机器人 / 具身智能

MAG-VLAQ: Multi-modal Aerial-Ground Query Aggregation for Cross-View Place Recognition

MAG-VLAQ：多模态空-地查询聚合用于跨视角地点识别

Zhengyi Xu, Yuhang Ming, Zhihao Zhan, Hanyu Zhu, Javier Civera, Wanzeng Kong

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； TopXGun Robotics（TopXGun机器人） ； University of Zaragoza（萨拉戈萨大学） 纠错

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

AI总结 本文提出MAG-VLAQ框架，通过预训练基础模型提取多模态特征并融合，提升空地跨视角地点识别性能，实验表明在KITTI360-AG数据集上性能提升显著。

Comments 16 pages, 4 figures, 3 tables

NEXUS: Continual Learning of Symbolic Constraints for Safe and Robust Embodied Planning

NEXUS：用于安全和稳健体素规划的符号约束连续学习

Tiehan Cui, Peipei Liu, Yanxu Mao, Congying Liu, Mingzhe Xing, Datao You

机构 * School of Artificial Intelligence and Automation（人工智能与自动化学院） ； Huazhong University of Science and Technology（华中科技大学） ； School of Software（软件学院） ； Henan University（河南大学） ； Institute of Information Engineering（信息工程研究所） ； Chinese Academy of Sciences（中国科学院） ； School of Cyberspace Security（网络空间安全学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） 纠错

专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.RO、cs.AI

AI总结 NEXUS通过模块化框架实现体素代理的连续学习，将符号 artifacts 用于符号 grounding 和知识演化，将概率风险评估转化为确定性硬约束，提升任务成功率并抵御对抗攻击。

Dependency-Aware Discrete Diffusion for Scene Graph Generation

面向依赖关系的离散扩散用于场景图生成

Rajalaxmi Rajagopalan, Romit Roy Choudhury

机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出一种依赖感知的层次约束离散扩散模型，用于生成场景图，通过分离结构与语义，提升生成的依赖关系和层次结构，实验显示在场景图和布局指标上优于基线方法，并在多对象场景中提升图像生成的对齐效果。

MineEvolve: Self-Evolution with Accumulated Knowledge for Long-Horizon Embodied Minecraft Agents

MineEvolve: 基于积累知识的长周期具身Minecraft智能体自进化

Zhengwei Xie, Zhisheng Chen, Ziyan Weng, Jinhan Li, Chenglong Li, Zikai Xiao, Jingwei Song, Jinhao Jing, Vireo Zhang, Kun Wang

机构 * USTC（中国科学技术大学） ； NTU（国立台湾大学） ； CityU-DG（城市大学-数据科学） ； THU（清华大学） ； ZJU（浙江大学） ； HKU（香港大学） ； CUHK-SZ（香港大学-深圳） 纠错

专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.AI

AI总结 本文提出MineEvolve框架，通过将执行反馈转化为可操作的行为知识，提升长周期具身智能体在Minecraft中的表现，实验表明其在高依赖任务组中效果显著。

Smoothing Out the Edges: Continuous-Time Estimation with Gaussian Process Motion Priors on Factor Graphs

平滑边缘：基于因子图的高斯过程运动先验的连续时间估计

Connor Holmes, Sven Lilge, Zi Cong Guo, Frank Dellaert, Timothy D. Barfoot

机构 * University of Toronto（多伦多大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出基于因子图的高斯过程连续时间估计方法，通过简化解释和三个GTSAM示例，提升非参数方法在机器人中的应用。

Turbo-GS: Accelerating 3D Gaussian Fitting for High-Quality Radiance Fields

Turbo-GS: 加速3D高斯拟合以实现高质量辐射场

Ankit Dhiman, Tao Lu, R Srinath, Emre Arslan, Angela Xing, Yuanbo Xiangli, R Venkatesh Babu, Srinath Sridhar

机构 * Indian Institute of Science（印度科学研究院） ； Brown University（布朗大学） ； Cornell University（康奈尔大学） ； Samsung R&D Institute India - Bangalore（三星印度研发中心-班加罗尔） 纠错

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

AI总结 本文提出Turbo-GS方法，通过减少计算开销和提升学习效率加速3D高斯拟合，实现4K分辨率快速拟合并保持高质量视图渲染。

Comments Accepted to CVPR 2026. Project page: https://ivl.cs.brown.edu/research/turbo-gs