机器人 / 具身智能

Toward Active Object Detection for UAVs in the Wild: A Large-Scale Dataset, Benchmark and Method

面向野外无人机的主动目标检测：大规模数据集、基准和方法

Tianpeng Liu, Xinhua Jiang, Li Liu, Qinmu Shen, Siwei Tang, Zhen Liu, Yongxiang Liu

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

AI总结 针对无人机主动目标检测缺乏高质量数据集和基准的问题，提出ATRNet-LUDO数据集并建立评估基准。利用联合嵌入预测架构构建世界模型，提出AOD-JEPA，经实验验证其有效性和优越性，推动无人机-地面主动目标检测领域研究。

Comments 18 pages, 19 figures, 5 tables

STITCH-OPE: Trajectory Stitching with Guided Diffusion for Off-Policy Evaluation

STITCH-OPE：基于引导扩散的轨迹拼接用于离线策略评估

Hossein Goli, Michael Gimelfarb, Nathan Samuel de Lara, Haruki Nishimura, Masha Itkina, Florian Shkurti

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Toyota Research Institute（丰田研究院） ； Vector Institute（向量研究所） 纠错

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

AI总结 STITCH-OPE通过引导扩散生成长周期轨迹，有效降低OPE中的方差，提升在高维空间中的评估性能。

Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025), 2025

Beyond Black-Box Obfuscation: Mechanistic Analysis and Defense of White-Box Monitors

超越黑盒混淆：白盒监测器的机制分析与防御

Maheep Chaudhary, Fazl Barez

机构 * University of Oxford（牛津大学） 纠错

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

AI总结 研究针对大语言模型白盒监测器可被规避且缺乏防御措施的问题，通过红队实验揭示几何转移和协方差操纵两种逃避策略，引入SafetyNet集成方法，在多模型家族实验中取得高AUROC分数，为稳健潜在空间监测提供了实证和起点。

Beyond Thermal Imaging: Inferring Thermophysical Properties from Time-Resolved Thermal Observations

超越热成像：从时间分辨热观测中推断热物理性质

Chenghao Xu, Malcolm Mielle, Olga Fink

机构 * École polytechnique fédérale de Lausanne（洛桑联邦理工学院） ； Schindler Holding AG（迅达控股公司） 纠错

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

AI总结 研究从热观测推断热物理性质的问题，提出ThermoField框架，通过可微热传递模拟统一热场景重建和热物理参数估计，能在复杂3D场景中联合重建几何、估计热扩散率并预测热演变，为相关研究提供统一方法。

Comments 31 pages, In submission

TOPO-Bench: An Open-Source Topological Mapping Evaluation Framework with Quantifiable Perceptual Aliasing

TOPO-Bench：一个具有可量化感知混叠的开源拓扑映射评估框架

Jiaming Wang, Jizhuo Chen, Diwen Liu, Harold Soh

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

AI总结 针对拓扑映射缺乏标准评估体系及感知混叠量化不足的问题，提出将拓扑一致性形式化并以定位精度为替代指标，还给出数据集模糊度定量度量，开源相关数据集、基线及工具，推动拓扑映射研究的一致性与可重复性。

Comments Jiaming Wang, Diwen Liu, and Jizhuo Chen contributed equally

BiasBench: A reproducible benchmark for tuning the biases of event cameras

BiasBench：用于调整事件相机偏差的可重现基准测试

Andreas Ziegler, David Joseph, Thomas Gossard, Emil Moldovan, Andreas Zell

机构 * Cognitive Systems Group, University of Tübingen（图宾根大学认知系统组） 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 研究针对事件相机偏差调整工具少的问题，提出BiasBench这一包含多场景的可重现事件数据集，并展示三个场景及下游应用质量指标，还提出基于强化学习的方法促进在线偏差调整。

Comments Accepted to CVPR 2025 Workshop on Event-based Vision

UI2App: Benchmarking Visual Interaction Inference in Executable Web Application Generation

