机器人 / 具身智能

SurgiPose: Estimating Surgical Tool Kinematics from Monocular Video for Surgical Robot Learning

SurgiPose：从单目视频估计手术工具运动学以实现手术机器人学习

Juo-Tung Chen, XinHao Chen, Ji Woong Kim, Paul Maria Scheikl, Richard Jaepyeong Cha, Axel Krieger

机构 * Dept. of Mechanical Engineering, Johns Hopkins University（机械工程系，约翰霍普金斯大学） ； Optosurgical 纠错

专题命中 机器人学习 ：robot learning(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 SurgiPose通过单目视频估计手术工具运动学，为手术机器人学习提供可行的解决方案，验证了无需真实运动学数据即可训练有效策略的可行性。

Comments 8 pages, 6 figures, 2 tables

Journal ref Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2025, pp. 20912-20919

STORM: Search-Guided Generative World Models for Robotic Manipulation

STORM：基于搜索的生成世界模型用于机器人操作

Wenjun Lin, Jensen Zhang, Kaitong Cai, Keze Wang

机构 * Sun Yat-sen University（中山大学） 纠错

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

AI总结 STORM通过结合生成模型与搜索算法，实现了机器人操作中的时空推理，显著提升了任务成功率和环境适应能力。

Comments Under submission

ViTA-Seg: Vision Transformer for Amodal Segmentation in Robotics

ViTA-Seg：用于机器人抓取的视觉Transformer

Donato Caramia, Florian T. Pokorny, Giuseppe Triggiani, Denis Ruffino, David Naso, Paolo Roberto Massenio

机构 * Department of Electrical ； Learning (RPL), KTH Royal Institute of Technology, 114 28, Stockholm, Sweden, (e-mail: ) 纠错

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

AI总结 ViTA-Seg是一种用于机器人抓取的视觉Transformer框架，通过双头架构实现高效的无遮挡分割，提升机器人操作的实时性和鲁棒性。

A Flexible Field-Based Policy Learning Framework for Diverse Robotic Systems and Sensors

一种灵活的基于场的策略学习框架，适用于多样化的机器人系统和传感器

Jose Gustavo Buenaventura Carreon, Floris Erich, Roman Mykhailyshyn, Tomohiro Motoda, Ryo Hanai, Yukiyasu Domae

机构 * National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） 纠错

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

AI总结 本文提出一种灵活的基于场的策略学习框架，通过整合扩散策略控制与3D语义场景表示，实现跨机器人系统的高效泛化与任务成功率提升。

Comments 6 pages, 7 figures, conference: SII 2026. Cancun, Mexico

Vidar: Embodied Video Diffusion Model for Generalist Manipulation

Vidar：面向通用操作的具身视频扩散模型

Yao Feng, Hengkai Tan, Xinyi Mao, Chendong Xiang, Guodong Liu, Shuhe Huang, Hang Su, Jun Zhu

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

AI总结 Vidar通过具身视频扩散模型和掩码逆动力学模型，实现了在不同机器人形态上的通用操作，仅需少量人类演示即可超越现有基线。

Zero-shot Reconstruction of In-Scene Object Manipulation from Video

从视频中进行零样本场景物体操作重建

Dixuan Lin, Tianyou Wang, Zhuoyang Pan, Yufu Wang, Lingjie Liu, Kostas Daniilidis

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出了一种基于数据驱动模型的零样本方法，用于从视频中重建场景中的物体操作，通过两阶段优化实现手-物体运动的准确重建。

Affordance RAG: Hierarchical Multimodal Retrieval with Affordance-Aware Embodied Memory for Mobile Manipulation

语义可感知的多模态检索：基于具身记忆的层次化移动操作

Ryosuke Korekata, Quanting Xie, Yonatan Bisk, Komei Sugiura

机构 * Keio University（keio大学） ； Keio AI Research Center（keio人工智能研究中心） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本研究提出Affordance RAG框架，通过构建具有可操作性的具身记忆，提升机器人在开放词汇移动操作中的检索性能和任务成功率。

Comments Accepted to IEEE RA-L, with presentation at ICRA 2026

A Framework for Deploying Learning-based Quadruped Loco-Manipulation

一种用于部署基于学习的四足移动机械臂框架

Yadong Liu, Jianwei Liu, He Liang, Dimitrios Kanoulas

机构 * Department of Computer Science, University College London（伦敦大学学院计算机科学系） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） 纠错

