机器人 / 具身智能

Recurrent-Depth VLA: Implicit Test-Time Compute Scaling of Vision-Language-Action Models via Latent Iterative Reasoning

递归深度VLA：通过潜在迭代推理实现视觉-语言-动作模型的隐式测试时计算扩展

Yalcin Tur, Jalal Naghiyev, Haoquan Fang, Wei-Chuan Tsai, Jiafei Duan, Dieter Fox, Ranjay Krishna

机构 * Stanford University（斯坦福大学） ； Technical University of Munich（慕尼黑技术大学） ； University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） 纠错

专题命中 机器人基础模型 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 RD-VLA通过潜在迭代推理实现视觉-语言-动作模型的隐式测试时计算扩展，提供恒定内存使用和高达80倍的推理加速。

Comments 11 Pages, Project page:https://rd-vla.github.io/

GrndCtrl: Grounding World Models via Self-Supervised Reward Alignment

GrndCtrl: 通过自监督奖励对齐实现世界模型的 grounding

Haoyang He, Jay Patrikar, Dong-Ki Kim, Max Smith, Daniel McGann, Ali-akbar Agha-mohammadi, Shayegan Omidshafiei, Sebastian Scherer

专题命中 模仿学习与强化学习 ：world model(title,abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 GrndCtrl通过自监督奖励对齐提升世界模型的几何 grounding，实现更稳定的空间一致性与导航性能。

A Review of Online Diffusion Policy RL Algorithms for Scalable Robotic Control

在线扩散策略强化学习算法综述：可扩展机器人控制

Wonhyeok Choi, Shutong Ding, Minwoo Choi, Jungwan Woo, Kyumin Hwang, Jaeyeul Kim, Ye Shi, Sunghoon Im

机构 * Daegu Gyeongbuk Institute of Science and Technology（大邱庆尚科学技术院） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文综述了在线扩散策略强化学习算法，分析了其在可扩展机器人控制中的性能、挑战及未来发展方向。

WorldCompass: Reinforcement Learning for Long-Horizon World Models

WorldCompass：用于长周期世界模型的强化学习

Zehan Wang, Tengfei Wang, Haiyu Zhang, Xuhui Zuo, Junta Wu, Haoyuan Wang, Wenqiang Sun, Zhenwei Wang, Chenjie Cao, Hengshuang Zhao, Chunchao Guo, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯混元） ； The University of Hong Kong（香港大学） 纠错

专题命中 模仿学习与强化学习 ：world model(title,abstract)；分类 cs.CV

AI总结 WorldCompass通过三种创新提升长周期世界模型的交互准确性和视觉保真度。

Comments Project page: \url{https://3d-models.hunyuan.tencent.com/world/}

Knowledge-Centric Metacognitive Learning

以知识为中心的元认知学习

Arun Kumar, Paul Schrater

机构 * Dept. of Computer Science University of Minnesota, Twin Cities（计算机科学系明尼苏达大学双城分校） ； Depts. of Computer Science and Psychology University of Minnesota, Twin Cities（计算机科学与心理学系明尼苏达大学双城分校） 纠错

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

AI总结 本文提出了一种以知识为中心的元认知学习框架，通过自然抽象、知识引导交互和交互组合来提升人工智能系统的智能和适应性行为能力。

Learning in Context, Guided by Choice: A Reward-Free Paradigm for Reinforcement Learning with Transformers

在情境中学习，由选择引导：一种无奖励的强化学习与Transformer的范式

Juncheng Dong, Bowen He, Moyang Guo, Ethan X. Fang, Zhuoran Yang, Vahid Tarokh

机构 * Department of Electrical and Computer Engineering, Duke University, Durham, US（电子工程系，杜克大学，达勒姆，美国） ； Department of Computer Science, Duke University, Durham, US（计算机科学系，杜克大学，达勒姆，美国） ； Department of Biostatistics and Bioinformatics, Duke University, Durham, US（生物统计学与生物信息学系，杜克大学，达勒姆，美国） ； Department of Statistics and Data Science, Yale University, New Haven, US（统计学与数据科学系，耶鲁大学，纽 Haven，美国） 纠错

