机器人 / 具身智能

Unobservable Subspace Evolution and Alignment for Consistent Visual-Inertial Navigation

不可观测子空间的演化与对齐用于一致的视觉-惯性导航

Chungeng Tian, Fenghua He, Ning Hao

机构 * School of Astronautics, Harbin Institute of Technology（航天学院，哈尔滨工业大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO

AI总结 本文提出不可观测子空间演化与对齐方法，通过分析估计步骤中的可观测性不匹配问题，解决视觉-惯性导航系统中的一致性挑战。

Comments 20 pages, 16 figures

Vision-Guided Optic Flow Navigation for Small Lunar Missions

视觉引导的月球任务自主导航

Sean Cowan, Pietro Fanti, Leon B. S. Williams, Chit Hong Yam, Kaneyasu Asakuma, Yuichiro Nada, Dario Izzo

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO

AI总结 本文提出了一种基于光学流和测距仪深度估计的轻量级CPU解决方案，用于月球着陆过程中的自主导航，实现了高精度的速度估计和实时应用性能。

Trade-off Analysis for Lunar Augmented Navigation Service (LANS) Constellation Design

月球增强导航服务（LANS）星座设计的权衡分析

Keidai Iiyama, Grace Gao

专题命中 具身导航 ：navigation(title,abstract)

AI总结 本文研究了月球增强导航服务（LANS）星座设计中卫星数量、轨道参数对覆盖范围、PDOP、轨道确定精度等性能指标的权衡关系，提出三种不同轨道类型的星座配置，以优化极地和全球覆盖效果。

Comments Submitted to the NAVIGATION: Journal of the Institute of Navigation

ReEXplore: Improving MLLMs for Embodied Exploration with Contextualized Retrospective Experience Replay

ReEXplore: 通过上下文化回顾经验回放提升具身探索的MLLMs

Gengyuan Zhang, Mingcong Ding, Jingpei Wu, Ruotong Liao, Volker Tresp

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； TU Munich（慕尼黑技术大学） 纠错

专题命中 具身导航 ：embodied agent(abstract)；navigation(abstract)；分类 cs.CV

AI总结 ReEXplore通过回顾经验回放和分层前沿选择，提升MLLMs在具身探索中的效率和性能。

Comments 8 main pages plus 13 pages Appendix

3D Ground Truth Reconstruction from Multi-Camera Annotations Using UKF

基于多摄像头注释的3D地面真实重建使用UKF

Linh Van Ma, Unse Fatima, Tepy Sokun Chriv, Haroon Imran, Moongu Jeon

机构 * Department of Electrical Engineering and Computer Science, GIST, Korea（电气工程与计算机科学系，韩国全州科学技术院） 纠错

专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.CV

AI总结 本文提出了一种基于UKF的多摄像头注释方法，用于从2D图像注释中重建准确的3D地面真实，同时输出完整3D物体形状。

Comments International Conference on Control, Automation and Information Sciences (ICCAIS) 2025, October 27 - 29, 2025 | Jeju, Korea

DAGLFNet: Deep Feature Attention Guided Global and Local Feature Fusion for Pseudo-Image Point Cloud Segmentation

DAGLFNet：基于伪图像的深度特征注意力引导的全局和局部特征融合用于伪图像点云分割

Chuang Chen, Yi Lin, Bo Wang, Jing Hu, Xi Wu, Wenyi Ge

机构 * College of Computer Science, Chengdu University of Information Technology（成都信息科技大学计算机学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Publications Department, Optica Publishing Group（Optica出版社出版部） ； Department of Electronic Journals, Optica Publishing Group（Optica出版社电子期刊部） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV、cs.LG

AI总结 DAGLFNet通过深度特征注意力引导的全局和局部特征融合，提升伪图像点云分割的准确性和效率。

Automatic Multi-View X-Ray/CT Registration Using Bone Substructure Contours

自动多视角X射线/CT配准使用骨亚结构轮廓

Roman Flepp, Leon Nissen, Bastian Sigrist, Arend Nieuwland, Nicola Cavalcanti, Philipp Fürnstahl, Thomas Dreher, Lilian Calvet

