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。
Rein3D: 基于全景视频扩散模型的强化3D室内场景生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Manycore Tech Inc.（Manycore科技公司） ； D-Robotics ； The University of Hong Kong（香港大学）
专题命中 具身导航 ：embodied AI(abstract)；分类 cs.CV
AI总结 提出Rein3D框架，结合3D高斯泼溅与视频扩散模型，通过“恢复-细化”范式从稀疏输入生成全局一致的360度室内场景，并构建PanoV2V-15K数据集，显著提升长距离相机探索效果。
面向智能体搜索的交互空间检索
专题命中 具身导航 ：navigation(abstract)
AI总结 提出RISE方法，通过BM25构建有边界的交互空间，并预处理文档支持shell式导航，在BrowseComp-Plus上以约四分之一成本达到78%准确率，优于纯shell基线。
经典绝热退火在伊辛机上的性能分析
专题命中 具身导航 ：navigation(abstract)
AI总结 本文通过连续方法分析经典绝热退火技术，提出混合经典绝热退火策略，并在MaxCut等问题上测试，发现其相比现有简单方法无显著优势。
Comments 14 pages, 10 figures and 2 tables
异常扩散与耦合记忆驱动系统中的涌现普遍性
专题命中 具身导航 ：navigation(abstract)
AI总结 研究探讨了简单局部相互作用如何产生涌现探索模式，提出耦合记忆驱动系统模型，揭示了异常扩散、非高斯分布及压缩指数相遇统计等新普遍性类别。
Comments 24 pages including 7 figures and 2 tables; and 7 additional pages of supplementary information. In this revision the content and discussion has been extended. The title and abstract have been changed to be more aligned to the new content
Journal ref J. Stat. Mech. (2026) 023215
超越搜索的潜在几何：在世界模型中摊销规划
机构 * Department of Robotics, University of Michigan, Ann Arbor（密歇根大学机器人系，安阿伯）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.LG
AI总结 提出在正则化潜在几何下，将规划摊销为潜在逆动力学映射，以轻量级GC-IDM替代在线搜索，在七个环境协议中匹配或超越CEM，决策成本降低100-130倍。
Comments 31 pages
STRIPS-WM：从图像学习基于命题的STRIPS风格世界模型
机构 * Worcester Polytechnic Institute（沃斯特理工学院）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出STRIPS-WM框架，从图像转换中学习符号化世界模型，用于机器人视觉任务规划，提升规划成功率。
面向6G的智能体世界建模：近实时生成式状态空间推理
机构 * BrainOmega and the Technical University of Catalonia (UPC)（BrainOmega 和 哈佛大学（UPC）） ； Centre Tecnologic de Telecomunicacions de Catalunya (CTTC/CERCA)（巴塞罗那电信技术中心（CTTC/CERCA）） ； i2CAT Foundation（i2CAT 基金会） ； Khalifa University of Science and Technology（科技 Khalifa 大学） ； University of Maryland, Baltimore County (UMBC)（马里兰大学巴尔的摩分校（UMBC）） ； Virginia Tech（弗吉尼亚理工学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出基于世界建模的智能体框架WM-MS3M，通过生成式状态空间实现6G网络近实时反事实推理与资源分配，在O-RAN数据上降低预测误差并加速推理。
Comments 13 Pages, 3 Figures, 4 Tables
预测统计塑造网格行走者的涌现世界表征
机构 * Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； Leipzig University（莱比锡大学） ； ScaDS.AI
专题命中 具身推理 ：world model(abstract)；分类 cs.LG
AI总结 通过约束随机游走实验，发现解码器仅Transformer的第一注意力块提取预测充分统计量，后续层将其转化为预测几何，形成可读的世界模型，而循环网络未分离此阶段。
Comments 24 pages, 15 figures
机器人需要的不仅仅是VLA和世界模型
机构 * Motoniq.ai ； Stanford University（斯坦福大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Darmstadt（德累斯顿技术大学） ； UCL Centre for AI（伦敦大学学院人工智能中心）
专题命中 机器人基础模型 ：world model(title,abstract)；robotics(abstract)；robot foundation model(abstract)；分类 cs.RO