UI2App：可执行Web应用程序生成中视觉交互推理的基准测试

Grace Man Chen, Litao Guo, Yifan Wu, Yiyu Chen, Yenchi Tseng, Sicheng Liu, Yuyu Luo, Ying-Cong Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 研究针对现有网页生成基准测试对交互能力评估不足的问题，引入UI2App基准测试，通过设计端到端管道沿四个维度评估工件，实验发现视觉与交互能力不匹配，复杂交互是瓶颈，为相关研究提供了参考。

From Open Waters to Enclosed Cabins: ProteusVPR for Cross-Scene Visual Place Recognition in Maritime Perception and Cabin Inspection

从开阔水域到封闭舱室：ProteusVPR用于海洋感知与舱室检查中的跨场景视觉位置识别

Zexi Chen, Zitai Huang, Qiwen Gu, Zhiqi Li, Shengli Dong, Chenlei Wang, Junqiao Zhao, Hongdong Wang, Bing Han

机构 * Shanghai Jiaotong University（上海交通大学） ； COSCO SHIPPING Advanced Technology Institute（中远海运先进技术研究院） ； Shanghai Ship and Shipping Research Institute Co.LTD（上海船舶运输科学研究所） ； Tongji University（同济大学） ； Dalian Maritime University（大连海事大学） 纠错

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

AI总结 提出ProteusVPR两阶段检索-细化框架，通过几何-视觉估计网络融合时序帧与几何描述符，在跨场景海洋环境下将平均定位误差降低60%以上。

EgoDyn-Bench: Evaluating Ego-Motion Understanding in Vision-Centric Foundation Models for Autonomous Driving

EgoDyn-Bench：评估面向自动驾驶的视觉中心基础模型中的自我运动理解

Finn Rasmus Schäfer, Yuan Gao, Dingrui Wang, Thomas Stauner, Stephan Günnemann, Mattia Piccinini, Sebastian Schmidt, Johannes Betz

机构 * Professorship of Autonomous Vehicle Systems, Technical University of Munich, Munich, Germany（自动驾驶车辆系统教授职位，慕尼黑技术大学，德国慕尼黑） ； Bayerische Motoren Werke AG, Munich, Germany（巴伐利亚发动机有限公司，德国慕尼黑） ； Data Analytics and Machine Learning Group, Technical University of Munich, Munich, Germany（数据分析与机器学习小组，慕尼黑技术大学，德国慕尼黑） 纠错

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

AI总结 本文提出EgoDyn-Bench基准，用于评估视觉中心基础模型的自我运动理解能力，发现模型在将物理逻辑与视觉感知结合时存在结构性缺陷，通过显式轨迹编码可恢复物理一致性。

Comments 36 Pages, Accepted at ECCV 2026

Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery

用于过度自信的热视觉场所识别的轨迹锚点优化：零泄漏异常检测与绑架机器人恢复

Zhiyuan Lu, Kanji Tanaka

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

AI总结 研究针对基于基础模型的热视觉场所识别前端在分布外或未映射条件下的过度自信强制匹配失败问题，提出轨迹锚点优化（TAO），通过压缩多视图时间验证解决组合挑战，实现高效故障安全过滤。

Comments 11 pages, 5 figures, technical report

SILO: Simulation-in-the-Loop Sim-to-Real Transfer for Multi-Stage Cable Routing

SILO：用于多阶段电缆布线的回路内仿真的仿真到现实转移

Stone Tao, Jie Xu, Hesam Rabeti, Yashraj Narang, Yijie Guo, Iretiayo Akinola

机构 * NVIDIA Corporation（英伟达公司） ； University of California, San Diego（加利福尼亚大学圣地亚哥分校） 纠错

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

AI总结 针对电缆等物体复杂变形导致的线性可变形操纵难题，提出基于GPU并行仿真的强化学习框架及新部署策略，实现多阶段电缆布线的仿真到现实转移，提升成功率并减少周期时间。

Comments Website: https://silo-cable-routing.github.io/

E-TraMamba: A New Paradigm for Efficient Long-Term 3D Feature Tracking with Event Cameras

