机器人 / 具身智能

Learning Robot Manipulation from Audio World Models

从音频世界模型中学习机器人操作

Fan Zhang, Michael Gienger

机构 * Honda Research Institute EU（本田欧洲研究院） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robot policy(abstract)；robotic(abstract)

AI总结 本文提出一种生成性潜在流匹配模型，用于通过预测未来音频状态提升机器人操作任务中的多模态推理能力。

Embodied Tree of Thoughts: Deliberate Manipulation Planning with Embodied World Model

具身思维树：基于具身世界模型的 deliberative 操控规划

Wenjiang Xu, Cindy Wang, Rui Fang, Mingkang Zhang, Lusong Li, Jing Xu, Jiayuan Gu, Zecui Zeng, Rui Chen

机构 * University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； Tsinghua University（清华大学） ； JD Explore Academy（京东探索学院） ； ShanghaiTech University（上海科技大学） ； Nanjing University（南京大学） 纠错

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

AI总结 EToT通过基于物理的交互数字双胞胎实现具身世界模型，结合先验分支和反思分支机制，提升机器人操控规划的物理一致性和鲁棒性。

Comments Website at https://embodied-tree-of-thoughts.github.io

Geometry-Aware Sparse Depth Sampling for High-Fidelity RGB-D Depth Completion in Robotic Systems

基于几何的稀疏深度采样用于机器人系统中高保真的RGB-D深度补全

Tony Salloom, Dandi Zhou, Xinhai Sun

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

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

AI总结 本文提出基于几何的稀疏深度采样方法，利用表面法线估计提升RGB-D深度补全的准确性和现实感。

See-Control: A Multimodal Agent Framework for Smartphone Interaction with a Robotic Arm

See-Control: 一种多模态代理框架用于智能手机与机械臂的交互

Haoyu Zhao, Weizhong Ding, Yuhao Yang, Zheng Tian, Linyi Yang, Kun Shao, Jun Wang

机构 * University College London（伦敦大学学院） ； Imperial College London（伦敦帝国学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； ShanghaiTech University（上海科技大学） ； Southern University of Science（南方科技大学） 纠错

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

AI总结 See-Control通过直接与机械臂交互实现智能手机操作，无需ADB或系统后台访问，提供了一个平台无关的多模态代理框架。

Bridging Scale Discrepancies in Robotic Control via Language-Based Action Representations

通过基于语言的动作表示弥合机器人控制中的尺度差异

Yuchi Zhang, Churui Sun, Shiqi Liang, Diyuan Liu, Chao Ji, Wei-Nan Zhang, Ting Liu

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

AI总结 本文提出基于语言的动作表示方法，通过规范动作以缓解机器人控制中的尺度差异问题，提升操作任务的泛化能力和迁移性能。

OSMO: Open-Source Tactile Glove for Human-to-Robot Skill Transfer

OSMO：开源触觉手套用于人到机器人技能转移

Jessica Yin, Haozhi Qi, Youngsun Wi, Sayantan Kundu, Mike Lambeta, William Yang, Changhao Wang, Tingfan Wu, Jitendra Malik, Tess Hellebrekers

机构 * Meta FAIR ； University of Michigan（密歇根大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 OSMO通过触觉手套实现人到机器人技能转移，利用触觉数据提升机器人操作性能。

Comments Project website: https://jessicayin.github.io/osmo_tactile_glove/

VFM-VLM: Vision Foundation Model and Vision Language Model based Visual Comparison for 3D Pose Estimation

基于视觉基础模型和视觉语言模型的3D姿态估计视觉比较：VFM-VLM

Md Selim Sarowar, Sungho Kim

机构 * Dept. of Electronic Engineering Yeungnam University Advanced Visual Intelligence Lab（电子工程系 韩国又南大学 高级视觉智能实验室） 纠错