AI总结 本文认为机器人通用智能的关键瓶颈不仅是策略学习，还缺乏将非结构化行为数据转化为机器人可用监督的机制，并提出了四种缺失的接口组件。
像飞行员一样思考：细粒度长时程无人机导航
机构 * Colab ； Beihang University（北航） ； Meituan（美团） ； National University of Singapore（新加坡国立大学）
专题命中 机器人基础模型 ：navigation(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出FLIGHT基准和FLIGHT VLA异步架构，通过低频飞行员推理VLM与高频扩散动作模型解耦，实现无人机长时程语义指令下的平滑连续飞行控制。
粗到细控制：面向视觉-语言-动作模型的行动令牌规划
机构 * Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 提出Coarse-to-Control框架，在动作令牌空间中引入原生规划，通过先预测粗粒度动作令牌序列再生成可执行动作，提升长程任务性能。
利用场景图扩展机器人模仿学习的时空上下文
机构 * University of Pennsylvania（宾夕法尼亚大学） ； RAI Institute（RAI研究院） ； University of Michigan（密歇根大学）
专题命中 模仿学习与强化学习 ：robotic(title)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出使用场景图作为显式结构化记忆机制，通过动态维护对象中心关系及其时间演化，解决机器人模仿学习中的部分可观测性和长时推理问题。
CRAFT：利用基础模型自主教练强化学习以完成多机器人协调任务
机构 * Department of Mechanical Engineering, University of California Berkeley（机械工程系，加州大学伯克利分校）
专题命中 模仿学习与强化学习 ：robotics(abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO
AI总结 提出CRAFT框架，利用大语言模型分解任务、生成奖励函数，并通过视觉语言模型优化，实现多机器人协调学习，在四足导航和双臂操作任务中验证有效性。
基于可负担性的四足机器人层级强化学习操控
机构 * Embry-Riddle Aeronautical University（埃姆布里-瑞德航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；navigation(abstract)；分类 cs.RO；robotics(comments)
AI总结 提出三级层级强化学习框架，利用姿态和交互点可负担性引导导航与操控策略，在仿真和真实环境中实现自主物体操控。
Comments This paper is submitted to Wiley Journal of Field Robotics
GenPO++：基于无雅可比似然比的生成式策略优化
机构 * ShanghaiTech University（上海科技大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.LG
AI总结 提出GenPO++框架，利用高阶可逆ODE求解器中的历史状态作为辅助记忆，实现精确可逆映射，从而无偏且高效地计算生成流策略的似然比，在连续控制任务中优于现有方法。
局部引导，全局影响：高斯重塑信任区域解锁行为转变
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Mila - Québec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 针对PPO在非平稳环境中优化失效的问题，提出高斯信任区域策略优化（GTR），通过高斯核重塑信任区域实现非单调约束，在保持局部稳定性的同时允许必要的大幅策略更新，并在多种任务中取得强性能。
Comments 21 pages
ViVa：用于机器人强化学习的视频生成价值模型
机构 * GigaAI ； Sichuan University（四川大学） ； Tsinghua University（清华大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 提出ViVa，利用预训练视频生成器联合预测未来本体感受和标量价值，通过时空先验实现可靠价值估计，在三个任务中取得最优结果，与RECAP结合平均成功率达80%。
一种人类敏感控制器：通过强化学习适应人类肌肉骨骼疾病相关约束
机构 * Fundação para a Ciência e Tecnologia（葡萄牙科学与技术基金会） ； Centro de Microssistemas Eletromecânicos da Universidade do Minho（University of Minho微机电系统中心） ； Massachusetts Institute of Technology（麻省理工学院） ； Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院布莱尔妇女医院） ； GEVAB, IQS School of Engineering（GEVAB，IQS工程学院） ； LABBELS-Associate Laboratory, University of Minho（University of Minho关联实验室）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO
AI总结 提出基于强化学习的人类敏感机器人控制策略，使用Q学习和深度Q网络优化协作机器人的人机工效，在保持零疼痛风险下平均缩短38%任务完成时间。
Chameleon: 用于视觉运动操控的索引控制前瞻记忆
