视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
代理设计模式：一种系统理论框架
机构 * University College Cork ； Vietnam National University（越南国家大学） ； IBM Research Ireland（IBM爱尔兰研究） ； Trinity College Dublin（都柏林三一学院）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI
AI总结 本文提出了一种系统理论框架，通过分解代理AI系统为五个核心功能子系统，提出12种代理设计模式，以解决代理设计中的重复问题，提升自主系统的模块化和可靠性。
Vlaser：具有协同具身推理能力的视觉-语言-动作模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； NUS（新加坡国立大学） ； Northeastern University（东北大学） ； Shenzhen University（深圳大学）
专题命中 具身推理 ：embodied agent(abstract)；分类 cs.CV
AI总结 Vlaser通过整合高级推理与低级控制，解决了具身推理与VLA策略学习之间的关键差距，在多个基准测试中取得最佳性能。
对“多维时间之箭”的评论（arXiv:2601.14134）
专题命中 具身推理 ：world model(abstract)
AI总结 本文针对Rubin关于时间之箭源于额外维度体积增长的观点，提出"形状动态时间之箭"概念，利用Perelman熵的性质解决体积增长与引力常数观测稳定性之间的矛盾。
Comments Comment on arXiv:2601.14134; 6 pages, no figures
贝叶斯自适应蒙特卡洛树搜索用于离线模型驱动强化学习
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出贝叶斯自适应蒙特卡洛树搜索算法，用于提升离线模型驱动强化学习的性能，显著优于现有方法。
Comments This paper is accepted in ICLR 2026
HARMONI: 基于大语言模型的多用户人机交互多模态个性化
机构 * Institut Curie, Université Paris-Saclay（巴黎-萨克勒大学Curie研究所） ； Institute of Intelligent Systems and Robotics (ISIR), Sorbonne University（索邦大学智能系统与机器人研究所） ； Assistance Publique – Hôpitaux de Paris (AP-HP), Université Paris Cité（巴黎公共医院（AP-HP）与巴黎城市大学）
专题命中 人机交互与遥操作 ：world model(abstract)；分类 cs.RO、cs.AI
AI总结 HARMONI通过多模态个性化框架，利用大语言模型提升多用户人机交互的持续个性化和动态适应能力。
仿真与人类协同训练用于数据高效且可泛化的机器人操作
机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Southwest Jiaotong University（西南交通大学） ； Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 机器人数据与评测 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO、cs.AI
AI总结 SimHum通过结合仿真数据和人类数据，实现了数据高效且可泛化的机器人操作，实验表明其在现实任务中表现优于基线方法。
DeFM：从深度学习基础表示以供机器人应用
机构 * Robotic Systems Lab (RSL), ETH Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA（NVIDIA公司）
专题命中 机器人数据与评测 ：robotics(title)；manipulation(abstract)；navigation(abstract)；robotic(abstract)
AI总结 DeFM通过自监督学习从深度图像中学习基础表示，为机器人应用提供强大的泛化能力和仿真到现实的迁移性能。
Comments Under review, 19 pages, 15 Figures, 9 Tables
iFAN生态系统：一个统一的AI、数字孪生、网络物理安全和机器人环境，用于高级核模拟和操作
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 机器人数据与评测 ：robotics(title)；robotic(abstract)；分类 cs.RO
AI总结 iFAN生态系统通过整合AI、数字孪生、网络物理安全和机器人技术，为核模拟和操作提供高保真度的虚拟测试平台，支持自主和网络容错的核操作验证。
PneuGelSight：基于视觉的柔性机器人本体感觉与触觉感知
机构 * University of Illinois, Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University, USA（卡内基梅隆大学）
专题命中 机器人数据与评测 ：robotic(title)；分类 cs.RO；robotics(comments)
AI总结 PneuGelSight通过内置相机实现高分辨率本体感觉与触觉感知，结合模拟到现实的管道，为柔软机器人提供新颖的传感方法。
Comments 16 pages, 12 figures, International Journal of Robotics Research (accepted), 2025
行为克隆中面向分布外泛化的问题空间变换
机构 * Department of Computer Science at ETH Zürich（苏黎世联邦理工学院计算机科学系）
专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出通过问题空间变换提升行为克隆在分布外泛化中的性能，通过实验验证了姿态等价性和局部性对动作预测的改进作用。
动态世界，动态人类：生成动态场景中的虚拟人类-场景交互动作
机构 * Beihang University（北航大学） ； University of Durham（达勒姆大学） ； State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） ； Zhongguancun Laboratory（中关村实验室）
专题命中 机器人数据与评测 ：navigation(abstract)；world model(abstract)；分类 cs.CV
AI总结 本文提出Dyn-HSI架构，通过动态视觉导航、分层经验记忆和人-场景交互扩散模型，生成高质量的动态场景中人-场景交互动作。
合成对象组合用于检测、分割和接地任务中的可扩展和准确学习
机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.AI、cs.CV
