机器人 / 具身智能

SpatialDiff: 3D-Aware Object Movement via Implicit Spatial Modeling

SpatialDiff：基于隐式空间建模的三维感知物体运动

Zheng Liu, Zijian He, Huiguo He, Weizhi Zhong, Yejun Tang, Huan Yang, Kun Gai, Guanbin Li

机构 * Sun Yat-sen University（中山大学） ； South China University of Technology（华南理工大学） ； Kuaishou Technology（快手科技） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV

AI总结 SpatialDiff通过隐式三维空间建模和全局空间监督，解决了现有图像编辑方法难以处理复杂场景中物体空间运动的问题，提升了空间运动的准确性与保真度。

Comments Accepted by CVPR2026

SecOPD: Mitigating Adaptive Prompt Injections by On-Policy Distillation

SecOPD：通过策略内蒸馏缓解自适应提示注入攻击

Yibo Peng, Long Lian, David Wagner, Sizhe Chen

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI

AI总结 针对AI智能体面临的自适应提示注入攻击，提出SecOPD方法，通过令牌级反馈优化防御微调，大幅降低攻击成功率，且安全性可泛化到工具调用等新领域。

Comments EMNLP 2026 (main conference)

Unified Condition-Action Modeling for Accurate One-Step Action Generation

用于精准单步动作生成的统一条件-动作建模

Xinyu Zhou, Zikun Cai, Kuangji Zuo, Gen Li, Boyu Ma, Yanshuo Lu, Yutong Song, Mingqi Yuan, Jiayu Chen, Jianfei Yang

机构 * NTU（南洋理工大学） ； HKU（香港大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 该研究提出UCA-Flow统一条件-动作建模框架，通过共享令牌空间与改进双路监督方案，提升机器人单步动作生成的成功率与推理速度。

Emergent Misaligned Communication in Long-Horizon Multi-Agent LLM Commerce

长视野多智能体大语言模型商业环境中涌现的对齐失效通信

Zeyuan Li, Lukas Petersson, Alessandro Acquisti, Michiel A. Bakker

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI

AI总结 该研究在Vending-Bench Arena环境中发现，竞争多智能体LLM交易场景会涌现与操作稀缺性、对手行为相关的可测量对齐失效通信，且该现象不受模型能力排名直接影响。

TacWAM: Anchor-Guided World Action Model with Mechanics-Aware Tactile Prediction

TacWAM：锚点引导的力学感知触觉世界动作模型

Lei Jin, Yiding Ma, Xin Zhang, Chen Gao, Wei Wu, Yong Li

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO

AI总结 该研究提出TacWAM，通过空间对齐融合触觉编码器、触觉历史编码器及锚点引导三模态注意力，在四项真实接触操作任务上使平均成功率达75.0%，远超最强基线37.5个百分点。

Comments 8 pages, 4 figures, 2 tables

Specialist-Generalist Fusion with Outcome-Supervised Rationales for Deepfake Detection

语言训练深度伪造检测器的正则化能力

Benedikt Hopf, Zongwei Wu, Radu Timofte

机构 * Computer Vision Lab, CAIDAS, University of Würzburg（计算机视觉实验室，CAIDAS，乌尔姆大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；分类 cs.CV

AI总结 提出利用多模态大语言模型的双编码器架构和两阶段训练，通过语言正则化缓解过拟合，提升深度伪造检测的泛化性和可解释性。

Nori A3: A Bimanual Mobile Manipulator at the Appliance Price Point

Nori Bot：一款不到1000美元的 floor-to-counter 移动机械臂

Antonio Li

机构 * LeRobot 纠错

专题命中 机器人操作 ：navigation(abstract)；分类 cs.RO

AI总结 Nori Bot 通过600mm Z轴提升、Raspberry Pi 4与OpenClaw协同控制以及软件安全栈解决移动机械臂的三大限制，成本仅为同类商业平台的3%。

