机器人 / 具身智能

Graph Colouring: A Visual Tour

图着色：视觉之旅

Rhyd Lewis

专题命中 具身导航 ：navigation(abstract)

AI总结 本文通过可视化图表探讨图着色问题，涵盖节点、边和面着色及其算法，提升理论理解与教学效果。

How Fast Can I Run My VLA? Demystifying VLA Inference Performance with VLA-Perf

我如何快速跑动我的VLA？通过VLA-Perf解密VLA推理性能

Wenqi Jiang, Jason Clemons, Karu Sankaralingam, Christos Kozyrakis

机构 * NVIDIA Research（英伟达研究） 纠错

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

AI总结 本文通过VLA-Perf分析VLA模型的推理性能，探讨了模型设计和部署对实时推理的影响，提出了15项关键结论以指导未来VLA系统设计。

Interacting safely with cyclists using Hamilton-Jacobi reachability and reinforcement learning

与骑行者安全交互的框架：利用哈密顿-雅可比可达性分析与强化学习

Aarati Andrea Noronha, Jean Oh

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出结合哈密顿-雅可比可达性分析与深度Q学习的框架，用于实现自动驾驶车辆与骑行者的安全高效交互。

Comments 7 pages. This manuscript was completed in 2020 as part of the first author's graduate thesis at Carnegie Mellon University

Cross-Embodiment Offline Reinforcement Learning for Heterogeneous Robot Datasets

跨体态离线强化学习用于异构机器人数据集

Haruki Abe, Takayuki Osa, Yusuke Mukuta, Tatsuya Harada

机构 * The University of Tokyo（东京大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进情报项目中心） 纠错

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

AI总结 本文提出跨体态离线强化学习方法，通过整合离线强化学习与跨体态学习，提升异构机器人数据集的预训练效果，有效解决次优数据带来的冲突问题。

Comments ICLR 2026

Learning Optimal and Sample-Efficient Decision Policies with Guarantees

学习具有保证的最优和样本高效的决策策略

Daqian Shao

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

AI总结 本文提出了一种样本高效且具有保证的学习方法，用于在存在隐藏混杂因素的情况下学习最优决策策略，并通过实验验证了其在现实决策中的有效性。

Comments A thesis submitted for the degree of DPhil in Computer Science at Oxford

Epistemic Traps: Rational Misalignment Driven by Model Misspecification

知识陷阱：由模型规格不准确驱动的理性偏差

Xingcheng Xu, Jingjing Qu, Qiaosheng Zhang, Chaochao Lu, Yanqing Yang, Na Zou, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文提出主观模型工程，通过设计代理的内部信念结构来实现稳健对齐，揭示安全由认知先验决定而非奖励大小连续函数。

Eye-tracking-Driven Shared Control for Robotic Arms: Wizard of Oz Studies to Assess Design Choices

基于眼动追踪的共享控制机器人手臂：通过巫师奥兹研究评估设计选择

Anke Fischer-Janzen, Thomas M. Wendt, Daniel Görlich, Kristof Van Laerhoven

机构 * Offenburg University of Applied Sciences（奥芬堡应用科学大学） ； University of Siegen（锡根大学） 纠错

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

AI总结 本文通过巫师奥兹研究评估了基于眼动追踪的共享控制设计，旨在提升残疾人与机器人手臂的交互体验和可用性。

Comments Preprint, 23 pages

Journal ref J. Hum.-Robot Interact. (February 2026)

eStonefish-Scenes: A Sim-to-Real Validated and Robot-Centric Event-based Optical Flow Dataset for Underwater Vehicles

eStonefish-Scenes: 一种经过仿真到现实验证且以机器人为中心的基于事件的光学流数据集用于水下车辆

Jad Mansour, Sebastian Realpe, Hayat Rajani, Michele Grimaldi, Rafael Garcia, Nuno Gracias

机构 * Robotics Research Institute (ViCOROB), Universitat de Girona (UdG), Spain 2 School of Engineering \& Physical Sciences, Heriot-Watt University, Edinburgh, UK 纠错

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

AI总结 eStonefish-Scenes是首个针对水下应用的基于事件的光学流合成数据集，结合了仿真生成和现实验证，提升了水下机器人视觉导航的可靠性。

Comments This revised version extends the original, which lacked real-world validation. We added a real-world data acquisition study using a DAVIS346 camera on a BlueROV2, a homography-based ground-truth optical flow method with per-pixel uncertainty estimation, and a sim-to-real evaluation using a ConvGRU network trained on synthetic data and tested on real underwater sequences. arXiv admin note: text overlap with arXiv:2412.09209

Quasi-Periodic Gaussian Process Predictive Iterative Learning Control

准周期高斯过程预测迭代学习控制

Unnati Nigam, Radhendushka Srivastava, Faezeh Marzbanrad, Michael Burke

机构 * IITB-Monash Research Academy, IIT Bombay（IITB-蒙纳士研究学院，IIT博伊斯瓦尔） ； Department of Mathematics, IIT Bombay（数学系，IIT博伊斯瓦尔） ； Department of Electrical and Computer Systems Engineering, Monash University（电气与计算机系统工程系，蒙纳士大学） 纠错

