机器人 / 具身智能

Cosmos Policy: Fine-Tuning Video Models for Visuomotor Control and Planning

Cosmos Policy: 为视觉运动控制和规划微调视频模型

Moo Jin Kim, Yihuai Gao, Tsung-Yi Lin, Yen-Chen Lin, Yunhao Ge, Grace Lam, Percy Liang, Shuran Song, Ming-Yu Liu, Chelsea Finn, Jinwei Gu

机构 * NVIDIA ； Stanford University（斯坦福大学） 纠错

专题命中 机器人学习 ：robotics(abstract)；manipulation(abstract)；world model(abstract)；robot policy(abstract)

AI总结 Cosmos Policy通过单阶段后训练将预训练视频模型转化为高效机器人策略，实现视觉运动控制与规划的先进性能。

A Mobile Magnetic Manipulation Platform for Gastrointestinal Navigation with Deep Reinforcement Learning Control

用于胃肠道导航的移动磁力操控平台与深度强化学习控制

Zhifan Yan, Chang Liu, Yiyang Jiang, Wenxuan Zheng, Xinhao Chen, Axel Krieger

机构 * Laboratory for Computational Sensing and Robotics (LCSR)（计算感知与机器人实验室） 纠错

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

AI总结 本文提出了一种基于深度强化学习的移动磁力操控平台，用于胃肠道导航，实现了在大工作空间内的高精度磁力操控。

DTP: A Simple yet Effective Distracting Token Pruning Framework for Vision-Language Action Models

DTP: 一种简单而有效的干扰令牌修剪框架用于视觉-语言动作模型

Chenyang Li, Jieyuan Liu, Bin Li, Bo Gao, Yilin Yuan, Yangfan He, Yuchen Li, Jingqun Tang

机构 * Australian National University（澳大利亚国立大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Chinese Academy of Sciences（中国科学院） ； Beijing Institute of Graphic Communication（北京印刷学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Baidu Search（百度搜索） ； Bytedance（字节跳动） 纠错

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

AI总结 DTP框架通过动态修剪干扰令牌提升视觉-语言动作模型的任务成功率，适用于多种新型VLA模型。

An Explainable Market Integrity Monitoring System with Multi-Source Attention Signals and Transparent Scoring

可解释的市场完整性监控系统：多源注意力信号与透明评分

Sandeep Neela

机构 * Department of Computer Science University of New York（纽约大学计算机科学系） ； DeepMind（深度Mind） ； Mila, Université de Montréal（蒙特利尔大学Mila） ； Google Research（谷歌研究） ； CIFAR Fellow 纠错

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

AI总结 AIMM-X通过结合市场微观结构信号和多源注意力信号，提供可解释的市场完整性监控系统，帮助合规团队识别异常窗口并进行后续调查。

Comments Preprint

Benchmarks and Challenges in Pose Estimation for Egocentric Hand Interactions with Objects

视角手部交互物体姿态估计的基准与挑战

Zicong Fan, Takehiko Ohkawa, Linlin Yang, Nie Lin, Zhishan Zhou, Shihao Zhou, Jiajun Liang, Zhong Gao, Xuanyang Zhang, Xue Zhang, Fei Li, Zheng Liu, Feng Lu, Karim Knaebel, Bastian Leibe, Jeongwan On, Seungryul Baek, Aditya Prakash, Saurabh Gupta, Kun He, Yoichi Sato, Otmar Hilliges, Hyung Jin Chang, Angela Yao

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

AI总结 本文提出HANDS23挑战，分析了以自身为中心视角下手-物体三维重建的挑战与方法，揭示了快速手部运动和狭窄视角等难以解决的问题。

Comments Accepted to ECCV 2024

BPMN Assistant: An LLM-Based Approach to Business Process Modeling

BPMN助手：基于大语言模型的业务流程建模方法

Josip Tomo Licardo, Nikola Tankovic, Darko Etinger

机构 * Faculty of Informatics（信息学院） ； Juraj Dobrila University of Pula（朱拉·多布里拉大学） 纠错

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

AI总结 BPMN助手通过基于JSON的中间表示和大语言模型，提升BPMN图编辑效率与可靠性

Comments 22 pages, 5 figures

Multi-Layered Reasoning from a Single Viewpoint for Learning See-Through Grasping

从单一视角进行多层推理以学习透视抓取

Fang Wan, Chaoyang Song

机构 * Southern University of Science and Technology（南方科技大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 本研究提出了一种基于视觉的透视感知架构，通过单一视觉输入实现多模态感知，无需外部摄像头或力传感器即可学习反应抓取。

