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。
基于强化学习的随机多智能体系统最优事件触发分布式控制
专题命中 模仿学习与强化学习 ：robotic(abstract)
AI总结 针对含随机不确定性的多智能体系统，提出基于强化学习的最优分布式控制算法，采用 actor-critic-identifier 结构，用低通滤波器和混合事件触发控制策略，经稳定性证明，在仿真中验证正确性并与非最优算法比较突出优势。
GLidE-SLAM：GL加速的间接-直接嵌入式同步定位与地图构建
机构 * University of Konstanz（康斯坦茨大学）
专题命中 人机交互与遥操作 ：robotics(abstract)；分类 cs.RO
AI总结 针对嵌入式设备部署Visual SLAM的挑战，GLidE-SLAM提出单目混合间接-直接框架，通过架构分离，利用并行图像对齐操作及OpenGL ES 3.1计算着色器实现GPU加速直接跟踪，提升帧率，保持精度，改善在资源受限硬件上的部署。
Comments 7 pages, 6 figures, 4 tables. Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
GhostShell：用于并发实体编程的流式大语言模型函数调用
专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO
AI总结 研究提出GhostShell方法，利用大语言模型进行实体系统的流式和并发行为编程。通过定义函数令牌及多通道调度算法协调调用，在机器人原型上评估，该方法在任务完成率等方面表现出色，尤其在协调并发动作上优势明显。
Comments 22 pages, 7 figures, conference
一种用于机器人研究的基于BIM和智能体的离散事件模拟平台：一种基于图论的方法
专题命中 机器人数据与评测 ：robotic(title,abstract)；navigation(abstract)；分类 cs.RO
AI总结 研究针对室内机器人复杂任务中建筑信息利用不足问题，提出基于BIM和智能体的模拟平台，将室内环境映射为图，用图论算法规划导航路径，经模拟验证其有效性，为BIM智能机器人系统奠定基础。
PREFAIL：识别机器人提升和放置任务中故障的先兆以提高任务执行性能
机构 * University of Southern California（南加州大学）
专题命中 机器人数据与评测 ：robotic(title)；manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 研究非prehensile物料搬运的提升和放置任务，提出PREFAIL方法通过分析目标物体与载体相对运动预测故障先兆，引入精确标识最新干预时间的数据集，经实验验证该方法显著提升故障先兆响应的准确性与及时性。
VLN-AVP：用于自动代客泊车的基于混合长短时记忆的零样本视觉语言导航
机构 * Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（银望智能科技有限公司）
专题命中 机器人数据与评测 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究针对自主代客泊车依赖预建地图限制可扩展性问题，提出VLN-AVP零样本导航框架，结合BEV模型与VLM，引入混合记忆系统，构建数据集和基准，实验证明该方法在模拟和实际车辆实验中均有良好效果，提升了成功率。
CDIS：通过2D掩码跟踪和3D-2D投影合并实现跨维度类别无关的3D实例分割
机构 * Interdisciplinary Program in AI, Seoul National University（首尔国立大学人工智能跨学科项目）
专题命中 机器人数据与评测 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.AI、cs.CV
AI总结 研究针对未知环境中机器人系统的类别无关3D实例分割问题，提出CDIS零样本框架，通过跨帧跟踪2D实例掩码并与3D超点关联，在2D和3D间创建反馈循环，实验证明其比现有方法更准确、一致且高效可扩展。
Comments 6 pages, 5 figures. Published in the proceedings of the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 4269-4274
EvolvingWorld：用于交互式文学世界中角色与世界模型协同进化的开放架构框架
机构 * Hong Kong University of Science and Technology（香港科技大学） ； LIGHTSPEED（光速） ； Huazhong University of Science and Technology（华中科技大学）
专题命中 机器人数据与评测 ：world model(title,abstract)
AI总结 研究交互式文学世界中角色与世界协同进化问题，提出EvolvingWorld框架，含角色智能体和世界模型两个耦合模块，制定7个可训练任务，构建数据集并引入评估协议，实验证明其能有效改进长期模拟。
DA-Fusion：基于可变形注意力的RGB-D融合Transformer用于未见物体实例分割
机构 * Interdisciplinary Program in AI, Seoul National University（首尔国立大学人工智能跨学科项目） ； Artificial Intelligence Institute, Seoul National University（首尔国立大学人工智能研究所） ； Department of Computer Science, Seoul National University（首尔国立大学计算机科学系）
专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；robotics(comments,journal_ref)；分类 cs.AI、cs.CV
AI总结 针对物流自动化中未见物体分割难题，提出基于可变形注意力的RGB-D融合Transformer（DA-Fusion），结合RGB与深度数据优势提升分割精度，引入OCBD数据集，实验证明其性能优于现有方法，适用于现实物流任务。
Comments 7 pages, 5 figures. Published in the Proceedings of the 2025 IEEE International Conference on Robotics and Automation (ICRA 2025)
Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA), 2025, pp. 7490-7496
UniPhysGen：用于可模拟3D资产的统一物理基础
