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。
当最短路径并非最安全路径时：一种面向老年人友好型行人路线规划的设计科学方法
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 研究针对行人导航系统忽视老年人出行障碍等问题，通过设计科学方法开发老年人友好型行人路线规划制品，经访谈得出设计要求和原则并实例化，实地研究表明该制品生成的路线更受青睐，综合见解给出完善原则，为从业者提供指导。
Journal ref Design for Better Futures: Beyond the Science of the Artificial. Completed Research, LNCS 16605 (2026) 406-424
数天内从想法到课堂：利用“氛围编码”从IDE活动日志创建编程过程可视化工具
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 利用人工智能辅助的“氛围编码”，快速开发并在课堂部署Thonny日志可视化工具，可分析Python IDE日志，生成学生编程过程视图，支持教师决策，经评估和试点收集反馈后进行了可用性改进。
Comments 9 pages, 6 figures. Accepted for presentation at the 2026 IEEE Frontiers in Education Conference (FIE 2026)
利用动态图与轨道数据条件化预测GNSS视线上电离层不规则性
机构 * Nanyang Technological University（南洋理工大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.LG
AI总结 本文提出利用动态图和轨道数据条件化预测GNSS视线上电离层不规则性，通过构建动态图结构提升预测精度，实验结果显示模型在BSS和PR-AUC指标上均优于传统方法。
Comments 17 pages, 8 figures, submitted to IEEE Transactions on Geoscience and Remote Sensing
CodeNib：一种用于向编码代理提供仓库上下文的多视图数据系统
专题命中 具身导航 ：navigation(abstract)
AI总结 研究编码代理从仓库获取上下文的问题，提出CodeNib构建多视图数据系统，可重用视图并映射到源范围，通过运行时提供多种服务，实验表明其在更新速度、延迟等方面有优势，支持多视图仓库上下文服务。
广域GNSS干扰监测与CYGNSS GNSS-R延迟-多普勒噪声底板观测
专题命中 具身导航 ：navigation(abstract)
AI总结 本文提出基于CYGNSS GNSS-R延迟-多普勒噪声底板观测的广域GNSS干扰监测方法，通过采用最大值统计替代均值统计，提高对干扰信号的检测能力，实验结果表明该方法在不同干扰环境下具有更高的检测率。
视觉补丁世界：作为规划潜在结构化表示的代码世界模型
机构 * Hong Kong Baptist University（香港浸会大学）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.RO
AI总结 研究旨在构建用于规划的代码世界模型。提出VisualPatchWorld方法，先选定性动力学形式，再拟合参数。实验表明其平均规划成功率69.0%，超基线23.5分，在多方面接近真实引擎成功率，为自动构建有用的代码世界模型提供实用途径。
INTACT：用于无搜索世界模型的同构意图到动作学习
机构 * State Key Laboratory of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； InSpatio
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 研究针对前向潜在世界模型恢复动作需昂贵搜索的问题，提出INTACT方法，通过特定架构和技术实现意图到动作学习，在多任务上取得高成功率，减少采样并提升性能，还具有快速推理能力。
Comments 28 pages, 11 figures, including appendices
Wonder：改进的视频世界模型
机构 * Adobe Research（Adobe研究院） ； Johns Hopkins University（约翰·霍普金斯大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 Wonder是用于实时相机可控世界探索的通用视频世界模型，通过系统级协同设计，包括新型相机条件设定、高效内存机制等，能合成多样视频，支持视频条件生成，保持长时间的连贯视觉效果。
Comments Project Page: https://wonder-world-model.github.io/
PatchWorld：可执行世界模型的免梯度优化
机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Independent Researcher（独立研究员） ； HKUST（香港科技大学） ； Beijing Institute of Technology（北京理工大学） ； Southern University of Science and Technology（南方科技大学） ； Wayne State University（韦恩州立大学） ； University of Edinburgh（爱丁堡大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出 PatchWorld 框架，通过反例引导的代码修复将离线轨迹转化为可执行的 Python 世界模型，实现无需梯度优化的符号信念状态程序，在 AgentGym 环境中达到 76.4% 的宏观成功率。
强化信息梦行者：通过潜在引导有效训练的非对称世界模型
专题命中 具身推理 ：world model(title)；分类 cs.LG
AI总结 研究基于模型的强化学习中，非对称学习对观测及特权信息表示的影响。针对‘信息梦行者’局限性，提出用潜在引导的新目标，形成‘强化信息梦行者’算法，实验显示其比之前非对称方法有更持续改进。
Comments 8 pages, 18 pages total, 3 figures
从全息学角度研究多组分宇宙的纠缠度量
专题命中 具身推理 ：world model(abstract)
AI总结 本文提出了一种研究多组分宇宙全息信息理论量的方法，展示了双组分物质源的宇宙模型及其在不同时间尺度下的行为特征。
