机器人 / 具身智能

Exploring Ordinal Bias in Action Recognition for Instructional Videos

探索教学视频中动作识别的序数偏差

Joochan Kim, Minjoon Jung, Byoung-Tak Zhang

机构 * Korea Institute of Science and Technology（韩国科学技术院） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出两种方法探索教学视频中动作识别的序数偏差问题，通过实验揭示模型在面对非常规动作序列时的脆弱性，强调了重新设计评估策略和开发更通用模型的必要性。

Comments Accepted at SCSL @ ICLR 2025

Tree Ensembles for Contextual Bandits

基于树集成的上下文老虎机

Hannes Nilsson, Rikard Johansson, Niklas Åkerblom, Morteza Haghir Chehreghani

机构 * Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学） ； Volvo Car Corporation（沃尔沃汽车公司） 纠错

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

AI总结 本文提出基于树集成的上下文老虎机框架，通过改进不确定性估计方法，在减少遗憾和提升计算效率方面优于传统方法。

Comments The first two authors contributed equally to this work

Journal ref Transactions on Machine Learning Research (TMLR), 2024, https://openreview.net/forum?id=59DCkSGw8S, GitHub: https://github.com/HannesNilsson/tree_ensemble_bandits

Deep-BrownConrady: Prediction of Camera Calibration and Distortion Parameters Using Deep Learning and Synthetic Data

Deep-BrownConrady: 使用深度学习和合成数据预测相机校准和畸变参数

Faiz Muhammad Chaudhry, Jarno Ralli, Jerome Leudet, Fahad Sohrab, Farhad Pakdaman, Pierre Corbani, Moncef Gabbouj

机构 * AILiveSim Ltd.（AILiveSim有限公司） ； Faculty of Information Technology and Communication Sciences, Tampere University（信息科技与通讯科学学院，塔尔基耶大学） 纠错

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

AI总结 本文提出使用深度学习和合成数据预测相机校准和畸变参数，基于ResNet架构的模型在合成数据集上训练，以提升真实场景下的校准性能。

Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments

基于图像的重定位与对齐用于动态水下环境的长期监测

Beverley Gorry, Tobias Fischer, Michael Milford, Alejandro Fontan

机构 * Queensland University of Technology（昆士兰理工大学） 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 本文提出了一种结合VPR、特征匹配和图像分割的方法，用于水下环境的长期监测，并引入了首个大规模水下VPR基准测试。

Journal ref Proceedings of the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, pp. 10749-10756, 2025

Envision: Benchmarking Unified Understanding & Generation for Causal World Process Insights

Envision：基于因果世界过程洞察的统一理解和生成基准测试

Juanxi Tian, Siyuan Li, Conghui He, Lijun Wu, Cheng Tan

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 Envision通过因果事件进程基准测试，评估统一模型在动态时空一致性上的表现，揭示其在因果叙事一致性上的优势及仍需改进的时空一致性挑战。

Comments 35 pages, 12 figures, 10 tables

AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios

AerialMind：迈向无人机场景中的指称多目标跟踪

Chenglizhao Chen, Shaofeng Liang, Runwei Guan, Xiaolou Sun, Haocheng Zhao, Haiyun Jiang, Tao Huang, Henghui Ding, Qing-Long Han

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

AI总结 AerialMind是首个针对无人机场景的RMOT基准，通过COALA框架和HETrack方法提升无人机的自然语言交互能力与多目标跟踪性能。

Comments AAAI 2026

3EED: Ground Everything Everywhere in 3D

3EED: 在三维中万物皆 grounded

Rong Li, Yuhao Dong, Tianshuai Hu, Ao Liang, Youquan Liu, Dongyue Lu, Liang Pan, Lingdong Kong, Junwei Liang, Ziwei Liu

机构 * WorldBench Team（WorldBench团队） 纠错

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

AI总结 3EED提出一个大规模多平台多模态三维 grounding 基准测试，通过提供丰富的户外场景数据和跨平台学习技术，推动语言驱动的三维具身感知研究。

Comments NeurIPS 2025 DB Track; 38 pages, 17 figures, 10 tables; Project Page at https://project-3eed.github.io/