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出ICPRL范式，通过仅使用偏好反馈实现无奖励的强化学习，适用于奖励难以获取的场景，实验显示其在连续控制等任务中性能接近传统ICRL方法。

Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories

基于阻抗的运动规划与视觉引导初始化用于自动驾驶实验室中的机械臂

Shifa Sulaiman, Tobias Jensen, Francesco Schetter, Simon Bøgh

机构 * Department of Electronics Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, Università degli Studi di Napoli Federico II（信息科技与电气工程系，那不勒斯费迪里奇二世大学） 纠错

专题命中 人机交互与遥操作 ：robotic(title,abstract)；manipulation(abstract)；分类 cs.RO

AI总结 本文提出了一种基于阻抗控制的运动规划方法，结合视觉引导初始化，实现机械臂在自动驾驶实验室中的自适应和安全操作。

Decentralized Intent-Based Multi-Robot Task Planner with LLM Oracles on Hyperledger Fabric

基于Hyperledger Fabric的去中心化意图多机器人任务规划器与LLM预言机

Farhad Keramat, Salma Salimi, Tomi Westerlund

专题命中 人机交互与遥操作 ：embodied AI(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出基于Hyperledger Fabric的去中心化多机器人任务规划器，结合LLM预言机与新聚合方法，实现意图分解与多机器人协调。

Virtual Community: An Open World for Humans, Robots, and Society

虚拟社区：人类、机器人与社会的开放世界

Qinhong Zhou, Hongxin Zhang, Xiangye Lin, Zheyuan Zhang, Yutian Chen, Wenjun Liu, Zunzhe Zhang, Sunli Chen, Lixing Fang, Qiushi Lyu, Xinyu Sun, Jincheng Yang, Zeyuan Wang, Bao Chi Dang, Zhehuan Chen, Daksha Ladia, Quang Vinh Dang, Jiageng Liu, Chuang Gan

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； CMU（卡内基梅隆大学） 纠错

专题命中 人机交互与遥操作 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 虚拟社区是一个开放世界平台，旨在研究人类与机器人共存的社会智能，通过多智能体模拟和大规模社区生成，提出两个新挑战以探索开放世界中的协作与规划能力。

Comments website https://virtual-community-ai.github.io/

Bridging Speech, Emotion, and Motion: a VLM-based Multimodal Edge-deployable Framework for Humanoid Robots

弥合语音、情感与运动：一种基于视觉语言模型的多模态边缘可部署框架用于人形机器人

Songhua Yang, Xuetao Li, Xuanye Fei, Mengde Li, Miao Li

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

专题命中 人机交互与遥操作 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出SeM$^2$框架，通过多模态感知、思维链推理和语义序列对齐机制，实现情感一致的多模态交互，提升人形机器人在现实环境中的社交表达能力。

From Raw Data to Shared 3D Semantics: Task-Oriented Communication for Multi-Robot Collaboration

从原始数据到共享的3D语义：面向任务的多机器人协作通信

Ruibo Xue, Jiedan Tan, Fang Liu, Jingwen Tong, Taotao Wang, Shuoyao Wang

专题命中 人机交互与遥操作 ：navigation(abstract)

AI总结 本文提出了一种去中心化的面向任务的语义通信框架，通过轻量级网络提取任务相关的3D语义，实现多机器人协作中的高效通信与任务执行。

VirtualEnv: A Platform for Embodied AI Research

VirtualEnv: 一个用于具身AI研究的平台

Kabir Swain, Sijie Han, Ayush Raina, Jin Zhang, Shuang Li, Michael Stopa, Antonio Torralba

