机器人 / 具身智能

WorldLines: Benchmarking and Modeling Long-Horizon Stateful Embodied Agents

WorldLines: 对长时域有状态具身智能体进行基准测试与建模

Yehang Zhang, Jianchong Su, Haojian Huang, Yifan Chang, Tianhao Zhou, Xinli Xu, Yingjie Xu, Yinchuan Li, Zexi Li, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； Knowin 纠错

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

AI总结 提出WorldLines基准，通过构建带时间跨度的家庭轨迹（含对话、动作、状态变化等）评估具身智能体的长时记忆与任务规划能力，并设计ObsMem记忆框架提升状态感知决策。

Comments Accepted to EMNLP 2026

From Simulation to the Real-World: An In-Field 6D Pose Dataset and Baseline for Robotic Strawberry Harvesting

从仿真到现实：面向机器人草莓采摘的实地6D位姿数据集与基线

Woojung Son (1), Won Suk Lee (1), Zijing Huang (1), Daeun Choi (1), Catia Silva (2), Yu She (3), Yan Gu (4) ((1) Department of Agricultural and Biological Engineering, University of Florida, (2) Department of Electrical and Computer Engineering, University of Florida, (3) Edwardson School of Industrial Engineering, Purdue University, (4) School of Mechanical Engineering, Purdue University)

机构 * Department of Agricultural and Biological Engineering, University of Florida（佛罗里达大学农业与生物工程系） ； Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） 纠错

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

AI总结 针对机器人草莓采摘中6D位姿估计的仿真到现实差距问题，首次构建了实地草莓6D位姿真值数据集（12,040张图像），并基于NVIDIA Isaac Sim生成具有场景级真实感的合成数据集，通过基线实验量化了差距。

Comments 8 pages, 7 figures, 1 table

VT-MUSE: Multimodal Unified Sequential Visuotactile Representation Learning for Manipulation

VT-MUSE：面向操作任务的多模态统一时序视觉-触觉表示学习

Congsheng Xu, Qiaochu Yang, Fangyuan Shi, Yifan Han, Baijun Chen, Yiming Wang, Haonan Zhao, Daolin Ma, Xiaokang Yang, Hesheng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xense Robotics（Xense机器人公司） ； BUPT（北京邮电大学） 纠错

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

AI总结 本研究提出VT-MUSE视觉-触觉多模态统一时序表示学习框架，通过两阶段学习解决现有方法的跨模态依赖捕获与时序接触演化忽略问题，在仿真和真实操作任务中性能优于基线

TaPeR: Probabilistic Recovery of Sparse Task Precedence Graphs from a Handful of Demonstrations

TaPeR：从少量演示中概率恢复稀疏任务优先关系图

Adrian Röfer, Karla Stepanova, Abhinav Valada

机构 * University of Freiburg（弗莱堡大学） ； Czech Technical University（捷克技术大学） ； Czech Institute of Informatics, Robotics, and Cybernetics（捷克信息学、机器人学与控制论研究所） 纠错

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

AI总结 TaPeR方法仅用运动学图和物体位姿分布，从少量演示中恢复更准确的稀疏任务优先关系图，可生成机器人的多种有效执行顺序。

Comments 8 pages, 5 figures, 3 tables, under review

NeSAM: Neuro-Symbolic Kinodynamics with Soil Adaptation for Off-Road Mobility

NeSAM：用于越野移动的带土壤自适应的神经符号运动动力学模型

Chenhui Pan, Tong Xu, Francesco Cancelliere, Xuesu Xiao

机构 * George Mason University（乔治梅森大学） ； University of Catania（卡塔尼亚大学） 纠错

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

AI总结 NeSAM是结合Bekker-Wong地面力学与Transformer残差模型的神经符号框架，可在线估计土壤参数，在模拟与真实越野场景中提升运动预测准确率及轨迹跟踪精度。

