机器人 / 具身智能

SRPO: Self-Referential Policy Optimization for Vision-Language-Action Models

SRPO：用于视觉-语言-动作模型的自指政策优化

Senyu Fei, Siyin Wang, Li Ji, Ao Li, Shiduo Zhang, Liming Liu, Jinlong Hou, Jingjing Gong, Xianzhong Zhao, Xipeng Qiu

机构 * Fudan University（复旦大学） ； Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 SRPO通过自指政策优化方法，利用模型自身生成的成功轨迹作为参考，有效解决VLA-RL中的奖励稀疏问题，实现高成功率和鲁棒性。

RobustVLA: Robustness-Aware Reinforcement Post-Training for Vision-Language-Action Models

RobustVLA: 为视觉-语言-动作模型引入鲁棒性感知的强化学习后训练

Hongyin Zhang, Shuo Zhang, Junxi Jin, Qixin Zeng, Runze Li, Donglin Wang

机构 * Westlake University（西湖大学） 纠错

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

AI总结 RobustVLA通过引入鲁棒性感知的强化学习后训练方法，提升视觉-语言-动作模型在环境不确定性下的鲁棒性和可靠性。

Reinforcement Learning from Implicit Neural Feedback for Human-Aligned Robot Control

从隐式神经反馈强化学习实现人对齐的机器人控制

Suzie Kim

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

AI总结 本文提出利用隐式神经反馈的强化学习框架，通过脑电图信号实现人对齐的机器人控制，实验表明其在复杂任务中表现与人工设计奖励相当。

Comments Master's thesis, Korea University, 2025. arXiv admin note: substantial text overlap with arXiv:2507.13171

Automaton Constrained Q-Learning

自动机约束的Q学习

Anastasios Manganaris, Vittorio Giammarino, Ahmed H. Qureshi

机构 * Department of Computer Science（计算机科学系） ； Purdue University（普渡大学） 纠错

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

AI总结 ACQL通过结合目标条件的值学习与自动机引导的强化学习，解决了在连续控制任务中同时满足时间有序目标和安全约束的问题。

Comments 10 main content pages, 4 main content figures, 11 appendix pages, 5 appendix figures, camera ready version submitted to 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Sample-Efficient Expert Query Control in Active Imitation Learning via Conformal Prediction

通过置信预测实现高效的专家查询控制在主动模仿学习中

Arad Firouzkouhi, Omid Mirzaeedodangeh, Lars Lindemann

机构 * Department of Computer Science, University of Southern California（计算机科学系，南加州大学） ； Department of Information Technology and Electrical Engineering, ETH Zurich（信息科技与电气工程系，苏黎世联邦理工学院） 纠错

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

AI总结 CRSAIL通过置信预测实现高效的专家查询控制，在主动模仿学习中减少专家查询次数，提升机器人任务的训练效率。

Deep RL Needs Deep Behavior Analysis: Exploring Implicit Planning by Model-Free Agents in Open-Ended Environments

深度强化学习需要深度行为分析：通过无模型智能体在开放性环境中探索隐式规划

Riley Simmons-Edler, Ryan P. Badman, Felix Baastad Berg, Raymond Chua, John J. Vastola, Joshua Lunger, William Qian, Kanaka Rajan

机构 * Department of Neurobiology, Harvard Medical School（哈佛医学院神经生物学系） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究学院） ； Department of Mathematics, NTNU（NTNU数学系） ； School of Computer Science, McGill University & Mila（麦吉尔大学计算机科学学院及Mila） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Biophysics Graduate Program, Harvard University（哈佛大学生物物理学研究生项目） 纠错

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

AI总结 本文通过ForageWorld环境研究DRL智能体的行为，发现无模型智能体可通过涌现动态展现规划行为，提出通用分析框架用于研究复杂智能体的学习动态。

Comments Published at NeurIPS 2025

PRIMT: Preference-based Reinforcement Learning with Multimodal Feedback and Trajectory Synthesis from Foundation Models

基于偏好强化学习的多模态反馈与轨迹合成：从基础模型出发

Ruiqi Wang, Dezhong Zhao, Ziqin Yuan, Tianyu Shao, Guohua Chen, Dominic Kao, Sungeun Hong, Byung-Cheol Min

机构 * Purdue University（普渡大学） ； Beijing University of Chemical Technology（北京化工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Sungkyunkwan University（成均馆大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

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

AI总结 PRIMT通过多模态反馈和轨迹合成，利用基础模型解决偏好强化学习中的查询模糊性和信用分配问题，提升机器人复杂行为的学习效率。

On the Tension Between Optimality and Adversarial Robustness in Policy Optimization