机构 * University Children’s Hospital Zürich（苏黎世儿童医院大学医院） ； University Hospital Balgrist, University of Zurich（苏黎世大学医院巴尔格里斯分院） ； Department of Orthopedic Surgery（骨科部门） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.CV

AI总结 本研究提出了一种基于骨亚结构轮廓的自动多视角X射线/CT配准方法，实现了亚毫米精度并提高了实用性。

Comments This paper was accepted to IPCAI 2025. The Project Webpage is: https://rflepp.github.io/BoneSubstructureContours2D3DRegistration/

Boundary on the Table: Efficient Black-Box Decision-Based Attacks for Structured Data

表格边界：面向结构化数据的高效黑盒决策攻击

Roie Kazoom, Yuval Ratzabi, Etamar Rothstein, Ofer Hadar

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种针对结构化数据的高效黑盒决策攻击方法，通过结合无梯度方向估计与迭代边界搜索，在极小查询量下实现对多种模型的高成功率攻击。

Comments Paper revision

Ionospheric and Plasmaspheric Delay Characterization for Lunar Terrestrial GNSS Receivers with Global Core Plasma Model

月球地表GNSS接收机的电离层和等离子层延迟特性分析：基于全球核心等离子体模型

Keidai Iiyama, Grace Gao

机构 * Department of Aeronautics and Astronautics, Stanford University, California, United States（航空与宇航系，斯坦福大学，加州，美国） 纠错

专题命中 具身导航 ：navigation(abstract,comments)；分类 cs.RO

AI总结 本文基于全球核心等离子体模型和定制射线追踪算法，研究了月球地表GNSS接收机的电离层和等离子层延迟特性，揭示了不同太阳和地磁条件下延迟的影响因素。

Comments Submitted NAVIGATION: Journal of the Institute of Navigation

AutoOdom: Learning Auto-regressive Proprioceptive Odometry for Legged Locomotion

AutoOdom: 为腿足运动学习自回归本体里程计

Changsheng Luo, Yushi Wang, Wenhan Cai, Mingguo Zhao

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Booster Robotics（Booster机器人） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 AutoOdom通过自回归训练方法，有效解决腿足运动中本体里程计的仿真到现实转移问题，显著提升导航精度和鲁棒性。

GVD-TG: Topological Graph based on Fast Hierarchical GVD Sampling for Robot Exploration

GVD-TG：基于快速分层GVD采样的拓扑图用于机器人探索

Yanbin Li, Canran Xiao, Shenghai Yuan, Peilai Yu, Ziruo Li, Zhiguo Zhang, Wenzheng Chi, Wei Zhang

机构 * School of Electronics Engineering, Beijing University of Posts and Telecommunications（北京邮电大学电子工程学院） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区计算机科学与技术学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Institute for Computer Science, Ludwig Maximilian University of Munich（慕尼黑路德维希-马克西米利安大学计算机科学研究所） ； Key Lab of Smart Agriculture Systems, China Agricultural University（中国农业大学智能农业系统重点实验室） ； Robotics and Microsystems Center, School of Mechanical and Electric Engineering, Soochow University（苏州大学机械与电子工程学院机器人与微系统中心） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出基于快速分层GVD采样的拓扑图方法，用于提升机器人探索任务中的拓扑地图更新效率与路径规划灵活性。

Comments 12 pages, 10 figures

Sphinx: Efficiently Serving Novel View Synthesis using Regression-Guided Selective Refinement

Sphinx：通过回归引导的选择性细化高效服务新颖视图合成

Yuchen Xia, Souvik Kundu, Mosharaf Chowdhury, Nishil Talati

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 Sphinx通过回归引导的选择性细化方法，在显著降低计算成本的同时实现高质量新颖视图合成

