机器人 / 具身智能

Machine Learning - Driven Materials Discovery: Unlocking Next-Generation Functional Materials - A review

机器学习驱动的材料发现：解锁下一代功能材料——综述

Dilshod Nematov, Mirabbos Hojamberdiev

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

AI总结 本文综述了机器学习驱动的材料发现方法，探讨其在预测材料性质、发现新化合物及优化材料结构中的应用，展示了AI在加速材料研发中的关键作用。

Journal ref Computational Condensed Matter, 2025

Adapting Depth Anything to Adverse Imaging Conditions with Events

在恶劣成像条件下适应Depth Anything以应对事件

Shihan Peng, Yuyang Xiong, Hanyu Zhou, Zhiwei Shi, Haoyue Liu, Gang Chen, Luxin Yan, Yi Chang

机构 * National Key Lab of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（multispectral information intelligent processing technology 国家重点实验室，人工智能与自动化学院，华中科技大学） ； School of Computing, National University of Singapore（computing 学院，新加坡国立大学） ； School of Computer Science and Engineering, Sun Yat-Sen University（computer science and engineering 学院，中山大学） 纠错

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

AI总结 本文提出ADAE框架，通过熵感知空间融合和运动引导时间校正，提升Depth Anything在恶劣成像条件下的深度估计性能。

Comments This work has been submitted to the IEEE for possible publication

LabelAny3D: Label Any Object 3D in the Wild

LabelAny3D: 在真实世界中标注任意物体的3D

Jin Yao, Radowan Mahmud Redoy, Sebastian Elbaum, Matthew B. Dwyer, Zezhou Cheng

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 LabelAny3D通过分析-合成框架生成高质量3D标注，提升单目3D检测性能，推动真实世界3D识别发展。

Comments NeurIPS 2025. Project page: https://uva-computer-vision-lab.github.io/LabelAny3D/

Efficient Iterative Proximal Variational Inference Motion Planning

高效迭代近端变分推断运动规划

Zinuo Chang, Hongzhe Yu, Patricio Vela, Yongxin Chen

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA（电气与计算机工程学院，佐治亚理工学院，亚特兰大，GA） ； School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA（航空航天工程学院，佐治亚理工学院，亚特兰大，GA） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO；robotics(journal_ref)

AI总结 本文提出P-GVIMP方法，通过并行计算和变分推断解决非线性随机系统的运动规划问题，实现高效规划与不确定性下的成功解决方案。

Comments 13 pages

Journal ref Robotics and Autonomous Systems 174 (2025) 105267

360-GeoGS: Geometrically Consistent Feed-Forward 3D Gaussian Splatting Reconstruction for 360 Images

360-GeoGS：用于360图像的几何一致前馈3D高斯点溅重建

Jiaqi Yao, Zhongmiao Yan, Jingyi Xu, Songpengcheng Xia, Yan Xiang, Ling Pei

机构 * Shanghai Key Laboratory of Navigation and Location Based Services（上海导航与基于位置的服务关键实验室） ； Shanghai Jiao Tong University（上海交通大学） ； State Key Laboratory of Submarine Geoscience（海底地球科学国家重点实验室） ； School of Automation and Intelligent Sensing（自动化与智能感知学院） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出了一种用于360图像的前馈3DGS框架，通过深度-法线几何正则化提升几何一致性，实现高质量的3D重建。