机器人 / 具身智能

PCR-ORB: Enhanced ORB-SLAM3 with Point Cloud Refinement Using Deep Learning-Based Dynamic Object Filtering

PCR-ORB: 基于深度学习的动态物体过滤改进的ORB-SLAM3

Sheng-Kai Chen, Jie-Yu Chao, Jr-Yu Chang, Po-Lien Wu, Po-Chiang Lin

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV

AI总结 PCR-ORB通过深度学习优化点云细化，提升动态环境中ORB-SLAM3的定位与建图精度。

Comments 17 pages, 2 figures, 1 table

ReCollab: Retrieval-Augmented LLMs for Cooperative Ad-hoc Teammate Modeling

ReCollab：基于检索增强的LLM用于协作即兴队友建模

Conor Wallace, Umer Siddique, Yongcan Cao

机构 * Department of Electrical and Computer Engineering, University of Texas at San Antonio（电子与计算机工程系，德克萨斯大学圣安东尼奥分校） 纠错

专题命中 具身导航 ：world model(abstract)；分类 cs.AI、cs.LG

AI总结 ReCollab通过检索增强生成技术提升即兴团队合作中队友行为建模的适应性与准确性。

RiemanLine: Riemannian Manifold Representation of 3D Lines for Factor Graph Optimization

RiemanLine: 3D线条的黎曼流形表示用于因子图优化

Yan Li, Ze Yang, Keisuke Tateno, Federico Tombari, Liang Zhao, Gim Hee Lee

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 RiemanLine通过基于黎曼流形的统一表示方法，实现3D线条的紧凑编码与优化，提升相机定位和结构制图的精度与稳定性。

Nonlinearity and Uncertainty Informed Moment-Matching Gaussian Mixture Splitting

非线性与不确定性引导的矩匹配高斯混合分割

Jackson Kulik, Keith A. LeGrand

机构 * Department of Mechanical and Aerospace Engineering, Utah State University（机械与航空航天工程系，犹他州立大学） ； School of Aeronautics and Astronautics, Purdue University（航空航天工程学院，普渡大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.LG

AI总结 本文提出了一种基于非线性与不确定性引导的矩匹配高斯混合分割方法，通过优化分割方向选择提升高斯混合模型在非线性系统不确定性传播中的精度与效率。

Journal ref IEEE Transactions on Aerospace and Electronic Systems, 2025

Unscented and Higher-Order Linear Covariance Fidelity Checks and Measures of Non-Gaussianity

无偏和高阶线性协方差保真检查与非高斯性度量

Jackson Kulik, Braden Hastings, Keith A. LeGrand

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出基于高阶统计量、约束优化和无偏变换的线性协方差保真度度量方法，用于评估和改进航天器导航中非高斯性度量的准确性。

Periodical embeddings uncover hidden interdisciplinary patterns in the subject classification scheme of science

周期性嵌入揭示了科学学科分类方案中的隐藏跨学科模式

Zhuoqi Lyu, Qing Ke

专题命中 具身导航 ：navigation(abstract)

AI总结 周期性嵌入通过分析期刊分类方案揭示科学领域中的跨学科模式，优于传统分类法。

Act2Goal: From World Model To General Goal-conditioned Policy

Act2Goal：从世界模型到通用目标条件政策

Pengfei Zhou, Liliang Chen, Shengcong Chen, Di Chen, Wenzhi Zhao, Rongjun Jin, Guanghui Ren, Jianlan Luo

机构 * Agibot Research（阿吉博特研究所） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 Act2Goal通过结合视觉世界模型与多尺度时间控制，实现目标条件政策的鲁棒长时间尺度操作，提升机器人在新环境中的自主适应能力。

Active Predictive Coding: A Unified Neural Framework for Learning Hierarchical World Models for Perception and Planning

主动预测编码：一种统一的神经框架，用于学习感知与规划的分层世界模型

Rajesh P. N. Rao, Dimitrios C. Gklezakos, Vishwas Sathish

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV、cs.LG

AI总结 本文提出主动预测编码框架，通过分层世界模型解决人工智能中感知与规划的两大核心问题。

Comments 15 pages, 10 figures, 2 supplementary figures

Web World Models

Jichen Feng, Yifan Zhang, Chenggong Zhang, Yifu Lu, Shilong Liu, Mengdi Wang

机构 * Princeton University（普林斯顿大学） ； University of California（加州大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV

Comments Project Page: https://github.com/Princeton-AI2-Lab/Web-World-Models

What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models

基础模型发现了什么？利用归纳偏置来探测世界模型

Keyon Vafa, Peter G. Chang, Ashesh Rambachan, Sendhil Mullainathan

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 该研究通过归纳偏置探测技术揭示基础模型在适应新任务时无法捕捉底层世界模型结构的问题。

Comments To appear in ICML 2025

Agent2World: Learning to Generate Symbolic World Models via Adaptive Multi-Agent Feedback

Agent2World: 通过自适应多智能体反馈学习生成符号世界模型

Mengkang Hu, Bowei Xia, Yuran Wu, Ailing Yu, Yude Zou, Qiguang Chen, Shijian Wang, Jiarui Jin, Kexin Li, Wenxiang Jiao, Yuan Lu, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Xiaohongshu Inc.（小红书公司） ； UESTC（电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI

AI总结 Agent2World通过自适应多智能体反馈学习生成符号世界模型，提升推理和微调性能，实现30.95%的相对提升。

Comments 48 pages, 15 tables, 7 figures, Project page: https://agent2world.github.io

Next Best View Selections for Semantic and Dynamic 3D Gaussian Splatting

语义与动态3D高斯散射的下一最佳视角选择

Yiqian Li, Wen Jiang, Kostas Daniilidis

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 具身推理 ：embodied agent(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出基于Fisher信息的主动学习算法，用于语义与动态3D高斯散射的视角选择，提升渲染质量和语义分割性能。

Robo-Dopamine: General Process Reward Modeling for High-Precision Robotic Manipulation

Robo-Dopamine：高精度机器人操作的通用过程奖励建模

Huajie Tan, Sixiang Chen, Yijie Xu, Zixiao Wang, Yuheng Ji, Cheng Chi, Yaoxu Lyu, Zhongxia Zhao, Xiansheng Chen, Peterson Co, Shaoxuan Xie, Guocai Yao, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（1 多媒体信息处理国家重点实验室，计算机学院，北京大学） ； Beijing Academy of Artificial Intelligence（2 北京人工智能研究院） ； University of Sydney（3 新南威尔士大学） ； Institute of Automation, Chinese Academy of Sciences（4 中国科学院自动化研究所） 纠错

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

AI总结 Robo-Dopamine通过多视角奖励融合和分步奖励离散化，提出了一种通用过程奖励模型，提升机器人操作的精准度和策略学习效率。

Comments 27 pages, 11 figures

World Models Unlock Optimal Foraging Strategies in Reinforcement Learning Agents

世界模型解锁强化学习智能体的最优觅食策略

Yesid Fonseca, Manuel S. Ríos, Nicanor Quijano, Luis F. Giraldo

机构 * Center of Excellence in Analytics, Artificial Intelligence, and Information Governance, Bancolombia, Colombia（分析、人工智能和信息治理卓越中心，Bancolombia，哥伦比亚） ； Department of Biomedical Engineering, Universidad de los Andes, Bogotá, Colombia（生物医学工程系， Universidad de los Andes，波哥大，哥伦比亚） ； Department of Electrical and Electronics Engineering, Universidad de los Andes, Bogotá, Colombia（电气与电子工程系， Universidad de los Andes，波哥大，哥伦比亚） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 世界模型帮助强化学习智能体实现最优觅食策略，通过预见能力而非单纯奖励最大化驱动高效决策。

Comments 14 pages, 6 figures

TEACH: Temporal Variance-Driven Curriculum for Reinforcement Learning

TEACH: 基于时间方差的强化学习课程学习

Gaurav Chaudhary, Laxmidhar Behera

专题命中 模仿学习与强化学习 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.LG

AI总结 TEACH提出基于时间方差的课程学习方法，通过动态优先选择高不确定性目标，提升多目标强化学习的样本效率和策略学习效率。

Adaptive Trust Consensus for Blockchain IoT: Comparing RL, DRL, and MARL Against Naive, Collusive, Adaptive, Byzantine, and Sleeper Attacks

区块链物联网中的自适应信任共识：比较强化学习、深度强化学习和多智能体强化学习与 naive、collusive、adaptive、Byzantine 和 sleeper 攻击

Soham Padia, Dhananjay Vaidya, Ramchandra Mangrulkar

机构 * Artificial Intelligence Northeastern University（人工智能东北大学） ； Information Technology Dwarkadas J. Sanghvi College of Engineering（信息技术达沃拉吉·桑格维工程学院） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.LG

AI总结 本文通过比较RL、DRL和MARL在区块链物联网中对抗不同攻击的效果，发现MARL在对抗攻击中表现最佳，而所有智能体均能抵御Byzantine攻击，但时间延迟污染攻击对所有智能体均造成严重威胁。

