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。
T-FunS3D：任务驱动的分层开放词汇3D功能分割
机构 * P4MARS Lab at the Faculty of Aerospace Engineering, Delft University of Technology（代尔夫特理工大学航空航天工程学院P4MARS实验室）
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T-FunS3D方法，通过构建开放词汇场景图并利用视觉语言模型，实现任务驱动的分层3D功能分割，在保持性能的同时提升速度和降低内存消耗。
个人AI代理用于相机胶卷VQA
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Korea University（韩国大学） ； Adobe Research（Adobe研究院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出camroll数据集和camroll-agent代理，通过层次化记忆和工具集解决个人相机胶卷中的长程、高度个性化的视觉问答问题。
Comments Project page, code, and demo: https://thaoshibe.github.io/camroll
学习预测性视觉-运动协调
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Tech（佐治亚理工学院） ； Meta AI
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出了一种基于预测的视觉-运动协调建模任务，通过结合第一人称视觉和运动学观测预测头部姿态、目光方向和上半身运动，展示了多模态整合在理解视觉-运动协调中的重要性。
Comments CVPR 2026 Findings
期望与现实：条件不确定性下MSE最优预测的成本
机构 * The University of Bristol（布里斯托尔大学）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过条件不确定性间隙理论证明多步时间序列预测中MSE最优与边际真实性存在根本性权衡，并实证表明小幅牺牲MSE（≤5%）可显著提升边际真实性（中位数17.3%）。
Comments 12 pages, Accepted for KDD 2026 Research track
基于数据的物理系统发现
机构 * School of Automation, Huazhong University of Science and Technology（华中科技大学自动化学院） ； State Key Lab of Digital Manufacturing Equipment and Technology（数字制造装备与技术国家重点实验室） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） ； Department of Cognitive Robotics, Delft University of Technology（代尔夫特理工大学认知机器人系） ； Department of Engineering, University of Cambridge（剑桥大学工程系） ； Luxembourg Centre for Systems Biomedicine, University of Luxembourg（卢森堡系统生物医学中心，卢森堡大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种从数据直接反向工程物理系统的通用框架，通过识别物理系统和推断转移逻辑，成功应用于机械、电气系统和医疗应用，为预测CPS轨迹、评估性能、设计容错系统和制定新系统设计指南提供了新方法。
在线学习水下机器人动态模型的框架
机构 * DFKI - Robotic Innovation Center（DFKI机器人创新中心）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出了一种在线学习水下机器人动态模型的框架，通过增量支持向量回归方法从数据流中逐步学习模型，并结合增量学习策略来改进模型在整体状态空间上的泛化能力。
Comments 8 pages, 6 figures, ICRA 2019 authors preprint
多情境模型学习用于自主水下车辆
机构 * DFKI - Robotic Innovation Center（DFKI机器人创新中心） ； Robotics Research Group（机器人研究组）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出利用LSTM网络学习自主水下车辆的多情境模型，通过实验数据构建仿真模型，生成不同情境并提高分类准确性，展现对噪声的鲁棒性和大数据集的扩展能力。
Comments 6 pages, 7 figures, AUV 2018 author copy
基于情境的驱动模型验证
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出了一种基于情境的驱动模型验证框架，通过计算闭环实际系统与学习模型之间的距离来评估模型质量，并采用主动采样方案高效计算距离上界，用于验证实际系统控制器设计。
第一届验证与验证网络物理系统研讨会会议记录
机构 * Reykjavík, Iceland（冰岛雷克雅未克） ； MITL Specification Debugging for Monitoring of Cyber-Physical Systems（网络物理系统监控的MITL规格调试） ； Automatic Synthesis of Controllers from Specifications using Control Certificates（使用控制证书从规范自动合成控制器） ； A Compositional Framework for Preference-Aware Agents（偏好感知代理的组合框架） ； Output Feedback Controller Design with Symbolic Observers for Cyber-physical Systems（网络物理系统符号观测器输出反馈控制器设计） ； Towards an Approximate Conformance Relation for Hybrid I/O Automata（混合I/O自动机近似一致性关系） ； On Nonlinear Prices in Timed Automata（时序自动机中的非线性价格） ； Towards the Verification of Safety-critical Autonomous Systems in Dynamic Environments（动态环境中安全关键自主系统的验证）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.AI
AI总结 本文介绍了首届网络物理系统验证与验证研讨会，探讨了验证与验证方法，包括控制、模拟和形式化方法等，旨在解决复杂软件和算法的验证问题。
