机器人 / 具身智能

Unconditional full vector magnetometry using spin selectivity in Nitrogen Vacancy centers in diamond

利用金刚石中氮空位中心的自旋选择性实现无条件全向矢量磁力计

Asier Mongelos-Martinez, Jason Tarunesh Francis, Julia Bertero-DiTella, Geza Giedke, Gabriel Molina-Terriza, Ruben Pellicer-Guridi

专题命中 具身导航 ：navigation(abstract)

AI总结 利用金刚石中氮空位中心的自旋选择性，实现无需外部磁场信息的无条件全向矢量磁力计测量。

Comments 34 pages, 9 figures

Behavioral Indicators of Overreliance During Interaction with Conversational Language Models

交互过程中对语言模型过度依赖的行为指标

Chang Liu, Qinyi Zhou, Xinjie Shen, Xingyu Bruce Liu, Tongshuang Wu, Xiang 'Anthony' Chen

专题命中 具身导航 ：navigation(abstract)

AI总结 研究用户行为模式与语言模型过度依赖的关系，通过交互记录识别五种行为特征以评估依赖程度。

Comments conditionally accepted by ACM CHI 2026

Target Induced Angle Grid Regularized Estimation for Ghost Identification in Automotive Radar

基于目标诱导角度网格正则化的汽车雷达鬼影识别算法

Junho Kweon, Vishal Monga

专题命中 具身导航 ：navigation(abstract)

AI总结 TIGRE算法通过引入物理启发的正则化器，提高低信噪比环境下汽车雷达鬼影目标识别的鲁棒性。

Comments Accepted to the 2025 59th Asilomar Conference on Signals, Systems, and Computers (Session MP5a: Array Processing for mmWave Sensing)

A narrow-linewidth Brillouin laser for a two-photon rubidium frequency standard

用于双光子 rubidium 频率标准的窄线宽布拉格激光

Kyle W. Martin, River Beard, Andrei Isichenko, KaiKai Liu, Seth E. Erickson, Kaleb Campbell, Daniel J. Blumenthal, Sean Krzyzewski

专题命中 具身导航 ：navigation(abstract)

AI总结 本研究提出了一种基于窄线宽 SBS 激光器的双光子 rubidium 频率标准，实现了当前最佳的短期稳定性。

Comments 20 pages, 5 figures

Where Bits Matter in World Model Planning: A Paired Mixed-Bit Study for Efficient Spatial Reasoning

位在世界模型规划中的作用：一种混合位研究以实现高效的空问推理

Suraj Ranganath, Anish Patnaik, Vaishak Menon

机构 * University of California San Diego（加州大学圣地亚哥分校） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本研究通过混合位方法探讨位分配对世界模型规划的影响，发现不同比特分配策略在空间推理中的表现差异显著，提出模块意识和预算意识的量化策略作为未来研究方向。

Comments Workshop submission

The Observer Effect in World Models: Invasive Adaptation Corrupts Latent Physics

世界模型中的观测效应：侵入性适应破坏潜在物理

Christian Internò, Jumpei Yamaguchi, Loren Amdahl-Culleton, Markus Olhofer, David Klindt, Barbara Hammer

机构 * Bielefeld University（比勒菲尔德大学） ； Tokyo Institute of Technology（东京技术大学） ； Simplex, Astera Institute（Simplex，Astera研究所） ； Honda Research Institute EU（本田欧洲研究院） ； Cold Spring Harbor Laboratory（冷泉港实验室） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG

AI总结 研究提出非侵入性评估方法PhyIP，发现低误差下的潜在结构可线性解码，而基于适应的评估会破坏结构，表明低容量探测器更准确。

Affordance-Graphed Task Worlds: Self-Evolving Task Generation for Scalable Embodied Learning

具身学习的可扩展任务生成：基于 affordance 的任务世界

Xiang Liu, Sen Cui, Guocai Yao, Zhong Cao, Jingheng Ma, Min Zhang, Changshui Zhang

专题命中 具身推理 ：robot learning(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出 AGT-World 框架，通过结构化图方法实现任务空间的精确分解，并结合混合反馈机制实现策略的自进化，从而提升机器人任务生成的可扩展性和泛化能力。

JEPA-VLA: Video Predictive Embedding is Needed for VLA Models

视频预测嵌入对于VLA模型是必要的

Shangchen Miao, Ningya Feng, Jialong Wu, Ye Lin, Xu He, Dong Li, Mingsheng Long

机构 * Tsinghua University（清华大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

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

AI总结 JEPA-VLA通过引入视频预训练的预测嵌入，提升VLA模型在机器人任务中的性能和泛化能力。

RM-RL: Role-Model Reinforcement Learning for Precise Robot Manipulation

RM-RL：基于角色模型的强化学习用于精确机器人操控

Xiangyu Chen, Chuhao Zhou, Yuxi Liu, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（马斯实验室，南洋理工大学） 纠错

