机器人 / 具身智能

NOIR 2.0: Neural Signal Operated Intelligent Robots for Everyday Activities

NOIR 2.0：神经信号操作的智能机器人用于日常活动

Tasha Kim, Yingke Wang, Hanvit Cho, Alex Hodges

机构 * Institute for Computational and Mathematical Engineering（计算与数学工程研究所） ； Department of Computer Science（计算机科学系） ； Department of Mechanical Engineering（机械工程系） 纠错

专题命中 机器人学习 ：robot learning(abstract,comments)；分类 cs.RO、cs.AI、cs.LG

AI总结 NOIR 2.0通过改进的脑解码算法和少样本学习提升机器人执行日常任务的效率和适应性。

Comments Conference on Robot Learning (CoRL 2024), CoRoboLearn

VacuumVLA: Boosting VLA Capabilities via a Unified Suction and Gripping Tool for Complex Robotic Manipulation

VacuumVLA: 通过统一的吸力和抓取工具提升VLA能力以实现复杂机器人操作

Hui Zhou, Siyuan Huang, Minxing Li, Hao Zhang, Lue Fan, Shaoshuai Shi

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； DiDi Global（滴滴出行） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI

AI总结 VacuumVLA通过整合吸力与抓取功能的末端执行器，提升VLA在复杂机器人操作中的能力，实现更多任务的可行性。

Comments 8 pages

Sampling-Based Optimization with Parallelized Physics Simulator for Bimanual Manipulation

基于并行物理模拟器的采样优化方法用于双臂操作

Iryna Hurova, Alinjar Dan, Karl Kruusamäe, Arun Kumar Singh

机构 * University of Tartu（塔尔图大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；world model(abstract)；分类 cs.RO

AI总结 本文提出基于并行物理模拟器的采样优化方法，用于解决双臂操作任务，通过定制的MPPI算法和GPU加速的MuJoCo实现高效交互评估。

Comments 9 pages, 5 figures

Maglev-Pentabot: Magnetic Levitation System for Non-Contact Manipulation using Deep Reinforcement Learning

磁悬浮系统Maglev-Pentabot：基于深度强化学习的非接触操控

Guoming Huang, Qingyi Zhou, Dianjing Liu, Shuai Zhang, Ming Zhou, Zongfu Yu

机构 * Department of Electrical and Computer Engineering, University of Wisconsin-Madison（电气与计算机工程系，威斯康星大学麦迪逊分校） ； Flexcompute ； Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 Maglev-Pentabot通过深度强化学习实现克级非接触操控，解决微米尺度操控限制，支持泛化运输任务和更大重量物体操控。

Kinematics-Aware Multi-Policy Reinforcement Learning for Force-Capable Humanoid Loco-Manipulation

具备力交互能力的人形机器人多策略强化学习

Kaiyan Xiao, Zihan Xu, Cheng Zhe, Chengju Liu, Qijun Chen

机构 * the Robot and Artificial Intellifence Lab, College of Electronic and Information Engineering, Tongji University, Shanghai 201804, China（机器人与人工智能实验室，电子与信息工程学院，同济大学，上海） ； State Key Laboratory of Autonomous Intelligent Unmanned System(Tongji University), Shanghai, China（自主智能无人系统国家重点实验室（同济大学），上海） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO

AI总结 本文提出了一种多策略强化学习框架，通过解耦的三阶段训练流程提升人形机器人在高负载工业场景中的运动-操作能力。

Trustless Federated Learning at Edge-Scale: A Compositional Architecture for Decentralized, Verifiable, and Incentive-Aligned Coordination

边缘规模下的无信任联邦学习：一种组合架构用于去中心化、可验证和激励对齐的协调

Pius Onobhayedo, Paul Osemudiame Oamen

机构 * Marshall School of Business University of Southern California（南加州大学马歇尔商学院） ； School of Natural and Computing Sciences University of Aberdeen（阿伯丁大学自然与计算科学学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.LG

AI总结 本文提出了一种组合架构，通过加密收据、几何测量、并行所有权和时间锁定政策，解决边缘规模联邦学习中的去中心化、可验证性和激励对齐问题。

A Taxonomy of Pix Fraud in Brazil: Attack Methodologies, AI-Driven Amplification, and Defensive Strategies

