机器人 / 具身智能

More than Segmentation: Benchmarking SAM 3 for Segmentation, 3D Perception, and Reconstruction in Robotic Surgery

超越分割：在机器人手术中评估SAM 3用于分割、3D感知和重建的基准测试

Wenzhen Dong, Jieming Yu, Yiming Huang, Hongqiu Wang, Lei Zhu, Albert C. S. Chung, Hongliang Ren, Long Bai

机构 * The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； 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 ：robotic(title)；分类 cs.RO、cs.CV

AI总结 本文评估了SAM 3在机器人手术中的分割、3D感知和重建能力，展示了其在动态视频跟踪中的有效性，同时指出了基于语言提示的局限性及进一步改进的必要性。

Comments Technical Report

Privacy-Preserving Computer Vision for Industry: Three Case Studies in Human-Centric Manufacturing

工业隐私保护计算机视觉：人类导向制造中的三个案例研究

Sander De Coninck, Emilio Gamba, Bart Van Doninck, Abdellatif Bey-Temsamani, Sam Leroux, Pieter Simoens

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

AI总结 本文提出一种隐私保护的计算机视觉框架，通过三个工业案例验证，展示如何在监控中减少隐私风险，为人类导向的AI应用提供指导。

Comments Accepted to the AAAI26 HCM workshop

GLaD: Geometric Latent Distillation for Vision-Language-Action Models

GLaD：面向视觉-语言-动作模型的几何潜在蒸馏

Minghao Guo, Meng Cao, Jiachen Tao, Rongtao Xu, Yan Yan, Xiaodan Liang, Ivan Laptev, Xiaojun Chang

机构 * MBZUAI ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 GLaD通过引入几何意识的预训练机制，提升了视觉-语言-动作模型的空间推理和策略泛化能力，无需依赖深度传感器或3D标注。

PlayerOne: Egocentric World Simulator

PlayerOne：第一人称真实世界模拟器

Yuanpeng Tu, Hao Luo, Xi Chen, Xiang Bai, Fan Wang, Hengshuang Zhao

机构 * HKU（香港大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（华盘实验室） ； HUST（华中科技大学） 纠错

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

AI总结 PlayerOne通过第一人称真实世界模拟器实现了沉浸式探索，通过粗到细的训练流程和部分解耦运动注入方案，实现了对人类运动的精确控制和多样化场景的一致建模。

Comments Project page: https://playerone-hku.github.io/