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

AI总结 RM-RL通过角色模型策略实现精确机器人操控，无需人类示范，提升在线和离线训练效率，实验显示在现实任务中精度显著提升。

A Multi-Fidelity Control Variate Approach for Policy Gradient Estimation

一种多保真度控制变量化法用于策略梯度估计

Xinjie Liu, Cyrus Neary, Kushagra Gupta, Wesley A. Suttle, Christian Ellis, Ufuk Topcu, David Fridovich-Keil

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； The University of British Columbia（不列颠哥伦比亚大学） ； DEVCOM Army Research Laboratory（国防部陆军研究实验室） 纠错

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

AI总结 本文提出一种多保真度控制变量化方法，通过结合稀缺目标环境数据和丰富的低保真度模拟数据，提高策略梯度估计的样本效率和收敛速度，适用于有限高保真度数据但丰富低保真度数据的机器人任务。

The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs

多智能体通信的五个W：谁与谁沟通，何时沟通，沟通什么，为何沟通——从MARL到涌现语言和LLMs的综述

Jingdi Chen, Hanqing Yang, Zongjun Liu, Carlee Joe-Wong

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

AI总结 本文综述了多智能体通信的五个W，探讨了从MARL到涌现语言和LLM的发展，分析了不同范式下的通信设计、权衡与挑战。

Comments Accepted at Transactions on Machine Learning Research (TMLR), 2026

Adaptive Milestone Reward for GUI Agents

自适应里程碑奖励用于GUI代理

Congmin Zheng, Xiaoyun Mo, Xinbei Ma, Qiqiang Lin, Yin Zhao, Jiachen Zhu, Xingyu Lou, Jun Wang, Zhaoxiang Wang, Weiwen Liu, Zhuosheng Zhang, Yong Yu, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院） 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 ADMIRE通过自适应里程碑奖励机制，解决长周期任务中奖励保真度与密度的矛盾，提升GUI代理的成功率和泛化能力。

Thought Purity: A Defense Framework For Chain-of-Thought Attack

思维纯洁性：针对思维链攻击的防御框架

Zihao Xue, Zhen Bi, Long Ma, Zhenlin Hu, Yan Wang, Xueshu Chen, Zhenfang Liu, Kang Zhao, Jie Xiao, Jungang Lou

机构 * Huzhou University（湖州大学） ； Zhejiang Key Laboratory of Intelligent Education Technology and Application（浙江智能教育技术与应用重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 本文提出TP框架，通过整合安全数据管道与强化学习，有效防御思维链攻击，同时保持模型在良性任务上的性能。

EasyMimic: A Low-Cost Framework for Robot Imitation Learning from Human Videos

EasyMimic: 一种低成本的机器人模仿学习框架

Tao Zhang, Song Xia, Ye Wang, Qin Jin

机构 * AIM3 Lab, Renmin University of China（中国人民大学人工智能实验室） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO

AI总结 EasyMimic通过低成本框架实现机器人从人类视频快速学习操控策略，减少对昂贵数据的依赖，推动家庭机器人发展。

Comments icra 2026

Towards Dynamic Quadrupedal Gaits: A Symmetry-Guided RL Hierarchy Enables Free Gait Transitions at Varying Speeds

迈向动态四足步态：基于对称性的强化学习层级实现自由步态转换以适应不同速度

Jiayu Ding, Xulin Chen, Garrett E. Katz, Zhenyu Gan

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

AI总结 本文提出基于对称性的强化学习方法，实现四足机器人在不同速度下的自由步态转换，提升运动适应性。

Comments This work is build on reusing the main novel concept from arXiv:2403.10723. Based on the reviews we accept while submitting this work, we decided to resubmit this work as a replacement of the linked work

Beyond CVaR: Leveraging Static Spectral Risk Measures for Enhanced Decision-Making in Distributional Reinforcement Learning

超越CVaR：利用静态谱风险度量提升分布式强化学习中的决策质量

Mehrdad Moghimi, Hyejin Ku

机构 * Department of Mathematics and Statistics, York University, Toronto, Canada（数学与统计学系，约克大学，多伦多，加拿大） 纠错

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

AI总结 本文提出了一种具有收敛保证的DRL算法，优化更广泛的静态谱风险度量，提升决策质量并优于现有方法。

Comments Accepted at ICML 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:44571-44593, 2025

Exploring Immersive Social-Physical Interaction with Virtual Characters through Coordinated Robotic Encountered-Type Contact

探索通过协调的机器人邂逅型接触进行沉浸式社交-物理交互

Eric Godden, Jacquie Groenewegen, Michael Wheeler, Matthew K. X. J. Pan

机构 * Queen's University（皇后大学） ； York University（约克大学） 纠错

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

AI总结 本文提出了一种通过协调机器人邂逅型接触实现沉浸式社交-物理交互的实验平台，展示了其在虚拟现实中的可行性及应用价值。

Comments 14 pages

Embodied AI Agents for Team Collaboration in Co-located Blue-Collar Work

具身AI代理在协作蓝领工作中的团队协作

Kaisa Vaananen, Niels van Berkel, Donald McMillan, Thomas Olsson

专题命中 人机交互与遥操作 ：embodied AI(title,abstract)