E-TraMamba：一种用于事件相机的高效长期3D特征跟踪的新范式

Juwei Shen, Yujie Wu, Changwen Chen

机构 * Department of Computing, FCMS（计算系（FCMS）） ； The Hong Kong Polytechnic University（香港理工大学） 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 针对现有3D跟踪器在处理稀疏、噪声事件流时的问题，提出E-TraMamba框架，采用线性状态空间模型和多尺度线索融合等方法，构建数据集，实验表明其性能达最优，适用于多种视觉任务。

Comments 14 pages

K9-Bench: Evaluating Multimodal LLMs on Canine-Centric Videos

K9-Bench：在以犬类为中心的视频上评估多模态大语言模型

Khush Attarde, Yusuf Ali, Megha Thukral, Divye Bhutani, Thomas Ploetz, Zsolt Kira

机构 * Ogmen Robotics Inc.（Ogmen机器人公司） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 介绍K9-Bench基准，通过约5000个问答对测试多模态大语言模型对犬类动作和互动理解。提出数据生成管道创建数据集，发现前沿模型在犬类任务上零样本性能有限，还提供通用数据集构建管道。

EVA-Client: A Unified Data Collection, Inference, and Deployment Framework for Embodied Policies on Real Robots

EVA-Client：用于真实机器人上具身策略的统一数据收集、推理和部署框架

Heqing Yang, Yang Yi, Liyao Wang, Linqing Zhong, Donglin Yang, Ruipu Wu, Zitong Bai, Fengjiao Chen, Manyuan Zhang, Linjiang Huang, Si Liu

机构 * CoLab, Beihang University（协同实验室，北京航空航天大学） 纠错

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

AI总结 介绍EVA-Client框架，它位于策略服务器和物理硬件之间，统一策略迭代循环的真实机器人阶段。贡献包括组件解耦架构、可检查执行及每次评估兼具数据收集功能，还整合多种实时推理策略。

Comments https://colalab.net/projects/eva-client

A Digital Twin Framework for Traffic-Aware UAV Pavement Monitoring in Open-Traffic Conditions

无需封闭车道的交通感知无人机路面监测数字孪生框架

Yamil Uchani, Grace Luna, Edwin Salcedo, Mauricio Figueroa

机构 * School of Electronic Engineering and Computer Science, Queen Mary University of London（伦敦玛丽女王大学电子工程与计算机科学学院） 纠错

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

AI总结 提出基于Unity的数字孪生框架，集成YOLOv8n检测与分类器，实现交通感知无人机路面监测，无需封闭车道，实验评估三种遮挡恢复策略，最高覆盖率达97.95%。

Comments Accepted for publication in the proceedings of the 6th Annual IEEE International Conference on Digital Twins and Parallel Intelligence (DTPI 2026)

Clin-JEPA: A Multi-Phase Co-Training Framework for Joint-Embedding Predictive Pretraining on EHR Patient Trajectories

Clin-JEPA：一种多阶段协同训练框架，用于EHR患者轨迹的联合嵌入预测预训练

Yixuan Yang, Mehak Arora, Ryan Zhang, Baraa Abed, Junseob Kim, Tilendra Choudhary, Md Hassanuzzaman, Kevin Zhu, Ayman Ali, Chengkun Yang, Alasdair Edward Gent, Victor Moas, Rishikesan Kamaleswaran

机构 * Duke University（杜克大学） 纠错

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

AI总结 本文提出Clin-JEPA框架，通过多阶段预训练稳定协同训练编码器和预测器，解决EHR数据中联合嵌入预测的挑战，实现多任务下游任务的高性能表现。

Comments 18 pages, 4 figures, 8 tables. Code: https://github.com/Kamaleswaran-Lab/Clin-JEPA

AnchorDream: Repurposing Video Diffusion for Embodiment-Aware Robot Data Synthesis

AnchorDream：将视频扩散用于具身感知机器人数据合成

Junjie Ye, Rong Xue, Basile Van Hoorick, Pavel Tokmakov, Muhammad Zubair Irshad, Yue Wang, Vitor Guizilini

机构 * Toyota Research Institute（丰田研究院） ； USC Physical Superintelligence (PSI) Lab（USC物理超智能（PSI）实验室） 纠错

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

AI总结 针对机器人示范数据收集瓶颈，AnchorDream利用预训练视频扩散模型，通过机器人运动渲染来合成数据，无需环境建模，从少量示范生成多样高质量数据集，提升下游策略学习。