Comments 39 pages, 13 figures, 2 tables, for supplementary videos, see https://bionicdl.ancorasir.com/?p=1658, for opensourced codes, see https://github.com/ancorasir/SeeThruFinger

Qwen3-TTS Technical Report

Qwen3-TTS技术报告

Hangrui Hu, Xinfa Zhu, Ting He, Dake Guo, Bin Zhang, Xiong Wang, Zhifang Guo, Ziyue Jiang, Hongkun Hao, Zishan Guo, Xinyu Zhang, Pei Zhang, Baosong Yang, Jin Xu, Jingren Zhou, Junyang Lin

机构 * Qwen Team（通义实验室） 纠错

专题命中 机器人操作 ：manipulation(abstract)

AI总结 Qwen3-TTS技术报告介绍了一种先进的多语言可控文本到语音模型，支持3秒语音克隆和描述控制，通过双轨架构和两种高效分词器实现高鲁棒性和低延迟的流式合成。

Comments https://github.com/QwenLM/Qwen3-TTS

Achievable Rate Optimization for Large Flexible Intelligent Metasurface Assisted Downlink MISO under Statistical CSI

大柔性智能超材料辅助下行MISO系统中可实现速率优化

Ling He, Vaibhav Kumar, Anastasios Papazafeiropoulos, Miaowen Wen, Le-Nam Tran, Marwa Chafii

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文提出基于统计CSI的优化框架，用于大柔性智能超材料辅助的下行MISO系统，通过联合优化功率分配和FIM形态提升平均可实现速率。

Comments IEEE International Conference on Communications, Glasgow, Scotland, UK 2026

Anisotropic Green Coordinates

各向异性绿坐标

Dong Xiao, Renjie Chen, Bailin Deng

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本研究提出各向异性绿坐标，用于实现灵活的形状变形，通过数学建模和优化框架，提供多样化的空间变形能力。

A Beacon Based Solution for Autonomous UUVs GNSS-Denied Stealthy Navigation

基于信标的一种自主水下无人航行器（UUV）在GNSS受限环境下的隐蔽导航方案

Alexandre Albore, Humbert Fiorino, Damien Pellier

机构 * French National Research Agency（法国国家研究署） 纠错

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

AI总结 该研究提出了一种基于信标的自主UUV在GNSS受限环境下实现隐蔽导航的方案，通过分层规划器和合成地标网络实现精确路径导航。

Comments 8 pages. IEEE TechDefense 2025

Improve the autonomy of the SE2(3) group based Extended Kalman Filter for Integrated Navigation: Theoretical Analysis

提升基于SE2(3)群的扩展卡尔曼滤波器在集成导航中的自主性：理论分析

Jiarui Cui, Maosong Wang, Wenqi Wu, Peiqi Li, Xianfei Pan

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

AI总结 本文提出了一种基于SE2(3)群的导航模型构建方法，以提升高精度导航中误差传播的自主性，解决地球自转和惯性设备偏置带来的挑战。

MapViT: A Two-Stage ViT-Based Framework for Real-Time Radio Quality Map Prediction in Dynamic Environments

MapViT：一种基于视觉Transformer的两阶段框架，用于动态环境中实时无线电质量地图预测

Cyril Shih-Huan Hsu, Xi Li, Lanfranco Zanzi, Zhiheng Yang, Chrysa Papagianni, Xavier Costa Pérez

机构 * Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息学院） ； NEC Laboratories Europe（NEC欧洲实验室） ； i2CAT Foundation（i2CAT基金会） ； Catalan Institution for Research and Advanced Studies (ICREA)（加泰罗尼亚研究与高级研究机构（ICREA）） 纠错

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

AI总结 MapViT通过两阶段ViT框架实现实时动态环境中无线信号质量预测，结合预训练和微调方法提升准确性和效率，适用于资源受限的移动机器人场景。

Comments This paper has been accepted for publication at IEEE International Conference on Communications (ICC) 2026

A Universal Large Language Model -- Drone Command and Control Interface

通用大型语言模型——无人机指挥与控制接口

Javier N. Ramos-Silva, Peter J. Burke

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

AI总结 本文提出了一种通用的无人机控制接口，通过MCP协议实现LLM与无人机的无缝集成，提供实时导航和飞行控制能力。

SplatBus: A Gaussian Splatting Viewer Framework via GPU Interprocess Communication

