机器人 / 具身智能

GSR: Learning Structured Reasoning for Embodied Manipulation

GSR：为具身操作学习结构化推理

Kewei Hu, Michael Zhang, Wei Ying, Tianhao Liu, Guoqiang Hao, Zimeng Li, Wanchan Yu, Jiajian Jing, Fangwen Chen, Hanwen Kang

机构 * Klmmotion 纠错

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

AI总结 GSR通过显式建模世界状态演变，提升具身操作中长周期任务的完成能力和零样本泛化性能。

JRDB-Pose3D: A Multi-person 3D Human Pose and Shape Estimation Dataset for Robotics

JRDB-Pose3D: 一个多人群3D人体姿态和形状估计数据集用于机器人

Sandika Biswas, Kian Izadpanah, Hamid Rezatofighi

机构 * Monash University（莫纳什大学） ； Sharif University（沙里夫大学） 纠错

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

AI总结 JRDB-Pose3D数据集通过移动机器人平台捕捉多人群的室内外环境，提供丰富的3D人体姿态和形状注释，用于机器人感知和人机交互等应用。

RDT2: Exploring the Scaling Limit of UMI Data Towards Zero-Shot Cross-Embodiment Generalization

RDT2：探索UMI数据的缩放极限以实现零样本跨具身泛化

Songming Liu, Bangguo Li, Kai Ma, Lingxuan Wu, Hengkai Tan, Xiao Ouyang, Hang Su, Jun Zhu

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 RDT2通过三阶段训练配方实现零样本跨具身泛化，提升机器人在开放词汇任务中的表现

Real-time topology-aware M-mode OCT segmentation for robotic deep anterior lamellar keratoplasty (DALK) guidance

实时拓扑感知的M模式OCT分割用于机器人深前层角膜移植术（DALK）引导

Rosalinda Xiong, Jinglun Yu, Yaning Wang, Ziyi Huang, Jin U. Kang

机构 * Department of Electrical and Computer Engineering, Johns Hopkins University（电气与计算机工程系，约翰霍普金斯大学） 纠错

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

AI总结 本研究提出了一种基于UNeXt的轻量级拓扑感知M模式OCT分割方法，实现超过80 Hz的实时处理速度，提升DALK手术中的深度反馈精度与稳定性。

Structured Self-Consistency:A Multi-Task Evaluation of LLMs on VirtualHome

结构自一致性：基于虚拟家庭的多任务评估

Jiaqi Xu, Tao Huang, Kai Zhang

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

AI总结 本文提出结构自一致性方法，评估两种大型语言模型在虚拟家庭任务中的表现，发现不同模型在不同任务中各有优势。

Evaluating False Alarm and Missing Attacks in CAN IDS

评估CAN入侵检测系统中的误报和遗漏攻击

Nirab Hossain, Pablo Moriano

机构 * Department of Applied Mathematics University of Colorado Boulder（应用数学系科罗拉多大学波德摩尔分校） 纠错

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

AI总结 本文通过评估CAN IDS在对抗性攻击下的性能，揭示了其在误报和遗漏攻击方面的脆弱性，强调了对抗鲁棒性在安全关键汽车系统中的重要性。

Comments 8 pages, 2 figures, and 8 tables

MetaSym: A Symplectic Meta-learning Framework for Physical Intelligence

MetaSym: 一种用于物理智能的辛元学习框架

Pranav Vaidhyanathan, Aristotelis Papatheodorou, Mark T. Mitchison, Natalia Ares, Ioannis Havoutis

机构 * University of Oxford, UK（牛津大学） ； Trinity College Dublin, Ireland（都柏林信任学院） ； King’s College London, UK（伦敦国王学院） 纠错

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

AI总结 MetaSym 通过结合辛编码器和元注意解码器，实现对物理不变量的保护，并在多种现实任务中展现出优越的少样本适应能力。

Comments Published in Transactions on Machine Learning Research (TMLR), 10 + 18 pages, 9 figures, 10 tables

Journal ref Trans. Mach. Learn. Res., 2026

Edge-Optimized Vision-Language Models for Underground Infrastructure Assessment

边缘优化的视觉-语言模型用于地下基础设施评估

Johny J. Lopez, Md Meftahul Ferdaus, Mahdi Abdelguerfi

机构 * Canizaro Livingston Gulf States Center for Environmental Informatics（卡尼扎罗利文斯顿海湾州环境信息中心） ； University of New Orleans（新奥尔良大学） 纠错

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

AI总结 本文提出边缘优化的视觉-语言模型，用于高效生成地下基础设施缺陷的摘要，结合轻量级分割模型与微调VLM，实现资源受限设备上的实时检测与总结。

Correspondence-Free, Function-Based Sim-to-Real Learning for Deformable Surface Control

无需对应的功能基仿真到现实学习用于变形表面控制

Yingjun Tian, Guoxin Fang, Renbo Su, Aoran Lyu, Neelotpal Dutta, Weiming Wang, Simeon Gill, Andrew Weightman, Charlie C. L. Wang

机构 * Department of Mechanical and Aerospace Engineering, The University of Manchester, United Kingdom（机械与航空航天工程系，曼彻斯特大学，英国） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong（机械与自动化工程系，香港中文大学（深圳），香港） ； Department of Materials, The University of Manchester, United Kingdom（材料系，曼彻斯特大学，英国） 纠错

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

AI总结 本文提出一种无需对应的功能基仿真到现实学习方法，用于控制可变形自由形式表面，通过神经网络参数化变形函数空间和置信度图，实现无需对应关系的仿真到现实转移。

Comments arXiv admin note: text overlap with arXiv:2405.08935