机器人 / 具身智能

Explainable AI for Smart Greenhouse Control: Interpretability of Temporal Fusion Transformer in the Internet of Robotic Things

可解释的AI用于智能温室控制：在物联网机器人中的时间融合变换器的可解释性

Muhammad Jawad Bashir, Shagufta Henna, Eoghan Furey

机构 * Department of Computing Atlantic Technological University（计算系阿特兰蒂克技术大学） 纠错

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

AI总结 本研究利用时间融合变换器模型提升智能温室中执行器控制的可解释性，通过多种解释技术增强决策透明度，提高作物产量和资源利用效率。

Comments 7 pages, Accepted in 36th Irish Signals and Systems Conference, ISSC 2025

Computer vision training dataset generation for robotic environments using Gaussian splatting

使用高斯点扩散生成机器人环境中的计算机视觉训练数据集

Patryk Niżeniec, Marcin Iwanowski

机构 * Institute of Engineering and Technology, Faculty of Physics, Astronomy and Informatics, Nicolaus Copernicus University in Toruń（工程与技术学院，物理、天文学与信息学学院，尼古拉·哥白尼大学） 纠错

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

AI总结 本文提出利用3D高斯点扩散生成逼真机器人环境数据集，结合合成与真实数据提升目标检测与分割性能。

Comments Code available at: https://patrykni.github.io/UnitySplat2Data/

Light Field Based 6DoF Tracking of Previously Unobserved Objects

基于光场的先前未观察到物体的6自由度跟踪

Nikolai Goncharov, James L. Gray, Donald G. Dansereau

机构 * University of Sydney（悉尼大学） ； Australian Centre For Robotics (ACFR)（澳大利亚机器人中心） ； School of Aerospace, Mechanical and Mechatronic Engineering（航空航天、机械与机电工程学院） 纠错

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

AI总结 本文提出了一种基于光场的物体跟踪方法，无需预训练模型，能有效处理复杂视觉行为，如反射，通过统一的物体表示提升跟踪性能。

Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis

通过潜在空间可达性分析超越碰撞回避的安全性泛化

Kensuke Nakamura, Lasse Peters, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出潜在安全过滤器，通过潜在空间可达性分析，使机器人能自动计算安全动作，防止难以手动编写但可通过高维观测识别的故障。

Comments 9 figures, 7 tables, RSS 2025

Journal ref Proceedings of Robotics: Science and Systems, 2025

OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learning

OXE-AugE: 一种大规模机器人增强的OXE以实现跨躯体政策学习的扩展

Guanhua Ji, Harsha Polavaram, Lawrence Yunliang Chen, Sandeep Bajamahal, Zehan Ma, Simeon Adebola, Chenfeng Xu, Ken Goldberg

机构 * Department of EECS, UC Berkeley（电子工程与计算机科学系，加州大学伯克利分校） ； GRASP Laboratory, University of Pennsylvania（格拉斯实验室，宾夕法尼亚大学） ； Department of CS, UT Austin（计算机科学系，得克萨斯大学奥斯汀分校） 纠错

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

AI总结 OXE-AugE通过引入9种不同机器人躯体增强OXE数据集，提升跨躯体政策学习的泛化能力和性能。

Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames

基于多视角RGB图像的无纹理物体6D位姿主动估计

Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander

机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究学院） ； Robotics Institute（机器人研究所） ； Epson Canada Ltd（加拿大爱普生有限公司） 纠错

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

AI总结 本文提出基于多视角RGB图像的无纹理物体6D位姿主动估计方法，通过两步分解过程提升准确性和效率，并引入主动感知策略减少位姿不确定性。

DGTEN: A Robust Deep Gaussian based Graph Neural Network for Dynamic Trust Evaluation with Uncertainty-Quantification Support

DGTEN：一种基于深度高斯的图神经网络，用于具有不确定性量化的动态信任评估

Muhammad Usman, Yugyung Lee

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

AI总结 DGTEN通过结合不确定性意识的消息传递、时间建模和防御机制，实现了动态信任评估中的鲁棒性和准确性提升。

Comments 15 pages, 6 figures, 5 tables

DATABench: Evaluating Dataset Auditing in Deep Learning from an Adversarial Perspective