Simultaneous Localization and 3D-Semi Dense Mapping for Micro Drones Using Monocular Camera and Inertial Sensors

使用单目相机和惯性传感器的微无人机同时定位与3D半密集制图

Jeryes Danial, Yosi Ben Asher, Itzik Klein

机构 * The Hatter Department of Marine Technologies, University of Haifa, 3498838, Israel（海洋技术系，海法大学） ； Computer Science, University of Haifa, 3498838, Israel（计算机科学，海法大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出一种轻量单目SLAM系统，结合稀疏关键点估计与密集边缘重建，通过扩展卡尔曼滤波解决尺度模糊问题，实现低功耗实时制图与导航。

Time-aware Motion Planning in Dynamic Environments with Conformal Prediction

动态环境中基于符合预测的时间感知运动规划

Kaier Liang, Licheng Luo, Yixuan Wang, Mingyu Cai, Cristian Ioan Vasile

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文提出基于符合预测的时间感知运动规划框架，通过全局和局部规划器结合自适应分位数机制，实现动态环境中鲁棒且高效的轨迹生成与安全保证。

PriorDrive: Enhancing Online HD Mapping with Unified Vector Priors

PriorDrive: 通过统一向量先验增强在线高精度地图

Shuang Zeng, Xinyuan Chang, Xinran Liu, Yujian Yuan, Shiyi Liang, Zheng Pan, Mu Xu, Xing Wei

机构 * Shuang Zeng 1,2*† , Xinyuan Chang 2† , Xinran Liu 2 , Yujian Yuan 3 , Shiyi Liang 1,2 , Zheng Pan 2 , Mu Xu 2 , Xing Wei 1‡（未知） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 PriorDrive通过整合多种向量化先验地图，提升在线高精度地图构建的鲁棒性和准确性。

Comments AAAI 2026; Code: https://github.com/MIV-XJTU/PriorDrive

A Targeted Quadrature Framework for Simulating Large-Scale 3D Anisotropic Electromagnetic Measurements

一种针对大规模三维各向异性电磁测量的四次方框架

Jörn Zimmerling, Vladimir Druskin, Sofia Davydycheva, Wardana Saputra, Carlos Torres-Verdín, Frank Antonsen, Jon Kåre Lotsberg, Michael Rabinovich

专题命中 具身导航 ：navigation(abstract)

AI总结 该研究提出了一种高效准确的四次方框架，用于模拟大规模三维各向异性电磁测量，适用于实时超深方位电阻率测量的反演与处理。

Comments This Manuscript has been submitted to SEGs Geophysics

Learning Primitive Embodied World Models: Towards Scalable Robotic Learning

学习原始具身世界模型：迈向可扩展的机器人学习

Qiao Sun, Liujia Yang, Wei Tang, Wei Huang, Kaixin Xu, Yongchao Chen, Mingyu Liu, Jiange Yang, Haoyi Zhu, Yating Wang, Tong He, Yilun Chen, Xili Dai, Nanyang Ye, Qinying Gu

机构 * Shanghai AI Lab（上海人工智能实验室） ； Fudan（复旦大学） ； SJTU（上海交通大学） ； NJUST（南京理工大学） ； THU（清华大学） ； Harvard（哈佛大学） ； ZJU（浙江大学） ； NJU（南京大学） ； USTC（中国科学技术大学） ； Tongji（同济大学） ； HKUST (GZ)（香港科技大学（广州）） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI

AI总结 提出原始具身世界模型（PEWM）以解决具身数据稀疏和高维问题，通过短视界视频生成实现细粒度对齐、降低学习复杂度并提高数据效率。

Communicating Plans, Not Percepts: Scalable Multi-Agent Coordination with Embodied World Models

传达计划，而非感知：基于具身世界模型的可扩展多智能体协调

Brennen A. Hill, Mant Koh En Wei, Thangavel Jishnuanandh

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 明尼苏达大学） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；embodied AI(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于具身世界模型的意图通信方法，通过端到端学习与工程化设计对比，展示在复杂环境下更优的协调能力。

Comments Published in the Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA). Additionally accepted for presentation in the NeurIPS 2025 Workshop: Embodied World Models for Decision Making (EWM) and the NeurIPS 2025 Workshop: Optimization for Machine Learning (OPT)

When do World Models Successfully Learn Dynamical Systems?

