机器人 / 具身智能

Vision-Language Models on the Edge for Real-Time Robotic Perception

边缘计算上的视觉-语言模型用于实时机器人感知

Sarat Ahmad, Maryam Hafeez, Syed Ali Raza Zaidi

机构 * School of Electronic and Electrical Engineering（电子与电气工程学院） 纠错

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

AI总结 本文研究了在边缘计算平台上部署视觉-语言模型以提高机器人感知的实时性与准确性，通过实验对比边缘与云部署的性能差异。

Rethinking Video Generation Model for the Embodied World

重新思考具身世界的视频生成模型

Yufan Deng, Zilin Pan, Hongyu Zhang, Xiaojie Li, Ruoqing Hu, Yufei Ding, Yiming Zou, Yan Zeng, Daquan Zhou

机构 * Peking University（北京大学） 纠错

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

AI总结 本文提出Rbench机器人视频生成基准和RoVid-X数据集，旨在解决高保真机器人视频生成中的数据短缺问题，推动具身AI发展。

Comments Github: https://github.com/DAGroup-PKU/ReVidgen/ Project website: https://dagroup-pku.github.io/ReVidgen.github.io/

Context-aware Learned Mesh-based Simulation via Trajectory-Level Meta-Learning

基于轨迹级元学习的上下文感知学得网格模拟

Philipp Dahlinger, Niklas Freymuth, Tai Hoang, Tobias Würth, Michael Volpp, Luise Kärger, Gerhard Neumann

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

AI总结 本文提出了一种基于轨迹级元学习的网格模拟方法，利用运动原语实现快速且准确的模拟，提升模拟精度并降低运行成本。

Comments 35 pages. Submitted to Transactions on Machine Learning Research (TMLR)

Vision-Based Natural Language Scene Understanding for Autonomous Driving: An Extended Dataset and a New Model for Traffic Scene Description Generation

基于视觉的自然语言场景理解用于自动驾驶：一个扩展数据集和一个用于交通场景描述生成的新模型

Danial Sadrian Zadeh, Otman A. Basir, Behzad Moshiri

机构 * Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） ； School of Electrical and Computer Engineering, College of Engineering, University of Tehran（德黑兰大学电气与计算机工程学院） 纠错

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

AI总结 本文提出了一种基于视觉的自然语言场景理解模型，通过扩展数据集和混合注意力机制，提升自动驾驶中交通场景描述生成的准确性和丰富性。

Comments Under review at Computer Vision and Image Understanding (submitted July 25, 2025)

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

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

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

Hyperphantasia: A Benchmark for Evaluating the Mental Visualization Capabilities of Multimodal LLMs

Hyperphantasia: 一个多模态大语言模型心理可视化能力评估基准

Mohammad Shahab Sepehri, Berk Tinaz, Zalan Fabian, Mahdi Soltanolkotabi

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 Hyperphantasia是一个评估多模态大语言模型心理可视化能力的合成基准，通过四个精心设计的谜题揭示了人类与当前模型之间的性能差距，并探索了强化学习在提升视觉模拟能力上的潜力。

Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching

耦合拉普拉斯特征映射用于局部感知的3D刚性点云匹配

Matteo Bastico, Etienne Decencière, Laurent Corté, Yannick Tillier, David Ryckelynck

机构 * Mines Paris, Université PSL（巴黎 Mines 学院，巴黎大学） ； Centre des Matériaux (MAT), UMR7633 CNRS（材料中心（MAT），CNRS UMR7633） ； Centre de Morphologie Mathématique (CMM)（数学形态学中心（CMM）） ； Centre de Mise en Forme des Matériaux (CEMEF), UMR7635 CNRS（材料成型中心（CEMEF），CNRS UMR7635） 纠错

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

AI总结 本文提出基于耦合拉普拉斯特征映射的3D点云匹配方法，通过考虑局部结构提升匹配精度，应用于物体异常检测和骨侧估计任务。

Comments This paper has been accepted at Computer Vision and Patter Recognition (CVPR) 2024

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024, pp. 3447-3458