Comments 38 Pages, 1 Figure, Accepted for publication in Progress of Theoretical and Experimental Physics
Journal ref Prog. Theor. Exp. Phys. 2026 073B11
用于视觉-语言-动作模型的SAM3D引导的以对象为中心的表示对齐
机构 * University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） ； Infiforce（英飞拓）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 针对视觉-语言-动作模型缺乏目标对象细粒度3D理解的问题，提出以对象为中心的3D表示对齐框架，利用SAM3D提供3D先验，经定位、生成掩码、提取表示等步骤与视觉特征对齐，实验证明其可提升模型性能，尤其在长时操纵场景有效。
Comments 8 pages, 4 figures
CoTinyVLA：用于十亿参数以下视觉-语言-动作模型的思维链蒸馏
机构 * Chung-Ang University（韩国中央大学）
专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.AI、cs.CV
AI总结 研究针对VLA模型内存需求大问题，提出CoTinyVLA模型。通过双视图时间输入、分层思维链蒸馏、释义增强三个组件，在LIBERO-Plus基准测试中取得优异成绩，证明结构化监督可让小参数主干超越其他模型。
Comments 22 pages, 2 figures, 20 tables. Code at https://github.com/BrainJellyPie/CoTinyVLA
用于视觉语言动作模型测试时模态适应的因果感知推理-诊断-细化框架
机构 * Beijing Institute of Technology（北京理工大学） ； AInnovation Co. Ltd.（A创新有限公司） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 针对VLA模型模态融合问题，提出因果感知推理-诊断-细化框架，通过视觉观察推理、因果效应诊断及动作预测细化实现模态适应，设计因果感知动作细化器，实验验证了该框架在多VLA主干上提升整体性能的有效性。
CycleVLA: 通过子任务回溯和最小贝叶斯风险解码实现的前瞻性自修正视觉-语言-动作模型
机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Engineering, University of Cambridge（剑桥大学工程系）
专题命中 机器人基础模型 ：manipulation(abstract)；分类 cs.RO
AI总结 CycleVLA通过子任务回溯和最小贝叶斯风险解码实现前瞻性自修正，提升视觉-语言-动作模型的故障预测与恢复能力
Comments Project Page: https://dannymcy.github.io/cyclevla/
未知湍流背景流中机器鱼的自我中心驻位
机构 * School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； State Key Laboratory for Turbulence and Complex Systems, Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University（北京大学工程科学学院先进制造与机器人系湍流与复杂系统国家重点实验室） ； Laboratory of Cognitive and Decision Intelligence for Complex System, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能实验室）
专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO
AI总结 研究机器鱼在未知湍流背景流中的自我中心驻位问题，提出SWiFT框架，集成实验装置、CFD模拟器及转移管道，通过强化学习探索驻位策略，相比现有方法有显著改进，验证了仅靠自我中心反馈可驻位，推动机器鱼控制发展。
Comments 20 pages, 18 figures
通过空间基础合成世界实现机器人的具身认知
专题命中 人机交互与遥操作 ：embodied AI(abstract)；分类 cs.RO、cs.AI
AI总结 提出训练视觉语言模型执行视觉视角采择的概念框架，引入合成数据集用于空间推理任务监督学习，专注推断Z轴距离，数据集公开，为具身人工智能系统空间理解奠基。
Comments Accepted to: Intelligent Autonomous Systems (IAS) 2025 as Late Breaking Report
SONG：用于基准测试社会导航的逼真3D高斯模拟平台
机构 * School of Computer Science & Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院）
专题命中 机器人数据与评测 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究针对社会导航模拟平台不足的问题，介绍了基于3D高斯点云渲染的SONG平台，利用其进行场景和化身表示等，还策划了SONG-Bench及评估套件，通过评估发现相关问题，证明微调数据可提高现实环境成功率，为研究提供测试平台。
基于共享体素地图的多智能体软演员-评论家控制器协同室内无人机导航
专题命中 机器人数据与评测 ：navigation(abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 研究室内无人机协同导航问题，提出结合共享体素地图与多智能体软演员-评论家控制器的框架，多无人机融合LiDAR观测构建地图并提供给各智能体，模拟中控制器成功率达90.3%，经微调后在现实实验中实现稳定协同操作，证明该地图表示有效且可扩展。
Comments 11 pages, 17 figures
$π\mathbf{R}^2$：反应式实时流策略
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 研究通用操作策略反应性和实时性问题，提出$\pi\mathbf{R}^2$方法，将条件分快速和慢速通道，采用延迟自适应流调度，能在保留大型主干等的同时，让策略实时反应并提高成功率。
Comments Preprint(20 pages). Under Review
Diff2DGS: 通过2D高斯点散布实现遮挡手术场景的可靠重建
