视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
学习展开布料：将世界模型扩展到可变形物体操控
机构 * University of Edinburgh（爱丁堡大学）
专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出了一种基于改进的DreamerV2架构，在空中操控不同布料，通过改进模型结构和数据增强策略，提升对可变形物体操控的泛化能力。
Comments 8 pages, 5 figures, 3 tables
EgoScale：利用多样化的视点人类数据进行规模化灵巧操作
机构 * NVIDIA ； University of California, Berkeley（加州大学伯克利分校） ； University of Maryland（马里兰大学）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 EgoScale通过大规模视点人类数据训练视觉语言动作模型，实现高效的灵巧操作转移，提升机器人任务成功率54%。
具身3D场景图用于开放世界移动操作
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出MoMa-SG框架，通过语义-运动学3D场景图实现开放世界移动操作中物体的稳健交互与操控。
AMBER：一种可 tether 部署的抓取爬行器，配备顺应性微刺，用于树冠操作
机构 * eAviation Laboratory, TUM School of Engineering and Design（eAviation实验室，技术大学工程与设计学院） ； Laboratory of Sustainability Robotics, EMPA（可持续机器人实验室，EMPA） ； Laboratory of Sustainability Robotics, EPFL（可持续机器人实验室，瑞士联邦理工学院） ； Aerial Robotics Laboratory, Imperial College London（空域机器人实验室，伦敦帝国理工学院） ； Bristol University（布里斯托大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 AMBER是一种可空中部署的抓取爬行器，利用顺应性微刺轨道和双轨道旋转夹具，在树冠中实现自适应移动和操作，具备低功耗、高机动性的特点。
从人类反馈中学习个性化代理
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Princeton University（普林斯顿大学） ； Duke University（杜克大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 PAHF通过整合显式记忆与双反馈通道，实现持续个性化，显著提升学习速度和适应能力。
多轮对话中的视觉记忆注入攻击
机构 * Tübingen AI Center, University of Tübingen, Germany（图宾根人工智能中心，图宾根大学，德国）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 本文提出一种多轮对话中的视觉记忆注入攻击，通过操控用户输入实现隐蔽的信息操控，展示了对大视觉-语言模型的安全威胁。
在约束和干扰下的系统辨识：一种贝叶斯估计方法
机构 * Robot Motor Intelligence (RoMI) Lab, Heriot-Watt University, U.K.（机器人运动智能实验室，赫瑞-沃森大学） ； Informatics School, University of Edinburgh, U.K.（信息学院，爱丁堡大学）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出了一种贝叶斯估计方法，用于高精度联合估计机器人状态轨迹和物理参数，通过引入物理一致的约束和能量观测，提升了系统辨识的准确性和鲁棒性。
增强型R-CUBE机制在颈椎手术中的优化
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 本文提出了一种增强型R-CUBE机制用于颈椎手术，通过改进的连杆实现额外旋转运动，优化了钻孔轨迹以提高动力学性能。
Journal ref the 9th International Workshop on Medical and Service Robots (MESROB), Jul 2025, Poitiers, France. pp.82-91
隐于 plain sight：从移动数据中检测非法按摩业
专题命中 机器人操作 ：manipulation(abstract)
AI总结 通过移动数据识别非法按摩业，利用正样本无标签学习提升检测精度，发现高风险特征并支持执法优先级决策
Comments 37 pages, 8 figures, 9 tables
层间Dzyaloshinskii-Moriya相互作用对磁双扭丝状体形状和动力学的影响
专题命中 机器人操作 ：manipulation(abstract)
AI总结 层间Dzyaloshinskii-Moriya相互作用影响磁双扭丝状体的形状和动力学，通过改变自旋构型和螺旋性实现对涡旋速度和Hall角的调控。
Journal ref npj Spintronics 4, 8 (2026)
ReasonNavi: 人类启发的全局地图推理用于零样本具身导航
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Dartmouth College（达特茅斯学院）