Comments Project page: https://jay-ye.github.io/AnchorDream/

UNDREAM: Bridging Differentiable Rendering and Photorealistic Simulation for End-to-end Adversarial Attacks

UNDREAM：为端到端对抗攻击弥合可微渲染与逼真模拟的差距

Mansi Phute, Matthew Hull, Haoran Wang, Alec Helbling, ShengYun Peng, Willian Lunardi, Martin Andreoni, Wenke Lee, Duen Horng Chau

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Technology Innovation Institute（技术创新研究院） 纠错

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

AI总结 针对自动驾驶等安全关键应用中深度学习模型对抗攻击测试问题，介绍UNDREAM框架，通过弥合逼真模拟器与可微渲染器差距，实现对3D物体对抗扰动的端到端优化，开启物理对抗攻击研究新途径。

BaTCAVe: Trustworthy Explanations for Robot Behaviors

BaTCAVe：机器人行为的可信解释

Som Sagar, Aditya Taparia, Harsh Mankodiya, Pranav Bidare, Yifan Zhou, Ransalu Senanayake

机构 * School of Computing and Augmented Intelligence, Arizona State University（计算与增强智能学院，亚利桑那州立大学） 纠错

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

AI总结 本文提出基于人类可理解的高层概念的可信可解释机器人技术，通过匹配神经网络激活与可视化来提供带有不确定性评分的解释，验证了其作为事后人类友好的机器人诊断工具的有效性。

Comments 19 pages, 26 figures

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 13867-13874

Rational Inverse Reasoning: Few-Shot Imitation by Inferring Intent through Planning

理性逆推理：通过规划推断意图进行少样本模仿

Ben Zandonati, Tomás Lozano-Pérez, Leslie Pack Kaelbling

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 研究人类能从少量示范学习新操作任务，而现代机器人模仿学习需大量示范且适应性差的差距。提出理性逆推理，将少样本模仿视为对潜在解释程序的推理，通过视觉语言模型和分层规划器迭代优化候选集，在少样本设置中表现优于基线。

QFedAgent: Quantum-Enhanced Personalized Federated Learning for Multi-Agent Activity Recognition

QFedAgent: 量子增强的个性化联邦学习用于多智能体活动识别

Quoc Bao Phan, Tuy Tan Nguyen

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； FAMU-FSU College of Engineering, Florida State University（佛罗里达州立大学工程学院） 纠错

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

AI总结 提出QFedAgent混合量子-经典个性化联邦学习框架，通过变分量子电路融合模块减少参数开销，在非独立同分布多模态数据上实现97.7%准确率。

Robust Image Processing Techniques for Construction Environment Monitoring Using Underwater Robots

用于水下机器人施工环境监测的鲁棒图像处理技术

Seunghee Yun, Geonmo Yang, Juhui Lee, Changbeom Park, Jeahyung Choi, Younggun Cho

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

AI总结 提出一种针对水下机器人施工环境监测的鲁棒图像处理框架，通过分阶段建模前向散射和海洋雪退化，使用合成数据重训练联合ID网络，并应用轻量级后处理，在真实水下数据集上提升视觉质量和UIQM分数。

Comments 8 pages, 9 figures

BuilderBench: The Building Blocks of Intelligent Agents

BuilderBench：智能体的构建模块

Raj Ghugare, Roger Creus Castanyer, Catherine Ji, Kathryn Wantlin, Jin Schofield, Karthik Narasimhan, Benjamin Eysenbach

机构 * Princeton University（普林斯顿大学） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） 纠错

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

AI总结 提出BuilderBench基准，通过开放式探索训练智能体构建结构，实验表明现有前沿语言模型和强化学习算法无法解决任何非平凡任务。

Comments Blogpost: https://rajghugare19.github.io/builderbench and Code: https://github.com/rajghugare19/builderbench

Partial Skeleton Visibility for Action Recognition: A Constrained Field-of-View Approach