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

AI总结 本文提出了一种开源框架，用于训练、评估和部署基于强化学习的四足移动机械臂控制器，通过统一仿真与现实转移，提升移动- manipulation任务的可控性和可靠性。

Breaking Minds, Breaking Systems: Jailbreaking Large Language Models via Human-like Psychological Manipulation

打破思维，打破系统：通过类人心理操纵进行大语言模型的劫持攻击

Zehao Liu, Xi Lin

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出类人心理操纵方法，通过操纵大语言模型的心理状态实现高成功率的劫持攻击，验证了心理安全机制的重要性。

Task adaptation of Vision-Language-Action model: 1st Place Solution for the 2025 BEHAVIOR Challenge

视觉-语言-动作模型的任务适应：2025 BEHAVIOR挑战第一名解决方案

Ilia Larchenko, Gleb Zarin, Akash Karnatak

机构 * Independent Researchers（独立研究者） 纠错

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

AI总结 本文提出了一种视觉-动作策略，通过相关噪声和混合层注意力等创新，实现了在2025 BEHAVIOR挑战中对50种家庭任务的高效处理。

Comments 2025 NeurIPS Behavior Challenge 1st place solution

Optimizing Robotic Placement via Grasp-Dependent Feasibility Prediction

通过抓取依赖可行性预测优化机器人放置

Tianyuan Liu, Richard Dazeley, Benjamin Champion, Akan Cosgun

机构 * Deakin University（德金大学） 纠错

专题命中 机器人操作 ：robotic(title)；分类 cs.RO

AI总结 本文提出了一种基于抓取依赖可行性预测的方法，通过低成本标签优化机器人抓取-放置任务的规划效率。

Comments Accepted in ACRA 2025

Assignment-Routing Optimization: Solvers for Problems Under Constraints

路径-分配优化：受约束问题的求解器

Yuan Qilong, Michal Pavelka

机构 * Singapore Institute of Technology（新加坡理工学院） ； Mathematical Institute, Faculty of Mathematics and Physics, Charles University（数学学院，数学与物理系，查尔斯大学） 纠错

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

AI总结 本文提出了一种基于MIP的求解器，用于解决受约束的路径-分配优化问题，在包装规划、运动规划和复杂物流中表现出高效和高质量的解决方案。

Comments 11 pages, 1 figures

OpenHOI: Open-World Hand-Object Interaction Synthesis with Multimodal Large Language Model

OpenHOI: 基于多模态大语言模型的开放世界手-物体交互合成

Zhenhao Zhang, Ye Shi, Lingxiao Yang, Suting Ni, Qi Ye, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 OpenHOI通过多模态大语言模型实现开放世界手-物体交互合成，能生成长周期操控序列并处理复杂语言指令。

Comments Accepted by NeurIPS 2025 as Oral

RecurGS: Interactive Scene Modeling via Discrete-State Recurrent Gaussian Fusion

RecurGS: 通过离散状态递归高斯融合实现交互式场景建模

Wenhao Hu, Haonan Zhou, Zesheng Li, Liu Liu, Jiacheng Dong, Zhizhong Su, Gaoang Wang

机构 * Zhejiang University（浙江大学） ； Horizon Robotics ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 RecurGS通过递归融合框架实现离散状态的交互式场景建模，提升3D环境的更新效率和逼真度。

InterPose: Learning to Generate Human-Object Interactions from Large-Scale Web Videos

InterPose：从大规模网络视频中学习生成人-物体交互

Yangsong Zhang, Abdul Ahad Butt, Gül Varol, Ivan Laptev

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

AI总结 InterPose通过大规模网络视频自动提取人-物体交互动作数据，提升人类动作生成的精度和多样性，同时开发LLM代理实现零样本动画生成。

Comments Accepted to 3DV 2026. Project page: https://mael-zys.github.io/InterPose/

Learning Generalizable Hand-Object Tracking from Synthetic Demonstrations

从合成演示中学习通用的手-物体跟踪

Yinhuai Wang, Runyi Yu, Hok Wai Tsui, Xiaoyi Lin, Hui Zhang, Qihan Zhao, Ke Fan, Miao Li, Jie Song, Jingbo Wang, Qifeng Chen, Ping Tan

机构 * Wuhan University（武汉大学） ； ETH Zurich（苏黎世联邦理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 本文提出了一种从合成数据中学习通用手-物体跟踪控制器的方法，通过HOP和HOT实现从合成到物理的迁移，展示了在复杂任务中的有效性。