巴西Pix欺诈的分类：攻击方法、AI驱动的放大效应与防御策略

Glener Lanes Pizzolato, Brenda Medeiros Lopes, Claudio Schepke, Diego Kreutz

机构 * Graduate Program in Software Engineering (PPGES) Advanced Computing Studies Laboratory (LEA) \& AI Horizon Labs Federal University of Pampa (UNIPAMPA), Alegrete, Brazil 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI

AI总结 本文通过文献综述和访谈，分析了巴西Pix支付系统中欺诈的演变，指出欺诈手段从社会工程发展为混合策略，并强调了适应性防御和用户意识的重要性。

Comments 5 pages, 1 figure, 2 tables, submitted to ERRC/WRSeg 2025

The derivation of the Liouville equation from the Schrodinger equation and its implications

从薛定谔方程导出刘维尔方程及其意义

A. P. Meilakhs

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出从薛定谔方程推导玻尔兹曼方程的新方法，通过刘维尔方程和跃迁率矩阵推导出非碰撞部分和碰撞积分。

Comments 12 pages

Tailoring Heat Transfer at Silica-Water Interfaces via Hydroxyl and Methyl Surface Groups

通过羟基和甲基表面基团调控 silica-水界面的热传递

Viktor Mandrolko, Konstantinos Termentzidis, David Lacroix, Mykola Isaiev

专题命中 机器人操作 ：manipulation(abstract)

AI总结 通过调控硅石表面羟基和甲基基团，研究发现可显著增强界面热传导并优化散热性能。

Emergence of Cascading Flat Bands in Breathing Superlattices

呼吸超晶格中级联平坦带的涌现

Moru Song, Jingyu Hu, Lina Shi, YongliangZhang, Kai Chang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 通过引入新型呼吸超晶格，实现对任意平坦带的可控生成，并在光子系统中实验验证了级联平坦带的涌现。

Comments Please contact Moru Song or Yongliang Zhang for any sentific questions or comments/suggestions to this work

Modeling, Analysis, and Control of Continuous-Time Weighted-Median Opinion Dynamics

连续时间加权中位数意见动力学的建模、分析与控制

Yi Han, Julien M. Hendrickx, Ge Chen, Wenjun Mei

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出连续时间加权中位数模型，通过引入个体惯性实现渐进意见趋同，理论分析揭示了网络结构对一致性和抗操纵性的影响。

Comments 15 pages, 3 figure

Multi-Hypotheses Ego-Tracking for Resilient Navigation

多假设视角的自主导航稳健跟踪

Peter Iwer Hoedt Karstensen, Roberto Galeazzi

专题命中 具身导航 ：navigation(title,abstract)；manipulation(abstract)

AI总结 本文提出了一种结合多假设估计和泊松二项式检测器的稳健导航架构，用于识别和隔离定位系统中的异常，通过轨迹重新规划实现性能恢复。

Adaptive Object Detection for Indoor Navigation Assistance: A Performance Evaluation of Real-Time Algorithms

适应性物体检测用于室内导航辅助：实时算法性能评估

Abhinav Pratap, Sushant Kumar, Suchinton Chakravarty

机构 * Department of Computer Science（计算机科学系） ； Engineering, ASET Amity University, Noida, India（工程系，阿米蒂大学，印度诺伊达） 纠错

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

AI总结 本研究评估了四种实时物体检测算法在室内导航辅助中的性能，分析了精度、速度和环境适应性，为视障人士的导航解决方案提供了优化依据。

Comments 5 pages, 2 figures, 3 tables

MonoMPC: Monocular Vision Based Navigation with Learned Collision Model and Risk-Aware Model Predictive Control

MonoMPC: 基于单目视觉的导航：利用学习的碰撞模型和风险感知模型预测控制

Basant Sharma, Prajyot Jadhav, Pranjal Paul, K. Madhava Krishna, Arun Kumar Singh

机构 * Institute of Technology, University of Tartu（塔尔图大学技术学院） ； International Institute of Information Technology-Hyderabad（海得拉巴国际信息科技研究所） ； Estonian Aviation Academy（爱沙尼亚航空学院） 纠错

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

AI总结 MonoMPC通过学习碰撞模型和风险感知MPC规划器，实现基于单目视觉的导航，在复杂环境中提高导航性能和安全性。

X-Nav: Learning End-to-End Cross-Embodiment Navigation for Mobile Robots

X-Nav: 为移动机器人学习端到端跨体态导航

Haitong Wang, Aaron Hao Tan, Angus Fung, Goldie Nejat

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

AI总结 X-Nav通过端到端学习实现跨体态导航，使单一策略能适应多种机器人形态，通过深度强化学习和导航动作分块技术提升导航性能和泛化能力。

DeeAD: Dynamic Early Exit of Vision-Language Action for Efficient Autonomous Driving