Comments 34 pages, 19 figures, 10 tables. Code available at https://github.com/soham-padia/blockchain-iot-trust

A Survey of Reinforcement Learning from Human Feedback

从人类反馈强化学习的综述

Timo Kaufmann, Paul Weng, Viktor Bengs, Eyke Hüllermeier

机构 * LMU Munich（慕尼黑大学） ； MCML Munich（慕尼黑马克斯·普朗克研究所） ； DFKI（德国人工智能研究中心） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.LG

AI总结 本文综述了从人类反馈强化学习的基本原理、核心方法及在多个领域中的应用与贡献。

Comments Published version (TMLR): https://openreview.net/pdf?id=f7OkIurx4b

Journal ref Transactions on Machine Learning Research, 2025

InDRiVE: Reward-Free World-Model Pretraining for Autonomous Driving via Latent Disagreement

InDRiVE: 通过潜在分歧进行无奖励世界模型预训练以实现自动驾驶

Feeza Khan Khanzada, Jaerock Kwon

机构 * Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学-迪尔伯恩分校） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.RO

AI总结 InDRiVE通过潜在分歧进行无奖励世界模型预训练，提升了自动驾驶在零样本迁移和少量样本适应中的鲁棒性。

Driving Beyond Privilege: Distilling Dense-Reward Knowledge into Sparse-Reward Policies

超越特权：将密集奖励知识蒸馏到稀疏奖励策略中

Feeza Khan Khanzada, Jaerock Kwon

机构 * Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学迪尔伯恩分校） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.RO

AI总结 本文提出通过密集奖励蒸馏学习稀疏奖励策略，提升自动驾驶在稀疏目标上的泛化能力。

Soft Robotic Technological Probe for Speculative Fashion Futures

柔软机器人技术探针用于推测性时尚未来

Amy Ingold, Loong Yi Lee, Richard Suphapol Diteesawat, Ajmal Roshan, Yael Zekaria, Edith-Clare Hall, Enrico Werner, Nahian Rahman, Elaine Czech, Jonathan Rossiter

机构 * University of Bristol（布里斯托大学） 纠错

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

AI总结 Sumbrella是一种软体机器人服装，用于探索未来与软体机器人可穿戴设备的互动及伦理问题，推动HRI领域设计考虑。

Think, Act, Learn: A Framework for Autonomous Robotic Agents using Closed-Loop Large Language Models

思考、行动、学习：一种利用闭环大语言模型的自主机器人代理框架

Anjali R. Menon, Rohit K. Sharma, Priya Singh, Chengyu Wang, Aurora M. Ferreira, Mateja Novak

机构 * Dept. of Electronics & Comm. Eng.（电子与通信工程系） ； Government Engineering College（政府工程学院） ； Dept. of Electrical & Electronics Eng.（电气与电子工程系） ； Poornima College of Engineering（波奥尼玛工程学院） ； Dept. of Electronics & Telecom. Eng.（电子与电信工程系） ； Shivaji University College of Eng.（希瓦吉大学工程学院） ； Department of Computer Science（计算机科学系） ； San Francisco State University（旧金山州立大学） ； Dept. of Electrical Eng.（电气工程系） ； Instituto Federal do Maranhão（马里兰联邦学院） ； Dept. of Electrical & Computer Eng.（电气与计算机工程系） ； Technical University of Košice（科希丘夫技术大学） 纠错

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

AI总结 本文提出T-A-L框架，通过闭环大语言模型实现机器人自主学习与策略优化，显著提升复杂任务的成功率和泛化能力。

Comments 13 pages, 7 figures

RAPTOR: Real-Time High-Resolution UAV Video Prediction with Efficient Video Attention

RAPTOR: 用于高效视频注意的实时高分辨率无人机视频预测

Zhan Chen, Zile Guo, Enze Zhu, Peirong Zhang, Xiaoxuan Liu, Lei Wang, Yidan Zhang

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

AI总结 RAPTOR通过高效视频注意机制实现了实时高分辨率视频预测，首次在Jetson AGX Orin上达到30 FPS以上，提升了无人机任务成功率18%。

Comments Accepted by AAAI2026

Evaluating an Adaptive Multispectral Turret System for Autonomous Tracking Across Variable Illumination Conditions

评估一种自适应多光谱 turret 系统用于自主跟踪在变化的照明条件下

Aahan Sachdeva, Dhanvinkumar Ganeshkumar, James E. Gallagher, Tyler Treat, Edward J. Oughton

机构 * Department of Geography & Geoinformation Science, George Mason University（地理与地理信息科学系，乔治·马歇尔大学） 纠错