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 Diff2DGS通过两阶段框架提升遮挡手术场景的3D重建精度，结合扩散模型和可学习变形模型，实现更准确的几何和外观重建。
Comments This work has been accpeted by the IEEE Robotics and Automation Letters(RA-L)
CADENCE：预测实际MAPF执行时间超越成本总和
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 机器人数据与评测 ：robotic(abstract,comments)；分类 cs.RO；robotics(comments)
AI总结 提出CADENCE框架，通过分析原始运动负担和交互感知协调特征，发现原始运动负担能显著提高多智能体路径规划执行时间的预测精度，超越传统成本总和指标。
Comments 7 pages, 4 figures, 3 tables and this paper was accepted at Multi-Agent Robotic Systems: Real-World Collaboration and Interaction a workshop at the international conference of robotics and automation (ICRA 2026)
A2D2：奥迪自动驾驶数据集
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV、cs.LG
AI总结 为加速机器学习等领域研究，发布奥迪自动驾驶数据集A2D2，含同步图像与3D点云等，有多种注释，传感器全方位覆盖，数据经同步配准，还提供大量未标注序列，按许可可商业使用，数据等信息可在指定网址获取。
Comments https://a2d2-dataset.github.io/
DC-WAM：用于世界-动作模型的以动态为中心的视觉监督与推理
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO
AI总结 研究如何让基于RGB的世界-动作模型从外观主导的重建转向交互诱导的视觉动态，提出DC-WAM框架，通过重新分配监督和计算，结合时间差分流匹配等方法，提升策略性能，尤其在多种分布外扰动下表现出色。
情感如何在大语言模型智能体之间传播：人群模拟中的涌现情感传染
机构 * University of Massachusetts（马萨诸塞大学）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI
AI总结 研究多智能体人群模拟中情感传播，通过感知 - 评估 - 表达循环及借鉴相关模型构建架构，在多场景评估，揭示情感传染动态，包括警报扩散、个性影响等，还发现评估步骤动态依赖后端。
Comments 31 pages, 14 figures
DailyBench：用于评估现代生成模型生成和处理的人工智能图像的统一基准
机构 * People’s Daily Online（人民网） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学） ； Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 研究针对现有生成模型图像检测基准与现实差距问题，提出统一基准DailyBench，含FakeBench和ManipulationBench两个子集，通过实验揭示当前检测器鲁棒性差，凸显其可用于开发更强大的人工智能生成图像检测方法。
Comments Some errors must be corrected
BayesContact：通过视觉触觉提议和基于模拟的推理进行不确定姿态估计
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Mechanical and Mechatronics Engineering, University of Waterloo（滑铁卢大学机械与机电工程系）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO
AI总结 针对富含接触操作中姿态估计难题，提出BayesContact框架，通过融合视觉与触觉信息及基于模拟的推理来维护物体姿态信念，经模拟预测与真实观测对比更新信念，提升了姿态可观测性与插入成功率。
Comments Update funding sources
Picasso: 基于物理约束采样的整体场景重建
机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学）
专题命中 机器人数据与评测 ：分类 cs.RO、cs.AI、cs.CV；robotics(comments)
AI总结 提出Picasso，一种通过快速拒绝采样推理多物体交互并考虑几何、非穿透和物理约束的整体场景重建方法，在物理合理性和重建精度上显著优于现有技术。
Comments 15 pages, accepted to Robotics: Science and Systems (RSS) 2026
用于血管内动脉瘤修复的模块化机器人导管
机构 * Hamlyn Centre for Robotic Surgery, Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系机器人手术哈姆林中心） ； Department of Metabolism, Digestion and Reproduction, Imperial College London（伦敦帝国理工学院代谢、消化与生殖系） ； Department of Mechanical Engineering, Bursa Uludag University（布尔萨乌鲁达大学机械工程系） ； Chair for Computer Aided Medical Procedures and Augmented Reality (CAMP), Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序与增强现实主席）
专题命中 其他机器人 ：robotic(title,abstract)；分类 cs.RO
AI总结 针对血管内动脉瘤修复中导管操作难题，提出定制两段式可转向导管及模块化肌腱驱动平台，利用热纤维拉伸和激光微加工制造，经模拟和体外实验评估，有望缩短手术时间，助力解决复杂临床病例。
Comments 8 pages, 8 figures
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