DATABench: 从对抗角度评估深度学习中的数据集审计

Shuo Shao, Yiming Li, Mengren Zheng, Zhiyang Hu, Yukun Chen, Boheng Li, Yu He, Junfeng Guo, Dacheng Tao, Zhan Qin

机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） ； Nanyang Technological University（南洋理工大学） ； Chongqing University（重庆大学） ； University of Maryland at College Park（马里兰大学学院公园分校） 纠错

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

AI总结 DATABench从对抗角度评估深度学习中的数据集审计，提出新的分类法和攻击策略，揭示现有审计方法在对抗环境下的不足。

Process mining-driven modeling and simulation to enhance fault diagnosis in cyber-physical systems

基于过程挖掘的建模与仿真以增强网络物理系统中的故障诊断

Francesco Vitale, Nicola Dall'Ora, Sebastiano Gaiardelli, Enrico Fraccaroli, Nicola Mazzocca, Franco Fummi

机构 * University of Naples Federico II, Department of Electrical Engineering and Information Technology（那不勒斯费德里科二世大学电气工程与信息科技系） ； Guglielmo Marconi University, Department of Engineering Sciences（古吉莱奥·马尔科尼大学工程科学系） 纠错

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

AI总结 本文提出基于过程挖掘的建模与仿真方法，通过可解释的随机Petri网提升网络物理系统故障诊断的准确性和可解释性。

A Benchmark Dataset for Spatially Aligned Road Damage Assessment in Small Uncrewed Aerial Systems Disaster Imagery

用于小无人 aerial 系统灾害影像中空间对齐道路损坏评估的基准数据集

Thomas Manzini, Priyankari Perali, Raisa Karnik, Robin R. Murphy

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

AI总结 本文提出一个用于小无人 aerial 系统灾害影像中道路损坏评估的基准数据集，并通过空间对齐技术提升模型性能。

Comments 11 pages, 6 figures, 6 tables. To appear AAAI'26

ArtGen: Conditional Generative Modeling of Articulated Objects in Arbitrary Part-Level States

ArtGen: 条件生成建模任意部分级状态的关节物体

Haowen Wang, Xiaoping Yuan, Fugang Zhang, Rui Jian, Yuanwei Zhu, Xiuquan Qiao, Yakun Huang

机构 * Anhui University（安徽大学） ； 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 ：robotics(abstract)；分类 cs.CV

AI总结 ArtGen通过条件扩散框架生成任意部分级状态的关节3D物体，采用跨状态采样和思维链推理模块，提升运动学一致性与结构先验推断。

INDOOR-LiDAR: Bridging Simulation and Reality for Robot-Centric 360 degree Indoor LiDAR Perception -- A Robot-Centric Hybrid Dataset

INDOOR-LiDAR: 联接仿真与现实以提升机器人中心的360度室内LiDAR感知 -- 一个机器人中心的混合数据集

Haichuan Li, Changda Tian, Panos Trahanias, Tomi Westerlund

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

AI总结 INDOOR-LIDAR通过融合仿真与真实数据，为机器人感知研究提供了一个可扩展、真实且可重复的混合数据集，用于提升复杂室内环境中的感知能力。

CoordAR: One-Reference 6D Pose Estimation of Novel Objects via Autoregressive Coordinate Map Generation

CoordAR：通过自回归坐标图生成实现新型物体的单参考6D姿态估计

Dexin Zuo, Ang Li, Wei Wang, Wenxian Yu, Danping Zou

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

AI总结 CoordAR通过自回归坐标图生成方法，实现对新型物体的单参考6D姿态估计，提升了对称性和遮挡等挑战的鲁棒性。

Comments 7 pages, accepted by AAAI 2026 (oral)

HQ-MPSD: A Multilingual Artifact-Controlled Benchmark for Partial Deepfake Speech Detection

HQ-MPSD：一种多语言可控的部分深度伪造语音检测基准

Menglu Li, Majd Alber, Ramtin Asgarianamiri, Lian Zhao, Xiao-Ping Zhang

机构 * Shenzhen Key Laboratory of Ubiquitous Data Enabling（ubiquitous 数据赋能深圳实验室） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Tsinghua University（清华大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 HQ-MPSD是一个高质量多语言数据集，用于评估部分深度伪造语音检测的挑战与性能

Comments 6 pages, 4 figures, 2 tables