机器人 / 具身智能

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。