SplatBus: 一种通过GPU进程间通信实现的高斯溅射查看框架

Yinghan Xu, Théo Morales, John Dingliana

机构 * Trinity College Dublin（都柏林三一学院） 纠错

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

AI总结 SplatBus通过GPU进程间通信实现3D高斯溅射的可视化，解决了传统渲染管线整合难题，适用于自动驾驶和虚拟现实等应用。

Parallelizable Riemannian Alternating Direction Method of Multipliers for Non-convex Pose Graph Optimization

可并行化的黎曼交替方向乘子法用于非凸位姿图优化

Xin Chen, Chunfeng Cui, Deren Han, Liqun Qi

专题命中 具身导航 ：navigation(abstract)

AI总结 本文提出了一种可并行化的黎曼交替方向乘子法，用于高效解决非凸位姿图优化问题，通过引入等式约束和闭式解保证稳定性与收敛性，实验证明其在大规模SLAM任务中的优越性能。

PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models

PhysicsMind: 为基础多模态大语言模型和世界模型中的物理推理和预测进行仿真与现实力学基准测试

Chak-Wing Mak, Guanyu Zhu, Boyi Zhang, Hongji Li, Xiaowei Chi, Kevin Zhang, Yichen Wu, Yangfan He, Chun-Kai Fan, Wentao Lu, Kuangzhi Ge, Xinyu Fang, Hongyang He, Kuan Lu, Tianxiang Xu, Li Zhang, Yongxin Ni, Youhua Li, Shanghang Zhang

机构 * Peking University（北京大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； Cornell University（康奈尔大学） ； Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 PhysicsMind是一个结合现实和仿真环境的统一基准，用于评估基础多模态大语言模型和世界模型在物理推理和预测中的能力。

From Generative Engines to Actionable Simulators: The Imperative of Physical Grounding in World Models

从生成引擎到可操作模拟器：世界模型中物理基础的必要性

Zhikang Chen, Tingting Zhu

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

AI总结 本文提出将世界模型重新定义为可操作模拟器，强调因果结构和约束意识，以提升医疗决策中的反事实推理和长期预见能力。

VIKI-R: Coordinating Embodied Multi-Agent Cooperation via Reinforcement Learning

VIKI-R: 通过强化学习协调具身多智能体合作

Li Kang, Xiufeng Song, Heng Zhou, Yiran Qin, Jie Yang, Xiaohong Liu, Philip Torr, Lei Bai, Zhenfei Yin

专题命中 模仿学习与强化学习 ：embodied AI(abstract)；embodied agent(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 VIKI-R通过强化学习协调多智能体合作，提出分层基准VIKI-Bench，显著提升多智能体视觉驱动合作性能。

Comments Accepted by NeurIPS 2025 Track on Datasets and Benchmarks. Project page: https://faceong.github.io/VIKI-R/

GenPO: Generative Diffusion Models Meet On-Policy Reinforcement Learning

GenPO：生成扩散模型与在线策略强化学习相结合

Shutong Ding, Ke Hu, Shan Zhong, Haoyang Luo, Weinan Zhang, Jingya Wang, Jun Wang, Ye Shi

机构 * ShanghaiTech University（上海科技大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； University College London（伦敦大学学院） ； MoE Key Laboratory of Intelligent Perception and Human Machine Collaboration（智能感知与人机协同联合实验室） 纠错

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

AI总结 GenPO通过生成扩散模型与在线强化学习结合，解决了扩散策略在计算状态-动作对数似然中的挑战，实现了高效的可逆动作映射和熵正则化，提升了机器人任务的训练效果。

Comments Accepted by NeurIPS2025

Dynamic Tactile Sensing System and Soft Actor Critic Reinforcement Learning for Inclusion Characterization

动态触觉传感系统与软演员评论强化学习用于包容体表征

John Bannan, Nazia Rahman, Chang-Hee Won

专题命中 模仿学习与强化学习 ：robotic(abstract)

AI总结 本文提出一种结合机器人触觉传感与软演员评论强化学习的动态触觉传感系统，用于精准定位和表征嵌入的包容体，实验表明其在尺寸估计精度上优于人工操作。

Verified Design of Robotic Autonomous Systems using Probabilistic Model Checking

基于概率模型检验的机器人自主系统验证设计

Atef Azaiez, David Alireza Anisi

机构 * Faculty of Science and Tech.（科学与技术学院） ； Norwegian University of Life Sciences (NMBU)（挪威生命科学大学（NMBU）） 纠错

