机器人 / 具身智能

WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models

WorldArena: 一个用于评估具身世界模型感知与功能效用的统一基准

Yu Shang, Zhuohang Li, Yiding Ma, Weikang Su, Xin Jin, Ziyou Wang, Lei Jin, Xin Zhang, Yinzhou Tang, Haisheng Su, Chen Gao, Wei Wu, Xihui Liu, Dhruv Shah, Zhaoxiang Zhang, Zhibo Chen, Jun Zhu, Yonghong Tian, Tat-Seng Chua, Wenwu Zhu, Yong Li

机构 * Tsinghua University, Beijing, China（清华大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） ； Princeton University, Princeton, NJ, USA（普林斯顿大学） ； Chinese Academy of Sciences, Beijing, China（中国科学院） ； University of Science（科学技术大学） ； Peking University, Beijing, China（北京大学） ； National University of Singapore, Singapore（新加坡国立大学） 纠错

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

AI总结 WorldArena是一个统一的基准，用于评估具身世界模型的感知和功能效用，揭示高视觉质量与强具身任务能力之间的差距。

A New Dataset and Performance Benchmark for Real-time Spacecraft Segmentation in Onboard Computers

一种新的数据集和性能基准用于机载计算机上的实时航天器分割

Jeffrey Joan Sam, Janhavi Sathe, Nikhil Chigali, Naman Gupta, Radhey Ruparel, Yicheng Jiang, Janmajay Singh, James W. Berck, Arko Barman

机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） ； Johnson Space Center, NASA（约翰逊航天中心，美国国家航空航天局） ； Data to Knowledge Lab, Rice University（数据到知识实验室，里士大学） 纠错

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

AI总结 本文提出了一种新的航天器分割数据集和性能基准，通过真实航天器模型和混合背景生成，结合噪声和失真模拟，用于实时机载应用的图像分割挑战测试。

RoboSubtaskNet: Temporal Sub-task Segmentation for Human-to-Robot Skill Transfer in Real-World Environments

RoboSubtaskNet: 人类-机器人技能转移中的时间子任务分割用于现实环境

Dharmendra Sharma, Archit Sharma, John Rebeiro, Vaibhav Kesharwani, Peeyush Thakur, Narendra Kumar Dhar, Laxmidhar Behera

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

AI总结 RoboSubtaskNet通过结合增强注意力的I3D特征和改进的MS-TCN，实现了人类-机器人技能转移中的时间子任务分割，提升了现实环境中的机器人操作性能。

OAT: Ordered Action Tokenization

OAT：有序动作标记化

Chaoqi Liu, Xiaoshen Han, Jiawei Gao, Yue Zhao, Haonan Chen, Yilun Du

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

AI总结 OAT通过有序动作标记化方法，实现高压缩性和因果有序的标记空间，提升机器人动作生成的灵活性和性能。

A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner

信息路径规划的统一实验架构：从仿真到部署的GuadalPlanner

Alejandro Mendoza Barrionuevo, Dame Seck Diop, Alejandro Casado Pérez, Daniel Gutiérrez Reina, Sergio L. Toral Marín, Samuel Yanes Luis

机构 * Department of Electronic Engineering, University of Sevilla（电子工程系，塞维利亚大学） 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 本文提出GuadalPlanner，通过统一架构实现信息路径规划算法在仿真与现实部署间的无缝衔接，支持多种环境和策略，提升算法评估的一致性与可扩展性。

End-to-End LiDAR optimization for 3D point cloud registration

端到端激光雷达优化用于3D点云配准

Siddhant Katyan, Marc-André Gardner, Jean-François Lalonde

机构 * Université Laval（拉瓦尔大学） ； Bentley Systems（贝恩特系统） 纠错

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

AI总结 本文提出端到端自适应激光雷达框架，通过动态调整参数优化点云配准，提升精度与效率，并在CARLA模拟中验证其优于固定参数方法的性能。

Comments 36th British Machine Vision Conference 2025, {BMVC} 2025, Sheffield, UK, November 24-27, 2025. Project page: https://lvsn.github.io/e2e-lidar-registration/