MaP-AVR: A Meta-Action Planner for Agents Leveraging Vision Language Models and Retrieval-Augmented Generation

MaP-AVR: 一种利用视觉语言模型和检索增强生成的元动作规划器

Zhenglong Guo, Yiming Zhao, Feng Jiang, Heng Jin, Zongbao Feng, Jianbin Zhou, Siyuan Xu

机构 * Li Auto 纠错

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

AI总结 MaP-AVR通过元动作规划和检索增强生成技术，提升机器人在复杂环境中的任务规划能力。

Comments 8 pages, 10 figures, This work was completed in December 2024

Generation of Programmatic Rules for Document Forgery Detection Using Large Language Models

利用大语言模型生成文档伪造检测的程序规则

Valentin Schmidberger, Manuel Eberhardinger, Setareh Maghsudi, Johannes Maucher

机构 * Stuttgart Media University（斯图加特媒体大学） ； Ruhr-University Bochum（鲁尔大学波恩） 纠错

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

AI总结 本文利用大语言模型生成文档伪造检测的规则，通过微调策略在受限硬件上实现高效验证程序。

Comments Accepted at ICMLA 2025, the first two authors contributed equally

VizDefender: Unmasking Visualization Tampering through Proactive Localization and Intent Inference

VizDefender：通过主动定位和意图推断揭示可视化篡改

Sicheng Song, Yanjie Zhang, Zixin Chen, Huamin Qu, Changbo Wang, Chenhui Li

机构 * East China Normal University（华东师范大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； School of Computer Science and Technology（计算机科学与技术学院） 纠错

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

AI总结 VizDefender通过半脆弱水印和意图分析模块，主动定位和推断可视化篡改，有效检测和分析数据篡改与视觉编码篡改。

Comments IEEE Transactions on Visualization and Computer Graphics (IEEE PacificVis'26 TVCG Track)

Alternating Minimization for Time-Shifted Synergy Extraction in Human Hand Coordination

交替最小化用于人类手协调中时间偏移协同提取

Trevor Stepp, Parthan Olikkal, Ramana Vinjamuri, Rajasekhar Anguluri

机构 * Department of Computer Science and Electrical Engineering, University of Maryland, Baltimore County（计算机科学与电气工程系，马里兰大学巴尔的摩县分校） 纠错

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

AI总结 本文提出了一种基于优化的交替最小化方法，用于从单一数据集提取时间偏移协同，通过联合学习协同和稀疏激活系数，实现紧凑且可解释的运动协同提取。

Comments 7 pages, 5 figures

Detecting Coordinated Activities Through Temporal, Multiplex, and Collaborative Analysis

通过时间、多层和协作分析检测协同活动

Letizia Iannucci, Elisa Muratore, Antonis Matakos, Mikko Kivelä

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出了一种多层时间感知模型，用于通过时间、多层和协作分析有效检测协同活动。

In-situ control of hole-spin driving mechanisms

原位控制空穴自旋驱动机制

Simon Geyer, Rafael S. Eggli, Carlos dos Santos, Miguel J. Carballido, Peter Stano, Daniel Loss, Dominik M. Zumbühl, Richard J. Warburton, Andreas V. Kuhlmann

专题命中 机器人操作 ：manipulation(abstract)

AI总结 通过原位调控电场方向，研究揭示了空穴自旋量子比特中电偶极子自旋共振驱动机制的两种不同机制，并实现了对自旋驱动过程的优化控制。

Comments 10 pages, 3 figures and supplement

Configuration Work: Four Consequences of LLMs-in-use

使用大型语言模型的配置工作：四种后果

Gabriel Alcaras, Donato Ricci

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文研究了LLMs在日常工作中如何通过配置工作重塑任务，揭示了四种关键后果：活动离散化、工作杂乱、实践适应性及工作纹理淡化。

Antichiral surface states and higher-order topological states based on a modified Haldane model

反手性表面态和基于修改Haldane模型的高阶拓扑态

Jia-Rui Xu, Zhan Xiong, Kai Deng, Hai-Xiao Wang, Shiyang Liu, Yixian Qian, Jian-Hua Jiang

专题命中 机器人操作 ：manipulation(abstract)

AI总结 基于修改Haldane模型，研究在单层蜂窝晶格中实现反手性表面态和高阶拓扑态的方案，通过引入层自由度和不等垂直耦合生成多种拓扑态。

Comments 18 pages, 10 figures

Needles in a haystack: using forensic network science to uncover insider trading

在 haystack 中寻找 needle：利用法医学网络科学揭开内幕交易

Gian Jaeger, Wang Ngai Yeung, Renaud Lambiotte

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出利用法医学网络科学方法，通过分析内部人员交易时间相似性，检测潜在内幕交易和市场操纵行为。

