机器人 / 具身智能

OceanGym: A Benchmark Environment for Underwater Embodied Agents

OceanGym: 一个用于水下具身智能体的基准环境

Yida Xue, Mingjun Mao, Xiangyuan Ru, Yuqi Zhu, Baochang Ren, Shuofei Qiao, Mengru Wang, Shumin Deng, Xinyu An, Ningyu Zhang, Ying Chen, Huajun Chen

专题命中 机器人数据与评测 ：embodied agent(title,abstract)；embodied AI(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 OceanGym通过多模态大语言模型构建首个水下具身智能体基准，揭示水下环境感知与规划的挑战，推动水下自主系统发展。

Comments Work in progress

Toward generic control for soft robotic systems

面向通用控制的软机器人系统

Yu Sun, Yaosheng Deng, Wenjie Mei, Xiaogang Xiong, Yang Bai, Masaki Ogura, Zeyu Zhou, Mir Feroskhan, Michael Yu Wang, Qiyang Zuo, Yao Li, Yunjiang Lou

机构 * Shenzhen Key Lab of Advanced Motion Control Technology and Modern Automation Equipment（深圳先进运动控制技术及现代自动化装备重点实验室） ； School of Intelligence Science and Engineering（智能科学与工程学院） ； College of Artificial Intelligence（人工智能学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； School of Mechanical and Aerospace Engineering（机械与航空航天工程学院） ； Nanyang Technological University（南洋理工大学） ； School of Robotics and Automation（机器人与自动化学院） ； Nanjing University（南京大学） ； School of Advanced Engineering（先进工程学院） ； Great Bay University（大贝大学） ； Center for Precision Engineering（精密工程中心） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） 纠错

专题命中 机器人数据与评测 ：robotic(title)；robotics(abstract)；分类 cs.RO

AI总结 本文提出了一种基于控制顺应性的通用软机器人控制框架，通过模仿人类运动控制原理，实现了稳定、安全且跨平台可转移的行为，为统一软机器人控制提供了新思路。

Robot-Powered Data Flywheels: Deploying Robots in the Wild for Continual Data Collection and Foundation Model Adaptation

机器人驱动的数据飞轮：在真实世界中部署机器人以实现持续的数据收集和基础模型适应

Jennifer Grannen, Michelle Pan, Kenneth Llontop, Cherie Ho, Mark Zolotas, Jeannette Bohg, Dorsa Sadigh

机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究机构） 纠错

专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.RO、cs.AI

AI总结 机器人驱动的数据飞轮通过部署机器人收集真实世界数据，提升基础模型在复杂环境中的适应能力，减少人工干预并提高多语言OCR性能。

Yanyun-3: Enabling Cross-Platform Strategy Game Operation with Vision-Language Models

Yanyun-3: 通过视觉-语言模型实现跨平台战略游戏操作

Guoyan Wang, Yanyan Huang, Chunlin Chen, Lifeng Wang, Yuxiang Sun

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 Yanyun-3通过整合视觉-语言模型和结构化多模态数据组织，实现了跨平台战略游戏操作的自动化，提升了任务执行效率和泛化能力。

Comments 32 pages, 13 figures

4DWorldBench: A Comprehensive Evaluation Framework for 3D/4D World Generation Models

4DWorldBench: 一种用于3D/4D世界生成模型的综合评估框架

Yiting Lu, Wei Luo, Peiyan Tu, Haoran Li, Hanxin Zhu, Zihao Yu, Xingrui Wang, Xinyi Chen, Xinge Peng, Xin Li, Zhibo Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Beijing Zhongguancun Academy（北京中关村学院） 纠错

专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV

AI总结 4DWorldBench提出了一种用于评估3D/4D世界生成模型的综合框架，通过四个维度评估模型的感知质量、条件对齐、物理真实性和一致性，支持多模态输入并整合多种评估方法。

Probabilistic Hyper-Graphs using Multiple Randomly Masked Autoencoders for Semi-supervised Multi-modal Multi-task Learning

基于多随机掩码自编码器的概率超图用于半监督多模态多任务学习

Pîrvu Mihai-Cristian, Marius Leordeanu

机构 * Faculty of Automatic Control and Computer Science, Politehnica University of Bucharest（自动化控制与计算机科学系，布加勒斯特理工大学） ； Institute of Mathematics of the Romanian Academy（罗马尼亚科学院数学研究所） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出PHG-MAE模型，结合神经图和掩码自编码器，通过随机掩码多模态数据提升多任务学习性能，并公开了相关工具和数据集。

Comments Submitted to Neurocomputing

Refinement of Monocular Depth Maps via Multi-View Differentiable Rendering

通过多视角可微渲染细化单目深度图

Laura Fink, Linus Franke, Bernhard Egger, Joachim Keinert, Marc Stamminger

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； Fraunhofer IIS Erlangen（弗劳恩霍夫研究所埃朗根） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出通过多视角可微渲染优化，提升单目深度图的精度与一致性，实现更高质量的深度估计。

Comments 8 pages main paper + 3 pages of references + 6 pages appendix

TouchFormer: A Robust Transformer-based Framework for Multimodal Material Perception

TouchFormer: 一种基于变换器的鲁棒多模态材料感知框架

Kailin Lyu, Long Xiao, Jianing Zeng, Junhao Dong, Xuexin Liu, Zhuojun Zou, Haoyue Yang, Lin Shu, Jie Hao

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.LG

AI总结 TouchFormer通过模态自适应门控和注意力机制提升多模态材料感知的鲁棒性，并在细粒度分类任务中实现性能提升。

Comments 9 pages, 7 figures, Accepted by AAAI 2026

GRAM: Generalization in Deep RL with a Robust Adaptation Module

GRAM：深度强化学习中的泛化能力与鲁棒适应模块

James Queeney, Xiaoyi Cai, Alexander Schperberg, Radu Corcodel, Mouhacine Benosman, Jonathan P. How

机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室（MERL）） ； Massachusetts Institute of Technology（麻省理工学院） ； Amazon Robotics（亚马逊机器人） 纠错

专题命中 机器人数据与评测 ：分类 cs.RO、cs.AI、cs.LG；robotics(comments)

AI总结 GRAM通过鲁棒适应模块提升深度强化学习在分布内和分布外场景中的泛化能力，通过仿真和机器人实验验证其有效性。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L)

Modeling the subjective perspective of consciousness and its role in the control of behaviours

意识的主观视角建模及其在行为控制中的作用

D. Rudrauf, G. Sergeant-Perthuis, O. Belli, Y. Tisserand, G. Di Marzo Serugendo

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文提出基于投影意识模型的主观视角建模，揭示其在行为控制中的作用，通过智能体模拟展示适应与非适应性行为的生成。

Journal ref Journal of Theoretical Biology Volume 534, 7 February 2022, 110957