Comments 5 pages, 4 figures, 2 tables. Supersedes arXiv:2605.16537 (https://arxiv.org/abs/2605.16537), which described an earlier prototype on a different mechanical base

UNCLE-Grasp: A Task-Adapted Framework for Uncertainty-Aware Grasping of Leaf-Occluded Strawberries

UNCLE-Grasp: 有不确定性意识的叶片遮挡草莓抓取

Malak Mansour, Ali Abouzeid, Zezhou Sun, Qinbo Sun, Dezhen Song, Abdalla Swikir

机构 * Department of Robotics, Mohamed bin Zayed University of Artificial Intelligence（机器人系，Mohamed bin Zayed人工智能大学） 纠错

专题命中 机器人操作 ：robotic(abstract)；分类 cs.RO

AI总结 UNCLE-Grasp通过建模遮挡和形状补全的几何不确定性，提出了一种在部分遮挡下可靠抓取草莓的方法，通过多假设评估和保守置信界标准提升抓取可靠性。

Generated Reality: Human-centric World Simulation using Interactive Video Generation with Hand and Camera Control

生成现实：基于交互式视频生成的人本世界模拟

Linxi Xie, Lisong C. Sun, Ashley Neall, Tong Wu, Shengqu Cai, Gordon Wetzstein

机构 * Stanford University（斯坦福大学） ； NYU Shanghai（纽约大学上海分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 机器人操作 ：world model(abstract)；分类 cs.CV

AI总结 本文提出了一种基于交互式视频生成的人本世界模拟系统，通过结合头部和手部姿态控制，提升虚拟环境的交互性和用户控制感。

Comments Project page here: this https URL (https://codeysun.github.io/generated-reality)

Whitewashing Hate, Smearing Harmless Content: Annotator-Style Rebuttal Attacks on LLM-Based Moderation

洗白仇恨内容、抹黑无害内容：针对基于大语言模型的内容审核的标注者式反驳攻击

Junyu Lu, Kaiyuan Liu, Jingyi Kang, Deyi Ji, Hailong Zhang, Lanyun Zhu, Qi Zhu, Bo Xu, Liang Yang, Hongfei Lin

机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） ； Tongji University（同济大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究针对LLMs内容审核提出标注者式反驳攻击，发现洗白仇恨内容与抹黑无害内容的攻击效果存在模型特异性不对称性，防御措施无法完全消除攻击影响，凸显需定向防御与反馈鲁棒性评估。

Band-Selective LDOS Engineering of Yb/Er Upconversion: an Electromagnetic-Kinetic Diagnostic Framework

镱/铒上转换的带选择性局域态密度工程：电磁-动力学诊断框架

Yuxiang Zhang, Mayte Gómez-Castaño, Agustín Mihi, Serge Ravaine, Xiaogang Liu, Renaud A. L. Vallée

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究构建了带选择性的等离子体上转换平台，通过耦合电磁-动力学框架分析Yb/Er上转换过程，明确了泵浦场与发射侧LDOS的解耦机制，为等离子体上转换架构设计提供了诊断方法。

Comments 38 pages, 13 figures

Flux-induced Aharonov-Bohm Oscillation in the Tunneling Spectroscopy of Kitaev Spin Liquids

Kitaev自旋液体隧穿谱中通量诱导的阿哈罗诺夫-玻姆振荡

Wen-Han Kao, Elio J. König

专题命中 机器人操作 ：manipulation(abstract)

AI总结 该研究针对Kitaev自旋液体中通量激发与费米子互统计的探测难题，通过理论与数值分析揭示了通量诱导的隧穿谱振荡，为相关统计特征的诊断提供了无需操纵单个任意子的新方法。

Spinor condensate persistent currents in an atomtronic Josephson necklace

原子电子约瑟夫森项链中的旋量凝聚体持续电流

Sayan Chatterjee, Nalinikanta Pradhan, Rina Kanamoto, M. Bhattacharya, Pankaj Kumar Mishra

