机器人 / 具身智能

RoAd-RL: A Unified Library and Benchmark for Robust Adversarial Reinforcement Learning

RoAd-RL：鲁棒对抗强化学习的统一库与基准

Adithya Mohan, Daniel Kriegl, Torsten Schön

机构 * Hightech-Agenda Bayern（巴伐利亚高科技议程） 纠错

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

AI总结 提出RoAd-RL开源基准框架，统一策略、攻击、防御和鲁棒性指标，评估192种配置下DQN/PPO/SAC的鲁棒性，发现常用防御可能比攻击更有害。

Comments Accepted at ICECCME'26

Goal-Conditioned Decision Transformer for Multi-Goal Offline Reinforcement Learning

多目标离线强化学习中的目标条件决策变压器

Paweł Gajewski, Dominik Żurek, Marcin Pietroń, Kamil Faber

机构 * Faculty of Computer Science, AGH University of Krakow（计算机科学学院，克拉科夫AGH大学） 纠错

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

AI总结 本文提出一种目标条件决策变压器，用于多目标离线强化学习，通过显式整合目标状态到序列建模框架中，有效解决不同任务，仅使用预收集数据，并在Franka Emika Panda平台上验证，优于现有在线基线。

Journal ref Computational Science -- ICCS 2026, Lecture Notes in Computer Science, vol. 16784, Springer, Cham, 2026

Theoretical Foundations and Effective Algorithms for Policy-Aware Simulator Learning

策略感知模拟器学习的理论基础与有效算法

Christoph Dann, Yishay Mansour, Mehryar Mohri

机构 * Google Research（谷歌研究） ； Tel Aviv University（特拉维夫大学） ； Courant Institute of Mathematical Sciences（数学科学学院） 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 针对模型强化学习中模拟器利用问题，提出以策略鲁棒性为目标，通过零和极小极大博弈学习模拟器，并给出理论保证与有效算法。

Grounding Sim-to-Real Generalization in Robotic Manipulation: An Empirical Study with Vision-Language-Action Models

在机器人操作中建立仿真到现实泛化：基于视觉-语言-动作模型的实证研究

Ruixing Jin, Zicheng Zhu, Ruixiang Ouyang, Sheng Xu, Bo Yue, Zhizheng Wu, Guiliang Liu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文通过四个维度探讨仿真到现实泛化的决定因素，提出评估协议并释放资源以建立标准化基准，提升机器人操作策略的泛化能力。

Eval-Actions: Fine-Grained Execution Quality Evaluation for Robotic Manipulation

Eval-Actions: 针对机器人操作的细粒度执行质量评估

Mengyuan Liu, Juyi Sheng, Peiming Li, Ziyi Wang, Tianming Xu, Tiantian Xu, Hong Liu

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

AI总结 本文提出Eval-Actions方法，通过专家评分、排名引导标签和思维链注释，对机器人操作策略的执行质量进行细粒度评估，包含13000+真实机器人片段，验证了其在任务完成中的有效性。

Comments Project Website at https://eval-actions.github.io/. Code is available at https://github.com/LogSSim/TERM-Bench.git

TUGS: Physics-based Compact Representation of Underwater Scenes by Tensorized Gaussian

TUGS: 基于物理的紧凑表示法用于水下场景的张量高斯表示

Shijie Lian, Ziyi Zhang, Hua Li, Laurence Tianruo Yang, Mengyu Ren, Debin Liu, Wenhui Wu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhongguancun Academy（中关村学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhengzhou University（郑州大学） ； Hainan University（海南大学） ； Shenzhen University（深圳大学） 纠错

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

AI总结 本文提出TUGS，一种基于物理模型的紧凑水下3D表示法，通过物理建模复杂水下光场，实现高效高质量的水下图像渲染，实验表明其在有限参数下能取得优越的重建质量。

AERIS: Aerial-Edge Role-Driven Intelligence at Runtime via Orchestrated Language-Model Swarm

AERIS: 通过编排语言模型群在运行时实现空中边缘角色驱动智能

Jiabin Lou, Haopeng Wang, Xinyu Liu, Yu Zhang, Rongye Shi, Wenjun Wu

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） 纠错

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

AI总结 提出AERIS框架，通过编排专用小语言模型和轻量感知控制模块，在边缘实现空中平台的长时指令分解与实时闭环运行。

Comments 10 pages, 11 figures. Preprint version of the submitted manuscript

Consistent Yet Wrong: Evidence Insensitivity in Spatial Vision-Language Models

一致但错误：空间视觉-语言模型中的证据不敏感性

S Divakar Bhat, Toshihiko Yamasaki

机构 * The University of Tokyo, Japan（东京大学） 纠错

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

AI总结 通过引入ViewDiag多视图评估协议，发现现代视觉-语言模型在空间推理中表现出跨视角一致但错误的现象，表明其预测主要源于先验驱动而非证据敏感推理。

E3VS-Bench: A Benchmark for Viewpoint-Dependent Active Perception in 3D Gaussian Splatting Scenes

