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。
动作流匹配用于持续机器人学习
机构 * Indiana University–Bloomington（印第安纳大学布卢明顿分校）
专题命中 机器人学习 ：robot learning(title,abstract)；robotics(abstract,comments)；分类 cs.RO、cs.AI
AI总结 通过动作流匹配方法提升机器人持续学习的效率与适应性，实现动态模型的在线对齐与高效学习。
Comments Robotics: Science and Systems 2025
Journal ref Proceedings of Robotics: Science and Systems, 2025
自我世界机器人系统的安全学习预测控制
机构 * University of Bologna（博洛尼亚大学）
专题命中 机器人学习 ：robotic(title,abstract)；navigation(abstract)；分类 cs.RO
AI总结 针对自我世界机器人框架，提出SOWL-MPC策略，结合基于稀疏变分高斯过程的在线学习机制与滚动时域控制方案，依靠噪声测量推断潜在世界策略后验分布，经实验验证该策略可实现自我机器人安全机动。
机器人通过投影视觉抽象进行通信学习
机构 * Duke University（杜克大学）
专题命中 机器人学习 ：robot learning(title)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 研究让机器人通过投影视觉抽象通信，提出含21自由度灵巧手和影子自我模型的系统，能动态表达影子。通过自我探索学习映射，依目标优化配置，经模拟获可行运动，还引入多种优化，在多场景展示影子表达，建立相关框架。
Comments Our project website is at:https://generalroboticslab.com/shadow
机器人学习中的进度奖励建模：全面综述
机构 * Northwestern University（西北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Santa Barbara（加利福尼亚大学圣塔芭芭拉分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 机器人学习 ：robotic(title,abstract)；分类 cs.RO
AI总结 该综述针对机器人学习中进度奖励建模缺乏共享框架的问题，分三步组织领域研究，包括研究进度模型接口、构建信号方法及支持数据基准，将模型相关要点联系起来，还总结了局限并探讨未来方向。
Comments Project page: https://github.com/sterzhang/Awesome-Progress-Models
ViTacWorld：用于丰富接触式机器人操作的视觉-触觉世界模型扩展
机构 * ShanghaiTech University（上海科技大学） ； InstAdapt
专题命中 机器人操作 ：manipulation(title,abstract)；world model(title,abstract)；robot learning(abstract)；分类 cs.RO
AI总结 研究针对丰富接触式机器人操作中视觉-触觉学习扩展难的问题，提出ViTacWorld模型，利用真实和模拟数据预训练并微调，能根据机器人动作预测视觉与触觉反馈，实现动作条件策略评估，提升策略性能。
Comments 18 pages, 6 figures, 5 tables. Project page: https://vitacworld.github.io/
通过机器人渲染实现机器人因素分解的世界模型
机构 * Seoul National University（首尔国立大学）
专题命中 机器人操作 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 研究动作条件视频世界模型，提出机器人因素分解的世界模型，通过动作实现和机器人渲染将特定机器人因素移出模型，解决深度模糊问题，实验表明其优于基线且能推广，还能从人类演示生成机器人操作视频。
Comments Project Page: https://bjkim95.github.io/rofacto/
工业灵巧性基准测试：一个用于工业灵巧操作的硬件-软件基准测试平台
机构 * Analog Devices, Inc.（亚德诺半导体技术有限公司）
专题命中 机器人操作 ：manipulation(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对工业灵巧操作瓶颈，提出从经典流程到端到端多模态模仿学习框架的转变，介绍了IDB板、DAG-ROS框架和AG-iDP3策略框架，通过数据中心电缆操作实验表明新策略在多方面优于传统方法，推动向可扩展机器人自动化发展。
顺应性非抓取推动操作
机构 * PRISMA Lab, department of Electrical Engineering and Information Technology of the University of Naples Federico II（PRISMA实验室，那不勒斯费德里科二世大学电气工程与信息科技系） ； Inria, CNRS, Université de Lorraine（Inria、CNRS、洛林大学） ； ABB Corporate Research Center（ABB企业研究中心）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 针对顺应性机器人系统中的非抓取推动操作，提出基于阻抗控制与模型预测控制的框架，通过优化位置/速度设定点实现顺应性推动，并集成能量罐无源性滤波器保证安全交互。
一只手注视着另一只手：动态环境中用于高效样本双机器人操作的动态多智能体协作
机构 * University of Freiburg（弗莱堡大学）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 研究动态环境中双机器人操作问题，提出轻量级DynaMAC框架，将相对手臂视为动态任务参数，解决因果限制，保留多流策略优势。通过DynaBench基准测试，性能远超基线，能零样本泛化，简化数据收集，为人机协作助力。