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

AI总结 本文比较了基于CLIP和DINOv2的视觉模型在3D姿态估计中的性能，展示了两者在语义理解和几何精度上的互补优势，为机器人抓取应用提供了模型选择依据。

Field manipulation of Weyl modes in an ideal Dirac semimetal

在理想狄拉克半金属中操控韦伊尔模

Jingyuan Zhong, Jianfeng Wang, Ming Yang, Jie Liu, Zhizhen Ren, Anping Huang, Zhixiang Shi, Zengwei Zhu, Yan Shi, Weichang Hao, Jincheng Zhuang, Yi Du

专题命中 机器人操作 ：manipulation(title)

AI总结 通过调节磁场实现理想狄拉克半金属中多重韦伊尔模，揭示了在交织对称性和时间反演破缺下的不同韦伊尔模特性。

Journal ref Nat Commun 16, 10785 (2025)

The Energy Cost of Artificial Intelligence Lifecycle in Communication Networks

人工智能生命周期在通信网络中的能耗

Shih-Kai Chou, Jernej Hribar, Vid Hanžel, Mihael Mohorčič, Carolina Fortuna

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

AI总结 本文提出了一种衡量人工智能在通信网络生命周期中能耗的新指标eCAL，通过分析数据收集和处理复杂性，量化模型部署和推理过程中的能耗变化。

Comments 16 pages, 13 figures

A Practical Framework for Evaluating Medical AI Security: Reproducible Assessment of Jailbreaking and Privacy Vulnerabilities Across Clinical Specialties

评估医疗AI安全的实用框架：在不同临床专科中可重复评估劫持和隐私漏洞

Jinghao Wang, Ping Zhang, Carter Yagemann

机构 * The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 本文提出了一种可重复评估医疗AI安全性的框架，针对不同临床专科的劫持和隐私漏洞进行评估，无需特殊资源或数据权限。

Comments 6 pages, 1 figure, framework proposal

Curse of Slicing: Why Sliced Mutual Information is a Deceptive Measure of Statistical Dependence

切片互信息：为什么切片互信息是统计依赖性的一种欺骗性度量

Alexander Semenenko, Ivan Butakov, Alexey Frolov, Ivan Oseledets

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

AI总结 该研究指出切片互信息在衡量统计依赖性时存在欺骗性，易受数据操纵影响，且在某些情况下表现不如相关系数。

Haptic-based Complementary Filter for Rigid Body Rotations

基于触觉的互补滤波器用于刚体旋转

Amit Kumar, Domenico Campolo, Ravi N. Banavar

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机械与航空航天工程学院，南洋理工大学） 纠错

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

AI总结 本文提出了一种基于触觉和视觉传感器的互补滤波器，用于估计刚体旋转，通过利用$\mathbf{\mathbb{SO}(3)}$的对称性和超级二次曲面表示，提高了三维方向估计的鲁棒性和稳定性。

Comments 7 pages, 7 figures; Updated filter design; Submitted to IFAC for possible publication

Deep Learning, Machine Learning -- Digital Signal and Image Processing: From Theory to Application

深度学习、机器学习--数字信号和图像处理：从理论到应用

Weiche Hsieh, Ziqian Bi, Junyu Liu, Benji Peng, Sen Zhang, Xuanhe Pan, Jiawei Xu, Jinlang Wang, Keyu Chen, Caitlyn Heqi Yin, Pohsun Feng, Yizhu Wen, Tianyang Wang, Ming Li, Jintao Ren, Xinyuan Song, Qian Niu, Silin Chen, Ming Liu

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

AI总结 本文探讨了深度学习和机器学习在数字信号与图像处理中的应用，通过整合DFT、Z变换等方法，优化实时数据处理，推动计算机视觉领域的技术发展。

Comments 293 pages

Efficient driving of a spin-qubit using single-atom magnets

利用单原子磁体高效驱动自旋量子比特

Jose Reina-Gálvez, Hoang-Anh Le, Hong Thi Bui, Soo-hyon Phark, Nicolás Lorente, Christoph Wolf

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本研究通过单原子磁体高效驱动邻近单自旋量子比特，利用交换耦合调制实现数十兆赫兹范围的拉比速率，为量子态操控提供了新的方法。

Journal ref Phys. Rev. Research 7, L042055 (2025)