AI总结 本文探讨具身AI代理在蓝领工作场所中促进团队协作与包容性沟通的设计策略与实践挑战。

Comments 4 pages, 1 figure, a short synopsis of this paper has been submitted to CHI 2026 workshop on Embodying Relationships, Designing TUIs for Co-Located Human-Human Dynamics

RLinf-USER: A Unified and Extensible System for Real-World Online Policy Learning in Embodied AI

RLinf-USER: 一个统一且可扩展的系统，用于具身人工智能中的现实世界在线策略学习

Hongzhi Zang, Shu'ang Yu, Hao Lin, Tianxing Zhou, Zefang Huang, Zhen Guo, Xin Xu, Jiakai Zhou, Yuze Sheng, Shizhe Zhang, Feng Gao, Wenhao Tang, Yufeng Yue, Quanlu Zhang, Xinlei Chen, Chao Yu, Yu Wang

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

AI总结 RLinf-USER是一个统一且可扩展的系统，用于现实世界中的在线策略学习，通过统一硬件抽象层和异步框架实现多机器人协调与长时训练。

HoloBrain-0 Technical Report

HoloBrain-0 技术报告

Xuewu Lin, Tianwei Lin, Yun Du, Hongyu Xie, Yiwei Jin, Jiawei Li, Shijie Wu, Qingze Wang, Mengdi Li, Mengao Zhao, Ziang Li, Chaodong Huang, Hongzhe Bi, Lichao Huang, Zhizhong Su

机构 * Horizon Robotics 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 HoloBrain-0 提出了一种融合视觉、语言和动作的框架，通过预训练和后训练范式，在模拟和现实任务中取得领先性能，并开源完整生态系统促进机器人研究。

Comments 32 pages

GAC-KAN: An Ultra-Lightweight GNSS Interference Classifier for GenAI-Powered Consumer Edge Devices

GAC-KAN：一种面向生成式人工智能的超轻量级GNSS干扰分类器

Zhihan Zeng, Kaihe Wang, Zhongpei Zhang, Yue Xiu

机构 * National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（无线通信国家重点实验室，电子科学与技术大学） 纠错

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

AI总结 GAC-KAN是一种面向生成式人工智能的超轻量级GNSS干扰分类器，通过物理引导仿真和轻量级网络设计，在保证高精度的同时显著降低参数量，适用于边缘设备的安全防护。

Learning Physics-Grounded 4D Dynamics with Neural Gaussian Force Fields

基于神经高斯力场的学习物理 grounded 4D 动力学

Shiqian Li, Ruihong Shen, Junfeng Ni, Chang Pan, Chi Zhang, Yixin Zhu

机构 * Institute for AI, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； School of EECS, Peking University（北京大学电子工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Lab of General AI, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室） 纠错

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

AI总结 本文提出神经高斯力场（NGFF），通过结合3D高斯感知与物理动力学建模，从多视角RGB输入生成交互式、物理真实的4D视频，提升视频预测的物理 grounded 性。

Comments 43 pages, ICLR 2026

Few-Shot Design Optimization by Exploiting Auxiliary Information

通过利用辅助信息进行少样本设计优化

Arjun Mani, Carl Vondrick, Richard Zemel

机构 * Department of Computer Science, Columbia University, New York, New York, USA（计算机科学系，哥伦比亚大学） 纠错

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

AI总结 本文提出了一种利用辅助信息进行少样本设计优化的方法，通过神经模型预测未见过的设计，提升了设计任务的优化效率。

Temporally Unified Adversarial Perturbations for Time Series Forecasting

时间统一对抗扰动用于时间序列预测

Ruixian Su, Yukun Bao, Xinze Zhang

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

AI总结 本文提出时间统一对抗扰动方法，通过时间一致性约束和梯度累积方法提升时间序列预测模型的对抗攻击效果。

One Demo Is All It Takes: Planning Domain Derivation with LLMs from A Single Demonstration

一个演示就足够：从单个演示中利用LLM进行规划域推导

Jinbang Huang, Yixin Xiao, Zhanguang Zhang, Mark Coates, Jianye Hao, Yingxue Zhang

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； McGill University（麦吉尔大学） 纠错

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

AI总结 PDDLLM通过结合LLM推理与物理模拟，从单个演示中自动推导规划域，提升长时间跨度任务规划的自动化与可靠性。

Comments Published as a conference paper at ICLR 2026

Human-Like Gaze Behavior in Social Robots: A Deep Learning Approach Integrating Human and Non-Human Stimuli

社交机器人中类人目光行为：一种整合人类和非人类刺激的深度学习方法

Faezeh Vahedi, Morteza Memari, Ramtin Tabatabaei, Alireza Taheri

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

AI总结 本研究通过深度学习方法，使社交机器人在各种社交情境中更准确地模仿人类目光行为，提升与人类的互动效果。