通过搜索分配空间和零空间来体现多手操作策略
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 研究多臂机器人执行操作策略的问题，基于冲突搜索构建框架，通过搜索轨迹分配空间和零空间，统一处理分配与零空间运动，有效解决多手操作策略执行难题，实现多臂机器人协调操作。
Comments Published in SoCS 2026
引导注意力：通过模仿学习实现面向OOD鲁棒机器人操纵的可解释和可校正视觉注意力
机构 * Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所人工智能研究中心）
专题命中 机器人操作 ：manipulation(title,abstract)；分类 cs.RO
AI总结 研究针对端到端视觉运动策略中人类难以理解和校正视觉注意力的问题，提出引导注意力框架，通过预测任务相关注意力关键点并结合扩散动作策略，经用户校正后由跟踪模块传播，提升了机器人在OOD条件下的操纵性能。
Comments Project page added
SiPhy：单图像物理属性推理
机构 * Michigan State University（密歇根州立大学）
专题命中 机器人操作 ：embodied AI(abstract)；分类 cs.AI、cs.CV
AI总结 研究从单图像推断物理属性，核心方法是引入SiPhy框架，将视觉线索与材料知识对齐，通过采样、提取特征等操作及对比聚合器、重量感知细化来实现。在多个数据集上取得领先性能，还验证了其在真实交互数据集上作为数据标注引擎的潜力。
Comments Accepted to ECCV 2026 (main track)
探究音频深度伪造检测器中的说话者身份敏感性
机构 * Michigan State University（密歇根州立大学）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 研究音频深度伪造检测器对说话者身份的敏感性问题，提出身份敏感性分数（ISS），该方法无需真实标签，通过计算检测器分数变化量化身份敏感程度，能有效预测错误分类，为基于说话者的故障分析提供实用诊断。
Comments Accepted at IEEE/IAPR International Joint Conference on Biometrics (IJCB) 2026. 8 pages, 3 figures, 7 tables
一种基于快速傅里叶变换的可解释空间频率融合深度伪造检测框架
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 针对深度伪造检测问题，提出基于快速傅里叶变换的MSCA-FFT框架，结合Xception空间分支与FFT频率分支，经变压器编码器细化、交叉注意力融合后由MLP分类，性能优于DCT方法及基线模型，且频率分支能提供互补线索并给出可解释证据。
即插即用且合规：具有任意定向柔顺轴的在线可变阻抗模块化框架
机构 * College of Information Science and Technology, Eastern Institute of Technology（信息科学与技术学院，东方理工学院） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology（浙江省工业智能与数字孪生重点实验室，东方理工学院）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO
AI总结 该论文提出与机器人无关的柔顺控制框架，通过插件架构分离控制器与控制律，标准化接口支持多种控制公式。其参考笛卡尔阻抗控制器可在线更新柔顺方向，实验和仿真验证了在不同操纵器上的任务相关柔顺性及可移植性。
Comments 8 pages, 7 figures, 2 tables. Paper page: https://smihael.github.io/plug-play-comply/
一种具有非对称折纸弯曲和双腔致动器的一体式手
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 研究提出非对称折纸弯曲模式和非对称双腔设计，构成OSOR手的手指和手掌致动器，在一体式结构中实现仿生运动与足够输出性能，简化制造，经实验验证，其弯曲范围和输出力达标，能完成多种抓握动作，为软机器人手发展带来新可能。
用于皮肤覆盖机器人手臂的触觉退缩反射的设计与人体评估
机构 * Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电气工程学院控制论系）
专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO
AI总结 研究机器人手臂人工伤害感受，提出将压力变化映射到退缩动作的流程，比较三种反射。通过用户研究发现均匀反射在多项指标上获高评价，表明行为可预测性对用户接受很关键，笛卡尔反射被认为最适合触摸，生物启发反射表现不佳。
Comments Submitted to IEEE Humanoids 2026
通过内部信息分解保护多模态人工智能
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 研究多模态大语言模型的攻击问题，提出FlowGuard框架，通过监测内部多模态一致性检测有害输入，受部分信息分解启发得出FlowVectors量化相关指标，有效降低攻击成功率且减少效用损失和延迟，为多模态推理提供有效防御。
Comments Accepted as Spotlight Paper at ICML 2026
从心智到机器：Manus AI作为完全自主数字代理的崛起
机构 * Department of Electrical and Computer Engineering, Virginia Tech（弗吉尼亚理工学院电气与计算机工程系） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Khoury College of Computer Sciences, Northeastern University（东北大学科里尔计算机科学学院）