DeeAD: 视觉-语言动作的动态早期退出以实现高效的自动驾驶

Haibo HU, Lianming Huang, Nan Guan, Chun Jason Xue

机构 * City University of Hongkong（香港城市大学） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫 bin Zayed 人工智能大学） 纠错

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

AI总结 DeeAD通过动态早期退出机制提升自动驾驶中视觉-语言动作模型的效率，实现28%的变换器层稀疏性和29%的延迟减少，同时保持规划质量和安全。

Efficient Greedy Algorithms for Feature Selection in Robot Visual Localization

机器人视觉定位中的高效贪心算法用于特征选择

Vivek Pandey, Amirhossein Mollaei, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（机械工程与力学系，莱恩大学） 纠错

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

AI总结 本文提出两种高效贪心算法，用于机器人视觉定位中的特征选择，以提高计算效率和定位精度。

TraceGen: World Modeling in 3D Trace Space Enables Learning from Cross-Embodiment Videos

TraceGen：在3D轨迹空间中进行世界建模，实现跨躯体视频的学习

Seungjae Lee, Yoonkyo Jung, Inkook Chun, Yao-Chih Lee, Zikui Cai, Hongjia Huang, Aayush Talreja, Tan Dat Dao, Yongyuan Liang, Jia-Bin Huang, Furong Huang

机构 * University of Maryland, College Park（马里兰大学 College Park分校） 纠错

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

AI总结 TraceGen通过3D轨迹空间实现跨躯体视频学习，利用紧凑的轨迹表示提升机器人任务学习效率与泛化能力。

ENACT: Evaluating Embodied Cognition with World Modeling of Egocentric Interaction

ENACT：通过视角交互的世界建模评估具身认知

Qineng Wang, Wenlong Huang, Yu Zhou, Hang Yin, Tianwei Bao, Jianwen Lyu, Weiyu Liu, Ruohan Zhang, Jiajun Wu, Li Fei-Fei, Manling Li

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 ENACT通过视角交互的世界建模评估具身认知，揭示VLMs在长周期交互中与人类表现差距扩大，且模型在逆向任务中表现更优。

Comments Preprint version

STARFlow-V: End-to-End Video Generative Modeling with Normalizing Flows

STARFlow-V：基于归一化流的端到端视频生成模型

Jiatao Gu, Ying Shen, Tianrong Chen, Laurent Dinh, Yuyang Wang, Miguel Angel Bautista, David Berthelot, Josh Susskind, Shuangfei Zhai

机构 * Apple（苹果公司） 纠错

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

AI总结 STARFlow-V基于归一化流提出端到端视频生成模型，具备端到端学习、鲁棒因果预测和原生似然估计等优势，实现了高质量自回归视频生成。

Comments 21 pages, 9 figures. Code and samples are available at https://github.com/apple/ml-starflow

EvoEmpirBench: Dynamic Spatial Reasoning with Agent-ExpVer

EvoEmpirBench: 基于智能体经验的动态空间推理

Pukun Zhao, Longxiang Wang, Miaowei Wang, Chen Chen, Fanqing Zhou, Haojian Huang

机构 * Guangdong University of Finance and Economics（广东金融学院） ； Chongqing University（重庆大学） ； University of Edinburgh（爱丁堡大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 EvoEmpirBench通过动态空间基准评估模型在部分可观测和动态环境下的空间推理与记忆能力，揭示主流模型的限制并提供未来研究平台。

Comments Accepted by AAAI 2026, 29 pages, 3 figures, 7 tables

Optimizing Deep Reinforcement Learning for Adaptive Robotic Arm Control

优化深度强化学习用于自适应机械臂控制

Jonaid Shianifar, Michael Schukat, Karl Mason

机构 * School of Computer Science, University of Galway（计算机科学学院，Galway大学） 纠错

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

AI总结 本文通过TPE优化SAC和PPO算法的超参数，显著提升了七自由度机械臂控制任务的算法性能和训练效率。

Journal ref PAAMS 2024, Communications in Computer and Information Science, vol 2149, PP 293-304 Springer, Cham (2025)

Action Chunking and Exploratory Data Collection Yield Exponential Improvements in Behavior Cloning for Continuous Control

