机器人 / 具身智能

MARL Warehouse Robots

多智能体强化学习在仓库机器人中的应用

Price Allman, Lian Thang, Dre Simmons, Salmon Riaz

机构 * Department of Computer Science, Oral Roberts University（计算机科学系，奥尔巴尼罗尔斯大学） 纠错

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

AI总结 本文比较了MARL算法在仓库机器人中的性能，发现QMIX在奖励回报上显著优于IPPO，但需大量超参数调优，适用于小规模部署但存在扩展挑战。

Comments 5 pages.Project documentation: https://pallman14.github.io/MARL-QMIX-Warehouse-Robots/

Zero-Splat TeleAssist: A Zero-Shot Pose Estimation Framework for Semantic Teleoperation

零溅远程协助：一种用于语义远程操作的零样本姿态估计框架

Srijan Dokania, Dharini Raghavan

机构 * Khoury College of Computer Sciences at Northeastern University（东北大学Khoury计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 人机交互与遥操作 ：world model(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 Zero-Splat TeleAssist通过整合视觉-语言分割、单目深度、加权PCA姿态提取和3DGS，实现无需标记或深度传感器的多机器人远程操作中的零样本姿态估计。

Comments Published and Presented at 3rd Workshop on Human-Centric Multilateral Teleoperation in ICRA 2025

Non Normalized Shared-Constraint Dynamic Games for Human-Robot Collaboration with Asymmetric Responsibility

非归一化的共享约束动态博弈用于具有不对称责任的人机协作

Mark Pustilnik, Francesco Borrelli

机构 * University of California at Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出非归一化的共享约束动态博弈框架，用于人机协作导航，通过滚动时域最优控制实现安全约束的不对称责任分配。

Enhancing the NAO: Extending Capabilities of Legacy Robots for Long-Term Research

增强NAO：为长期研究扩展遗留机器人的能力

Austin Wilson, Sahar Kapasi, Zane Greene, Alexis E. Block

机构 * SaPHaRI Lab, Human Fusions Institute（SaPHaRI实验室，人类融合研究所） ； Department of Electrical, Computer, and Systems Engineering（电气、计算机与系统工程系） ； Department of Psychological Sciences/Department of Cognitive Science（心理学系/认知科学系） 纠错

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

AI总结 增强NAO通过升级硬件和结合云本地模型，提升对话质量并延长遗留机器人研究价值

Sparse Variable Projection in Robotic Perception: Exploiting Separable Structure for Efficient Nonlinear Optimization

稀疏变量投影在机器人感知中的应用：利用可分离结构实现高效的非线性优化

Alan Papalia, Nikolas Sanderson, Haoyu Han, Heng Yang, Hanumant Singh, Michael Everett

机构 * Northeastern University, USA（东北大学） ； University of Michigan（密歇根大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出了一种针对具有规范对称性的机器人感知问题的变量投影方法，通过利用可分离性和稀疏性，提高了非线性优化的效率和准确性。

Comments 8 pages, submitted for review

Data-Driven Dynamic Parameter Learning of manipulator robots

数据驱动的机械臂动态参数学习

Mohammed Elseiagy, Tsige Tadesse Alemayoh, Ranulfo Bezerra, Shotaro Kojima, Kazunori Ohno

机构 * Graduate School of Information Sciences, Tohoku University（东邦大学信息科学研究生院） ； Tough Cyberphysical AI Research Center, Tohoku University（东邦大学 Tough 联合人工智能研究中心） ； Egypt-Japan University of Science and Technology (E-JUST)（埃及-日本科学技术大学） 纠错

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

AI总结 本文提出基于Transformer的数据驱动方法，通过自动化流程生成多样化机器人模型和轨迹数据，实现高精度的机械臂动态参数估计，提升仿真到现实的迁移性能。

Comments Accepted for publication at SII 2026. 6 pages, 7 figures. Code is available at: https://github.com/MohamedAlsiagy/dynamic_parameter_est

Towards Task-Oriented Flying: Framework, Infrastructure, and Principles

面向任务的飞行：框架、基础设施与原则

Kangyao Huang, Hao Wang, Jingyu Chen, Jintao Chen, Yu Luo, Di Guo, Xiangkui Zhang, Xiangyang Ji, Huaping Liu

机构 * Tsinghua University（清华大学） ； Dalian University of Technology（大连理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出面向任务的四旋翼端到端DRL框架，整合复杂任务规范的设计原则，揭示模拟任务定义、训练设计原则和物理部署间的相互依赖关系，为动态无结构环境下的自主飞行提供实用基础。