在策略优化中最优性与对抗鲁棒性之间的张力

Haoran Li, Jiayu Lv, Congying Han, Zicheng Zhang, Anqi Li, Yan Liu, Tiande Guo, Nan Jiang

机构 * School of Mathematical Sciences University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； School of Mathematical Sciences Nankai University（南开大学数学科学学院） ； School of Statistics and Data Science Nankai University（南开大学统计与数据科学学院） ； Siebel School of Computing and Data Science University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） 纠错

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

AI总结 本文提出 BARPO 框架，通过调节对手强度统一 SPO 和 ARPO，解决策略优化中最优性与对抗鲁棒性之间的张力问题。

Reinforcement Learning for Gliding Projectile Guidance and Control

基于强化学习的滑翔弹体引导与控制

Joel Cahn, Antonin Thomas, Philippe Pastor

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

AI总结 本文提出利用强化学习提升滑翔弹体在动态环境中的自主导航与高精度目标跟踪能力。

Comments 6 pages

Multi-Agent Conditional Diffusion Model with Mean Field Communication as Wireless Resource Allocation Planner

多智能体条件扩散模型与均场通信作为无线资源分配规划器

Kechen Meng, Sinuo Zhang, Rongpeng Li, Xiangming Meng, Yansha Deng, Chan Wang, Ming Lei, Zhifeng Zhao

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang University-University of Illinois Urbana-Champaign (ZJU-UIUC) Institute, Zhejiang University（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； Department of Engineering, King’s College London（伦敦国王学院工程系） 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 多智能体条件扩散模型与均场通信用于无线资源分配规划，通过扩散模型和逆动态模型提升样本效率与策略可扩展性，理论保证收敛稳定性，实验显示在无线网络优化中表现优异。

A Survey on Improving Human Robot Collaboration through Vision-and-Language Navigation

通过视觉-语言导航提升人机协作的综述

Nivedan Yakolli, Avinash Gautam, Abhijit Das, Yuankai Qi, Virendra Singh Shekhawat

机构 * Birla Institute of Technology and Science (BITS)（比拉理工学院和科学学院） ； Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文综述了视觉-语言导航在提升人机协作中的最新进展，探讨了多机器人协作中的关键挑战，并提出通过先进NLU技术实现主动澄清和动态角色分配的未来方向。

Transforming Monolithic Foundation Models into Embodied Multi-Agent Architectures for Human-Robot Collaboration

将单体基础模型转化为具身体验的多智能体架构以实现人机协作

Nan Sun, Bo Mao, Yongchang Li, Chenxu Wang, Di Guo, Huaping Liu

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） 纠错

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

AI总结 InteractGen通过分解机器人智能为多个智能体，提升服务机器人在人类环境中的自主性和协作能力。

Comments 21 pages, 16 figures, 4 tables

Stiffness and Buckling Behavior of Woven Columns

编织柱的刚度与屈曲行为

Jaimie Krankel, Guowei Wayne Tu, Evgueni T. Filipov

专题命中 人机交互与遥操作 ：robotics(abstract)

AI总结 本研究推导了编织柱的屈曲载荷和刚度的分析模型，讨论了不同屈曲模式的准则，并通过实验验证了模型的准确性。

$\mathbf{M^3A}$ Policy: Mutable Material Manipulation Augmentation Policy through Photometric Re-rendering

M³A策略：通过光度重渲染的可变材料操控增强策略

Jiayi Li, Yuxuan Hu, Haoran Geng, Xiangyu Chen, Chuhao Zhou, Ziteng Cui, Jianfei Yang

机构 * Tsinghua University（清华大学） ； MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） ； University of California, Berkeley（加州大学伯克利分校） ； The University of Tokyo（东京大学） 纠错

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

AI总结 M³A策略通过光度重渲染生成多样化演示，提升机器人跨材料操控的泛化能力。

Comments under submission

Real-World Reinforcement Learning of Active Perception Behaviors

现实世界中主动感知行为的强化学习

Edward S. Hu, Jie Wang, Xingfang Yuan, Fiona Luo, Muyao Li, Gaspard Lambrechts, Oleh Rybkin, Dinesh Jayaraman

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Liège（列日大学） ； UC Berkeley（伯克利大学） 纠错

专题命中 机器人数据与评测 ：robot learning(abstract)；manipulation(abstract)；robot policy(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出AAWR方法，通过特权传感器训练高效主动感知策略，提升机器人在部分可观测环境下的任务性能。