机构 * Zhejiang University（浙江大学） ； Manycore Tech Inc.（众核科技公司） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 机器人数据与评测 ：embodied AI(abstract)；robotic(abstract)；分类 cs.CV
AI总结 研究针对现有3D资产缺乏统一物理语义问题，提出UniPhys框架及UniPhysGen模型，通过联合推理关节语义和固有物理属性，减轻几何捷径偏差，经实验验证其性能先进，生成资产可用于机器人模拟环境。
Comments 39 pages, 12 figures
海洋控制实验室流域船舶自主研究的数字物理试验台
机构 * Department of Marine Technology, Norwegian University of Science and Technology - NTNU（海洋技术系，挪威科学技术大学 - NTNU）
专题命中 机器人数据与评测 ：navigation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对MASS算法测试难题，开发数字物理试验台，含小型模型船等设施，建立从低保真到高保真的设计验证流程，能实现不同尺度验证，展示了其在船舶自主GNC算法测试上的进展与有效性。
低光照环境下的同步定位与地图构建：项目报告
机构 * Applied Sciences Faculty, Ukrainian Catholic University（乌克兰天主教大学应用科学学院）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV；navigation(comments)
AI总结 研究低光照环境下RGB相机的SLAM问题，对六种不同范式的系统在五个序列上进行基准测试，发现仅RGB的SLAM需惯性融合和全局优化才能稳定跟踪，为后续改进提供方向。
Comments Conducted as part of the certification program "Off-Road Visual Navigation: Development and Evaluation of Systems in Challenging Environments'' at the Faculty of Applied Sciences, Ukrainian Catholic University, in collaboration with the UCU UGV Club
InLiER：通过中间混合基数结构关键点令牌化实现无学习的异构激光雷达地点识别
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.CV；robotics(comments)
AI总结 研究针对机器人平台结合多种激光雷达致现有描述符性能下降的问题，提出无学习管道InLiER，通过混合基数令牌ID编码关键点信息，经三个检索阶段处理，在相关数据集和实验中表现出色，优于基于学习的基线。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). 8 pages, 8 figures
现代视觉语言模型中用于强像素级图像篡改检测的简单域泛化
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University College London（伦敦大学学院） ； Weizmann Institute of Science（魏茨曼科学研究所）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 研究现代视觉语言模型中像素级图像篡改检测的域泛化，提出基于平衡小批量采样和后期注入策略的简单训练框架，大幅提升平均gIoU和cIoU，增强了篡改定位和分布外鲁棒性。
Comments Our code is available at https://github.com/VILA-Lab/PIXAR-DG
自适应对手：用于大语言模型智能体安全的多轮、多大语言模型基准测试
机构 * Lambda
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 该研究提出针对无记忆大语言模型防御者的自适应多轮攻击的21场景基准测试，通过观察防御者响应灵活调整攻击。介绍了不同攻击轮次成功率，汇集多个前沿攻击者大语言模型的情况，还指出不同防御者弱点差异及场景排名不一致性，并发布了相关基准测试及数据集。
Comments Second Workshop on Agents in the Wild: Safety, Security, and Beyond
PIXIE：用于具有装配缺陷的未见物体的零样本纹理不变6D姿态估计框架
机构 * Carl Zeiss AG（卡尔蔡司股份公司） ； Carl Zeiss Digital Innovation（卡尔蔡司数字创新公司）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 PIXIE是用于有装配缺陷的未见物体的零样本纹理不变6D姿态估计框架，仅用无纹理3D模型从RGB图像估计姿态，通过合成深度和法线图匹配关键点，基于PnP估计姿态，对光照和纹理变化鲁棒，在基准测试中取得好结果并引入新数据集。
Comments This work has been accepted for publication in IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026. The final published version will be available via IEEE Xplore
3D场景图预测：从部分观测环境生成层次模型
机构 * Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室（LIDS），麻省理工学院） ； Department of Electrical and Computer Engineering, Oakland University（奥克兰大学电气与计算机工程系）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 针对机器人部分观测环境的场景预测问题，提出自上而下框架合成含房间层和物体层的3D场景图，用混合域图扩散模型等方法，相比其他方法对分布外部分平面图泛化性更好，能在真实场景预测。
Comments Accepted at IROS 2026. Main paper: 8 pages, 3 figures, 3 tables. Includes a supplementary appendix
人形机器人NICO中模拟到现实转换的优化
机构 * Comenius University Bratislava（布拉迪斯拉发夸美纽斯大学）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 研究针对人形机器人模拟到现实转换中因定位误差妨碍抓取的问题，通过添加多种检测和定位方法及校正，形成基于校准的抓取管道，并实现视觉反馈模型，提高了抓取成功率。
