机器人 / 具身智能

Beyond Language Modeling: An Exploration of Multimodal Pretraining

超越语言模型：多模态预训练的探索

Shengbang Tong, David Fan, John Nguyen, Ellis Brown, Gaoyue Zhou, Shengyi Qian, Boyang Zheng, Théophane Vallaeys, Junlin Han, Rob Fergus, Naila Murray, Marjan Ghazvininejad, Mike Lewis, Nicolas Ballas, Amir Bar, Michael Rabbat, Jakob Verbeek, Luke Zettlemoyer, Koustuv Sinha, Yann LeCun, Saining Xie

机构 * FAIR, Meta（FAIR、Meta） ； New York University（纽约大学） 纠错

专题命中 具身导航 ：world model(abstract)；分类 cs.CV

AI总结 本文通过多模态预训练探索，揭示了视觉与语言数据的互补性及统一预训练对世界建模的促进作用，并提出MoE架构解决多模态扩展的不对称性问题。

Comments Project website at https://beyond-llms.github.io/

FastCode: Fast and Cost-Efficient Code Understanding and Reasoning

FastCode: 快速且成本有效的代码理解和推理

Zhonghang Li, Zongwei Li, Yuxuan Chen, Han Shi, Jiawei Li, Jierun Chen, Haoli Bai, Chao Huang

机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 FastCode通过结构化勘探机制提升代码推理效率，减少计算成本，优于现有基线方法。

Integration of UWB Radar on Mobile Robots for Continuous Obstacle and Environment Mapping

将UWB雷达集成到移动机器人中用于连续障碍物和环境建图

Adelina Giurea, Stijn Luchie, Dieter Coppens, Jeroen Hoebeke, Eli De Poorter

机构 * Department of Information Technology, Ghent University - imec - IDLab（信息科技系，根特大学 - imec - IDLab） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种基于UWB雷达的移动机器人环境建图方法，通过三步处理流程实现高精度障碍物检测，适用于无视觉特征和无固定锚点的未知环境。

Journal ref IEEE Access, vol. 14, pp. 25663-25676, 2026

Are VLMs Ready for Lane Topology Awareness in Autonomous Driving?

视觉-语言模型是否准备好在自动驾驶中具备车道拓扑意识？

Xin Chen, Jia He, Maozheng Li, Dongliang Xu, Tianyu Wang, Yixiao Chen, Zhixin Lin, Yue Yao

机构 * Shandong University（山东大学） ； MBZUAI ； Sems 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 本文评估了VLMs在自动驾驶中理解道路拓扑结构的能力，发现尽管闭源模型在部分任务表现良好，但空间推理仍是其主要瓶颈，且模型规模和推理令牌数量对性能有显著影响。

Comments 5 pages, 5 figures

GAN-Based Single-Stage Defense for Traffic Sign Classification Under Adversarial Patch

基于GAN的单阶段交通标志分类对抗攻击防御策略

Abyad Enan, Mashrur Chowdhury

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 本文提出基于GAN的单阶段防御策略，有效提升自动驾驶系统对对抗性贴纸攻击的防御能力，显著提高交通标志分类的准确率。

Comments This work has been submitted to a peer-reviewed journal and is currently under review

See and Remember: A Multimodal Agent for Web Traversal

见与忆：一种用于网页浏览的多模态代理

Xinjun Wang, Shengyao Wang, Aimin Zhou, Hao Hao

机构 * Shanghai Institute of AI for Education（上海人工智能教育研究院） ； East China Normal University（华东师范大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI

AI总结 V-GEMS通过视觉 grounding 和显式记忆系统实现精确稳健的网页浏览，实验显示其在导航任务中性能提升28.7%

Unsupervised Deformable Image Registration with Local-Global Attention and Image Decomposition

无监督可变形图像配准与局部-全局注意力及图像分解

Zhengyong Huang, Xingwen Sun, Xuting Chang, Ning Jiang, Yao Wang, Jianfei Sun, Hongbin Han, Yao Sui

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Radiology, Peking University Third Hospital（北京大学第三医院放射科） ； Department of Pediatrics, Peking University First Hospital（北京大学第一医院儿科） ； Pediatric Epilepsy Center, Peking University First Hospital（北京大学第一医院儿童癫痫中心） ； School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 本文提出LGANet++，通过局部-全局注意力机制和图像分解技术，实现更准确、鲁棒的无监督可变形图像配准。

