机器人 / 具身智能

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。