E3VS-Bench：一个用于3D高斯散射场景中视角依赖主动感知的基准

Koya Sakamoto, Taiki Miyanishi, Daichi Azuma, Shuhei Kurita, Shu Morikuni, Naoya Chiba, Motoaki Kawanabe, Yusuke Iwasawa, Yutaka Matsuo

机构 * The University of Tokyo, Japan（东京大学） ； National Institute of Informatics, Japan（日本信息处理学会） ； The University of Osaka, Japan（大阪大学） ； Advanced Telecommunications Research Institute International, Japan（国际先进电信研究机构） 纠错

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

AI总结 E3VS-Bench通过5自由度视角控制，评估在真实3D环境中视角依赖现象的主动感知能力，测试模型在多视角探索中的表现。

Comments Project page: https://k0uya.github.io/e3vs-proj/

Evaluating Newtonian Mechanics in Video Generative Models with Real Physical Systems

在视频生成模型中评估牛顿力学

Antonios Tragoudaras, Chenyu Zhang, Daniil Cherniavskii, Antonios Vozikis, Thijmen Nijdam, Derck W. E. Prinzhorn, Mark Bodracska, Nicu Sebe, Andrii Zadaianchuk, Efstratios Gavves

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

AI总结 本文提出Morpheus框架，通过真实物理系统评估视频生成模型对牛顿力学的理解能力，揭示当前模型在物理原理编码上的不足。

Comments Forty-Third International Conference on Machine Learning (ICML 2026)

XYZ-IBD: Benchmarking Robust 6D Object Pose Estimation under Real-World Industrial Complexity

XYZ-IBD：在现实工业复杂性下评估鲁棒的6D物体姿态估计的基准测试

Junwen Huang, Jiaqi Hu, Peter KT Yu, Slobodan Ilic, Martin Sundermeyer, Benjamin Busam

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； XYZ Robotics ； ROBOX ； Google（谷歌） 纠错

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

AI总结 XYZ-IBD是一个专门针对工业分拣的高精度基准，包含75个多视角真实场景，通过高密度随机堆叠和多实例模糊性反映真实机器人操作挑战，验证了工业视觉中6D姿态估计的性能退化问题。

Representation Learning for Equivariant Inference with Guarantees

具有保证的等价推理表示学习

Daniel Ordoñez-Apraez, Vladimir Kostić, Alek Fröhlich, Vivien Brandt, Karim Lounici, Massimiliano Pontil

机构 * CSML, Italian Institute of Technology（意大利技术研究院 CSML） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出一种等价表示学习框架，同时解决回归、条件概率估计和不确定性量化，并提供非渐近的统计学习保证。

Comments 67 pages, 22 figures, accepted to International Conference on Machine Learning (ICML-2026)

UNCOM: Zero-shot Context-Aware Command Understanding for Tabletop Scenarios

UNCOM：面向桌面上场景的零样本上下文感知命令理解

Antonio Galiza Cerdeira Gonzalez, Paweł Gajewski, Bipin Indurkhya

机构 * Jagiellonian University（杰克利昂大学） ； AGH University of Krakow（克拉科夫AGH大学） 纠错

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

AI总结 UNCOM提出了一种新的混合框架，通过整合语音、手势和场景上下文信息，实现桌面上场景中自然人类命令的解析，无需预定义对象模型或特定任务训练数据，展示了系统的鲁棒性。

Journal ref Proc. IEEE International Conference on Advanced Robotics and its Social Impacts (ARSO), 2026, pp. 163-168

SUMO: Segment and Track Any Motion with Nonlinear State Space Models

SUMO: 使用非线性状态空间模型分割和跟踪任意运动

Kexin Tian, Sixu Li, Keshu Wu, Yang Zhou, Zhengzhong Tu

机构 * Texas A&M University（德克萨斯A&M大学） 纠错

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

AI总结 提出SUMO框架，结合非线性状态空间模型与视觉分割，实现零样本、免训练的视觉目标跟踪和运动目标分割，通过选择性无迹滤波和记忆选择机制达到最优性能。

Zero-Label Driving Scenario Complexity Detection via Joint Embedding Predictive Architecture

零标签驾驶场景复杂度检测基于联合嵌入预测架构

Santosh Jaiswal

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

AI总结 提出无监督方法，利用联合嵌入预测架构（JEPA）在无标签数据上通过时间预测误差作为零样本复杂度指标，有效区分复杂与简单驾驶场景。

Comments 12 pages, 6 figures

Auditing LLM-Governed Social Robots with Culture-Specific Moral Gradients

审计具有文化特定道德梯度的LLM驱动社交机器人

Carmen Ng, Gjergji Kasneci

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

AI总结 针对LLM驱动社交机器人在跨文化场景中优先分配资源时的道德偏差，提出基于梯度的多语言审计框架，通过对称控制场景测试模型对文化偏好梯度的区分能力，发现提示工程无法可靠纠正的持续性不对称问题。