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本研究探究环形多约瑟夫森结上旋量原子玻色-爱因斯坦凝聚体的持续电流，考察多种因素对其的影响，揭示第二种组分可实现超流的多种操控机制，为相关工程应用提供路线图。

Comments 7 pages, 4 figures, with supplementary including 6 figures

All-Optical Control of Interfacial Polarization in MoS$_2$/WSe$_2$ Heterobilayers

MoS₂/WSe₂异双层中界面极化的全光调控

Muhammad Sufyan Ramzan, Giancarlo Soavi, Caterina Cocchi

专题命中 机器人操作 ：manipulation(abstract)

AI总结 研究基于第一性原理预测了强超快脉冲可诱导MoS₂/WSe₂异双层产生持久界面极化，揭示了场强对层间电荷转移的影响，为低维异质结构的全光操控提供理论蓝图。

AIDC Microgrid Vulnerability Assessment Under Computing-Power Coordinated Attacks

算力-电力协同攻击下的AI数据中心（AIDC）微电网脆弱性评估

Ze Yu, Hongwei Zhen, Chao Shen, Mingyang Sun

专题命中 机器人操作 ：manipulation(abstract)

AI总结 本文针对低碳AI数据中心（AIDC）微电网的算力-电力协同攻击问题，提出不确定性感知脆弱性评估框架，经案例验证可识别脆弱时段，协同攻击危害大于单一攻击。

SuperMap: A Spatio-Temporal SLAM System for Visual-Language Navigation

SuperMap：用于视觉-语言导航的时空SLAM系统

Shibo Zhao, Guofei Chen, Honghao Zhu, Zhiheng Li, Changwei Yao, Nader Zantout, Seungchan Kim, Wenshan Wang, Ji Zhang, Sebastian Scherer

机构 * The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

专题命中 具身导航 ：navigation(title,abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出SuperMap，一种结合几何SLAM与开放词汇感知的4D时空建图框架，用于视觉-语言导航，可稳定维护目标身份，经基准与真实机器人验证后开源。

AirAlign: Geometry-Aware Relative Pose Alignment for UAV Last-Meter Navigation

AirAlign：面向无人机最后一米导航的几何感知相对位姿对齐

Jinyi Zhou, Shuo Feng, Yufei Wu, Piji Li

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 具身导航 ：navigation(title,abstract)；manipulation(abstract)；分类 cs.CV

AI总结 针对无人机最后一米导航中视角与外观变化导致的位姿对齐难题，提出仅用RGB图像对的AirAlign框架，结合预训练几何模型与场景拆分训练，经PairUAV挑战赛实验验证其有效性与鲁棒性。

RACO: Reliability-Aware Coarse-Goal Optimization for Inspection-Oriented UAV Vision-Language Navigation

RACO：面向巡检的无人机视觉语言导航的可靠性感知粗目标优化

Sen Wang, Yiming Sun, Jiaxuan He, Pengfei Zhu

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 针对面向巡检的无人机视觉语言导航，提出RACO框架，通过可靠性感知优化粗目标，在未见场景下较HETT基线显著提升成功率，改善巡检区域到达率并降低错误验证风险。

OptiSight: Bridging Semantic Reasoning and Geometric Control for Embodied Navigation

OptiSight：弥合具身导航中的语义推理与几何控制

Alperen Avan, Jordi Sanchez-Riera

机构 * Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（机器人学与工业信息研究所（西班牙国家研究委员会-加泰罗尼亚理工大学）） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV

AI总结 本研究提出OptiSight混合框架，结合VLM推理与确定性视觉伺服，在8GB VRAM预算下，于AI Habitat中实现了多种室内场景下的可靠零样本具身导航。

Macro-Action Topological Navigation under Noisy Localization using Reinforcement Learning

基于强化学习的含噪定位下的宏动作拓扑导航

Simon Hakenes, Tobias Glasmachers

机构 * Institute of Neural Computation, Ruhr University Bochum（鲁尔大学波鸿分校神经计算研究所） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.LG