On Adversarial Attacks In Acoustic Drone Localization

关于声学无人机定位中的对抗攻击

Tamir Shor, Chaim Baskin, Alex Bronstein

机构 * Department of Computer Science（计算机科学系） ； Technion – Israel Institute of Technology（技术ion-以色列理工学院） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Ben-Gurion University of the Negev（贝内尔谢瓦大学） ； Institute of Science and Technology Austria（奥地利科学与技术研究院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本文研究了对抗攻击对声学无人机定位的影响，提出了一种对抗扰动恢复算法以降低攻击影响。

Teen Vigilance: Navigating Risky Social Interactions on Discord

青少年警觉：在Discord上应对高风险社交互动

Elena Koung, Yunhan Liu, Zinan Zhang, Xinning Gui, Yubo Kou

专题命中 具身导航 ：navigation(abstract)

AI总结 本研究通过访谈16名青少年Discord用户，探讨他们在平台中应对高风险社交互动的策略，发现青少年通过评估可疑互动、使用安全工具和受控风险行为来保护隐私，同时通过选择性参与服务器降低风险。

Hey Dashboard!: Supporting Voice, Text, and Pointing Modalities in Dashboard Onboarding

Hey Dashboard!：在仪表盘引导中支持语音、文本和指向模态

Vaishali Dhanoa, Gabriela Molina León, Eve Hoggan, Eduard Gröller, Marc Streit, Niklas Elmqvist

专题命中 具身导航 ：navigation(abstract)

AI总结 DIANA通过语音、文本和指向等多种模态，为仪表盘引导提供自助导航和分析支持，提升用户在复杂仪表盘中的使用效率。

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain

SwarmRaft: Leveraging Consensus for Robust Drone Swarm Coordination in GNSS-Degraded Environments

SwarmRaft: 借助共识实现GNSS退化环境下的无人机群鲁棒协调

Kapel Dev, Yash Madhwal, Sofia Shevelo, Pavel Osinenko, Yury Yanovich

专题命中 具身导航 ：navigation(abstract)

AI总结 SwarmRaft通过区块链启发的共识算法，在GNSS信号退化环境下实现无人机群的鲁棒协调与数据完整性保障。

Chain of World: World Model Thinking in Latent Motion

链式世界：潜在运动中的世界模型思维

Fuxiang Yang, Donglin Di, Lulu Tang, Xuancheng Zhang, Lei Fan, Hao Li, Chen Wei, Tonghua Su, Baorui Ma

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Li Auto ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； University of New South Wales（新南威尔士大学） ； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院） ； Peking University（北京大学） 纠错

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

AI总结 CoWVLA通过统一世界模型的时间推理与解耦的潜在运动表示，提升视觉-运动学习效率。

Comments Accepted by CVPR2026. Project page: https://fx-hit.github.io/cowvla-io/

Contextual Latent World Models for Offline Meta Reinforcement Learning

上下文潜在世界模型用于离线元强化学习

Mohammadreza Nakheai, Aidan Scannell, Kevin Luck, Joni Pajarinen

机构 * Aalto University（阿alto大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出上下文潜在世界模型，通过联合训练潜在世界模型和上下文编码器，提升任务表示的表达能力，从而增强跨任务泛化性能。

Next Embedding Prediction Makes World Models Stronger

下一步嵌入预测使世界模型更强大

George Bredis, Nikita Balagansky, Daniil Gavrilov, Ruslan Rakhimov

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

AI总结 NE-Dreamer通过时间转换器预测下一步嵌入，无需解码器即可在复杂环境中提升基于模型的强化学习性能。

Characterizing VLA Models: Identifying the Action Generation Bottleneck for Edge AI Architectures

表征VLA模型：识别边缘AI架构中的动作生成瓶颈

Manoj Vishwanathan, Suvinay Subramanian, Anand Raghunathan

机构 * Google, Mountain View, CA（谷歌，山景城，加利福尼亚） ； Purdue University, West Lafayette, IN（普渡大学，沃斯堡，印第安纳） 纠错

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

AI总结 本文研究了VLA模型在边缘AI中的动作生成瓶颈，通过分析发现动作生成阶段占端到端延迟的75%，并探讨了扩展至100B参数模型的硬件需求及未来技术路径。

Comments 3 Pages 4 Figures for Workshop paper

Towards an Adaptive Social Game-Playing Robot: An Offline Reinforcement Learning-Based Framework