机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） ； Institute for Infocomm Research, A*STAR, Singapore（新加坡*STAR信息与通信研究所） ； National University of Singapore（新加坡国立大学）
专题命中 机器人数据与评测 ：manipulation(title)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出Chameleon策略，通过索引控制前瞻记忆解决观察-动作延迟问题，在Camo-Dataset上决策成功率从22.5%提升至80.8%，并在多个基准上达到最优。
Comments Code is available at https://github.com/gxyes/MARS_Chameleon
模拟驱动的无生物信号共享自主假肢抓取模仿学习
机构 * Memorial University of Newfoundland（缅因大学） ； Wenzhou University（温州大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO
AI总结 提出一个自动生成多样化抓取演示的模拟框架，结合物理可行抓取合成、自然到达轨迹重定向和程序化环境执行，通过模仿学习实现高成功率和强泛化能力的假肢控制。
AnchorWorld: 基于视图演化定制的具身自我中心世界模拟
机构 * Tsinghua University（清华大学） ； HUST（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； HKUST（香港科技大学） ； WHU（武汉大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 提出AnchorWorld框架，利用3D人体运动和外源视角辅助训练增强交互完整性，并通过锚点视图和文本描述实现自我演化世界的灵活定制，显著优于现有方法。
检测真实视频流中的时间局部操纵
机构 * Okan Umur ； Ali Emre Güşlü ； Ibrahim Delibasoglu
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 针对真实视频中插入短时逼真操纵片段难以检测的问题，提出新数据集并评估两种方法：基于DINOv3特征的线性探针和连续帧相似性方法，建立初步基准。
基础模型智能体的仿真到现实差距：统一MDP视角
机构 * Arizona State University（亚利桑那州立大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI
AI总结 本文提出将基础模型智能体的评估与训练差距形式化为经典仿真到现实问题，围绕MDP四要素（观测、动作、转移、奖励）构建统一框架，并倡导采用域随机化等成熟解决方案。
Comments 7 pages, 2 figures, 2 tables. Accepted by KDD 2026 Blue Sky Ideas Track
基于柔顺性的传感器布局方法用于传感化前列腺模体的力感知
机构 * CRIStAL ； DEFROST ； Polytech Lille
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 提出一种基于柔顺性的加权贪心传感器布局方法，用于直肠指检训练模体的力感知，相比全局QR方法将目标区域力重构性提高22.5%。
VIRTUS-FPP：NVIDIA Isaac Sim中条纹投影轮廓测量的虚拟传感器建模
机构 * Department of Mechanical Engineering, Iowa State University（Iowa州立大学机械工程系） ； College of Engineering, University of Georgia（佐治亚大学工程学院）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 提出VIRTUS-FPP，首个在NVIDIA Isaac Sim中实现的端到端虚拟传感器建模框架，用于条纹投影轮廓测量，实现物理保真模拟，无需预校准物理系统，支持亚毫米级重建精度。
Comments 10 pages, 13 figures, accepted for publication in IEEE Sensors Journal
危险环境中可解释自主性的抽象架构
机构 * Maynooth University（梅诺斯大学） ； University of Manchester（曼彻斯特大学）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出一种支持自主系统解释其行为的抽象架构，旨在通过设计可解释性增强用户信任，并以民用核工业为例展示应用。
Comments Originally published 20th of October 2022 at the Second International Workshop on Requirements Engineering for Explainable Systems (RE4ES), which was hosted by the International Requirements Engineering Conference 2022
平面曲线的几何高斯混合表示
机构 * Fraunhofer IOSB（弗劳恩霍夫研究所） ； KIT, IES（卡尔斯鲁厄理工学院，信息工程系）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 提出一种用户定义的平面曲线概率多边形表示，通过为每个线段赋予法向不确定性参数，构造高斯混合模型，保留局部几何与法向不确定性，适用于多种曲线类型。
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