AUDETER: A Large-scale Dataset for Deepfake Audio Detection in Open Worlds

AUDETER：一种大规模深度伪造音频检测数据集用于开放世界

Qizhou Wang, Hanxun Huang, Guansong Pang, Sarah Erfani, Christopher Leckie

机构 * The University of Melbourne（墨尔本大学） ； Singapore Management University（新加坡管理学院） 纠错

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

AI总结 AUDETER是一种大规模深度伪造音频检测数据集，通过课程学习方法提升开放世界检测性能，实现1.87%的EER在野外测试中表现优异。

SQ-CBF: Signed Distance Functions for Numerically Stable Superquadric-Based Safety Filtering

SQ-CBF：基于超二次曲面的安全过滤中的符号距离函数

Haocheng Zhao, Lukas Brunke, Oliver Lagerquist, Siqi Zhou, Angela P. Schoellig

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

AI总结 SQ-CBF通过符号距离函数改进安全过滤，解决隐式函数梯度病态问题，提升机器人在复杂环境中的安全性和效率。

Interpretable Vision Transformers in Monocular Depth Estimation via SVDA

通过SVDA实现单目深度估计中的可解释性视觉变换器

Vasileios Arampatzakis, George Pavlidis, Nikolaos Mitianoudis, Nikos Papamarkos

机构 * Dept. Electrical and Computer Engineering（电子与计算机工程系） ； Democritus University of Thrace（德米特里乌斯大学） ； Athena Research Center（雅典研究中心） ； University Campus at Kimmeria（基米里亚大学校园） 纠错

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

AI总结 SVDA通过引入谱结构化的注意力机制，提升了单目深度估计的可解释性，同时保持了预测精度并降低了计算开销。

Comments 8 pages, 2 figures, submitted to CVPR Conference 2026

RADAR: Benchmarking Vision-Language-Action Generalization via Real-World Dynamics, Spatial-Physical Intelligence, and Autonomous Evaluation

RADAR：通过现实动态、空间-物理智能和自主评估进行视觉-语言-动作泛化基准测试

Yuhao Chen, Zhihao Zhan, Xiaoxin Lin, Zijian Song, Hao Liu, Qinhan Lyu, Yubo Zu, Xiao Chen, Zhiyuan Liu, Tao Pu, Tianshui Chen, Keze Wang, Liang Lin, Guangrun Wang

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Big Data Analysis（广东大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era人工智能实验室） ； Guangdong University of Technology（广东工业大学） 纠错

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

AI总结 RADAR通过现实动态、空间-物理智能和自主评估，系统评估VLA模型在现实环境中的泛化能力，揭示其在物理动态和空间推理上的脆弱性。

Comments 12 pages, 11 figures, 3 tables

See, Plan, Snap: Evaluating Multimodal GUI Agents in Scratch

见、计划、快照：评估Scratch中的多模态GUI代理

Xingyi Zhang, Yulei Ye, Kaifeng Huang, Wenhao Li, Xiangfeng Wang

机构 * Tongji University（同济大学） ； East China Normal University（华东师范大学） 纠错

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

AI总结 本文提出ScratchWorld基准，用于评估多模态GUI代理在Scratch中的程序构建能力，揭示了推理与执行之间的显著差距。

Towards Safe Path Tracking Using the Simplex Architecture

基于简单形架构的安全路径跟踪

Georg Jäger, Nils-Jonathan Friedrich, Hauke Petersen, Benjamin Noack

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

AI总结 本文提出基于简单形架构的路径跟踪控制器，结合强化学习和高保证控制器，以实现安全性和高性能的平衡。

Diffusion posterior sampling for simulation-based inference in tall data settings

扩散后验采样用于高数据设置下的基于模拟的推断

Julia Linhart, Gabriel Victorino Cardoso, Alexandre Gramfort, Sylvain Le Corff, Pedro L. C. Rodrigues

机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化技术研究院） ； CEA（法国原子能委员会） ； CMAP, École Polytechnique（高等理工学院CMAP部门） ； Institut Polytechnique de Paris（巴黎理工 institute） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔INP） ； LJK（格勒诺布尔联合实验室） 纠错

专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.LG

AI总结 本文提出了一种无需兰格-动态步骤的扩散后验采样方法，提高了高数据设置下基于模拟的推断效率和稳定性。

Comments 49 pages, 24 figures, 3 tables, 2 algorithms, 12 appendices, TMLR acceptance