Comments Accepted for publication in Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26)

ConCent: Contact-Centric Real-to-Sim-to-Real Learning from One Demonstration

ConCent: 基于接触中心的真实-仿真-真实学习，仅需一次演示

Heecheol Kim, Namiko Saito, Katsushi Ikeuchi, Yasuyuki Matsushita

机构 * Microsoft Research Asia - Tokyo（微软亚洲研究院-东京） ； The University of Tokyo（东京大学） 纠错

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

AI总结 提出接触中心真实-仿真-真实强化学习框架，利用真实演示中的接触事件序列作为学习目标，优化仿真中物体的接触几何，实现更稳定的策略迁移。

Comments 18 pages, 8 figures

Heterogeneous Tactile Transformer

异构触觉Transformer

Jianxin Bi, Qiang Wang, Jayaram Reddy, Kelvin Lin, Soibkhon Khajikhanov, Ruihan Gao, Harold Soh

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

AI总结 提出异构触觉Transformer（HTT），通过传感器特定编码器和共享Transformer主干学习跨异构传感器的共享触觉表示，利用新HPT数据集预训练，在感知和操作任务中实现可迁移表示。

Comments 15 pages, 5 figures

HERO: Improving the Reliability and Sensitivity of Generative Model Evaluation Using Historical Data

HERO: 利用历史数据提升生成模型评估的可靠性与敏感性

Xinrui Ruan, Zhenyu Zhao, Waverly Wei, Yueshan Zhang, Zeyu Zheng, Sui Huang, Jingshen Wang

机构 * Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计学系） ； Roblox Corporation（Roblox公司） ； Department of Data Sciences and Operations, University of Southern California（南加州大学数据科学与运营系） ； School of Mathematical Sciences, Nankai University（南开大学数学科学学院） ； Department of Industrial Engineering and Operations Research, University of California, Berkeley（加州大学伯克利分校工业工程与运筹学系） 纠错

专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI

AI总结 提出HERO框架，通过历史数据校准噪声标签并锚定协变量，降低模型评估的偏差和方差，提升可靠性与敏感性。

Comments 30 pages, 6 figures

L2D2-GS: Learning to Densify for Feedforward Dynamic Gaussian Scene Reconstruction

L2D2-GS: 学习致密化以实现前馈动态高斯场景重建

Zetian Song, Chenming Wu, Junnan Liu, Chitian Sun, Liangliang He, Hangjun Ye, Jiaqi Zhang, Siwei Ma, Wen Gao

机构 * Xiaomi EV, Beijing（小米电动车，北京） 纠错

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

AI总结 提出L2D2-GS框架，将可泛化重建转化为迭代优化与致密化过程，通过自监督致密化策略和几何正则化机制，实现动态城市场景的高保真重建，在PandaSet和Waymo数据集上达到SOTA。

ASTAD: Asymmetric Style Transfer for Synthetic-to-Real Adaptation in Autonomous Driving

ASTAD：自动驾驶中合成到真实适应的非对称风格迁移

Dingyi Yao, Xinqi Zhang, Lihui Peng, Jianming Hu, Danya Yao, Yi Zhang

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

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

AI总结 提出ASTAD任务，针对合成数据有标注而真实数据无标注的不对称性，设计无训练两阶段框架ASTModel，通过粗语义先验提取和动态精炼实现类一致风格迁移，显著提升下游感知性能并加速推理。

Comments Accepted for publication at the 19th European Conference on Computer Vision (ECCV 2026)

The Complexity Ceiling Benchmark: A Multi-Domain Evaluation of Sequential Reasoning Under Depth Scaling

复杂性天花板基准：深度缩放下顺序推理的多领域评估

Shubh Chapra, Dhruv Kumar, Murari Mandal, Yash Sinha

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

AI总结 提出复杂性天花板基准（CCB），通过控制任务语义内容、仅改变推理深度N，评估语言模型在三个结构不同领域中的顺序推理衰减，发现几何级数衰减和领域天花板差异，并引入跟踪级指标TFBC。

Comments 12 pages, 6 figures. Accepted to the 1st Workshop on Combining Theory and Benchmarks (CTB), CTB@ICML 2026

Generative Learning as a Tool to Improve Perception of Emotional Body Motion Expressions

生成式学习作为改善情感身体动作表达感知的工具

Huakun Liu, Miao Cheng, Xin Wei, Felix Dollack, Victor Schneider, Hideaki Uchiyama, Chia-huei Tseng, Yoshifumi Kitamura, Monica Perusquia-Hernandez