迈向自适应社交游戏机器人：一种基于离线强化学习的框架

Soon Jynn Chu, Raju Gottumukkala, Alan Barhorst

机构 * Department of Mechanical Engineering, University of Louisiana at Lafayette（路易斯安那州立大学拉法叶分校机械工程系） 纠错

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

AI总结 本文提出了一种基于离线强化学习的自适应社交游戏机器人框架，通过整合多模态情绪识别与自适应响应，提升机器人在游戏场景中对用户情绪的适应能力。

Comments Submitted to conference

Rethinking Policy Diversity in Ensemble Policy Gradient in Large-Scale Reinforcement Learning

重新思考大规模强化学习中集成策略梯度中的策略多样性

Naoki Shitanda, Motoki Omura, Tatsuya Harada, Takayuki Osa

机构 * The University of Tokyo（东京大学） ； RIKEN Center for Advanced Intelligence Project（RIKEN高级智能项目中心） 纠错

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

AI总结 本文提出耦合策略优化方法，通过KL约束调节策略多样性，提升大规模强化学习中的探索效率和学习性能。

Comments In ICLR 2026. Website at https://naoki04.github.io/paper-cpo/

Generative adversarial imitation learning for robot swarms: Learning from human demonstrations and trained policies

生成对抗模仿学习在机器人群体中的应用：从人类示范和训练策略中学习

Mattes Kraus, Jonas Kuckling

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

AI总结 本文提出基于生成对抗模仿学习的框架，从人类示范和训练策略中学习机器人群体的集体行为，并在真实机器人上验证了其有效性。

Comments Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Learning Acrobatic Flight from Preferences

从偏好学习空中杂技飞行

Colin Merk, Ismail Geles, Jiaxu Xing, Angel Romero, Giorgia Ramponi, Davide Scaramuzza

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

AI总结 本研究提出REC框架，通过基于置信度的奖励集合方法，在空中杂技飞行中实现88.4%的奖励性能，优于传统方法的55.2%，并验证其在连续控制中的广泛适用性。

Comments 8 pages, 6 figures

Distributional value gradients for stochastic environments

分布价值梯度用于随机环境

Baptiste Debes, Tinne Tuytelaars

机构 * PSI KU Leuven（KU莱顿心理学研究所） 纠错

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

AI总结 本文提出分布式Sobolev训练方法，通过建模价值函数及其梯度的分布，提升在随机环境中的样本效率和稳定性。

Combinatorial Rising Bandits

组合上升老虎机

Seockbean Song, Youngsik Yoon, Siwei Wang, Wei Chen, Jungseul Ok

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

AI总结 本文提出组合上升老虎机框架和CRUCB算法，解决组合老虎机中因基础臂增强传播导致的依赖问题，通过理论分析和实验验证其高效性和有效性。

Architectural HRI: Towards a Robotic Paradigm Shift in Human-Building Interaction

建筑人机交互：迈向人与建筑交互的机器人范式转变

Alex Binh Vinh Duc Nguyen

机构 * University of Antwerp（安特卫普大学） 纠错

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

AI总结 本文探讨了通过机器人技术实现人与建筑交互的范式转变，强调多层建筑结构同步适应以提升可持续性和 occupant 需求，并呼吁跨学科研究整合相关知识。

REFLEX: Metacognitive Reasoning for Reflective Zero-Shot Robotic Planning with Large Language Models

REFLEX：基于大语言模型的反思零样本机器人规划的元认知推理

Wenjie Lin, Jin Wei-Kocsis, Jiansong Zhang, Byung-Cheol Min, Dongming Gan, Paul Asunda, Ragu Athinarayanan

机构 * School of Applied and Creative Computing, Purdue University（应用与创意计算学院，普渡大学） ； Bowen School of Construction, Purdue University（建设学院，普渡大学） ； School of Engineering Technology, Purdue University（工程技术学院，普渡大学） ； Department of Technology Leadership and Innovation, Purdue University（技术领导与创新部门，普渡大学） 纠错

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

AI总结 REFLEX通过引入元认知学习，提升大语言模型在机器人任务中的推理、反思与创造力，实现零样本下的高效规划。

MA-CoNav: A Master-Slave Multi-Agent Framework with Hierarchical Collaboration and Dual-Level Reflection for Long-Horizon Embodied VLN

MA-CoNav：一种具有分层协作和双阶段反思的主从多智能体框架用于长周期具身视觉语言导航

Ling Luo, Qianqian Bai

机构 * Southwestern University of Finance（西南财经大学） ； Department of Informatics,Universitat Hamburg, Hamburg, Germany（汉堡大学信息学院） ； University of Electronic Science（电子科学大学） 纠错

