机器人 / 具身智能

UniFuture: A 4D Driving World Model for Future Generation and Perception

UniFuture: 一个面向未来生成与感知的4D驾驶世界模型

Dingkang Liang, Dingyuan Zhang, Xin Zhou, Sifan Tu, Tianrui Feng, Xiaofan Li, Yumeng Zhang, Mingyang Du, Xiao Tan, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Baidu Inc.（百度公司） 纠错

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

AI总结 UniFuture通过统一4D建模提升自动驾驶中的未来生成与几何感知能力。

Comments Accepted by ICRA 2026

Code World Models for Parameter Control in Evolutionary Algorithms

用于进化算法参数控制的代码世界模型

Camilo Chacón Sartori, Guillem Rodríguez Corominas

机构 * ICN2 -- Catalan Institute of Nanoscience ； Nanotechnology, Barcelona, Spain Artificial Intelligence Research Institute (IIIA-CSIC), Barcelona, Spain Universitat Polit\` e cnica de Catalunya (UPC), Barcelona, Spain 纠错

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

AI总结 本文提出利用代码世界模型进行进化算法参数控制，通过模拟器实现高效突变强度选择，在多个基准测试中表现出色。

Solaris: Building a Multiplayer Video World Model in Minecraft

Solaris：在Minecraft中构建多玩家视频世界模型

Georgy Savva, Oscar Michel, Daohan Lu, Suppakit Waiwitlikhit, Timothy Meehan, Dhairya Mishra, Srivats Poddar, Jack Lu, Saining Xie

机构 * New York University（纽约大学） 纠错

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

AI总结 Solaris通过多玩家数据系统和分阶段训练方法，在Minecraft中构建了能模拟多视角观测的视频世界模型，提升了多代理交互的建模能力。

Comments Project website: https://solaris-wm.github.io/

Super LiDAR Intensity for Robotic Perception

超声波雷达强度用于机器人感知

Wei Gao, Jie Zhang, Mingle Zhao, Zhiyuan Zhang, Shu Kong, Maani Ghaffari, Dezhen Song, Cheng-Zhong Xu, Hui Kong

机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC)（物联网智能城市国家重点实验室） ； Faculty of Science and Technology（科技学院） ； University of Macau（澳门大学） ； School of Computing and Information Systems（计算与信息学院） ； Singapore Management University（新加坡管理大学） ； Department of Naval Architecture and Marine Engineering and Department of Robotics（船舶工程与海洋工程系和机器人系） ； University of Michigan（密歇根大学） ； Department of Robotics（机器人系） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·拉希德智能人工智能大学） 纠错

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

AI总结 本文提出了一种基于非重复扫描LiDAR的密集强度图像生成方法，以提升低成本LiDAR在机器人感知中的应用。

Comments IEEE Robotics and Automation Letters (RA-L), 2026 (https://ieeexplore.ieee.org/document/11395610). The dataset and code are available at: (https://github.com/IMRL/Super-LiDAR-Intensity)

Rethinking the Practicality of Vision-language-action Model: A Comprehensive Benchmark and An Improved Baseline

重新审视视觉-语言-动作模型的实用性：一个全面的基准和一个改进的基线

Wenxuan Song, Jiayi Chen, Xiaoquan Sun, Huashuo Lei, Yikai Qin, Wei Zhao, Pengxiang Ding, Han Zhao, Tongxin Wang, Pengxu Hou, Zhide Zhong, Haodong Yan, Donglin Wang, Jun Ma, Haoang Li

机构 * OpenHelix-Team（OpenHelix团队） 纠错

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

AI总结 本文提出CEbench基准和LLaVA-VLA模型，通过轻量级设计和两阶段训练提升视觉-语言-动作模型的实用性，实现在消费级GPU上的实际应用。

Comments Accepted by ICRA 2026

Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots

简单模型，真实游泳：用于腱驱动水下机器人的数字孪生

Mike Y. Michelis, Nana Obayashi, Josie Hughes, Robert K. Katzschmann

机构 * Soft Robotics Lab and ETH AI Center, ETH Zurich（ETH苏黎世人工智能中心） ； Prema Lab, New York University（纽约大学Prema实验室） ； CREATE Lab, EPFL（EPFL CREATE实验室） 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 本文提出了一种基于简化流体力学模型的腱驱动水下机器人，通过高效模拟环境实现快速泛化，展示了其在强化学习中的有效性及作为数字孪生的潜力。