世界模型何时能成功学习动力系统？

Edmund Ross, Claudia Drygala, Leonhard Schwarz, Samir Kaiser, Francesca di Mare, Tobias Breiten, Hanno Gottschalk

机构 * Technical University of Berlin, Institute of Mathematics（柏林技术大学数学系） ； Ruhr University Bochum, Department of Mechanical Engineering, Chair of Thermal Turbomachines and Aero Engines（波鸿鲁尔大学机械工程系热力涡轮机与航空发动机教研室） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 本文探讨了世界模型在学习动力系统时的有效性，通过理论分析和实验验证，揭示了分词方法在物理数据集中的成功条件，并展示了模型在复杂流体动力学任务中的应用。

Weakly-supervised Latent Models for Task-specific Visual-Language Control

弱监督潜在模型用于任务特定的视觉语言控制

Xian Yeow Lee, Lasitha Vidyaratne, Gregory Sin, Ahmed Farahat, Chetan Gupta

机构 * Industrial AI Lab, Hitachi America, Ltd.（日立美国有限公司工业人工智能实验室） 纠错

专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种任务特定的潜在动态模型，利用目标状态监督学习动作诱导位移，以提高空间定位任务中的视觉语言控制性能。

One4D: Unified 4D Generation and Reconstruction via Decoupled LoRA Control

One4D：通过解耦LoRA控制实现统一的4D生成与重建

Zhenxing Mi, Yuxin Wang, Dan Xu

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 具身推理 ：world model(abstract)；分类 cs.CV

AI总结 One4D通过解耦LoRA控制实现4D生成与重建的统一框架，提升视频扩散模型在几何重建中的性能

Comments Project page: https://mizhenxing.github.io/One4D

KV-Efficient VLA: A Method to Speed up Vision Language Models with RNN-Gated Chunked KV Cache

KV-Efficient VLA: 一种加速视觉语言模型的方法通过RNN门控分块KV缓存

Wanshun Xu, Long Zhuang, Lianlei Shan

机构 * University of Toronto（多伦多大学） ； Tsinghua University（清华大学） 纠错

专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.AI、cs.CV

AI总结 KV-Efficient VLA通过RNN门控分块KV缓存机制，有效降低视觉语言模型的计算和内存开销，提升推理效率。

The Horcrux: Mechanistically Interpretable Task Decomposition for Detecting and Mitigating Reward Hacking in Embodied AI Systems

霍克鲁斯：用于检测和缓解具身AI系统中奖励黑客行为的可解释任务分解

Subramanyam Sahoo, Jared Junkin

机构 * Berkeley AI Safety Initiative (BASIS) UC Berkeley（伯克利人工智能安全计划（BASIS）伯克利大学） ； Department of Electrical and Computer Engineering Johns Hopkins University（电气与计算机工程系约翰霍普金斯大学） 纠错

专题命中 模仿学习与强化学习 ：embodied AI(title,abstract)；分类 cs.LG；robotic(comments)

AI总结 本研究提出MITD方法，通过可解释性任务分解有效检测和缓解具身AI系统中的奖励黑客行为，实验表明分解深度可显著降低奖励黑客频率。

Comments Accepted to the NeurIPS (Mexico City) 2025 Workshop on Embodied and Safe-Assured Robotic Systems (E-SARS). Thanks to Aman Chadha