专题命中 机器人操作 ：robotics(abstract)；分类 cs.AI
AI总结 Manus AI是一款通用人工智能代理，结合大语言模型的推理与规划能力，执行复杂任务并产生实际成果，本文全面介绍了其技术架构、跨行业应用及未来潜力。
正确为我上色：弥合感知颜色空间与文本嵌入以改进扩散生成
机构 * National Yang Ming Chiao Tung University
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 研究文本到图像生成中颜色对齐问题，提出利用大语言模型消除颜色提示歧义、在文本嵌入空间指导颜色混合操作的无需训练框架，提高了颜色准确性且不影响图像质量，弥合文本语义与视觉生成差距。
Comments Accepted to ACM Multimedia 2025 (MM '25)
混元视频-HOMA：多模态驱动人体动画中的通用人机交互
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV
AI总结 针对人体-物体交互视频生成的局限，提出混元视频-HOMA弱条件多模态驱动框架，通过稀疏解耦运动引导等方法，将外观和运动信号编码融合，经优化训练，在弱监督下性能达先进水平，还具文本生成和物体操纵通用性。
通过梯度回波记忆协议实现里德堡自旋波的复用存储和相互作用
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究里德堡激发与GEM协议集成受运动去相阻碍的问题，提出新型多光子寻址和接口方案，通过特定驱动场延长里德堡自旋波寿命，实现多模量子存储器中长寿命自旋波的存储、操纵及相互作用控制，为相关应用提供途径。
Comments 12 pages, 3 figures
非传统 $\mathbb{Z}_2\times\mathbb{Z}_2\times\mathbb{Z}_2$ 拓扑序在 kagome XY 顶点码中
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究揭示了kagome XY顶点码在特定条件下实现非传统的$\mathbb{Z}_2\times\mathbb{Z}_2\times\mathbb{Z}_2$拓扑序，并提出CSS拓扑稳定符码用于拓扑量子信息的编码和操控。
Comments 11 pages, 6 figures
通过高压法合成的六方铁磁体Mn5Ge3+x实现居里温度的提高和室温下50nm斯格明子的形成
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究通过高压合成技术提高Mn5Ge3+x晶体居里温度，实现室温下50nm斯格明子的稳定性，利用微磁模拟和磁输运测量等方法，展现其在自旋电子器件应用中的潜力，包括对单个斯格明子的电学操纵和检测。
Journal ref Sci. China Phys. Mech. Astron. 69, 247511 (2026)
电流诱导的嵌入式磁斯格明子袋的产生与动力学
专题命中 机器人操作 ：manipulation(abstract)
AI总结 研究在零磁场下通过直流电流在FeGe纳米板中诱导形成和操纵嵌入式斯格明子袋，利用原位洛伦兹透射电子显微镜观察转变过程，经理论分析确定驱动机制，还展示不同Q值斯格明子袋间电诱导转变，为全电控制拓扑自旋纹理和缺陷奠定基础。
Journal ref Nature Communications 2026
甚大望远镜上的HARMONI：用于微米级指向精度的LPOU校准
专题命中 机器人操作 ：robotic(abstract)
AI总结 研究HARMONI在甚大望远镜上为达微米级指向精度的校准问题，核心方法是探讨靠近引导探头插入校准掩膜及添加重新聚焦光学元件的可能性，主要贡献是分析其不同变体对图像质量及定位误差分辨能力的影响并经模拟验证。
Comments 7 pages, 8 figures
利用动态光学势在玻色-爱因斯坦凝聚体中生成持久电流叠加
专题命中 机器人操作 ：manipulation(abstract)
AI总结 本文提出利用动态光学势在玻色-爱因斯坦凝聚体中生成高保真度的持久电流叠加，并分析了其稳定性。
Comments 11 pages, 9 figures
用于户外环境的基于几何目标定位的离线视觉语言导航
专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 研究针对户外环境下的离线视觉语言导航，通过对17个可边缘部署的SLM与4个在线API进行基准测试，提出轻量级混合语义几何目标定位框架并集成到Edge-BehAV中，提升了性能，降低目标距离误差，实现无网络连接下的有效导航。
ACME：一个多文化、多实体的社会导航数据集
机构 * School of Computing, National University of Singapore（新加坡国立大学计算学院）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI
AI总结 该研究针对现有社会导航数据集缺乏文化等多样性的问题，引入ACME数据集，通过多国多地多机器人实体大规模收集数据，提供多种数据便于学习与预测，经分析其能捕捉更具挑战场景及更广泛行人行为。
Comments 24 Pages, 19 Figures, Submitted to IJRR on June 29th 2026
VTM-Nav：用于跨情节对象目标导航的分层视觉拓扑记忆
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学交叉科学学院） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.AI、cs.CV
AI总结 研究跨情节对象目标导航问题，提出无训练的VLM导航框架\method，其带有分层视觉拓扑记忆，通过粗到细匹配检索经验，在三个基准测试中性能最佳，证明跨数据集结构化视觉拓扑经验复用有效且鲁棒。
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