Journal ref EPTCS 232, 2016
RobotValues: 当人类价值观冲突时评估家用机器人
机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.AI
AI总结 提出RobotValues基准，通过10K个价值冲突场景评估家用机器人规划器，发现视觉语言模型存在默认价值偏好且难以覆盖，表明评估需考虑价值冲突下的行动选择。
SeeTraceAct: 跨具身演示视频中的可见性感知潜在规划
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Allen Institute for AI（Allen人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学）
专题命中 机器人数据与评测 ：robot policy(abstract)；分类 cs.RO、cs.LG
AI总结 提出SeeTraceAct框架，通过可见性感知的未来末端执行器轨迹预测增强空间定位，实现基于单次跨具身演示视频的机器人策略泛化，在模拟和真实场景中取得最优成功率。
PaintBench: 精确视觉编辑的确定性评估
机构 * New York University（纽约大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV、cs.LG
AI总结 提出PaintBench基准，通过程序化生成20种基本视觉编辑操作，实现确定性像素级评估，发现当前模型性能低（最高mIoU 17.1%），并揭示任务分解和场景变化的影响。
Comments Project Page: https://paintbench.github.io/
FW-NKF: 频率加权神经卡尔曼滤波器
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出频率加权神经卡尔曼滤波器（FW-NKF），通过将因果谱整形算子嵌入卡尔曼测量残差并联合学习观测和状态转移网络，抑制频带受限噪声，在混沌系统和惯性姿态估计等任务中定位误差降低达10%。
Comments Published at ICRA 2026
AnyMo: 基于掩码建模的任意模态条件运动生成
机构 * Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, China（中国科学院智能信息处理重点实验室（中国科学院计算技术研究所，中国）） ； University of Chinese Academy of Sciences, China（中国科学院大学）
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AnyMo框架，结合残差FSQ运动分词器和可扩展掩码建模Transformer，利用大规模多模态对齐数据集OmniHuMo实现任意模态组合下的高质量人体运动生成。
CloSE: 一种几何形状无关的布料状态表示
机构 * Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙工业机器人与信息技术研究所，CSIC-UPC）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO、cs.CV
AI总结 提出一种基于拓扑索引的dGLI圆盘表示，并从中抽象出紧凑、连续的CloSE表示，用于预测布料折叠位置并支持语义标注与规划。
Comments Accepted at ICRA 2026 (8 pages, 11 figures, 1 table). Project page: https://close-representation.github.io/
Optuna vs Code Llama：LLM 是超参数调优的新范式吗？
机构 * Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室，CAIDAS与IFI，乌尔姆大学，德国）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 通过微调参数高效的 Code Llama 模型，提出基于大语言模型的超参数优化方法，在多种视觉架构上实现与 Optuna 相当或更优的 RMSE 并大幅降低计算开销。
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), pp. 5664-5674, 2025
ShapeLib: 利用大型语言模型设计程序化3D形状抽象库
机构 * Stanford University（斯坦福大学） ； Adobe Research（Adobe研究） ； University College London（伦敦大学学院） ； Brown University（布朗大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV
AI总结 提出ShapeLib方法，利用大型语言模型的先验知识，通过引导式工作流自动设计可泛化的程序化3D形状抽象库，并支持下游形状编辑与生成。
GSV3D: 基于高斯溅射的几何蒸馏与稳定视频扩散用于单图像3D物体生成
机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； PBVR
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.CV
AI总结 提出一种结合2D扩散模型隐式3D推理能力与高斯溅射几何蒸馏的方法，通过高斯溅射解码器将SV3D潜变量输出转换为显式3D表示，实现多视图一致性和高质量3D生成。
位置注意力头与符号注意力头：学习动态、RoPE几何和长度泛化
机构 * CENIA & Faculty of Mathematics UC Santiago（CENIA与圣托里尼大学数学系） ； IMC UC & CENIA Santiago（UC IMC与圣托里尼CENIA）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 通过控制实验研究Transformer注意力头在位置推理和符号推理任务中的学习动态，发现位置和符号注意力头的不同机制及其对长度泛化的影响。
BlueFin: 在金融电子表格上对LLM智能体进行基准测试
机构 * Longitude Labs Inc.（Longitude Labs公司） ； Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 提出BlueFin基准，通过131个真实金融电子表格任务评估LLM智能体的合成、操作和理解能力，并验证了LM评判与人类专家的一致性。
Comments 26 pages
SpaCeFormer: 快速无提议开放词汇3D实例分割
机构 * NVIDIA
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 提出SpaCeFormer，一种基于空间曲线变换的无提议方法，在0.12-0.30秒内完成场景分割，比多阶段2D+3D流水线快2-3个数量级，并构建了最大开放词汇3D实例分割数据集SpaCeFormer-3M，在ScanNet200上零样本mAP达11.1，提升2.8倍。