机构 * Nara Institute of Science and Technology（奈良科学技術研究所） ； Tohoku University（东北大学） 纠错

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

AI总结 研究使用基于Transformer的生成模型从文化特定的动作捕捉数据中隐式学习情感身体动作，无需显式情感-动作指导，并通过机器和人类评估验证其有效性，同时展示了在情感识别增强、模式提取和情感强度过渡合成中的实用价值。

Comments Accepted by ACII 2025

VIGIL: Part-Grounded Structured Reasoning for Generalizable Deepfake Detection

VIGIL：基于部分的结构化推理用于通用深度伪造检测

Xinghan Li, Junhao Xu, Jingjing Chen

机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身人工智能重点实验室） 纠错

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

AI总结 VIGIL通过计划-检验流程，结合部分级证据和结构化推理，提升深度伪造检测的可解释性和泛化能力。

Comments Project Page: https://vigil.best

Learning to Segment Liquids in Real-world Images

在现实图像中学习液体分割

Jonas Li, Michelle Li, Luke Liu, Xiaohui Yuan, Heng Fan

机构 * University of North Texas（北德克萨斯大学） 纠错

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

AI总结 本文提出LQDM模型，通过跨注意力机制提升液体分割效果，构建LQDS数据集，实验证明在液体分割任务中优于现有方法，推动相关研究与机器人应用。

Comments 6 figures, 7 pages, IROS 2026

CoSPlan: Corrective Sequential Planning via Scene Graph Incremental Updates

CoSPlan: 通过场景图增量更新实现纠正式序列规划

Shresth Grover, Priyank Pathak, Akash Kumar, Yogesh S Rawat

机构 * UCF Institute of Artificial Intelligence, University of Central Florida (UCF)（中佛罗里达大学（UCF）人工智能研究所） 纠错

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

AI总结 CoSPlan基准测试要求视觉语言模型在初始场景到目标场景间规划视觉动作序列，通过引入错误动作检测与纠正机制，评估模型在复杂视觉任务中的能力。

Comments The 19th European Conference on Computer Vision (ECCV)

EraseLoRA: MLLM-Driven Foreground Exclusion and Background Subtype Aggregation for Dataset-Free Object Removal

EraseLoRA: 基于多模态大语言模型的前景排除与背景子类型聚合用于无数据集对象去除

Sanghyun Jo, Donghwan Lee, Eunji Jung, Seong Je Oh, Kyungsu Kim

机构 * OGQ ； Seoul National University（首尔大学） 纠错

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

AI总结 EraseLoRA通过多模态大语言模型实现前景排除与背景子类型聚合，提升无数据集对象去除的背景重建与前景抑制效果，显著提高重建真实性并减少冗余生成。

Comments Accepted to ECCV 2026

Probing and Leveraging Video Diffusion Transformer Features for Robust Point Tracking

探查并利用视频扩散变换器特征以实现稳健的点跟踪

Soowon Son, Honggyu An, Jisu Nam, Hyunah Ko, Chaehyun Kim, Dahyun Chung, Siyoon Jin, Jung Yi, Junhwa Hur, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文探讨了视频扩散变换器在点跟踪中的优势，提出DiTracker框架，通过整合视频DiT特征提升跟踪鲁棒性，实验证明其在挑战性场景下表现优异。

Comments Project Page: https://cvlab-kaist.github.io/DiTracker/

LaGen: Towards Autoregressive LiDAR Scene Generation

LaGen：迈向自主驾驶的自回归激光雷达场景生成

Sizhuo Zhou, Xiaosong Jia, Fanrui Zhang, Junjie Li, Juyong Zhang, Yukang Feng, Jianwen Sun, Songbur Wong, Junqi You, Junchi Yan

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。

Comments Accepted to ECCV 2026

PLOT: Pseudo-Labeling via Object Tracking for Monocular 3D Object Detection

PLOT：通过物体跟踪进行伪标签的单目3D目标检测

Seokyeong Lee, Sithu Aung, Junyong Choi, Seungryong Kim, Ig-Jae Kim, Junghyun Cho

机构 * Korea Institute of Science and Technology (KIST)（韩国科学技术研究院） ； KAIST AI（韩国科学技术院人工智能系） ； VRG, FEE, Czech Technical University in Prague（布拉格捷克理工大学电气工程学院视觉识别组） ； Samsung Research（三星研究院） ； AI-Robotics, KIST School, University of Science and Technology (UST)（科学技术联合大学院KIST学院人工智能机器人系） ； Yonsei-KIST Convergence Research Institute, Yonsei University（延世大学延世-KIST融合研究院） 纠错

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

AI总结 PLOT通过物体跟踪生成单目视频中的3D标注，无需辅助传感器或模型重训练，实现了在自动驾驶、机器人和监控等领域的可靠3D目标检测。

Comments Accepted to ECCV 2026