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。
时间中心SIGReg改进多任务LeWorldModel学习：从分析到方法
机构 * Graduate School of Engineering, The University of Tokyo（东京大学工程学院）
专题命中 机器人学习 ：robot policy(title,abstract)；manipulation(abstract)；world model(abstract)；robotic(abstract)
AI总结 该研究针对SIGReg在多任务LeWM中导致表示混叠的问题，提出将其应用于时间中心残差的改进方法，在LIBERO基准上显著提升了多任务世界模型的下游性能。
从未来隐状态推断机器人操纵动作
机构 * DeepLeap Research（DeepLeap研究院）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出无需视频生成的机器人操纵模型DELE-w0.5，通过从捕获动作相关物理结果的未来隐状态推断动作，在4项长程操纵任务的480次试验中，其性能优于最强基线47.5和30.7个百分点，实现最优表现。
面向机器人操作的轨迹级连续动作表示
机构 * Fudan University（复旦大学） ； TeleAI, China Telecom（中国电信TeleAI）
专题命中 机器人操作 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO
AI总结 该研究提出CAT轨迹级连续动作表示框架，通过频率感知位置编码等技术解决现有视觉运动系统的动作表示冗余问题，在LIBERO等数据集上显著提升机器人操作任务成功率。
GRIP：通过几何路由约束实现混合专家的算法无关机器反学习
机构 * School of Computer Science（计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 GRIP通过几何路由约束实现混合专家的算法无关机器反学习，有效消除专家选择偏移并保持模型效用。
SANTS：面向世界动作模型的状态自适应调度器
机构 * Fudan University（复旦大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Deep Computing Era Technology Co., Ltd（深计算时代科技有限公司）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.RO；robotics(comments)
AI总结 提出状态自适应噪声轨迹调度器（SANTS），通过根据视频状态动态选择去噪深度来优化视频到动作的扩散策略，在保持控制性能的同时大幅降低推理延迟。
Comments 13 pages, 5 figures, 8 tables. Project page: this https URL (https://advanced-robotics-lab.github.io/SANTS/)
当情绪成为触发：利用情绪风格动态后门攻击寄生大语言模型
机构 * School of Cyber Science and Engineering, Sichuan University（四川大学计算机科学与工程学院） ； School of Computer Science, China West Normal University（西南大学计算机科学学院） ； School of Electronic and Information Engineering, Lanzhou Jiaotong University（兰州交通大学电子信息工程学院）
专题命中 机器人操作 ：manipulation(abstract)；分类 cs.AI
AI总结 本文提出Paraesthesia攻击，通过情绪风格动态后门触发机制，在大语言模型中实现高隐蔽性的恶意输出。
非线性低温量子器件的设备无关微波噪声计量
专题命中 机器人操作 ：manipulation(abstract)
AI总结 提出一种基于可控噪声源替代被测器件的原位噪声计量协议，结合普朗克光谱与散射参数校准，实现非线性低温微波器件增益与输入参考附加噪声的便携式表征。
Comments 12 pages, 13 figures
通过LiAISON导航估计小行星的调和系数
专题命中 具身导航 ：navigation(title,abstract)
AI总结 该研究在近两体小行星系统中评估LiAISON导航方法，采用集成UKF的MMAE框架，仅用测距和测距率测量，通过蒙特卡洛分析准确估计了谷神星、灶神星的位置、速度及摄动，验证了LiAISON在这类系统中的有效性。
Comments 20 pages, 13 figures
面向鲁棒自主导航的三方开放集检测
机构 * School of Electrical & Computer Engineering, National Technical University Athens（电气与计算机工程学院，国家技术大学雅典）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 本文提出三方开放集检测方法，将检测结果分为已知对象、未知对象、背景，经仿真验证其比二元决策更适合鲁棒自主导航。
辅助惯性导航系统的教程：使用李群理论方法的现代处理
机构 * Université du Québec en Outaouais（魁北克大学 Outaouais分校）
专题命中 具身导航 ：navigation(title,abstract)；分类 cs.RO
AI总结 本文通过李群理论方法，介绍了一种面向控制的辅助惯性导航系统，重点在于融合惯性测量与辅助信息，并探讨了更高阶状态表示和等变滤波方法等现代技术。
针对机器人系统神经网络控制器的木马攻击
机构 * Concordia University（康科德大学） ； Concordia Institute for Information Systems Engineering（康科德信息系统工程研究所） ； Fonds de recherche du Québec – Nature et Technologies（魁北克自然与技术研究基金） ； National Cybersecurity Consortium（国家网络安全联盟）
专题命中 具身导航 ：robotic(title,abstract)；分类 cs.RO
AI总结 针对机器人神经网络控制器，设计轻量级并行木马网络，在特定触发条件下篡改控制指令，通过仿真验证攻击有效性。