部分骨架可见性用于动作识别：一种受限视野方法

Yingjie Dai, Tianyang Xu, Yanglin Deng, Xiao-Jun Wu, Josef Kittler

机构 * Jiangnan University（江南大学） ； University of Surrey（萨里大学） 纠错

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

AI总结 针对现实场景中视野受限导致骨架关节大量缺失的问题，提出PartialVisGraph超图框架，通过可学习虚拟超边和单头样本自适应Transformer，结合可见性先验实现鲁棒的动作识别，在NTU RGB+D 60/120上显著提升部分可见性下的准确率。

Comments 18 pages, 4 figures

EgoSafetyBench: A Diagnostic Egocentric Video Benchmark for Evaluating Embodied VLMs as Runtime Safety Guards

EgoSafetyBench：用于评估具身VLM作为运行时安全卫士的诊断性自我中心视频基准

Siddhant Panpatil, Arth Singh, Mijin Koo, Chaeyun Kim, Haon Park, Dasol Choi

机构 * AIM Intelligence（AIM智能研究所） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 提出EgoSafetyBench，一个包含1200个机器人视角场景的自我中心视频基准，用于评估视觉语言模型在流式安全监控中的能力，通过情景和视觉通道两个轨道测试模型识别危险和应对误导性文本的鲁棒性。

DriveVA: Video Action Models are Zero-Shot Drivers

DriveVA: 视频动作模型是零样本驱动器

Mengmeng Liu, Diankun Zhang, Jiuming Liu, Jianfeng Cui, Hongwei Xie, Guang Chen, Hangjun Ye, Michael Ying Yang, Francesco Nex, Hao Cheng

机构 * University of Twente（特温特大学） ； Xiaomi EV（小米电动汽车） ； University of Cambridge（剑桥大学） ； University of Bath（巴斯大学） 纠错

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

AI总结 DriveVA提出了一种新的自动驾驶世界模型，通过共享潜在生成过程联合解码未来视觉预测和动作序列，提升跨数据集和传感器配置的泛化能力，减少碰撞率和误差。

Comments Accepted to ECCV 2026. 30 pages, 12 figures, 11 tables

MECoBench: A Systematic Study of Multimodal Agent Collaboration in Embodied Environments

MECoBench：具身环境中多模态智能体协作的系统研究

Qingyun Liu, Jiwen Zhang, Jingyi Hu, Siyuan Wang, Zhongyu Wei

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 提出MECoBench基准，通过多任务、多结构、多模式的实验，系统研究多模态大模型在具身环境中的协作机制，发现协作能提升任务完成度但需平衡收益与复杂度，通信是关键，且协作增强鲁棒性。

Comments Project website: https://q-i-n-g.github.io/MECoBench-Website/

Real-Time Source-Free Object Detection

实时无源目标检测

Sairam VCR, Varun Gopal, Poornima Jain, Vineeth N Balasubramanian, Muhammad Haris Khan

机构 * IIT Hyderabad（印度理工学院海得拉巴分校） ； Microsoft Research（微软研究院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出一种基于YOLOv10的实时无源目标检测方法，通过双头伪标签融合（DHF）和多尺度自适应表示多样化（MARD）损失，在保持实时性和轻量化的同时，显著提升域适应精度。

Comments Accepted to ECCV 2026

Long-term Traffic Simulation via Structured Autoregressive Modeling

基于结构化自回归建模的长期交通仿真

Lingyu Xiao, Zexin Feng, Xintao Yan

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 提出RosettaSim框架，利用大规模序列模型的归纳偏置和统计先验，通过结构化自回归流建模场景拓扑、智能体状态和生成意图，实现短期准确与长期稳定仿真；并引入基于检索的交通评估（RTE）解决长期评估难题。

Comments ECCV 2026 Accepted

Scenario Generation for Testing of Autonomous Driving Systems Using Real-World Failure Records

利用真实世界故障记录生成自动驾驶系统测试场景

Anjali Parashar, Chuchu Fan

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 提出一种基于LLM的场景生成流程，利用历史故障记录中的分类和上下文信息，生成多样化测试场景，在Metadrive模拟器上验证了方法的准确性和多样性。

Comments 9 pages, Appendix included. Paper accepted and presented at NeuS 2026