专题命中 具身导航 ：navigation(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.CV
AI总结 ReasonNavi通过结合多模态大语言模型与确定性规划器，实现人类启发的全局地图推理，提供无需微调的零样本具身导航解决方案。
Comments 18 pages, 6 figures, Project page: https://reasonnavi.github.io/
EdgeNav-QE: QLoRA量化与动态提前退出用于边缘设备上的基于LAM的导航
机构 * Guangzhou University（广州大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI
AI总结 EdgeNav-QE通过QLoRA量化和动态提前退出机制优化LAMs在边缘设备上的实时导航性能，显著降低延迟和内存占用，同时保持高导航成功率。
通过可重照明的3D高斯点散布实现森林中的零样本无人机导航
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出一种基于可重照明3D高斯点散布的端到端强化学习框架，实现无人机在复杂森林环境中的零样本导航，具备对光照变化的强鲁棒性。
Comments 12 pages, 8 figures
在轨演示X射线脉冲星导航与NinjaSat
专题命中 具身导航 ：navigation(title,abstract)
AI总结 NinjaSat在轨验证了X射线脉冲星导航可行性，通过优化轨道参数提升脉冲轮廓显著性，实现了高精度定位。
Comments 22 pages, 9 figures, accepted for publication in JATIS
Journal ref Journal of Astronomical Telescopes, Instruments, and Systems 12, 018002 (2026)
GPSBench: 大型语言模型是否理解GPS坐标？
机构 * University of Melbourne（墨尔本大学）
专题命中 具身导航 ：robotics(abstract)；navigation(abstract)；分类 cs.AI
AI总结 GPSBench通过评估14种LLMs在地理空间推理中的表现，揭示了其在GPS坐标理解和现实地理推理上的挑战与差异。
语言与经验：复杂任务中的社会学习计算模型
机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind）
专题命中 具身导航 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种计算模型，通过结合语言指导与直接经验，模拟复杂任务中的社会学习过程，并展示了人类与模型之间的知识传递机制。
Comments Code: github.com/ccolas/language_and_experience Demo: cedriccolas.com/demos/language_and_experience
Journal ref ICLR 2026; CogSci 2025
基于深度学习的实时目标检测研究
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； GITAM University（GITAM大学） ； India（印度）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV、cs.LG
AI总结 本文研究了基于深度学习的实时目标检测方法，分析了多种算法及其在不同领域的应用，并通过实验比较了不同策略的效果。
Comments 34 pages, 18 figures
PredMapNet: 未来与历史推理用于一致的在线高精度向量地图构建
机构 * Lehigh University（莱维大学） ； Honda Research Institute USA（本田美国研究院）
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 PredMapNet通过结合地图实例跟踪和短期预测，实现一致的在线高精度向量地图构建，提升时间连续性和地图构建的稳定性。
Comments WACV 2026
通过自然语言反馈提升交互式上下文学习
机构 * Google DeepMind（谷歌DeepMind）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 本研究提出一种框架，通过自然语言反馈提升模型交互式上下文学习能力，使模型在多轮交互中表现更优，并具备自我纠正能力。
自动化评估肾输尿管镜探索用于训练
专题命中 具身导航 ：navigation(abstract)；分类 cs.CV
AI总结 本文提出了一种基于输尿管镜视频的自动定位框架，用于假体肾探索的自动化评估和反馈，从而实现无需专家监督的非手术室培训。
运动模式转换：应对下肢外骨骼系统和用户特定变异
机构 * REHAssist Group, EPFL（EPFL 集团） ； Department of Mechanical Engineering, Politecnico di Milano（米兰理工学院机械工程系） ； BioRobotics Laboratory (BioRob), EPFL（EPFL 生物机器人实验室） ； Robotics and InteractionS Team, LAAS-CNRS（LAAS-CNRS 机器人与交互团队） ； Translational Neural Engineering Laboratory (TNE), EPFL（EPFL 转化神经工程实验室）