Comments Paper submitted to the 2026 IEEE Conference on Control Technology and Applications (CCTA)
极简视觉惯性里程计
机构 * Department of Information Engineering, University of Padua（帕多瓦大学信息工程系） ； Computer Science Department, Columbia University（哥伦比亚大学计算机科学系）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV、cs.LG
AI总结 本文提出了一种极简的平面里程计方法，通过四个视觉测量和一个IMU实现差分驱动机器人的鲁棒运动估计，展示了极简传感在高效准确平面里程计中的应用。
Comments This work has been submitted to the IEEE for possible publication
语言模型中推理的算法原语与组合几何
机构 * Microsoft Research NYC（微软研究院纽约分部） ； Center for Theoretical Neuroscience（理论神经科学中心） ； Department of Psychology（心理学系） ； University of California Los Angeles（加州大学洛杉矶分校） ； Institute for Pure and Applied Mathematics（纯粹与应用数学研究所） ； Emory University（埃默里大学） ； Rice University（里士满大学） ； Mount Holyoke College（马里兰霍克学院） ； Technische Universität Berlin（柏林技术大学） ； BIFOLD-Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所）
专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过分析语言模型中的算法原语，揭示其推理过程的组合几何结构，并展示原语在跨任务和跨模型中的可迁移性。
利用低成本传感器的惯性磁力SLAM系统
机构 * Dept. of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电气工程与计算机科学系，皇家理工学院） ； Dept. of Electrical Engineering, Linköping University（电气工程系，林波大学） ； Dept.of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电气工程与计算机科学系，皇家理工学院） ； Division of Underwater Technology, Swedish Defence Research Agency (FOI)（水下技术 division，瑞典国防研究机构（FOI））
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 本文提出基于磁力辅助惯性导航的松耦合和紧耦合惯性磁力SLAM系统，利用低成本传感器实现高精度定位，实验表明紧耦合系统在多数场景下定位误差更小。
Comments Reduce the number of magnetometers involved to 7
面向多旋翼无人机设计的性能引导型任务特定优化
机构 * Autonomous Robots Lab, Norwegian University of Science and Technology (NTNU)（自主机器人实验室，挪威科学与技术大学）
专题命中 具身导航 ：navigation(abstract)；分类 cs.RO
AI总结 该研究提出一种结合强化学习等方法的性能引导型多旋翼无人机任务特定优化方法，可生成满足约束的优化设计，在航点导航任务中优于传统设计，且验证了其仿真到现实的迁移性。
潜在链式思维世界建模用于端到端驾驶
机构 * UT Austin（得克萨斯大学奥斯汀分校） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出Latent-CoT-Drive模型，通过潜在语言整合链式思维推理与决策，提升驾驶性能与安全性，实现更快推理和更优轨迹质量。
Comments Accepted to CVPR 2026
世界模型的柏拉图式表征假说
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 该研究针对世界模型的表征性质，提出预测一致性假设，通过DINO-WM实验发现性能良好的世界模型会形成几何相似的内部结构，且模型特征可跨模型映射，证实预测一致性能促进共享潜在结构的形成。
Comments 18 pages, 10 figures, 2 tables. Wenhow Li and Chengwei MA contributed equally. Project page: this https URL (https://sellerbubble.github.io/platonic-representation-hypothesis-on-world-models/). Corrected author metadata formatting and updated the project-page link presentation in the abstract; manuscript content and results unchanged
迈向生物医学研究的世界模型
机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。
为《星际2》政策细化设计的世界模型
机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 StarWM为《星际2》政策细化设计的世界模型，通过预测未来观察和结构化文本表示提升策略决策性能。
Meta-Ctrl：通过分离句法与语义约束实现带保证的规划生成
机构 * Michigan State University（密歇根州立大学） ； University of California Los Angeles（加利福尼亚大学洛杉矶分校）
专题命中 具身推理 ：embodied agent(abstract,abstract_cn)；分类 cs.RO、cs.AI
