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。
如果、那么、否则：诊断视觉-语言导航中的条件分支
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Collins Aerospace（柯林斯航空航天公司）
专题命中 具身导航 ：navigation(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.CV
AI总结 针对视觉-语言导航智能体的条件分支诊断需求，提出基于场景图的基准CondVLN及轻量级神经符号分支选择模型，可暴露智能体的逻辑决策失败并提升性能2倍。
Comments 11 pages, 1 figure, 3 tables. Project page: https://condvln.github.io/
作为具有可证保证的在线随机最短路径导航的神谕的Dijkstra算法
机构 * King Fahd University of Petroleum and Minerals (KFUPM)（法赫德国王石油与矿产大学） ； Islamic University of Madinah（麦地那伊斯兰大学） ； Universitas Muhammadiyah Yogyakarta（日惹穆罕默迪亚大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI
AI总结 本研究提出DORA算法，基于Dijkstra算法的可证保证特性，实现高效安全的在线随机最短路径导航，性能与最优值迭代相当且规划工作量显著减少，接触率满足预算要求。
具身导航器：指向、思考、记忆与对齐以实现高效导航
机构 * ZJU（浙江大学）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本研究提出具身导航框架TAMP-Nav，通过像素转3D动作、选择性推理记忆与GRPO两级对齐，在R2R-CE数据集上实现66.2% SR，仅需90k训练轨迹，达成高效具身导航的最优性能。
DeAR：基于能力锚定与协作思维导航的去中心化智能体推理
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.AI
AI总结 针对现有智能体推理系统的路由瓶颈与静态角色分配问题，提出DeAR框架，通过三种机制实现去中心化协作，在9类基准测试中性能优于基线方法，提升了知识密集型推理任务的准确性。
面向自主无人地面车辆（UGV）导航的融合全球数字高程模型（DEM）数据的地形感知局部路径规划
机构 * Memorial University of Newfoundland（纽芬兰纪念大学） ； Compusult Ltd.（康普萨尔特有限公司）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本研究针对UGV户外导航中全局地图与实时传感器反馈脱节的问题，提出融合DEM与LiDAR的混合路径规划框架，经仿真验证可提升障碍物规避率、降低平均坡度，为可靠自主导航提供支撑。
迷失在时间中？具有未知测量延迟的辅助惯性导航中的连续对称性和可识别性
机构 * Space & Terrestrial Autonomous Robotic Systems (STARS) Laboratory at the University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航天研究所空间与地面自主机器人系统（STARS）实验室） ； Autonomous Robotics & Convex Optimization (ARCO) Laboratory in the Department of Computing and Software, McMaster University（麦克马斯特大学计算与软件系自主机器人与凸优化（ARCO）实验室）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 研究辅助导航中单个辅助传感器测量相对于惯性测量流有未知但恒定延迟时系统的可识别性，利用特殊伽利略群刻画无信息轨迹并与延迟测量模型连续对称性相关，揭示可识别性失败轨迹类别及与线性化分析联系。
Comments Accepted to the IEEE International Conference on Multisensor Fusion and Integration (MFI), Pilsen, Czechia, Sep 2-4, 2026
多智能体导航中的对称性破坏：基于 winding 数的 MPC 与学习拓扑策略
机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） ； OMRON SINIC X Corporation（OMRON SINIC X公司）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 WNumMPC 通过学习拓扑策略和 winding 数，有效解决多智能体导航中的对称性死锁问题，实现鲁棒的仿真到现实迁移。
Comments 13 pages, 7 figures
面向动作感知无线边缘网络的边缘原生具身智能
专题命中 具身导航 ：embodied agent(abstract)；navigation(abstract)
AI总结 该研究提出边缘原生具身智能（ENEI）框架，整合6G技术与具身智能，通过双向循环解决具身智能部署的资源与延迟问题，经案例验证可支撑自适应具身无线系统。
面向参数化安全规范的高效动态防护机制
机构 * University of California, Irvine（加州大学尔湾分校） ； IMDEA Software Institute（IMDEA软件研究所）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 本文针对参数化安全规范提出动态防护机制，其离线设计耗时数分钟，在线适配速度较暴力重新计算方法快最多5倍，可用于未知区域机器人导航以应对安全规范的动态变化。