MT-Depth: Multi-task Instance feature analysis for the Depth Completion

MT-Depth：多任务实例特征分析用于深度补全

Abdul Haseeb Nizamani, Dandi Zhou, Xinhai Sun

机构 * Saisuode (Shanghai) Intelligent Technology Co., Ltd. (Synthoid.ai)（上海思速德智能科技有限公司（Synthoid.ai）） 纠错

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

AI总结 MT-Depth通过实例感知的多任务实例特征分析，提升深度补全的精度，尤其在物体边界、遮挡和细长结构区域表现优异。

Fine-grained Spatiotemporal Grounding on Egocentric Videos

细粒度眼动视频时空定位

Shuo Liang, Yiwu Zhong, Zi-Yuan Hu, Yeyao Tao, Liwei Wang

机构 * The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出EgoMask基准和EgoMask-Train数据集，针对眼动视频细粒度时空定位的挑战，通过微调提升模型性能。

Comments Accepted by ICCV 2025

CDKFormer: Contextual Deviation Knowledge-Based Transformer for Long-Tail Trajectory Prediction

CDKFormer: 基于上下文偏差知识的长尾轨迹预测变换器

Yuansheng Lian, Ke Zhang, Meng Li

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

AI总结 CDKFormer通过引入上下文偏差知识和双查询解码器，提升自动驾驶车辆在长尾轨迹预测中的准确性和鲁棒性。

Botany Meets Robotics in Alpine Scree Monitoring

植物学与机器人技术在高山碎石坡监测中的交汇

Davide De Benedittis, Giovanni Di Lorenzo, Franco Angelini, Barbara Valle, Marina Serena Borgatti, Paolo Remagnino, Marco Caccianiga, Manolo Garabini

机构 * University of Pisa（比萨大学） ； Research Center E. Piaggio（E. Piaggio研究中心） ； Department of Life Sciences（生命科学系） 纠错

专题命中 其他机器人 ：robotics(title,abstract)；分类 cs.RO

AI总结 本文提出利用腿部机器人辅助植物学家进行高山碎石坡监测，通过深度学习检测和分类植物物种，提升监测效率与数据质量。

Comments 19 pages, 13 figures

Journal ref IEEE Transactions on Field Robotics, vol. 2, pp. 920-936, 2025

Mediating Personal Relationships with Robotic Pets for Fostering Human-Human Interaction of Older Adults

通过机器人宠物调解个人关系以促进老年人之间的人际互动

Delong Du, Sara Gilda Amirhajlou, Akwasi Gyabaah, Richard Paluch, Claudia Müller

专题命中 其他机器人 ：robotic(title,abstract)

AI总结 本文通过研究机器人宠物如何促进老年人之间的人际互动，提出设计遥控机器人以增强远程连接，从而改善心理健康

SDT-6D: Fully Sparse Depth-Transformer for Staged End-to-End 6D Pose Estimation in Industrial Multi-View Bin Picking

SDT-6D: 全稀疏深度-变换器用于工业多视角堆叠取料的端到端6D姿态估计

Nico Leuze, Maximilian Hoh, Samed Doğan, Nicolas R. -Peña, Alfred Schoettl

机构 * Institute for Applications of Machine Learning and Intelligent Systems（机器学习与智能系统应用研究所） ； University of Applied Science Munich（慕尼黑应用科学大学） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 SDT-6D提出了一种基于稀疏深度-变换器的端到端6D姿态估计方法，通过分阶段热图机制和密度感知稀疏变换器块，实现高分辨率下的高效姿态预测。

Comments Accepted to WACV 2026. Preprint version

SceneGen: Single-Image 3D Scene Generation in One Feedforward Pass

SceneGen: 单图像3D场景生成在一次前馈传递中

Yanxu Meng, Haoning Wu, Ya Zhang, Weidi Xie

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（人工智能学院，上海交通大学） 纠错

专题命中 其他机器人 ：embodied AI(abstract)；分类 cs.AI、cs.CV

AI总结 SceneGen通过单图像输入在一次前馈传递中生成多个3D资产，无需额外优化或检索，提升3D内容生成的效率和鲁棒性。

Comments Accepted by 3DV 2026; Project Page: https://mengmouxu.github.io/SceneGen

Emergent memory in cell-like active systems

细胞样活性系统中的涌现记忆

Marc Besse, Raphaël Voituriez

专题命中 其他机器人 ：robotic(abstract)

AI总结 本研究提出了一种新的活性粒子模型，通过引入内部状态动态和环境感知，揭示了细胞样系统中环境记忆的自发涌现及其对集体行为的影响。

Comments Main: 23 pages, 5 figures. SM: 39 pages, 4 figures