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

AI总结 VirtualEnv是一个基于Unreal Engine 5的开源平台，用于评估LLM在具身和交互场景中的能力，支持多智能体协作和程序生成任务，旨在推动AI与游戏的交叉研究。

CHAI: Command Hijacking against embodied AI

CHAI：针对具身AI的命令劫持

Luis Burbano, Diego Ortiz, Qi Sun, Siwei Yang, Haoqin Tu, Cihang Xie, Yinzhi Cao, Alvaro A Cardenas

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 CHAI是一种针对具身AI的物理环境间接提示注入攻击，通过嵌入误导性自然语言指令，利用多模态语言解释能力，有效提升了攻击性能，凸显了对传统对抗鲁棒性之外的防御需求。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore

Learning Human-Like Badminton Skills for Humanoid Robots

为人类机器人学习人类般的羽毛球技能

Yeke Chen, Shihao Dong, Xiaoyu Ji, Jingkai Sun, Zeren Luo, Liu Zhao, Jiahui Zhang, Wanyue Li, Ji Ma, Bowen Xu, Yimin Han, Yudong Zhao, Peng Lu

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

AI总结 本文提出Imitation-to-Interaction框架，通过强化学习使机器人从模仿者发展为具备击球能力的智能体，实现了拟人化羽毛球技能的模拟到现实的零样本迁移。

Comments 10 pages, 4 figures

Contact-Anchored Policies: Contact Conditioning Creates Strong Robot Utility Models

接触锚定策略：接触条件创造强大的机器人效用模型

Zichen Jeff Cui, Omar Rayyan, Haritheja Etukuru, Bowen Tan, Zavier Andrianarivo, Zicheng Teng, Yihang Zhou, Krish Mehta, Nicholas Wojno, Kevin Yuanbo Wu, Manan H Anjaria, Ziyuan Wu, Manrong Mao, Guangxun Zhang, Binit Shah, Yejin Kim, Soumith Chintala, Lerrel Pinto, Nur Muhammad Mahi Shafiullah

机构 * New York University（纽约大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Hello Robot Inc.（Hello Robot公司） ； Ai2 ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 接触锚定策略通过接触条件实现强大的机器人效用模型，仅用23小时演示数据即在三种基本操作技能上实现跨环境泛化，并在零样本评估中超越现有最先进方法56%。

Informative Object-centric Next Best View for Object-aware 3D Gaussian Splatting in Cluttered Scenes

信息丰富的基于对象的下一步最佳视角用于对象感知的3D高斯散射在杂乱场景中

Seunghoon Jeong, Eunho Lee, Jeongyun Kim, Ayoung Kim

机构 * Interdisciplinary Program in Artificial Intelligence, SNU（人工智能交叉学科项目，SNU） ； Dept. of Mechanical Engineering, SNU（机械工程系，SNU） 纠错

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

AI总结 本文提出了一种基于对象的下一步最佳视角策略，通过利用对象特征提升3D高斯散射在杂乱场景中的重建鲁棒性，实验表明深度误差显著降低。

Comments 9 pages, 8 figures, 4 tables, accepted to ICRA 2026

StreamVLA: Breaking the Reason-Act Cycle via Completion-State Gating

StreamVLA: 通过完成状态门控打破原因-行动循环

Tongqing Chen, Hang Wu, Jiasen Wang, Xiaotao Li, Lu Fang

机构 * Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑技术大学） ； Shanghai University（上海大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 StreamVLA通过完成状态门控机制，实现高效机器人操作，减少推理延迟并提升任务成功率。

Stateless Yet Not Forgetful: Implicit Memory as a Hidden Channel in LLMs

无状态却非遗忘：隐式记忆作为LLM中的隐藏通道

Ahmed Salem, Andrew Paverd, Sahar Abdelnabi

机构 * Microsoft Security Response Center (MSRC)（微软安全响应中心） ； ELLIS Institute Tübingen and MPI for Intelligent Systems（图宾根ELLIS研究所和智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） 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 研究提出隐式记忆机制，使LLM在无显式存储的情况下通过输出编码信息实现跨交互状态传递，展示其在时间炸弹等安全问题中的应用及影响。