Comments Project page: https://nvlabs.github.io/SpaCeFormer/
FEM-Bench：评估代码生成大语言模型的结构化科学推理基准
机构 * Boston University（波士顿大学） ； Move37 Labs（Move37实验室） ； Department of Mechanical Engineering（机械工程系）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 提出FEM-Bench基准，通过有限元方法相关编程任务评估大语言模型在科学计算中的结构化推理能力，实验表明现有模型尚不能稳定解决所有任务。
Comments 45 pages, 5 figures, 9 tables, 7 listings
分布偏移下基于频率感知梯度修正的目标无关校准
机构 * School of Computer Science and Technology, Xidian University, Xi'an, China（西安电子科技大学计算机科学与技术学院）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.CV
AI总结 提出频率感知梯度修正（FGR）框架，通过对训练图像进行低通滤波减少虚假高频线索并学习域不变特征，同时利用几何投影确保分布内校准不退化，从而在无需目标域信息的情况下提升模型在分布偏移下的校准性能。
Comments 25 pages, Accepted at ICML 2026
图记忆Transformer (GMT)
机构 * Bonfiglioli Engineering s.r.l.（博尼菲利工程公司） ； Department of Engineering, University of Ferrara（费拉拉大学工程学院） ； NAIS s.r.l.（NAIS公司）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 提出用显式学习的记忆图替换解码器-only Transformer中的前馈网络子层，保留自回归架构，实现可解释的记忆导航。
Comments 65 pages, 10 figures, 5 tables. Author list updated in arXiv metadata; no technical changes. Code available at https://github.com/Nemesis533/GMT-GraphMemoryTransformer
PassNet: 为图编译器通生成扩展大型语言模型
机构 * Baidu, Inc.（百度公司）
专题命中 机器人数据与评测 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 针对编译器默认优化在长尾子图上性能不佳的问题，提出PassNet生态系统，包含大规模数据集和基准测试，通过微调小模型在少量轨迹上即可接近前沿模型性能。
Comments Code and data available at https://github.com/PaddlePaddle/PassNet
ReasonBreak: 探测自动驾驶中具备推理能力的视觉-语言-行动模型的脆弱性
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Qualcomm（高通）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.RO、cs.LG
AI总结 本文通过黑盒攻击方法，首次系统研究了具备推理能力的视觉-语言-行动模型在自动驾驶中面对真实输入扰动时的脆弱性，发现其推理和轨迹生成均易受攻击，导致碰撞率上升。
CoRMA: 用于接触丰富元适应的对比RMA
机构 * Synthoid AI
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 提出CoRMA框架，通过语义接触上下文和对比学习实现力主导装配任务的元适应，无需演示或梯度更新，在仿真和真实机器人上优于基线。
对偶四元数 SE(3) 同步及其恢复保证
机构 * Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong, Shatin, NT, Hong Kong（系统工程与工程管理系，香港中文大学（深圳）） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA, USA（H. Milton Stewart工业与系统工程学院，佐治亚理工学院）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 采用对偶四元数表示，通过谱初始化和对偶四元数广义幂法实现 SE(3) 同步，并给出误差界和线性收敛保证。
Comments ICML 2026
CLANE: 基于事件相机在神经形态硬件上的动作持续学习
机构 * Institute of Informatics, University of Munich (LMU)（慕尼黑大学信息学院） ； fortiss GmbH, Neuromorphic Computing（fortiss GmbH 神经形态计算部门） ； Technical University of Munich, TUM School of CIT（慕尼黑技术大学 CIT 学院） ； Intel Labs, Intel Corporation（英特尔实验室，英特尔公司） ； Institute of Computational Life Sciences (ICLS), Zurich University of Applied Sciences (ZHAW)（应用科学大学（ZHAW）计算生命科学研究所） ； Technische Universität Ilmenau, Resource-Efficient Artificial Intelligence Group（伊门豪大学资源高效人工智能小组） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； German Research Centre for Artificial Intelligence (DFKI)（德国人工智能研究中心）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI、cs.LG
AI总结 提出CLANE系统，在Intel Loihi 2神经形态芯片上实现端到端的持续学习，用于事件相机动作识别，通过尖峰CNN和新型Loihi 2模块实现高能效和低延迟。
基于3D场景图的开放世界交互式物体搜索的关系语义推理
机构 * University of Freiburg（弗赖堡大学） ； Toyota Motor Europe（丰田欧洲公司）
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SCOUT方法，通过从LLM蒸馏的关系探索启发式直接搜索3D场景图，实现高效开放世界交互式物体搜索，性能匹配LLM且计算高效。
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