Accelerating Reinforcement Learning via Error-Related Human Brain Signals

通过误差相关的人脑信号加速强化学习

Suzie Kim, Hye-Bin Shin, Hyo-Jeong Jang

机构 * Dept. of Artificial Intelligence Korea University Seoul, Republic of Korea（人工智能系韩国大学首尔共和国） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 通过整合误差相关的人脑信号，加速复杂机器人操作中的强化学习，提升任务成功率。

How to Train Your Latent Control Barrier Function: Smooth Safety Filtering Under Hard-to-Model Constraints

如何训练您的潜在控制障碍函数：在难以建模的约束下实现平滑的安全过滤

Kensuke Nakamura, Arun L. Bishop, Steven Man, Aaron M. Johnson, Zachary Manchester, Andrea Bajcsy

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出LatentCBF方法，通过梯度惩罚和价值训练解决潜在空间中不兼容价值函数的问题，实现平滑安全过滤并提升任务完成率。

Comments 3 figures, 10 tables, 22 pages

ReAlign: Text-to-Motion Generation via Step-Aware Reward-Guided Alignment

ReAlign：通过步感知奖励引导对齐实现文本到动作生成

Wanjiang Weng, Xiaofeng Tan, Junbo Wang, Guo-Sen Xie, Pan Zhou, Hongsong Wang

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.CV

AI总结 ReAlign通过步感知奖励模型和引导策略提升文本到动作生成的对齐和质量。

Comments Accepted by AAAI 2026

Dreaming Falcon: Physics-Informed Model-Based Reinforcement Learning for Quadcopters

梦之鹰：用于四旋翼的物理引导模型基强化学习

Eashan Vytla, Bhavanishankar Kalavakolanu, Andrew Perrault, Matthew McCrink

机构 * The Ohio State University（俄亥俄州立大学） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.RO

AI总结 本文提出一种基于物理引导的世界模型方法，用于改进四旋翼的强化学习性能，通过物理模型预测力矩和状态展开，提升动态环境下的鲁棒性。

Text-to-Decision Agent: Offline Meta-Reinforcement Learning from Natural Language Supervision

基于文本的决策代理：从自然语言监督中进行离线元强化学习

Shilin Zhang, Zican Hu, Wenhao Wu, Xinyi Xie, Jianxiang Tang, Chunlin Chen, Daoyi Dong, Yu Cheng, Zhenhong Sun, Zhi Wang

机构 * Nanjing University（南京大学） ； University of Technology Sydney（悉尼大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI

AI总结 本文提出T2DA，通过自然语言监督实现离线元强化学习，利用文本-决策预训练提升零样本泛化能力。

Comments 32 pages, 8 figures

MARL-CC: A Mathematical Framework forMulti-Agent Reinforcement Learning in ConnectedAutonomous Vehicles: Addressing Nonlinearity,Partial Observability, and Credit Assignment forOptimal Control

MARL-CC：多智能体强化学习在连接自动驾驶车辆中的数学框架：解决非线性、部分可观测性和信用分配以实现最优控制

Mazyar Taghavi, Javad Vahidi

专题命中 模仿学习与强化学习 ：robotics(abstract)

AI总结 MARL-CC提出了一种统一的数学框架，通过整合微分几何控制、贝叶斯推断和夏普利值信用分配，解决多智能体强化学习中的非线性、部分可观测性和信用分配问题，提升收敛速度和协同效率。

LLM4Laser: Large Language Models Automate the Design of Lasers

LLM4Laser: 利用大语言模型自动化激光器设计

Renjie Li, Ceyao Zhang, Sixuan Mao, Xiyuan Zhou, Feng Yin, Sergios Theodoridis, Zhaoyu Zhang

专题命中 模仿学习与强化学习 ：robotics(abstract)

AI总结 本文提出利用大语言模型实现激光器设计自动化，通过对话生成仿真和强化学习代码，实现从概念到算法的全流程自动化设计。

Comments 14 pages, 10 figures