专题命中 人机交互与遥操作 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 MA-CoNav 通过主从分层架构和双阶段反思机制，提升长周期具身视觉语言导航任务的性能。

D2E: Scaling Vision-Action Pretraining on Desktop Data for Transfer to Embodied AI

D2E：在桌面数据上扩展视觉-动作预训练以迁移到具身AI

Suhwan Choi, Jaeyoon Jung, Haebin Seong, Minchan Kim, Minyeong Kim, Yongjun Cho, Yoonshik Kim, Yubeen Park, Youngjae Yu, Yunsung Lee

机构 * Stanford University（斯坦福大学） ； Seoul National University（首尔国立大学） 纠错

专题命中 机器人数据与评测 ：embodied AI(title,abstract)；robotics(abstract)；manipulation(abstract)；navigation(abstract)

AI总结 D2E通过桌面数据预训练，实现了具身AI任务的有效迁移，其框架包含三个组件，展示了在物理操作和导航任务中的高性能表现。

Comments Accepted to ICLR 2026

Uni-Skill: Building Self-Evolving Skill Repository for Generalizable Robotic Manipulation

Uni-Skill：构建通用机器人操作的自演化技能库

Senwei Xie, Yuntian Zhang, Ruiping Wang, Xilin Chen

机构 * Key Laboratory of AI Safety of CAS（中国科学院人工智能安全重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 Uni-Skill通过自演化技能库提升机器人操作的通用性与适应性，实现高效技能检索与少样本推理。

Comments Accepted to ICRA2026

InstructVLA: Vision-Language-Action Instruction Tuning from Understanding to Manipulation

InstructVLA: 从理解到操作的视觉-语言-动作指令微调

Shuai Yang, Hao Li, Bin Wang, Yilun Chen, Yang Tian, Tai Wang, Hanqing Wang, Feng Zhao, Yiyi Liao, Jiangmiao Pang

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 机器人数据与评测 ：manipulation(title,abstract)；分类 cs.RO、cs.CV

AI总结 InstructVLA通过视觉-语言-动作指令微调，实现了在多模态推理和动作生成之间的平衡，提升了机器人在复杂任务中的操控性能和泛化能力。

Comments 48 pages

A Robust Simulation Framework for Verification and Validation of Autonomous Maritime Navigation in Adverse Weather and Constrained Environments

一种用于自主水路航行在恶劣天气和受限环境下的验证与验证的稳健仿真框架

Mayur S. Patil, Nataraj Sudharsan, Anthony S. Saaiby, JiaChang Xing, Keliang Pan, Veneela Ammula, Jude Tomdio, Jin Wang, Michael Kei, Heonyong Kang, Sivakumar Rathinam, Prabhakar R. Pagilla

机构 * Department of Mechanical Engineering, Texas A&M University, College Station, USA（机械工程系，德克萨斯A&M大学，学院站，美国） ； Department of Ocean Engineering, Texas A&M University, College Station, USA（海洋工程系，德克萨斯A&M大学，学院站，美国） ； American Bureau of Shipping, Spring, TX, USA（美国船舶局，斯普林，德克萨斯州，美国） 纠错

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

AI总结 本文提出了一种稳健的仿真框架，用于验证和验证自主水路航行系统在恶劣天气和受限环境下的性能。

Retrieval-Augmented Robots via Retrieve-Reason-Act

通过检索-推理-行动实现增强型机器人

Izat Temiraliev, Diji Yang, Yi Zhang

机构 * University of California, Santa Cruz（加州大学圣克ruz分校） 纠错

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

AI总结 本文提出检索增强型机器人学（RAR）范式，通过检索-推理-行动循环，使机器人能从外部文档获取未见程序知识，提升复杂任务执行能力。

Tether: Autonomous Functional Play with Correspondence-Driven Trajectory Warping

Tether: 基于对应驱动轨迹扭曲的自主功能性玩耍

William Liang, Sam Wang, Hung-Ju Wang, Osbert Bastani, Yecheng Jason Ma, Dinesh Jayaraman

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Dyna Robotics（Dyna机器人技术） 纠错

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

AI总结 Tether通过基于对应驱动的轨迹扭曲，实现从少量演示开始的自主多任务玩耍，生成高质量数据集并提升模仿策略性能。

Comments International Conference on Learning Representations (ICLR), 2026. Project website and code: https://tether-research.github.io