Comments Accepted at IEEE SaTML 2026

MomaGraph: State-Aware Unified Scene Graphs with Vision-Language Model for Embodied Task Planning

MomaGraph: 体感任务规划中的状态感知统一场景图

Yuanchen Ju, Yongyuan Liang, Yen-Jen Wang, Nandiraju Gireesh, Yuanliang Ju, Seungjae Lee, Qiao Gu, Elvis Hsieh, Furong Huang, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Toronto（多伦多大学） 纠错

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

AI总结 MomaGraph通过统一场景图与强化学习模型，实现家庭环境中体感任务规划的高效任务规划与场景理解。

Comments 25 pages, 10 figures. Project page:https://hybridrobotics.github.io/MomaGraph/

Realistic Synthetic Household Data Generation at Scale

大规模生成逼真合成家庭数据

Siddharth Singh, Ifrah Idrees, Abraham Dauhajre

机构 * Siddharth Singh（1 西雅图） 纠错

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

AI总结 本文提出了一种大规模生成逼真合成家庭数据的方法，通过松耦合生成人机交互与环境数据，实现双向影响建模，提升家庭智能设备的开发与测试能力。

Comments Accepted at Agentic AI Benchmarks and Applications for Enterprise Tasks workshop at AAAI 2026

WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark

WorldEdit: 向开放世界图像编辑迈进的基于知识的基准

Wang Lin, Feng Wang, Majun Zhang, Wentao Hu, Tao Jin, Zhou Zhao, Fei Wu, Jingyuan Chen, Alan Yuille, Sucheng Ren

机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 WorldEdit通过引入基于知识的基准，提升模型在开放世界图像编辑中对隐式指令的理解和处理能力。

Parallel Simulation of Contact and Actuation for Soft Growing Robots

并行模拟接触与驱动用于软生长机器人

Yitian Gao, Lucas Chen, Priyanka Bhovad, Sicheng Wang, Zachary Kingston, Laura H. Blumenschein

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Department of Mechanical Engineering, Purdue University（机械工程系，普渡大学） 纠错

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

AI总结 本文提出了一种统一建模框架，用于并行模拟软生长机器人在接触与驱动下的生长、弯曲和导航，通过设计优化减少驱动器数量并提升环境适应性。

Comments 37 pages, 12 figures, 2 tables. To appear in Soft Robotics

DAS-SK: An Adaptive Model Integrating Dual Atrous Separable and Selective Kernel CNN for Agriculture Semantic Segmentation

DAS-SK：一种集成双空洞分离和选择性核的自适应模型用于农业语义分割

Mei Ling Chee, Thangarajah Akilan, Aparna Ravindra Phalke, Kanchan Keisham

机构 * Electrical & Computer Engineering Department of Lakehead University（拉夫莱德大学电气与计算机工程系） ； Faculty of Software Engineering of Lakehead University（拉夫莱德大学软件工程系） ； Faculty of Applied Science of the University of Alabama（阿拉巴马大学应用科学系） ； School of Computer Science Engineering and Information Systems, Vellore Institute of Technology（维洛雷理工学院计算机科学工程与信息系统学院） 纠错

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

AI总结 DAS-SK通过集成双空洞分离和选择性核卷积，实现高效农业语义分割，优于现有模型。

Comments 13 pages

An Adaptive Inspection Planning Approach Towards Routine Monitoring in Uncertain Environments

一种面向不确定环境常规监测的自适应检查规划方法

Vignesh Kottayam Viswanathan, Yifan Bai, Scott Fredriksson, Sumeet Satpute, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI, Luleå University of Technology（机器人与人工智能，卢勒奥技术大学） 纠错