动作分块与探索性数据收集在连续控制行为克隆中的指数性改进

Thomas T. Zhang, Daniel Pfrommer, Chaoyi Pan, Nikolai Matni, Max Simchowitz

机构 * MIT（麻省理工学院） 纠错

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

AI总结 本文通过动作分块和探索性数据收集方法，在连续控制行为克隆中实现误差指数级减少，揭示了控制理论稳定性对模仿学习性能的关键作用。

Comments Updated manuscript. New visualization figures and control-theory primer

Staggered Environment Resets Improve Massively Parallel On-Policy Reinforcement Learning

staggered 环境重置提升大规模并行 on-policy 强化学习

Sid Bharthulwar, Stone Tao, Hao Su

机构 * Harvard University（哈佛大学） ； UC San Diego（圣迭戈大学） 纠错

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

AI总结 staggered 环境重置通过增加时间多样性减少非平稳性，提升大规模并行 on-policy 强化学习的样本效率和收敛速度

Safety Control of Service Robots with LLMs and Embodied Knowledge Graphs

服务机器人中结合大语言模型和具身知识图谱的安全控制

Yong Qi, Gabriel Kyebambo, Siyuan Xie, Wei Shen, Shenghui Wang, Bitao Xie, Bin He, Zhipeng Wang, Shuo Jiang

机构 * School of Electronic Information（电子信息学院） ； Artificial Intelligence, Shaanxi University of Science（人工智能，陕西科技大学） 纠错

专题命中 人机交互与遥操作 ：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出结合大语言模型与具身知识图谱的方法，提升服务机器人安全控制，通过预定义指令和知识库验证增强安全实践。

ACE-F: A Cross Embodiment Foldable System with Force Feedback for Dexterous Teleoperation

ACE-F: 一种具有力反馈的跨体折叠系统用于灵巧远程操作

Rui Yan, Jiajian Fu, Shiqi Yang, Lars Paulsen, Xuxin Cheng, Xiaolong Wang

机构 * UC San Diego（加州大学圣地亚哥分校） 纠错

专题命中 人机交互与遥操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 ACE-F是一种具有力反馈的跨体折叠远程操作系统，通过逆运动学和软控制器流水线实现跨体泛化和精确控制，提升机器人灵巧操作的直观性和效率。

Force Prompting: Video Generation Models Can Learn and Generalize Physics-based Control Signals

力提示：视频生成模型可以学习并泛化基于物理的控制信号

Nate Gillman, Charles Herrmann, Michael Freeman, Daksh Aggarwal, Evan Luo, Deqing Sun, Chen Sun

机构 * Brown University（布朗大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出力提示方法，通过物理力信号生成逼真视频，利用视觉和运动先验实现物理控制信号的泛化，提升世界模型的物理真实性。

Comments Camera ready version (NeurIPS 2025). Code and interactive demos at https://force-prompting.github.io/

MADRA: Multi-Agent Debate for Risk-Aware Embodied Planning

MADRA：多智能体辩论用于风险感知的具身规划

Junjian Wang, Lidan Zhao, Xi Sheryl Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； University of Chinese Academy of Sciences, Nanjing（中国科学院大学南京校区） 纠错

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

AI总结 MADRA通过多智能体辩论和分层认知框架，在安全性和效率上超越现有方法，实现高安全任务拒绝率和低误拒率。

scipy.spatial.transform: Differentiable Framework-Agnostic 3D Transformations in Python

scipy.spatial.transform: 可微框架无关的Python三维变换

Martin Schuck, Alexander von Rohr, Angela P. Schoellig

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 scipy.spatial.transform通过兼容多种数组库，为可微系统和ML提供框架无关的三维空间数学基础。

Comments Accepted as oral at the 1st Workshop on Differentiable Systems and Scientific Machine Learning @ EurIPS 2025

Neural NMPC through Signed Distance Field Encoding for Collision Avoidance

通过符号距离场编码的神经NMPC用于避障

Martin Jacquet, Marvin Harms, Kostas Alexis

机构 * Autonomous Robots Lab, Norwegian University of Science and Technology (NTNU)（自主机器人实验室，挪威科学技术大学） 纠错

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

AI总结 本文提出一种基于符号距离场编码的神经NMPC框架，用于飞行器在未知环境中的无地图避障导航，通过深度学习编码环境信息并实现安全避障。

Comments accepted for publication in IJRR