AI总结 本研究提出一种基于强化学习的含噪定位下的宏动作拓扑导航方法，通过以物体为中心的位姿估计替代真实位姿，在Habitat模拟器中实现智能体仅用视觉完成3D公寓内的导航任务。

Comments 15 pages, Accepted at the Artificial Intelligence Symposium (AIS) 2026

AECNav: Active Evidence Consolidation for Efficient Zero-Shot Open-Vocabulary Object Navigation

AECNav：用于高效零样本开放词汇对象导航的主动证据整合

Guanlin Liu, Shaobin Ling, Renyuan Liu, Zeying Gong, Junjie Hu

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO

AI总结 AECNav是一种无需训练的零样本开放词汇对象导航方法，通过证据门控感知、证据整合与主动证据获取三个组件，在多个基准数据集上达到最新性能，且在物理机器人上表现优异。

Credibility-Aware Learning and Control for Safe USV Navigation under Perception Uncertainty

信任、几何与规则：不确定性下安全USV导航的可信感知强化学习框架

Yuhang Zhang, Shuqi Chai, Yukang Zhang, Liusha Yang, Mingchuan Zhang, Wei Wang, Qingjiang Shi, Quanbo Ge

机构 * School of Information Engineering, Henan University of Science and Technology（河南科技大学信息工程学院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Logistics Engineering, Shanghai Maritime University（上海 Maritime University物流工程学院） ； Shenzhen Technology University（深圳科技大学） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Software Engineering, Tongji University（同济大学软件工程学院） 纠错

专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO

AI总结 提出一种集成可信感知学习、几何安全屏蔽和连续规则感知嵌入的强化学习框架，以解决动态海洋环境中USV导航的安全性和COLREGs合规性问题。

GuideFetch: A Task Coordination Framework for Concurrent Navigation and Object Retrieval in Assistive Robot Dogs

GuideFetch：用于辅助机器狗并发导航与物体检索的任务协调框架

Qian Yin, Ruiping Liu, Kunyu Peng, Jianxiang Man, Isik Baran Sandan, Junwei Zheng, Yufan Chen, Di Wen, Kailun Yang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） 纠错

专题命中 具身导航 ：navigation(title)；分类 cs.RO、cs.CV

AI总结 针对异构辅助机器狗的导航与物体检索并发任务，提出GuideFetch协调框架，通过LLM规划与状态验证提升执行效率，并行执行可缩短41.3%平均总完成时间。

Comments Accepted to the 1st Workshop on Multimodal Digital Agents (MDA) at ECCV 2026

RoboShape: Information-Theoretic Point Cloud Representations for Privacy-Aware Robot Perception

RoboShape：面向隐私感知机器人感知的信息论点云表示

Oguzhan Baser, Mirac Sozen, Kaan Kale, Sandeep Chinchali, Sriram Vishwanath

机构 * The University of Texas at Austin（得克萨斯大学奥斯汀分校） ； Bogazici University（博加齐大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 具身导航 ：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 RoboShape 是一种信息论引导的点云压缩工具，可在保留物体分类效用的同时降低敏感属性泄露，缩小嵌入体积，发布代码库供机器人社区使用。

Comments under review

Traj-VLN: Learning Pixel-Space Interaction via Autoregressive Trajectory Generation

Traj-VLN：通过自回归轨迹生成学习像素空间交互

Changfei Fu, Guangcheng Chen, Aoxiang Gu, Haoxiang Liang, Wenjun Xu, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng National Laboratory（鹏城国家实验室） ； Guangdong University of Technology（广东工业大学） 纠错

专题命中 具身导航 ：embodied agent(abstract)；navigation(abstract)；分类 cs.RO、cs.CV

AI总结 研究连续环境中视觉与语言导航问题，提出通过自回归轨迹生成在2D像素空间微调视觉语言模型来学习导航交互的方法，实验验证该方法能显著提升性能，旗舰模型在有限资源和数据下达最优水平。