Comments NeurIPS 2025 camera ready

Arcadia: Toward a Full-Lifecycle Framework for Embodied Lifelong Learning

Arcadia：迈向一个完整的生命周期框架用于具身终身学习

Minghe Gao, Juncheng Li, Yuze Lin, Xuqi Liu, Jiaming Ji, Xiaoran Pan, Zihan Xu, Xian Li, Mingjie Li, Wei Ji, Rong Wei, Rui Tang, Qizhou Wang, Kai Shen, Jun Xiao, Qi Wu, Siliang Tang, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； Unitree Tech（单位树科技） ； Peking University（北京大学） ； Nanjing University（南京大学） ； Manycore Tech（Manycore科技） ； Bytedance Seed（字节跳动种子） ； University of Adelaide（阿德莱德大学） 纠错

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

AI总结 Arcadia提出了一种闭环框架，通过紧密耦合四个阶段实现具身终身学习，支持持续改进和端到端泛化。

Enhancing Cognitive Robotics with Commonsense through LLM-Generated Preconditions and Subgoals

通过LLM生成的先决条件和子目标增强认知机器人

Ohad Bachner, Bar Gamliel

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

AI总结 本研究通过结合大型语言模型与符号规划，利用LLM生成的先决条件和子目标提升机器人任务完成的可靠性与适应性。

Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer

为人类oid像素到动作策略转移打开仿真到现实的大门

Haoru Xue, Tairan He, Zi Wang, Qingwei Ben, Wenli Xiao, Zhengyi Luo, Xingye Da, Fernando Castañeda, Guanya Shi, Shankar Sastry, Linxi "Jim" Fan, Yuke Zhu

机构 * NVIDIA ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） 纠错

专题命中 机器人数据与评测 ：robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出了一种基于教师-学生-Bootstrap框架的人形机器人仿真到现实策略转移方法，通过分阶段重置探索策略和GRPO微调程序，实现了在多样化可动物体交互任务中的高效零样本性能。

Comments https://doorman-humanoid.github.io/

Optimization-Driven Design of Monolithic Soft-Rigid Grippers

基于优化的单体软-刚性夹持器设计

Pierluigi Mansueto, Mihai Dragusanu, Anjum Saeed, Monica Malvezzi, Matteo Lapucci, Gionata Salvietti

机构 * Department of Information Engineering University of Florence（信息工程系佛罗伦萨大学） ； Department of Information Engineering and Mathematics, University of Siena（信息工程与数学系锡耶纳大学） ； Humanoids & Human Centered Mechatronics, Istituto Italiano di Tecnologia（人形与以人为中心的机电一体化，意大利技术研究所） 纠错

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

AI总结 本研究提出一种结合快速原型和优化策略的方法，以提高软机器人夹持器的制造效率和现实适应性。

Journal ref Soft Robotics, 2025

How to Capture Human Preference: Commissioning of a Robotic Use-Case via Preferential Bayesian Optimisation

如何捕捉人类偏好：通过偏好贝叶斯优化委托一个机器人用例

Sander De Witte, Jeroen Taets, Andras Retzler, Guillaume Crevecoeur, Tom Lefebvre

专题命中 机器人数据与评测 ：robotic(title)

AI总结 本文提出通过偏好贝叶斯优化解决机器人任务委托问题，展示其在专家偏好反馈下的有效性，并证明辅助成本函数在决策一致性上的优势。

Describe Anything Anywhere At Any Moment

在任何地方、任何时间描述任何事物

Nicolas Gorlo, Lukas Schmid, Luca Carlone

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 DAAAM是一种用于大规模实时4D场景理解的空间时间记忆框架，通过优化前端和分层4D场景图实现高效语义描述与实时性能的平衡。

Comments 14 pages, 5 figures, 6 tables

RealAppliance: Let High-fidelity Appliance Assets Controllable and Workable as Aligned Real Manuals

RealAppliance: 让高保真家电资产可控且可操作，如对齐的现实手册

Yuzheng Gao, Yuxing Long, Lei Kang, Yuchong Guo, Ziyan Yu, Shangqing Mao, Jiyao Zhang, Ruihai Wu, Dongjiang Li, Hui Shen, Hao Dong

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

AI总结 RealAppliance通过高保真家电资产和对齐手册的基准测试，推动家电操控技术的发展。

Envision: Benchmarking Unified Understanding & Generation for Causal World Process Insights

Envision：基于因果世界过程洞察的统一理解和生成基准测试

Juanxi Tian, Siyuan Li, Conghui He, Lijun Wu, Cheng Tan

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 Envision通过因果事件进程基准测试，评估统一模型在动态时空一致性上的表现，揭示其在因果叙事一致性上的优势及仍需改进的时空一致性挑战。

Comments 35 pages, 12 figures, 10 tables

AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios

AerialMind：迈向无人机场景中的指称多目标跟踪

Chenglizhao Chen, Shaofeng Liang, Runwei Guan, Xiaolou Sun, Haocheng Zhao, Haiyun Jiang, Tao Huang, Henghui Ding, Qing-Long Han

