-04-09 cs.CV cs.LG cs.RO
Compositional Motion Generation from Demonstration with Object-Centric Neural Fields
Chalmers University of Technology（查尔姆斯理工大学）；University College London（伦敦大学学院）
提出基于以对象为中心神经场的示范组合运动生成框架，通过时空组合性连接感知与运动，结合规范神经场与潜在条件变形渲染场景，用时间混合专家生成轨迹，在模拟和实际实验中展现良好性能。
2026-07-09 cs.RO
ProphNet: Efficient Agent-Centric Motion Forecasting with Anchor-Informed Proposals
QCraft（轻舟智航）
本文提出ProphNet，一种基于锚点告知提议的以智能体为中心的运动预测模型，通过模态无关策略统一编码输入并融合目标导向锚点生成多模态轨迹，在保持高预测精度的同时实现了场景中心级别的低推理延迟。
2023-06-28 cs.CV cs.RO
Articulate3D: Holistic Understanding of 3D Scenes as Universal Scene Description
ETH Zurich（苏黎世联邦理工学院）；TU Munich（慕尼黑技术大学）
本文提出Articulate3D数据集与USDNet框架，通过统一预测部件分割和运动属性，提升对可关节运动物体的三维场景理解能力，并验证其在场景编辑和机器人操作等下游任务中的价值。
2025-07-02 cs.CV cs.RO
ParticleSplat: Self-supervised Object-centric Latent Particle Splatting
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
ParticleSplat提出一种自监督的以对象为中心的3D潜在粒子泼溅方法，通过将多视图编码为3D高斯粒子来克服DLP的2D限制，实现无监督对象掩码和可控3D编辑，并提升机器人操作性能。
2026-09-18 cs.CV cs.RO
A Data-Centric Revisit of Pre-Trained Vision Models for Robot Learning
The University of Hong Kong（香港大学）；University of Edinburgh（爱丁堡大学）；Shanghai AI Laboratory（上海人工智能实验室）
该研究针对预训练视觉模型在机器人学习中的最优配置问题，发现物体中心表征能力是关键，提出SlotMIM方法并通过多数据集实验验证其在多项任务上的显著提升与良好扩展性。
2025-03-23 cs.CV cs.RO
VISO-Grasp: Vision-Language Informed Spatial Object-centric 6-DoF Active View Planning and Grasping in Clutter and Invisibility
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
VISO-Grasp利用视觉-语言基础模型进行空间推理和主动视角规划，通过实例中心化表示和多视角不确定性融合，在严重遮挡环境中实现高成功率的目标导向6自由度抓取，实验成功率87.5%。
2025-08-06 cs.CV cs.RO
Geometrically Approximated Modeling for Emitter-Centric Ray-Triangle Filtering in Arbitrarily Dynamic LiDAR Simulation
Toyota（丰田）
本文提出GRCA算法，通过逆向思维解决动态场景中射线-三角形过滤问题，无需加速结构，实现高效高动态多传感器模拟，实验显示在复杂场景中性能提升显著。
2026-07-21 cs.GR cs.PF cs.RO
