机器人 / 具身智能

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

One Patch is All You Need: Joint Surface Material Reconstruction and Classification from Minimal Visual Cues

一个补丁就够了：从最小的视觉线索联合表面材料重建与分类

Sindhuja Penchala, Gavin Money, Gabriel Marques, Samuel Wood, Jessica Kirschman, Travis Atkison, Shahram Rahimi, Noorbakhsh Amiri Golilarz

机构 * Department of Computer Science, The University of Alabama（计算机科学系，阿拉巴马大学） 纠错

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

AI总结 SMARC通过单个补丁实现表面材料重建与分类，以应对稀疏视觉输入下的挑战，取得最佳性能。

Comments 9 pages,3 figures, 5 tables

Image as an IMU: Estimating Camera Motion from a Single Motion-Blurred Image

图像作为IMU：从单张运动模糊图像估计相机运动

Jerred Chen, Ronald Clark

机构 * University of Oxford（牛津大学） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出了一种利用运动模糊估计相机运动的方法，通过预测运动流场和深度图，结合线性最小二乘问题恢复相机速度，实现高精度姿态估计。

Comments Project page: https://jerredchen.github.io/image-as-imu/

Systematic Evaluation and Guidelines for Segment Anything Model in Surgical Video Analysis

手术视频分析中Segment Anything模型的系统评估与指南

Cheng Yuan, Jian Jiang, Kunyi Yang, Lv Wu, Rui Wang, Zi Meng, Haonan Ping, Ziyu Xu, Yifan Zhou, Wanli Song, Hesheng Wang, Yueming Jin, Qi Dou, Yutong Ban

机构 * Global College（全球学院） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Automation（自动化系） ； National University of Singapore（新加坡国立大学） ； Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 本文评估了SAM2模型在手术视频分割中的零样本能力，揭示其在结构化场景中的表现与动态手术条件下的局限性，为手术数据科学提供未来研究方向。

Web-Shepherd: Advancing PRMs for Reinforcing Web Agents

Web-Shepherd: 促进强化网络代理的PRMs

Hyungjoo Chae, Sunghwan Kim, Junhee Cho, Seungone Kim, Seungjun Moon, Gyeom Hwangbo, Dongha Lim, Minjin Kim, Yeonjun Hwang, Minju Gwak, Dongwook Choi, Minseok Kang, Gwanhoon Im, ByeongUng Cho, Hyojun Kim, Jun Hee Han, Taeyoon Kwon, Minju Kim, Beong-woo Kwak, Dongjin Kang, Jinyoung Yeo

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 Web-Shepherd是首个用于强化网络代理的PRM，通过构建大规模数据集和元评估基准，提升了网络导航任务的准确性和效率。

Comments NeurIPS 2025 Spotlight