Comments First presented at the Conference on Complex Systems 2025

A Tutorial on Beyond-Diagonal Reconfigurable Intelligent Surfaces: Modeling, Architectures, System Design and Optimization, and Applications

关于超越对角重构智能表面的教程：建模、架构、系统设计与优化以及应用

Hongyu Li, Matteo Nerini, Shanpu Shen, Bruno Clerckx

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本教程介绍超越对角重构智能表面的建模、设计、优化及应用，探讨其在通信、传感和功率传输中的潜力。

Comments 40 pages, 36 figures, accepted by IEEE COMST

Crystal-symmetry-paired spin-valley locking in a layered room-temperature antiferromagnet

层状室温反铁磁体中的晶格对称性配对自旋-谷锁合

Fayuan Zhang, Xingkai Cheng, Zhouyi Yin, Changchao Liu, Liwei Deng, Yuxi Qiao, Zheng Shi, Shuxuan Zhang, Junhao Lin, Zhengtai Liu, Mao Ye, Yaobo Huang, Xiangyu Meng, Cheng Zhang, Taichi Okuda, Kenya Shimada, Shengtao Cui, Yue Zhao, Guang-Han Cao, Shan Qiao, Junwei Liu, Chaoyu Chen

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究在层状室温反铁磁体中实现C配对自旋-谷锁合，展示自旋分裂和谷间散射抑制，推动磁学与电子学发展。

Comments 22 pages, 5 figures

Journal ref Nat Phys 21, 760-767 (2025)

Nearly-room-temperature ferromagnetism and tunable anomalous Hall effect in atomically thin Fe4CoGeTe2

近室温铁磁性和可调异常霍尔效应在原子薄Fe4CoGeTe2中

Shaohua Yan, Hui-Hui He, Yang Fu, Ning-Ning Zhao, Shangjie Tian, Qiangwei Yin, Fanyu Meng, Xinyu Cao, Le Wang, Shanshan Chen, Ki-Hoon Son, Jun Woo Choi, Hyejin Ryu, Shouguo Wang, Xiao Zhang, Kai Liu, Hechang Lei

专题命中 机器人操作 ：manipulation(abstract)

AI总结 原子薄Fe4CoGeTe2在近室温下表现出稳定的铁磁性和可调的异常霍尔效应，为二维磁性材料的研究和自旋电子学应用提供了新机遇。

Comments 9 pages, 4 figures, 1 table

Journal ref Nanoscale 16, 1406 (2024)

Bidirectional ultrafast control of charge density waves via phase competition

双向超快调控电荷密度波 via 相竞争

Honglie Ning, Kyoung Hun Oh, Yifan Su, Zhengyan Darius Shi, Dong Wu, Qiaomei Liu, B. Q. Lv, Alfred Zong, Gyeongbo Kang, Hyeongi Choi, Hyun-Woo J. Kim, Seunghyeok Ha, Jaehwon Kim, Suchismita Sarker, Jacob P. C. Ruff, B. J. Kim, N. L. Wang, Todadri Senthil, Hoyoung Jang, Nuh Gedik

专题命中 机器人操作 ：manipulation(abstract)

AI总结 通过光学激发调控EuTe₄中电荷密度波的双向超快控制，揭示了相竞争与光学淬灭的相互作用机制。

Comments 8 pages, 4 figures

Journal ref Phys. Rev. Lett. 135, 246504 (2025)

AnyNav: Visual Neuro-Symbolic Friction Learning for Off-road Navigation

AnyNav: 基于神经符号原理的视觉摩擦学习用于越野导航

Taimeng Fu, Zitong Zhan, Zhipeng Zhao, Yi Du, Shaoshu Su, Xiao Lin, Ehsan Tarkesh Esfahani, Karthik Dantu, Souma Chowdhury, Chen Wang

机构 * Spatial AI & Robotics (SAIR) Lab, Department of Computer Science and Engineering, University at Buffalo（空间人工智能与机器人实验室，计算机科学与工程系，布法罗大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO

AI总结 AnyNav通过结合神经网络和符号物理模型，实现基于视觉的摩擦学习，提升越野导航在不同地形和车辆中的泛化能力与鲁棒性。