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

AI总结 本文提出利用概率模型检验方法，对机器人自主系统的设计概念进行系统性评估和验证，以提升设计的安全性和可靠性。

Comments Accepted in ModelSWARD 2026 conference, 7 figures

Off-Policy Actor-Critic with Sigmoid-Bounded Entropy for Real-World Robot Learning

基于Sigmoid受限熵的离策略Actor-Critic用于现实世界机器人学习

Xiefeng Wu, Mingyu Hu, Shu Zhang

机构 * Wuhan University（武汉大学） 纠错

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

AI总结 SigEnt-SAC通过Sigmoid受限熵机制，实现低成本、高效率的现实世界机器人强化学习。

Comments 7 pages main text 2 page reference

CropCraft: Complete Structural Characterization of Crop Plants From Images

CropCraft: 作物植物的完整结构表征从图像

Albert J. Zhai, Xinlei Wang, Kaiyuan Li, Zhao Jiang, Junxiong Zhou, Sheng Wang, Zhenong Jin, Kaiyu Guan, Shenlong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） 纠错

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

AI总结 CropCraft通过逆向程序建模优化植物形态参数，实现从图像中完整重建作物3D结构，用于农业监测与模拟应用。

Comments 3DV 2026 (Oral). Project page: https://ajzhai.github.io/CropCraft

Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation

操纵法官：不忠的推理链可能损害智能体评估

Muhammad Khalifa, Lajanugen Logeswaran, Jaekyeom Kim, Sungryull Sohn, Yunxiang Zhang, Moontae Lee, Hao Peng, Lu Wang, Honglak Lee

机构 * University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文揭示了LLM法官对智能体推理轨迹操纵的脆弱性，表明基于内容的操纵能显著提高假阳性率，凸显了需验证推理与证据的评估机制的重要性。

Tackling the Scaffolding Paradox: A Person-Centered Adaptive Robotic Interview Coach

应对支架悖论：一种以人为核心自适应机器人面试教练

Wanqi Zhang, Jiangen He, Marielle Santos

专题命中 其他机器人 ：robotic(title,abstract)

AI总结 本文提出一种基于人本治疗和支架理论的自适应机器人面试教练，通过动态反馈机制缓解用户焦虑，提升心理安全与教学指导的平衡。

Social Robotics for Disabled Students: An Empirical Investigation of Embodiment, Roles and Interaction

面向残疾学生的社会机器人：关于具身性、角色和互动的经验研究

Alva Markelius, Fethiye Irmak Doğan, Julie Bailey, Guy Laban, Jenny L. Gibson, Hatice Gunes

机构 * University of Cambridge, CST（剑桥大学，CST） ； University of Cambridge, EDUC（剑桥大学，EDUC） 纠错

专题命中 其他机器人 ：robotics(title)；分类 cs.RO

AI总结 本研究探讨残疾学生对基于机器人的支持的感知，比较不同互动角色和具身类型的影响，揭示具身性对社会性和隐私感知的作用，以及不同残疾类型间的差异。

Comments Preprint. Accepted at ACM IEEE International Conference on Human Robot Interaction 2026, Edinburgh, Scotland, UK

Dynamical Characteristics of the Body-Caudal Fin Joint of a Carangiform Swimmer and its Influence on Hydrodynamics

车尾鳍关节的动力学特性及其对水动力学的影响

Dev Pradeepkumar Nayak, Muhammad Saif Ullah Khalid, Ali Tarokh

专题命中 其他机器人 ：robotic(abstract)

AI总结 本研究通过模拟杰克鱼的游泳机制，揭示了非线性尾鳍力学对水动力学的影响，为水下机器人设计提供新的生物启发方法。

WINTER on S250206dm: A near-infrared search for an electromagnetic counterpart to a gravitational-wave event

S250206dm事件的近红外搜索：对引力波事件的电磁对应体搜索

Danielle Frostig, Viraj R. Karambelkar, Robert D. Stein, Nathan P. Lourie, Mansi M. Kasliwal, Robert A. Simcoe, Mattia Bulla, Tomas Ahumada, Geoffrey Mo, Josiah Purdum, Jill Juneau, Andrew Malonis, Gabor Furesz

专题命中 其他机器人 ：robotic(abstract)

AI总结 S250206dm事件的近红外搜索未发现千新星候选，展示了系统性红外搜索的潜力及未来更深入巡天的必要性。

Comments 10 pages, 2 figures

Journal ref PASP Volume 137, Issue 7, 2025