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

AI总结 本文提出一种基于准周期高斯过程的预测迭代学习控制方法，通过高效建模和预测扰动，提升重复性任务的收敛速度和鲁棒性。

SARAH: Spatially Aware Real-time Agentic Humans

SARAH：具有空间意识的实时代理人类

Evonne Ng, Siwei Zhang, Zhang Chen, Michael Zollhoefer, Alexander Richard

机构 * Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 SARAH提出了一种实时、完全因果的方法，实现具有空间意识的对话运动，通过结合因果变换器VAE和流匹配模型，在VR中实现自然的人机交互。

Comments Project page: https://evonneng.github.io/sarah/

Role-Adaptive Collaborative Formation Planning for Team of Quadruped Robots in Cluttered Environments

面向 cluttered 环境的四足机器人团队角色自适应协作形成规划

Magnus Norén, Marios-Nektarios Stamatopoulos, Avijit Banerjee, George Nikolakopoulos

机构 * Robotics and Artificial Intelligence Group, Department of Computer, Electrical and Space Engineering, Lulea University of Technology（机器人与人工智能小组，计算机、电气与航天工程系，卢莱亚理工大学） 纠错

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

AI总结 本文提出了一种适用于 cluttered 环境的四足机器人团队角色自适应协作形成规划方法，通过动态角色分配和 FM2 算法实现灵活导航与稳定形成。

MUOT_3M: A 3 Million Frame Multimodal Underwater Benchmark and the MUTrack Tracking Method

MUOT_3M: 300万帧多模态水下基准及MUTrack跟踪方法

Ahsan Baidar Bakht, Mohamad Alansari, Muhayy Ud Din, Muzammal Naseer, Sajid Javed, Irfan Hussain, Jiri Matas, Arif Mahmood

机构 * Khalifa University（卡利法大学） ； Czech Technical University（捷克技术大学） ； Information Technology University（信息科技大学） 纠错

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

AI总结 MUOT_3M是首个包含300万帧的多模态水下目标跟踪基准，结合MUTrack方法提升水下跟踪性能。

Multi-Modal Monocular Endoscopic Depth and Pose Estimation with Edge-Guided Self-Supervision

多模态单目内窥镜深度与姿态估计与边缘引导自监督学习

Xinwei Ju, Rema Daher, Danail Stoyanov, Sophia Bano, Francisco Vasconcelos

机构 * UCL Hawkes Institute, Department of Computer Science（伦敦大学学院UCL霍克斯研究所、计算机科学系） 纠错

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

AI总结 PRISM通过边缘引导自监督学习，结合解剖学和照明先验知识，提升内窥镜单目深度与姿态估计性能。

Comments 14 pages, 6 figures; early accepted by IPCAI2026

Control of Powered Ankle-Foot Prostheses on Compliant Terrain: A Quantitative Approach to Stability Enhancement

对合规地形上驱动踝足假肢的控制：一种增强稳定性的方法

Chrysostomos Karakasis, Camryn Scully, Robert Salati, Panagiotis Artemiadis

机构 * Mechanical Engineering Department, at the University of Delaware（德克萨斯大学达勒姆分校机械工程系） ； Mechanical Engineering Department, at the Rice University（赖斯大学机械工程系） 纠错

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

AI总结 本研究提出了一种基于顺应性的控制策略，通过动态调整假肢刚度以提高在柔软地面行走的稳定性，从而降低跌倒风险。

Journal ref Actuators 2026, 15, 107

Ori-Sense: origami capacitive sensing for soft robotic applications

Ori-Sense：基于逆Kresling折纸图案的顺应式电容传感用于柔软机器人应用

Hugo de Souza Oliveira, Xin Li, Mohsen Jafarpour, Edoardo Milana

机构 * Department of Microsystems Engineering (IMTEK)（微系统工程系） ； University of Freiburg（弗赖堡大学） 纠错

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

AI总结 Ori-Sense通过逆Kresling折纸结构实现柔软机器人中的电容传感，具有高灵敏度和低刚度的特性，适用于扭矩检测与本体反馈。

Comments 9th IEEE-RAS International Conference on Soft Robotics (RoboSoft 2026)

Tendon-Driven Reciprocating and Non-Reciprocating Motion via Snapping Metabeams

基于 snapping 结构的肌腱驱动的往复与非往复运动

Mohsen Jafarpour, Ayberk Yüksek, Shahab Eshghi, Stanislav Gorb, Edoardo Milana

机构 * Department of Functional Morphology and Biomechanics, Zoological Institute, Kiel University（功能形态与生物力学系，动物学研究所，基尔大学） 纠错

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

AI总结 本研究提出了一种基于螺旋基 metabeams 的肌腱驱动机制，通过调整边界约束实现可控的 snapping 行为，应用于游泳机器人产生高效的非往复运动。

Comments 9th IEEE-RAS International Conference on Soft Robotics (RoboSoft 2026)

Learning Flow Distributions via Projection-Constrained Diffusion on Manifolds

通过流分布的投影约束扩散在流形上进行学习

Noah Trupin, Rahul Ghosh, Aadi Jangid

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

AI总结 本文提出了一种基于投影约束扩散的生成模型，用于在任意障碍几何和边界条件下合成物理上可行的二维不可压缩流，通过结合边界条件扩散模型、物理指导训练目标和几何感知的霍尔次-霍奇算子，实现了对不可压缩流的高效生成。