Belief Without Behavior: Measuring the Translation of Theory of Mind into Coordinated Social Action in Vision-Language Models

无行为的信念：测量视觉-语言模型中心智理论到协同社会行动的转化

Tonglin Yan, Gregoire Sergeant-Perthuis, David Rudrauf

机构 * CIAMS, Université Paris-Saclay（巴黎萨克雷大学 CIAMS） ； CQSB, Sorbonne Université（索邦大学 CQSB） 纠错

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

AI总结 该研究提出基准MOSAIC评估视觉-语言模型的心智理论到协同社会行动的转化，发现多数模型存在瓶颈，而带显式ToM模块的PCM-LLM表现优异，证实显式信念-行动耦合的作用。

Shortcut Learning in a Public Grape Disease Dataset: Annotation Granularity as a Modulator, Not a Cause

公共葡萄病害数据集中的捷径学习：标注粒度作为调节因素而非原因

Pushuo Wang (Shenyang Institute of Technology)

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

AI总结 研究发现公共葡萄病害数据集的标注粒度是捷径学习的调节因素而非原因，提出无需图像或训练的粒度筛选统计量，且空中病斑级检测光学上不可行。

Comments 30 pages, 3 figures, 17 tables. Code and evaluation artifacts: this https URL (https://github.com/nck9343-a11y/crop-detect)

Keyed Provenance Watermarking with Complementary Lattice-Based Secure Aggregation for Federated Learning

面向联邦学习的结合互补格基安全聚合的密钥化来源水印

Xinyun Liu, Zhi Lu, Yu Chen, Ronghua Xu

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

AI总结 本研究针对联邦学习面临的多级攻击问题，提出结合密钥化来源水印与格基安全聚合的FL框架，经实验验证其在复合攻击下具备互补保护能力，且为端到端可信FL提供了联合评估方案。

Looks Right, Works Right: A Project-Level Benchmark for Multi-Screen Mobile App Generation

看起来对，运行起来对：面向多屏移动应用生成的项目级基准测试

Fan Wu, Cuiyun Gao, Yiming Huang, Yang Xiao, Yujia Chen, Qing Liao

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

AI总结 针对现有设计转代码基准的局限，提出首个项目级多屏移动应用生成基准MobileForge，通过五轴评估及两种测试方法，发现前沿多模态LLM构建的应用存在导航、保真度和可维护性问题。

Comments Accepted by EMNLP 2026 Main

Update-Free On-Policy Steering via Verifiers

基于验证器的免更新在线策略引导

Maria Attarian, Ian Vyse, Jasper Gerigk, Evgenii Opryshko, Yifan Ruan, Anas Almasri, Sumeet Singh, Yilun Du, Igor Gilitschenski, Claas Voelcker

机构 * University of Toronto（多伦多大学） ； Google DeepMind（谷歌DeepMind） ； University of Alberta（阿尔伯塔大学） ； UTAustin（得克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学） 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UF-OPS方法，利用策略评估中的验证器函数引导基础策略选择高成功概率动作，无需更新参数即可提升黑箱扩散策略性能，在5个真实任务中平均成功率提升49%。

Comments 11 pages, 5 figures

Indexing Long Documents for LLM-Based Analysis

为基于大语言模型分析的长文档建立索引

Donna Pham

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 针对LLM分析长文档时速度慢、成本高、易幻觉等问题，提出一种由LLM自动构建的分层纯文本索引，在NarrativeQA数据集上达到与DocETL相当准确率且成本降低40%。

Comments 4 pages, 3 figures. VLDB 2026 PhD Workshop

On the Time and Frequency Domain Representations of Signals for CPS Specification

用于网络物理系统（CPS）规范的信号的时域与频域表示

Claudio Mandrioli, Drishti Yadav, Domenico Bianculli

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文针对CPS规范，提出信号-频谱时序逻辑（S2TL），对比发现其比时域规范更适用于线性插值轨迹，且噪声容忍度更优，保真度相当。