VeCAS: Vessel-Focused Contrast-Free Angiogram Synthesis for Vascular Interventions

VeCAS：面向血管介入的聚焦血管的无造影剂血管造影合成

De-Xing Huang, Chen-Yu Wang, Hao Liang, Xiao-Hu Zhou, Mei-Jiang Gui, Tian-Yu Xiang, Qin-Yi Zhang, Chen Wang, Xiao-Liang Xie, Shi-Qi Liu, Ming-Yuan Liu, Zhen-Chang Wang, Zeng-Guang Hou

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 具身导航 ：navigation(abstract)；robotic(abstract)；分类 cs.CV

AI总结 本文提出VeCAS框架，通过两阶段合成实现无造影剂血管造影，在下肢数据集实验中优于对比方法，还可缩短机器人导丝导航的时间与步骤，具临床应用潜力。

Comments 10 pages, 8 figures, 5 tabels, supplementary material: this https URL (https://dxhuang-casia.github.io/data/vecas_supplementary_material.pdf)

ViSMoE: Visual-Aware Sparse Mixture-of-Experts for Embodied Referring Expression Grounding

ViSMoE：面向具身指代表达接地的视觉感知稀疏混合专家模型

Shuo Feng, Piji Li

机构 * College of Artificial Intelligence（人工智能学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 具身导航 ：embodied agent(abstract)；navigation(abstract)；分类 cs.CV

AI总结 针对现有具身指代表达接地方法无法区分视角与物体导致表示模糊的问题，提出带视觉感知路由策略的ViSMoE框架，在REVERIE和SOON数据集上性能优于现有SOTA方法。

Comments Accepted by ICANN 2025

ODG-NoMaD: Overhead-Camera Direction-Guided NoMaD

ODG-NoMaD： overhead相机方向引导的NoMaD

Blossom Treesa Bastian, Keerthi S. Shetty, Manish Kolachalam, Rani Malhotra, Ashish Dutta

机构 * Applied Research Center for Autonomous Machines, Infosys Center for Emerging Technologies（Infosys新兴技术中心自主机器应用研究中心） ； Dept. of Mechanical Engineering, IIT Kanpur（印度理工学院坎普尔分校机械工程系） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 该研究提出ODG-NoMaD，通过overhead相机方向引导改进NoMaD，在模拟办公环境中大幅减少残余距离、优于NaviDiffusor且全程无碰撞。

Long-Horizon Audio-Visual Generation for Persistent Stories and Interactive Worlds

面向持续故事与交互世界的长时序视听生成

Nan Duan, Haoyang Huang, Weiyang Jin, Haoran Li, Yaowei Li, Yuming Li, Yijun Liu, Xin Lu, Xiaoxiao Ma, Yanwen Ma, Yaofeng Su, Yilang Sun, Haoyu Wang, Zeyue Xue, Songchun Zhang, Junhao Zhuang

机构 * Joy Future Academy, JD（京东探索研究院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV

AI总结 研究针对长时序视听生成的需求，提出JoyAI-Echo-1.5系统，含长视频与世界模型变体，通过专用技术实现跨镜头一致性等性能，在相关基准上取得领先结果，为生成连贯内容提供基础。

Comments Project page: this https URL (https://echo-team-joy-future-academy-jd.github.io/Echo-1.5-Page/)

A Unified Neural-Aided Alignment and Calibration Method for AUVs

面向自主水下航行器（AUV）的统一神经辅助对准与校准方法

Guy Damari, Zeev Yampolsky, Itzik Klein

机构 * University of Haifa（海法大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO

AI总结 本研究针对AUV传统DVL初始化流程耗时、依赖轨迹等缺陷，提出含ResAlignNet与DCNet的神经辅助统一初始化流程，仅需25秒近等速轨迹数据，使速度均方根误差平均降低68.7%。