AI总结 合成对象组合（SOC）通过新的以对象为中心的组合策略，实现了准确且可扩展的数据合成流程，提升了检测、分割和接地任务的性能，尤其在低数据和封闭词汇场景中表现突出。
Comments Project website: https://github.com/weikaih04/Synthetic-Detection-Segmentation-Grounding-Data
PALM：通过感知对齐提升局部视觉-运动策略的泛化能力
机构 * Division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO；robotics(journal_ref)
AI总结 PALM通过感知对齐提升局部视觉-运动策略的泛化能力，有效减少非分布条件下的性能下降。
Journal ref IEEE Robotics and Automation Letters 2026
NuiWorld：探索一个可扩展的端到端可控世界生成框架
机构 * Simon Fraser University（西蒙弗雷泽大学） ； National Yang Ming Chiao Tung University（国家阳明交通大学） ； Simon Fraser University, CIFAR AI Chair, Amii（西蒙弗雷泽大学、CIFAR人工智能主席、Amii）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 NuiWorld通过生成性自bootstrap策略和可扩展场景生成技术，解决世界生成中的可控性、可扩展性和效率问题，实现端到端可控世界生成。
水下图像增强对特征匹配的影响
机构 * Department of Computer Science Swansea University（计算机科学系萨瑟兰大学）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV
AI总结 本文提出了一种评估水下图像增强效果的框架，通过分析增强对特征匹配的影响，验证了其在SLAM算法中的实际应用价值。
ForensicHub: 一个统一的基准与代码库用于所有领域伪造图像检测与定位
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 ForensicHub 提出一个统一的基准与代码库，用于所有领域伪造图像检测与定位，通过模块化架构和配置驱动设计，实现跨领域灵活组合和深入分析。
Comments NeurIPS 2025 DB Track Paper. Code available at: https://github.com/scu-zjz/ForensicHub
图像胜过言语吗？探讨文本误导在VLMs中的影响
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Pennsylvania State University（宾夕法尼亚州立大学） ； New York University（纽约大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； AG2ai, Inc.（AG2ai公司）
专题命中 机器人数据与评测 ：manipulation(abstract)
AI总结 研究探讨了文本误导对视觉-语言模型（VLMs）的影响，发现模型易受误导性文本提示影响，导致性能显著下降。
Comments 24 pages, 10 figures. Accepted at EACL 2026 (main conference)
对机器人中距离场和测地线流的黎曼几何方法
机构 * Idiap Research Institute（Idiap研究机构） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校）
专题命中 其他机器人 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出了一种基于黎曼几何的神经求解器，用于在机器人任务中计算测地线和最短路径，通过无网格隐式表示解决黎曼恩方程，实现对非欧几里得结构的高效建模。
Comments 27 pages, 20 figures. International Journal of Robotics Research (IJRR)
利用四足机器人增强港口工人安全
机构 * Rice Lab, University of Genova（里奇实验室，热那亚大学） ； RAISE Ecosystem（RAISE生态系统） ； Autorità di Sistema Portuale del Mar Ligure Occidentale（利古里亚西海岸港口系统管理局）
专题命中 其他机器人 ：robotics(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出利用四足机器人识别港口关键区域并进行检查，以提升港口工人安全。
可变形四边形模块化机器人的自重构规划
机构 * Institute of AI and Robotics, Academy for Engineering & Technology, Fudan University（人工智能与机器人研究所，工程与技术学院，复旦大学） ； Department of Mechanical Engineering, The Hong Kong Polytechnic University（机械工程系，香港理工大学）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出了一种针对可变形四边形模块化机器人的自重构规划算法，通过虚拟图和依赖性反树实现稳定连接，验证了其在效率和稳定性上的优势。
MODUR：一种模块化双级可重构机器人
机构 * Institute of AI and Robotics, Academy for Engineering & Technology, Fudan University（人工智能与机器人研究院，工程与技术学院，复旦大学） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（科学与工程学院，香港中文大学（深圳）） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院） ； Department of Mechanical Engineering, The Hong Kong Polytechnic University（机械工程系，香港理工大学）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO
AI总结 MODUR是一种具备双级重构能力的模块化机器人，通过紧凑连接器和剪式连杆组实现模块自我重构与基本运动执行。
Journal ref Proceedings of the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 10212-10219
从视频捕获到生产就绪的最后一公里：基于物理的运动细化
专题命中 其他机器人 ：robotics(abstract)
AI总结 本文提出基于物理的运动细化框架，旨在解决视频捕获中物理真实性和生产准备性不足的问题，通过减少手动清理工作提高视觉质量和真实性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