专题命中 具身导航 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出两种方法，通过统计和贝叶斯优化提升下肢外骨骼运动模式转换检测精度，提高80%的准确性，强调个性化在自适应控制中的重要性。
Comments 10 pages, 11 figures
超稳定双轴立方腔的建模与分析：用于地面和空间应用的机械与热响应
专题命中 具身导航 ：navigation(abstract)
AI总结 本文通过有限元分析研究了7.5厘米双轴立方腔的机械与热稳定性，为开发鲁棒的双轴光学参考腔提供设计见解，推动便携原子钟在PNT、大地测量、VLBI和深空任务中的应用。
Comments Himanshu Miriyala and Rishabh Pal contributed equally to this work
终用户验证BRIGHT的定制开发图形用户界面应用于宫颈癌近距离治疗
专题命中 具身导航 ：navigation(abstract)
AI总结 BRIGHT结合定制GUI在宫颈癌近距离治疗中表现出色，优于临床实践五例，用户友好且高效。
RoboSpatial: 教授机器人2D和3D视觉-语言模型空间理解能力
机构 * The Ohio State University（俄亥俄州立大学） ； NVIDIA（英伟达）
专题命中 具身推理 ：robotics(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 RoboSpatial通过构建大规模空间理解数据集，提升机器人2D和3D视觉-语言模型的空间推理能力。
Comments CVPR 2025 (Oral); Project Website: https://chanh.ee/RoboSpatial
SurgRAW：基于链式推理的多智能体工作流用于机器人手术视频分析
机构 * National University of Singapore（国立新加坡大学） ； Bioinformatics Institute (BII), Agency for Science, Technology and Research (A*STAR)（生物信息研究所（BII），科技研究局（A*STAR）） ； Wellcome/EPSRC Centre for Interventional and Surgical Sciences (WEISS) and the Department of Medical Physics and Biomedical Engineering, University College London（Wellcome/EPSRC介入与外科科学中心（WEISS）及伦敦大学学院医学物理与生物医学工程系）
专题命中 具身推理 ：robotic(title,abstract)；分类 cs.RO、cs.AI；robotics(journal_ref)
AI总结 SurgRAW通过基于链式推理的多智能体工作流，在机器人手术视频分析中实现零样本多任务推理，提升准确性和临床相关性。
Journal ref IEEE Robotics and Automation Letters, 2026, pp. 1-8
自主检测机器人的世界模型故障分类与异常检测
机构 * Stanford University（斯坦福大学） ； Field AI
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 本文提出了一种结合监督分类与异常检测的混合框架，用于自主检测任务中的故障分类和异常检测，实现了超过90%的准确率。
EarthSpatialBench: 多模态大语言模型在地球影像上空间推理能力的基准测试
机构 * University of Florida（佛罗里达大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校）
专题命中 具身推理 ：embodied AI(abstract)；分类 cs.AI、cs.CV
AI总结 EarthSpatialBench是一个用于评估多模态大语言模型在地球影像上空间推理能力的综合基准测试，涵盖空间距离、方向、拓扑关系及复杂几何查询。
图论均值场子采样用于协作异质多智能体强化学习
机构 * California Institute of Technology（加州理工学院） ； Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 GMFS通过子采样异质智能体交互，实现可扩展的协作多智能体强化学习，具有poly(κ)样本复杂度和O(1/√κ)最优性差距。
Comments 43 pages, 5 figures, 1 table
BPP: 通过聚焦关键历史帧实现长上下文机器人模仿学习
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Google DeepMind（谷歌DeepMind）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 BPP通过聚焦关键历史帧，提升机器人模仿学习在长上下文任务中的表现，成功率达70%。
HACTS: 一种用于机器人学习的人机协作远程操控系统
机构 * Beijing Innovation Center of Humanoid Robotics（人形机器人创新中心） ； Beijing Institute of Technology（北京理工大学）
专题命中 人机交互与遥操作 ：robot learning(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 HACTS通过双向实时同步机制提升机器人学习效率，实现人机协作与数据收集的高效交互
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