Journal ref International Symposium on Automated Technology for Verification and Analysis (ATVA) 2025, pp. 157-179. Cham: Springer Nature Switzerland
Scalix：感知不确定性的尺度一致单目SLAM
机构 * University of Technology, Sydney（悉尼科技大学） ； Centre for Autonomous Systems（自主系统中心）
专题命中 具身导航 ：robotics(abstract)；分类 cs.RO
AI总结 本文提出实时单目SLAM框架Scalix，通过整合带不确定性的学习深度线索到概率因子图，实现度量尺度估计，在多环境基准上性能领先且实时泛化。
Comments 8 pages, 5 figures and 3 tables
面向基于小型语言模型（SLM）的GNSS欺骗检测的结构化驾驶状态叙事
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI
AI总结 本研究提出基于小型语言模型（SLM）的GNSS欺骗检测框架，通过对比多源驾驶状态的结构化叙事检测攻击，性能接近大模型且资源消耗更低，适用于车载平台。
Comments This work has been submitted to the Transportation Research Record: Journal of the Transportation Research Board for possible publication
基于珀塞尔微泳者模型的游泳机器人最优控制
专题命中 具身导航 ：robotic(abstract)；分类 cs.RO
AI总结 本研究基于珀塞尔微泳者模型，构建高粘性流体中三连杆游泳机器人变体，应用庞特里亚金最大值原理结合数值方法，求解位移与能量效率最优步态，为机器人最优控制提供方案。
VertiAKD：适用于垂直挑战性地形的自适应越野运动动力学
机构 * George Mason University（乔治梅森大学） ； University of Catania（卡塔尼亚大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 该研究提出VertiAKD框架，可在几何与语义复杂地形上跨不同车辆迁移适配越野运动动力学知识，仅需一分钟新数据即可显著降低长 horizon 预测误差，实现鲁棒闭环轨迹跟踪。
复杂量子材料的主动学习分子束外延
专题命中 具身导航 ：navigation(abstract)
AI总结 该研究针对二元量子材料MBE的相边界与窄生长窗口问题，提出结合随机森林代理模型与期望改进函数的SMBO主动学习框架，在Fe₃Sn外延中4次迭代使预测误差减半至约10%，为量子材料自主合成提供了数据高效方案。
针对信号时间逻辑规范的反例分类
专题命中 具身导航 ：navigation(abstract)
AI总结 本文提出利用参数信号时间逻辑（PSTL）对违反STL规范的反例进行分类，通过定义类别间的包含关系和二分查找方法提高分类效率，并在两个系统上验证了其有效性。
Comments The full version of the paper accepted by EMSOFT 2026
结合世界模型的Q学习
机构 * Stanford University（斯坦福大学） ； Peking University（北京大学）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出QWM框架，将世界模型与标准Q学习结合，在真实环境训练中避免复合模型偏差，在Robomimic和LIBERO基准上的样本效率与性能均优于现有SOTA方法。
WorldBench: 为世界模型诊断评估进行物理辨析
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Sony AI（索尼人工智能） ； Yale University（耶鲁大学） ； DEVCOM Army Research Laboratory（陆军研究实验室）
专题命中 具身推理 ：world model(title,abstract)；robotic(abstract)；分类 cs.CV
AI总结 WorldBench通过概念特定的解耦评估，提升世界模型的物理推理能力评估的准确性和可扩展性。
Comments Webpage: https://world-bench.github.io/
面向基于神经符号世界模型的零样本任务迁移
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出一种神经符号世界模型，通过解耦观测重构与奖励预测，实现无需额外环境交互的零样本任务迁移，其泛化能力优于纯神经方法。
被遗漏的模式即罕见规则：连续代码世界模型中的采样-验证危险定律
机构 * AGILabs
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 该研究揭示连续代码世界模型中采样-验证机制的危险，通过理论分析与实验发现，LLM合成的模式盲模型易被利用，接受仅能证明样本一致性，无法保证连续控制任务的性能。
Comments 92 pages, 5 figures. Code, data and result artifacts: https://github.com/JaviMaligno/code-world-models
无需高斯：用于JEPA世界模型的对比逆动力学
机构 * Quantexa（昆泰克萨公司）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 该研究提出AC-MTM，用对比逆动力学替代JEPA世界模型的高斯型抗坍塌机制，在多目标视觉任务上性能优于SIGReg，且训练稳定无额外复杂组件
Comments 17 pages, 5 figures. Code: https://github.com/jackboyla/action-contrastive-jepa