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

AI总结 本文提出了一种自适应多光谱turret系统，通过融合RGB和LWIR视频流提升自主机器人在不同光照条件下的跟踪性能。

Quantifying True Robustness: Synonymity-Weighted Similarity for Trustworthy XAI Evaluation

量化真实鲁棒性：基于同义词加权的相似性用于可信XAI评估

Christopher Burger

机构 * The University of Mississippi（密苏里大学） 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 本文提出基于同义词加权的相似性方法，用于更准确评估XAI系统的鲁棒性，防止攻击成功率的高估。

Comments 10 pages, 2 figures, 6 tables. Changes to title, abstract and minor edits to the content as a result of acceptance to the 59th Hawaii International Conference on System Sciences

LidarDM: Generative LiDAR Simulation in a Generated World

LidarDM: 生成世界中的生成激光雷达模拟

Vlas Zyrianov, Henry Che, Zhijian Liu, Shenlong Wang

机构 * UIUC（伊利诺伊大学香槟分校） ； NVIDIA（英伟达） 纠错

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

AI总结 LidarDM通过集成4D世界生成框架，实现了基于驾驶场景的4D激光雷达点云生成，提升自动驾驶模拟的逼真度与时间一致性。

Schrodinger AI: A Unified Spectral-Dynamical Framework for Classification, Reasoning, and Operator-Based Generalization

薛定谔AI：一种用于分类、推理和基于算子的泛化统一频谱-动态框架

Truong Son Nguyen

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 薛定谔AI通过统一频谱-动态框架实现分类、推理和基于算子的泛化，提供稳健的泛化能力与可解释的语义。

Optimal Scalability-Aware Allocation of Swarm Robots: From Linear to Retrograde Performance via Marginal Gains

蜂群机器人最优可扩展性感知分配：通过边际收益从线性到反向性能

Simay Atasoy Bingöl, Tobias Töpfer, Sven Kosub, Heiko Hamann, Andreagiovanni Reina

机构 * Department of Computer and Information Science, Universität Konstanz, Germany（康斯坦茨大学计算机与信息科学系） ； Centre for the Advanced Study of Collective Behaviour (CASCB), Universität Konstanz, Germany（康斯坦茨大学集体行为高级研究所以） ； Department of Collective Behaviour, Max Planck Institute of Animal Behavior, Konstanz, Germany（动物行为Max Planck研究所集体行为系） 纠错

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

AI总结 本文提出了一种基于边际收益的高效算法，用于优化蜂群机器人在不同可扩展性任务中的分配，以实现最大集体性能。

Comments 14 pages, 11 figures, Accepted for publication in IEEE Transactions on Systems, Man, and Cybernetics: Systems

MM-UAVBench: How Well Do Multimodal Large Language Models See, Think, and Plan in Low-Altitude UAV Scenarios?

MM-UAVBench: 多模态大语言模型在低空无人机场景中的感知、推理与规划能力如何？

Shiqi Dai, Zizhi Ma, Zhicong Luo, Xuesong Yang, Yibin Huang, Wanyue Zhang, Chi Chen, Zonghao Guo, Wang Xu, Yufei Sun, Maosong Sun

机构 * Tsinghua University（清华大学） ； Nankai University（南开大学） ； Northwest Polytechnical University（西北工业大学） ； Chinese Academy of Sciences（中国科学院） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 MM-UAVBench通过系统评估多模态大语言模型在低空无人机场景中的感知、推理与规划能力，揭示其在复杂任务中的性能瓶颈与改进方向。

Comments 25 pages

Depth Anything in $360^\circ$: Towards Scale Invariance in the Wild

360度深度估计：迈向野外的尺度不变性

Hualie Jiang, Ziyang Song, Zhiqiang Lou, Rui Xu, Minglang Tan

机构 * Insta360 Research（Insta360研究院） 纠错

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

AI总结 DA360通过学习ViT主干的位移参数，实现全景深度估计的尺度不变性，显著提升室内和户外深度估计性能。

Comments https://insta360-research-team.github.io/DA360

When Deepfake Detection Meets Graph Neural Network:a Unified and Lightweight Learning Framework

当深度伪造检测遇见图神经网络：一种统一且轻量级的学习框架

Haoyu Liu, Chaoyu Gong, Mengke He, Jiate Li, Kai Han, Siqiang Luo

机构 * Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出SSTGNN，一种统一且轻量级的深度伪造检测框架，通过图神经网络联合处理空间、时间及频谱信息，实现高效且准确的伪造检测。

Comments Accepted to KDD 2026