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

AI总结 本文提出了一种分层框架，用于在不确定环境中通过自适应检查规划实现常规监测。

Comments Accepted to ICRA 2026

Quantization-aware Photonic Homodyne computing for Accelerated Artificial Intelligence and Scientific Simulation

量化感知的光子同向计算用于加速人工智能和科学模拟

Lian Zhou, Kaiwen Xue, Amirhossein Fallah, Lijin Liu, Chun-Ho Lee, Kiwon Kwon, Clayton Cheung, Yuan Li, Yue Yu, Yun-Jhu Lee, Songlin Zhao, Ryan Hamerly, Edo Waks, Dirk Englund, Constantine Sideris, Mengjie Yu, Zaijun Chen

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本研究提出一种量化感知的光子同向计算框架，利用光子技术实现高精度、高速度的AI和物理模拟计算，显著提升计算效率和精度。

tmQM-RDF Dataset: a Knowledge Graph Representing Transition Metal Complexes

tmQM-RDF数据集：一种表示过渡金属配合物的知识图谱

Luca Cibinel, Trond Linjordet, Johan Pensar, David Balcells, Riccardo De Bin, Basil Ell

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 tmQM-RDF数据集通过构建知识图谱，为过渡金属配合物的研究提供丰富的定量和定性信息，支持高效的分析和处理任务。

Comments 64 pages, 13 figures

Reliability-aware Execution Gating for Near-field and Off-axis Vision-guided Robotic Alignment

面向近场和偏轴视觉引导机器人对齐的可靠性执行门控

Ning Hu, Senhao Cao, Maochen Li

专题命中 其他机器人 ：robotic(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出一种可靠性意识的执行门控机制，用于提升近场和偏轴视觉引导机器人对齐任务的执行可靠性。

Comments 7 pages, 1 figure

ARGOS: Automated Functional Safety Requirement Synthesis for Embodied AI via Attribute-Guided Combinatorial Reasoning

ARGOS：通过属性引导的组合推理实现具身AI的自动功能安全需求合成

Dongsheng Chen, Yuxuan Li, Yi Lin, Guanhua Chen, Jiaxin Zhang, Xiangyu Zhao, Lei Ma, Xin Yao, Xuetao Wei

机构 * Southern University of Science and Technology, Shenzhen, China（南方科技大学, 深圳, 中国） ； City University of Hong Kong, Hong Kong, China（香港城市大学, 香港, 中国） ； The University of Tokyo, Tokyo, Japan（东京大学, 东京, 日本） ； Lingnan University, Hong Kong, China（岭南大学, 香港, 中国） 纠错

专题命中 其他机器人 ：embodied AI(title,abstract)；分类 cs.RO

AI总结 ARGOS通过属性引导的组合推理，实现具身AI自动功能安全需求生成，提升开放环境中的安全性和可靠性。

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

生成对抗事件：一种运动感知点云框架

Hongwei Ren, Youxin Jiang, Qifei Gu, Xiangqian Wu

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。

SafeLink: Safety-Critical Control Under Dynamic and Irregular Unsafe Regions

SafeLink: 在动态和不规则不安全区域下的安全关键控制

Songqiao Hu, Zidong Wang, Zeyi Liu, Zhen Shen, Xiao He

机构 * Department of Automation, and the Institute for Embodied Intelligence and Robotics, Tsinghua University（自动化系，以及 embodied intelligence and robotics 研究所，清华大学） ； Department of Computer Science, Brunel University London（计算机科学系，布鲁内尔大学伦敦分校） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Beijing Engineering Research Center of Intelligent Systems and Technology, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，北京智能系统与技术工程研究中心，中国科学院自动化研究所） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO

AI总结 SafeLink通过成本敏感的增量随机向量函数链接神经网络，实现动态和不规则不安全区域下的安全关键控制，提升系统安全性和计算效率。

Comments 12 pages, 7 figures