Hydra-0：面向通用世界建模与控制的动作流
机构 * NVIDIA（英伟达） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Harvard University（哈佛大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 本研究提出Hydra-0通用世界模型，以动作流为条件实现跨实体、任务等的通用建模控制，在RoboLab基准获高相关性，还涌现出逆模式，可助力机器人控制。
Comments Project page: https://nvidia-isaac.github.io/video_to_data/hydra-0/
WONDER：一种基于无线电世界模型的多智能体无人机覆盖优化协商框架
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 针对灾后无线覆盖中断问题，提出基于JEPA无线电世界模型与PPO演员交替更新的WONDER框架，在含62个城市场景的RadioDynamics仿真中，其平衡得分0.870，覆盖优于STACCA且保持无人机全连通。
面向6G的电磁世界模型：环境重建与信道预测的统一框架
专题命中 具身推理 ：world model(title,abstract)
AI总结 该研究针对6G智能终端需同时实现环境感知与通信的需求，提出EMWM统一框架，融合多模态信息完成信道预测与环境重建，性能优于基线方法，具备鲁棒性与零样本泛化能力。
面向协同混合交通控制的、融入物理信息世界模型的离线多智能体强化学习
专题命中 具身推理 ：world model(title,abstract)
AI总结 本研究针对混合交通中部分可观测高速瓶颈的网联自动驾驶车辆协同控制问题，提出融入物理信息世界模型的离线多智能体强化学习框架，经SUMO实验验证可提升状态重构与预测准确性。
BRo-JEPA：在潜空间中学习模算术
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NYU Langone Health（纽约大学Langone医疗中心）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.CV、cs.LG
AI总结 本文提出BRo-JEPA模型，通过在潜空间中施加模10算术的循环结构，实现零样本泛化，解决了标准模型无法外推未见操作的问题。
Comments 20 pages, 14 figures
Alaya-EVOKE：从线性缩放监督到无尽世界
机构 * MoE Key Lab of BIPC（BIPC教育部重点实验室） ； USTC（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Alaya Lab（Alaya实验室）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 Alaya-EVOKE将持久世界状态外部化并重新设计教师模型，解决交互式世界模型的冲突需求，在WBench等基准上实现最优性能，支持开放式长时序生成。
RAISECity: 一种用于城市级现实对齐3D世界生成的多模态代理框架
机构 * College of AI, Tsinghua University（人工智能学院，清华大学） ； Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京研究院，清华大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 RAISECity通过多模态代理框架实现城市级3D世界生成，提升现实对齐、精度和性能，适用于沉浸媒体和具身智能应用。
Comments Accepted by ACM MM 2026, the code is available at: https://github.com/tsinghua-fib-lab/UrbanWorld2.0
面向视觉-语言-动作驾驶模型的推理时注意力引导
机构 * FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
专题命中 机器人基础模型 ：world model(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究针对VLA驾驶模型无法在推理时重定向注意力的问题，在Qwen3-VL主干上添加预softmax注意力偏差，实验验证了其对轨迹的引导效果及层相关特性。
Comments Attention Steering, Vision-Language-Action, AutonomousDriving, Inference-Time Intervention
Journal ref European Conference on Computer Vision 2026
Prism-GRPO：通过拆分相同结果组实现更快的视觉-语言-动作（VLA）策略优化
机构 * AWS AI（亚马逊云科技人工智能部门）
专题命中 机器人基础模型 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 该研究提出 Prism-GRPO 算法，通过拆分 GRPO 的相同结果组并引入加权执行质量分数，减少机器人 rollout 预算浪费，在四个 RoboTwin 任务中使达到目标成功率的 rollout 最多减少 56%，还抑制了奖励黑客捷径。
LIBERO-VIFO：评估视觉-语言-动作模型视觉线索跟随的能力与安全性的基准
专题命中 机器人基础模型 ：robot learning(abstract)；分类 cs.RO
AI总结 研究人员提出LIBERO-VIFO基准，评估7种VLA模型的视觉线索跟随能力与安全性，发现当前VLA存在无语言指令时执行线索指示任务的未授权跟随风险，确立了以视觉为中心的安全新视角。
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