AI总结 Meta-Ctrl是一种约束解码框架，通过引入元标记分离句法与语义约束，在保证规划满足约束的同时保留语言模型的规划质量，在WAH-NL数据集和真实桌面机器人上均取得优于GPT-4的效果。
具身学习的可扩展任务生成：基于 affordance 的任务世界
专题命中 具身推理 ：robot learning(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出 AGT-World 框架，通过结构化图方法实现任务空间的精确分解，并结合混合反馈机制实现策略的自进化，从而提升机器人任务生成的可扩展性和泛化能力。
XP-JEPA：用于可预测潜在动力学的交叉预测物理基础
专题命中 具身推理 ：world model(abstract)；分类 cs.LG
AI总结 XP-JEPA通过将视觉与物理表征交叉预测，提升了潜在动力学的可预测性，在多任务套件上降低了展开漂移并提高了控制成功率，无需特权输入即可实现更优的基于展开的控制性能。
Comments Under review
SCALE：用于正确几何空间中JEPA规划的状态校准潜在嵌入
机构 * Boston University（波士顿大学） ； Unity Technologies（Unity科技公司）
专题命中 具身推理 ：world model(abstract)；分类 cs.LG
AI总结 该研究提出SCALE正则化器，为LeWM表示校准几何属性，在多任务、多求解器和多计算预算下均提升规划性能，证明规划依赖信息对几何的塑造作用。
Comments 15 pages, 2 figures
TASE: 用于3D场景理解与编辑的截断感知语义嵌入
机构 * Bosch Research（博世研究院） ； Rheinisch-Westfälische Technische Hochschule Aachen（亚琛工业大学） ； University of Bonn（波恩大学）
专题命中 具身推理 ：robotics(abstract)；分类 cs.CV
AI总结 提出TASE方法，通过将预训练的2D语义特征投影到截断感知嵌入空间，结合尺度和平移等变损失，实现可控的3D场景文本驱动编辑，在大几何修改任务上显著优于现有方法。
Comments Code: this https URL (https://github.com/boschresearch/TASE)
VLA-IAP: 通过交互对齐实现无训练视觉令牌剪枝用于视觉-语言-动作模型
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； South China Normal University（华南师范大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology Beijing（北京科技大学） ； National University of Defense Technology（国防科技大学）
专题命中 机器人基础模型 ：manipulation(title,abstract)；分类 cs.CV
AI总结 本文提出VLA-IAP方法，通过引入几何先验机制和动态调度策略，实现无训练的视觉令牌剪枝，提升VLA模型在资源受限平台上的推理效率和稳定性，实验显示在LIBERO基准上成功率达97.8%且速度提升1.25倍。
Comments 27 pages, 8 figures
通过自适应视觉令牌缓存学习加速视觉-语言-动作模型
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Meituan Academy of Robotics Shenzhen, Meituan（美团机器人深圳研究院） ； Central South University（中南大学） ； HKUST(GZ)（香港科技大学（广州））
专题命中 机器人基础模型 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文提出通过自适应视觉令牌缓存学习加速VLA模型，提升推理效率并提高任务成功率。
等待时学习行动：考虑推理延迟的通用机器人策略的强化学习微调
机构 * Siemens（西门子） ； UC Berkeley（加州大学伯克利分校） ； Microsoft（微软） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 本研究针对通用机器人策略因推理延迟破坏马尔可夫假设导致标准RL失效的问题，提出ARLI框架，通过状态增强等设计实现延迟下的RL微调，在模拟及真实任务中表现优异。
Comments 25 pages, 12 figures, project website: this https URL (https://async-rl-intermediate-information.github.io/)
大语言模型中的涌现能力：一项综述
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 本综述全面梳理大语言模型（LLMs）及大推理模型（LRMs）的涌现能力，分析其定义、出现条件，同时指出其潜在有害行为，强调需完善评估框架与监管监督。
通过激活回放提升大多模态模型的推理能力
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯云图实验室） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.CV
AI总结 本文通过激活回放方法提升大模型的多模态推理能力，通过操控低熵激活来增强推理性能，验证了该方法在数学、视觉代理和视频推理等场景中的有效性。
Comments CVPR 2026
面向机器人的基于电阻抗断层成像（EIT）的多点触控与弯曲感知
机构 * Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague（捷克技术大学布拉格分校电子学系） ； Institute of Intelligent Machines, Hefei Institutes of Physical Science, Chinese Academy of Sciences（合肥物理科学研究院智能机器研究所）
专题命中 人机交互与遥操作 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 本文针对机器人EIT触觉传感器弯曲时信号解读复杂的问题，提出集成深度神经网络与动态自适应参考策略的感知框架，实现了精准的弯曲角度估计与触控状态区分，为柔性EIT机器人皮肤奠定基础。
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