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

AI总结 AerialMind是首个针对无人机场景的RMOT基准，通过COALA框架和HETrack方法提升无人机的自然语言交互能力与多目标跟踪性能。

Comments AAAI 2026

3EED: Ground Everything Everywhere in 3D

3EED: 在三维中万物皆 grounded

Rong Li, Yuhao Dong, Tianshuai Hu, Ao Liang, Youquan Liu, Dongyue Lu, Liang Pan, Lingdong Kong, Junwei Liang, Ziwei Liu

机构 * WorldBench Team（WorldBench团队） 纠错

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

AI总结 3EED提出一个大规模多平台多模态三维 grounding 基准测试，通过提供丰富的户外场景数据和跨平台学习技术，推动语言驱动的三维具身感知研究。

Comments NeurIPS 2025 DB Track; 38 pages, 17 figures, 10 tables; Project Page at https://project-3eed.github.io/

Conceptual Evaluation of Deep Visual Stereo Odometry for the MARWIN Radiation Monitoring Robot in Accelerator Tunnels

深度视觉立体视觉里程计的概念评估：用于加速器隧道中MARWIN辐射监测机器人的评估

André Dehne, Juri Zach, Peer Stelldinger

机构 * Faculty of Computer Science and Digital Society（计算机科学与数字社会学院） ； HAW Hamburg（汉堡应用技术大学） 纠错

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

AI总结 本文评估了深度视觉立体视觉里程计在加速器隧道中为MARWIN机器人提供自主导航的可能性，通过结合3D几何约束，旨在提高在未知环境中的鲁棒性和灵活性。

ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM

ICD-Net：用于无人机视觉-惯性SLAM的惯性协方差位移网络

Tali Orlev Shapira, Itzik Klein

机构 * Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa（哈特尔海洋技术系，查内海洋科学学院，海法大学） 纠错

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

AI总结 ICD-Net通过学习处理原始惯性数据并生成带有不确定性的位移估计，提升无人机视觉-惯性SLAM的鲁棒性和准确性。

AirSim360: A Panoramic Simulation Platform within Drone View

AirSim360：无人机视角下的全景模拟平台

Xian Ge, Yuling Pan, Yuhang Zhang, Xiang Li, Weijun Zhang, Dizhe Zhang, Zhaoliang Wan, Xin Lin, Xiangkai Zhang, Juntao Liang, Jason Li, Wenjie Jiang, Bo Du, Ming-Hsuan Yang, Lu Qi

机构 * Insta360 Research（Insta360研究机构） ； Wuhan University（武汉大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Nanyang Technological University（南洋理工大学） ； University of California, Merced（加州大学默塞德分校） ； Shenzhen University（深圳大学） 纠错

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

AI总结 AirSim360 是一个基于无人机视角的全景模拟平台，通过渲染对齐的数据标注、交互式行人建模和自动轨迹生成，实现全方位场景采样和空间智能研究。

Comments Project Website: https://insta360-research-team.github.io/AirSim360-website/

NeuroHJR: Hamilton-Jacobi Reachability-based Obstacle Avoidance in Complex Environments with Physics-Informed Neural Networks

NeuroHJR: 基于Hamilton-Jacobi可达性的复杂环境障碍物避障方法与物理引导神经网络

Granthik Halder, Rudrashis Majumder, Rakshith M R, Rahi Shah, Suresh Sundaram

机构 * Department of Physical Science, Indian Institute of Science Education and Research（物理科学系，印度科学教育与研究学院） ； Department of Aerospace Engineering, Indian Institute of Science（航空航天工程系，印度科学研究院） ； Department of Computer Science and Engineering, Shiv Nadar University（计算机科学与工程系，施瓦斯纳大学） 纠错

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

AI总结 NeuroHJR利用物理引导神经网络近似Hamilton-Jacobi可达性方法，实现复杂环境中高效实时障碍物避障。

Comments Author-accepted version. Accepted at IEEE 11th Indian Control Conference (ICC), 2025

TRoVe: Discovering Error-Inducing Static Feature Biases in Temporal Vision-Language Models

TRoVe: 发现时间视觉-语言模型中的错误引发静态特征偏差

Maya Varma, Jean-Benoit Delbrouck, Sophie Ostmeier, Akshay Chaudhari, Curtis Langlotz

机构 * Stanford University（斯坦福大学） ； HOPPR 纠错

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

AI总结 TRoVe通过识别时间视觉-语言模型中的错误引发静态特征偏差，提升模型在下游任务中的表现。

Comments NeurIPS 2025