Comments 12 pages, 8 figures, accepted to International Conference on Artificial Neural Networks 2026, Neurorobotics workshop
世界翻译：通过反向动力学提取和非配对域翻译最小化模拟与现实之间的差距
机构 * Zhejiang University（浙江大学） ； LimX Dynamics（LimX动力学公司）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 研究模拟与现实差距问题，提出“世界翻译”方法，利用模拟器和学习动力学互补优势，反向提取动力学信息并跨域转换，实验表明该方法能更准确建模，在特定情况下优势明显，还证实可改进策略转移。
Comments 8 pages, 8 figures
ProEvent：面向主动智能体的以事件为中心的基准测试
机构 * School of Computing, Peking University（北京大学计算机学院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI
AI总结 针对主动智能体研究忽视事件中心协助及评估难的问题，引入ProEvent基准测试，基于即时通讯聊天评估智能体维护用户时间表能力，实验发现当前智能体存在过度反应和事件取消处理难等问题，揭示了大语言模型的根本局限。
用于安全和自适应交会及接近操作的人工智能增强模型预测控制
机构 * Embry–Riddle Aeronautical University（安柏瑞德航空航天大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO
AI总结 研究多智能体对抗场景下航天器自主交会及接近操作问题，提出结合约束滚动时域MPC与数据驱动监督调整层的框架，经蒙特卡罗模拟评估，该框架相比固定参数MPC有更好性能，为自适应航天器RPO提供模块化、可解释基础。
Comments 34 pages, 7 figures
Apple-$π$：基于视频对基于法律的物理智能进行思维基准测试
机构 * S-Lab, Nanyang Technological University（南洋理工大学S-Lab） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.CV
AI总结 研究针对视频模型评估仅看输出层面的不足，提出Apple-PI基准，含数据集、协议和评估套件三部分，通过对11个模型测试发现其距可靠世界模拟器差距大，并揭示了一些瓶颈与差距，为指导视频模型发展提供诊断基础。
通过扩散合成在多样场景中进行快速且安全的轨迹规划
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO
AI总结 针对动态环境规划难题，提出能量参数化扩散规划框架，结合轻量级安全过滤器和场景无关的数据生成管道，实现多样场景下快速安全规划，仿真与真实实验验证了其有效性、鲁棒性和适用性。
通过新闻工作流程对智能新闻写作进行基准测试
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Sony Group Corporation（索尼集团）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI
AI总结 研究智能体在新闻写作工作流程中的表现，引入NEWSAGENT基准，给定写作指令和部分材料，评估智能体搜索、选信息及改草稿能力，发现其检索事实尚可，但规划和叙事整合有困难，为评估智能体能力提供现实测试平台。
Comments Accepted to Findings of ACL 2026
基于进化算法的一般约束优化混合增广拉格朗日方法
专题命中 机器人数据与评测 ：robotics(abstract)
AI总结 研究一般约束优化问题，提出混合增广拉格朗日（HyAL）方法，结合增广拉格朗日框架与进化算法优势，解决迭代子问题。实验表明该方法在基准测试中表现出色，优于纯进化方法和先进数值算法，能有效处理高维约束问题。
Comments 16 pages, 5 figures
一种用于大规模半定规划的曲率感知秩自适应分布式增广拉格朗日求解器
专题命中 机器人数据与评测 ：robotics(abstract)
AI总结 研究针对大规模半定规划提出CARDAL求解器，基于秩自适应分解和增广拉格朗日方法，通过特定操作和问题选择实现优化，分析了全局最优性，在基准测试和多领域实验中展现强鲁棒性与加速效果。
Comments 25 pages, 5 tables
COLIP-2：嗅觉-视觉-语言嵌入
机构 * Scentience
专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 COLIP-2模型构建多模态嵌入空间，将嗅觉与视觉、语言结合，通过训练使机器人能定位香气来源。因缺乏相关大规模数据集，需新方法和数据集。文中展示其内部测试结果并优化，该模型有望用于多模态领域。
Comments Model Card
用于主动具身安全的自进化即时记忆
机构 * Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.CV、cs.LG
AI总结 研究视觉语言模型在闭环交互中应对动态危险的问题，提出自进化即时记忆框架，含RSG、事实记忆和经验记忆，并通过自动测试-验证-写入循环完善元技能，实验证明该框架大幅提升安全成功率且不阻碍任务进展。
RoVE: 旋转值嵌入注意力实现相对位置相关的值路径
机构 * AMLab University of Amsterdam（阿姆斯特丹大学AMLab） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.LG
AI总结 提出RoVE方法，通过同时旋转键和值使值对位置敏感，将RoPE注意力转化为注意力卷积，在少样本学习、分布外困惑度和长上下文检索上优于RoPE。
UMCP：用于行李手推车姿态估计的统一多任务协作感知网络
机构 * Southern University of Science and Technology（南方科技大学） ； Jiaxing Research Institute, Southern University of Science and Technology（南方科技大学嘉兴研究院）
专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO
AI总结 针对机器人在杂乱动态环境中定位行李手推车的问题，提出统一多任务协作感知网络UMCP。基于YOLOv12架构，融合特征并采用特定建模提升方向估计精度，实验证明该方法能在降低成本的同时保持竞争力。
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