机器人 / 具身智能

OceanGym: A Benchmark Environment for Underwater Embodied Agents

OceanGym: 一个用于水下具身智能体的基准环境

Yida Xue, Mingjun Mao, Xiangyuan Ru, Yuqi Zhu, Baochang Ren, Shuofei Qiao, Mengru Wang, Shumin Deng, Xinyu An, Ningyu Zhang, Ying Chen, Huajun Chen

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

AI总结 OceanGym通过多模态大语言模型构建首个水下具身智能体基准，揭示水下环境感知与规划的挑战，推动水下自主系统发展。

Comments EMNLP 2026

PanelShield: Verifiable Closed-Loop Safe Planning for Robotic Industrial Panel Operation

PanelShield：面向机器人工业面板操作的可验证闭环安全规划

Guipeng Xin, Jiahe Xu, Chenhui Wan, Jie Liu, Youmin Hu, Zhongxu Hu

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

AI总结 针对工业面板操作的安全约束规划问题，提出PanelShield框架，结合LTL与安全FSM实现可验证闭环规划，实验表明其可降低违规率至2.7%并提升任务性能。

MaCoPlanner: LLM-Assisted Manual-Compiled Task Planning with Proactive Safety Verification for Robotic Industrial Panel Operation

MaCoPlanner：面向机器人工业面板操作的、结合主动安全验证的大语言模型辅助人工编译任务规划

Guipeng Xin, Jiahe Xua, Mohammad Deghat, Chenhui Wan, Jie Liu, Youmin Hu, Zhongxu Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 MaCoPlanner是面向机器人工业面板操作的规划框架，通过编译设备手册知识生成规划，经主动安全验证后执行，大幅提升了任务成功率，在Level-2、Level-3任务上分别提升了21.6、17.3个百分点。

Differentiable Dynamics and Fast Simulation of Continuous Elastic Robotic Fish

可微动力学与连续弹性机器鱼的快速仿真

Zhiheng Chen, Jiayi Jin, Wei Wang

机构 * Marine Robotics Lab, Department of Mechanical Engineering, College of Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校工程学院机械工程系水下机器人实验室） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学Sibley机械与航空航天工程学院） 纠错

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

AI总结 本文针对现有机器鱼动力学模型的不足，提出基于哈密顿原理的可微全身动力学模型与快速仿真框架，经数值与实验验证，可用于机器鱼身体刚度分布的梯度优化设计。

Comments Under review at IEEE Robotics and Automation Letters (RA-L)

SUFLECA: Scaling Up Feature Learning for CAD-to-image Alignment

SUFLECA：扩大用于CAD到图像对齐的特征学习

Saad Ejaz, Miguel Fernandez-Cortizas, Javier Civera, Holger Voos, Jose Luis Sanchez-Lopez

机构 * Automation and Robotics Research Group, Interdisciplinary Centre for Security, Reliability, and Trust (SnT), University of Luxembourg（自动化与机器人研究组，卢森堡大学跨学科安全、可靠性与信任中心（SnT）） ； Faculty of Science, Technology, and Medicine, University of Luxembourg（卢森堡大学科学、技术与医学学院） ； I3A, Universidad de Zaragoza（萨拉戈萨大学I3A） 纠错

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

AI总结 研究旨在解决CAD到图像对齐问题，提出弱监督框架SUFLECA。通过归一化物体坐标监督扩大特征学习，结合几何一致匹配算法，能准确快速对齐，在ScanNet25k上取得优异成绩，优于零样本基线并超越全监督方法。

Linear Temporal Logic Translation via Human-Inspired Self-Constrained Reasoning for Robot Task Specification

面向机器人任务规范的、基于类人自约束推理的线性时态逻辑翻译

Haofei Hou, Fanxu Meng, Shunyi Zhao, Kairui Yang, Mengchen Cai, Lecheng Ruan, Qining Wang

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； School of Integrated Circuits, Peking University（北京大学集成电路学院） 纠错

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

AI总结 该研究提出自约束推理（SCR）框架，将结构知识内化到模型决策中，以在不破坏推理的前提下，提升将人类指令翻译为线性时态逻辑（LTL）时的领域约束满足度与泛化能力。

String: An Agentic OS Where Every App Is a Markdown File

一种智能体操作系统：每个应用都是一个 Markdown 文件

Jookyung Song, Nojun Kwak, Simyung Chang

机构 * Seoul National University（首尔大学） ； H1R.AI 纠错

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

AI总结 该研究提出开源智能体操作系统 String，将应用定义为 SFMD 文档，通过分阶段视图和权限机制提升 LLM 智能体操作效率，在 87 任务基准测试中减少 token 消耗并保持良好成功率。

Comments 11 pages, 3 figures

Should I Use This Synthetic Dataset for Training? How to Test with Minimal Real Data

我应该使用这个合成数据集进行训练吗？如何用最少的真实数据进行测试

Zhenyu Tao, Wei Xu, Xiaohu You, Petar Popovski, Osvaldo Simeone

机构 * Southeast University（东南大学） ； Purple Mountain Laboratories（紫金山实验室） ； Aalborg University（奥尔堡大学） ； Northeastern University London（伦敦东北大学） 纠错

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

AI总结 本文提出aeSFT方法，用极少真实数据判断合成数据集是否可用于训练，实验表明其识别有用合成数据的效率优于均值序贯测试，性能与固定样本符号翻转测试等相当且假阳性率达标。

Comments Submitted to IEEE

From Dialogue to Execution: Mixture-of-Agents Assisted Interactive Planning for Behavior Tree-Based Long-Horizon Robot Execution

从对话到执行：基于混合代理的交互式规划用于基于行为树的长时域机器人执行

Kanata Suzuki, Kazuki Hori, Haruka Miyoshi, Shuhei Kurita, Tetsuya Ogata

机构 * Waseda University（早稻田大学） ； National Institute of Informatics（国家信息研究所） ； NII Research and Development Center for Large Language Models（国家信息研究所大型语言模型研究开发中心） ； The Graduate University for Advanced Studies (SOKENDAI)（高级研究大学研究生院（SOKENDAI）） 纠错

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

AI总结 本文提出基于混合代理的交互式规划框架，通过生成行为树实现长时域机器人任务的高效执行，减少人类干预并提升执行质量。

CNeo-Bench: Diagnosing Large Language Models on Chinese Neologisms

CNeo-Bench：针对中文新词汇的大语言模型诊断基准

Kaiyan Zhao, Zhongtao Miao, Zheyong Xie, Shaosheng Cao, Yoshimasa Tsuruoka

机构 * The University of Tokyo（东京大学） ； Xiaohongshu Inc.（小红书公司） ； Tsinghua University（清华大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本研究构建了含4759个中文新词汇的基准CNeo-Bench，搭配两层评估框架评估18个大语言模型，发现模型在定义生成上表现差，存在识别-操作差距，少样本提示仍无法解决部分难题。

Comments Work in progress