SPARR: Simulation-based Policies with Asymmetric Real-world Residuals for Assembly

SPARR: 基于模拟的策略与不对称现实残差的装配

Yijie Guo, Iretiayo Akinola, Lars Johannsmeier, Hugo Hadfield, Abhishek Gupta, Yashraj Narang

机构 * Nvidia ； University of Washington（华盛顿大学） 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 SPARR通过结合模拟训练的基础策略和现实残差策略，有效解决现实世界装配任务中的性能下降问题，提升成功率并减少循环时间。

DICArt: Advancing Category-level Articulated Object Pose Estimation in Discrete State-Spaces

DICArt: 在离散状态空间中推进类别级拟合物体姿态估计

Li Zhang, Mingyu Mei, Ailing Wang, Xianhui Meng, Yan Zhong, Xinyuan Song, Liu Liu, Rujing Wang, Zaixing He, Cewu Lu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Hefei University of Technology（合肥工业大学） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室） 纠错

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

AI总结 DICArt通过离散扩散过程和层次化运动学耦合策略，提升复杂环境下类别级6D姿态估计的可靠性。

Performance and Experimental Analysis of Strain-based Models for Continuum Robots

基于应变的连续机器人模型的性能与实验分析

Annika Delucchi, Vincenzo Di Paola, Andreas Müller, and Matteo Zoppi

机构 * Department of Mechanical, Energy, Management and Transportation Engineering (DIME), University of Genova（机械、能源、管理与交通工程系（DIME），热那亚大学） ； Institute of Robotics, Johannes Kepler University (JKU) Linz（机器人研究所，约瑟夫·胡贝尔大学（JKU）林茨） 纠错

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

AI总结 本文提出了一种三次应变插值方法，通过实验验证其在连续机器人中的形状重建能力，展示了优于现有模型的性能表现。

NMPCM: Nonlinear Model Predictive Control on Resource-Constrained Microcontrollers

NMPCM：在资源受限微控制器上进行非线性模型预测控制

Van Chung Nguyen, Pratik Walunj, Chuong Le, An Duy Nguyen, Hung Manh La

机构 * Advanced Robotics and Automation (ARA) Lab, Department of Computer Science and Engineering, University of Nevada, Reno（先进机器人与自动化实验室，计算机科学与工程系，内华达大学里诺分校） 纠错

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

AI总结 本文提出了一种在资源受限微控制器上实现非线性模型预测控制（NMPC）的高效方法，用于控制四旋翼无人机，通过优化计算效率和保持高控制精度，实现实时高频NMPC执行。

SplatSDF: Boosting SDF-NeRF via Architecture-Level Fusion with Gaussian Splats

SplatSDF：通过架构级融合提升SDF-NeRF

Runfa Blark Li, Keito Suzuki, Bang Du, Ki Myung Brian Lee, Nikolay Atanasov, Truong Nguyen

机构 * Dept. of Electrical and Computer Engineering, University of California, San Diego (UCSD), La Jolla, CA, USA（电子与计算机工程系，加州大学圣迭戈分校（UCSD）） 纠错

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

AI总结 SplatSDF通过架构级融合3DGS提升SDF-NeRF收敛速度和精度

MSINO: Curvature-Aware Sobolev Optimization for Manifold Neural Networks

MSINO：曲率感知的Sobolev优化用于流形神经网络

Suresan Pareth

机构 * Department of Information Technology, National Institute of Technology Karnataka, Surathkal Mangalore, India（信息技术系，卡纳塔克国家理工学院，苏拉塔卡尔芒洛尔，印度） 纠错

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

AI总结 MSINO是一种用于流形神经网络的曲率感知Sobolev优化方法，通过协变Sobolev损失提升稳定性，并提供曲率追踪的收敛保证。

Comments 32 pages, 6 figures. Submitted for journal consideration

Opacity in Discrete Event Systems: A Perspective and Overview

离散事件系统中的不透明性：一种视角与综述

Xiang Yin

专题命中 其他机器人 ：robotics(abstract)

AI总结 本文综述了离散事件系统中不透明性的定义、核心概念、验证技术及应用，探讨了不同观察模型对问题解决的影响及未来挑战。