Conceptual Evaluation of Deep Visual Stereo Odometry for the MARWIN Radiation Monitoring Robot in Accelerator Tunnels

深度视觉立体视觉里程计的概念评估：用于加速器隧道中MARWIN辐射监测机器人的评估

André Dehne, Juri Zach, Peer Stelldinger

机构 * Faculty of Computer Science and Digital Society（计算机科学与数字社会学院） ； HAW Hamburg（汉堡应用技术大学） 纠错

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

AI总结 本文评估了深度视觉立体视觉里程计在加速器隧道中为MARWIN机器人提供自主导航的可能性，通过结合3D几何约束，旨在提高在未知环境中的鲁棒性和灵活性。

ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM

ICD-Net：用于无人机视觉-惯性SLAM的惯性协方差位移网络

Tali Orlev Shapira, Itzik Klein

机构 * Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa（哈特尔海洋技术系，查内海洋科学学院，海法大学） 纠错

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

AI总结 ICD-Net通过学习处理原始惯性数据并生成带有不确定性的位移估计，提升无人机视觉-惯性SLAM的鲁棒性和准确性。

scipy.spatial.transform: Differentiable Framework-Agnostic 3D Transformations in Python

scipy.spatial.transform: 可微框架无关的Python三维变换

Martin Schuck, Alexander von Rohr, Angela P. Schoellig

机构 * Technical University of Munich（慕尼黑技术大学） 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 scipy.spatial.transform通过兼容多种数组库，为可微系统和ML提供框架无关的三维空间数学基础。

Comments Accepted as oral at the 1st Workshop on Differentiable Systems and Scientific Machine Learning @ EurIPS 2025

Robot-Powered Data Flywheels: Deploying Robots in the Wild for Continual Data Collection and Foundation Model Adaptation

机器人驱动的数据飞轮：在真实世界中部署机器人以实现持续的数据收集和基础模型适应

Jennifer Grannen, Michelle Pan, Kenneth Llontop, Cherie Ho, Mark Zolotas, Jeannette Bohg, Dorsa Sadigh

机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究机构） 纠错

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

AI总结 机器人驱动的数据飞轮通过部署机器人收集真实世界数据，提升基础模型在复杂环境中的适应能力，减少人工干预并提高多语言OCR性能。

Yanyun-3: Enabling Cross-Platform Strategy Game Operation with Vision-Language Models

Yanyun-3: 通过视觉-语言模型实现跨平台战略游戏操作

Guoyan Wang, Yanyan Huang, Chunlin Chen, Lifeng Wang, Yuxiang Sun

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

AI总结 Yanyun-3通过整合视觉-语言模型和结构化多模态数据组织，实现了跨平台战略游戏操作的自动化，提升了任务执行效率和泛化能力。

Comments 32 pages, 13 figures

CubeletWorld: A New Abstraction for Scalable 3D Modeling

CubeletWorld: 一种可扩展3D建模的新抽象

Azlaan Mustafa Samad, Hoang H. Nguyen, Lukas Berg, Henrik Müller, Yuan Xue, Daniel Kudenko, Zahra Ahmadi

机构 * L3S Research Center（L3S研究所以） ； Leibniz University Hannover（汉诺威莱布尼茨大学） ； University of Tennessee at Chattanooga（田纳西大学查塔努加分校） ； PLRI Medical Informatics Institute（医学信息学研究所） ； Hannover Medical School（汉诺威医学院） 纠错

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

AI总结 CubeletWorld通过离散3D网格空间单元实现可扩展的城市建模，提升隐私保护和跨区域通用性。

Comments 10 pages, 5 figures

Leverage Cross-Attention for End-to-End Open-Vocabulary Panoptic Reconstruction

利用交叉注意力实现端到端的开放词汇全景重建

Xuan Yu, Yuxuan Xie, Yili Liu, Haojian Lu, Rong Xiong, Yiyi Liao, Yue Wang

机构 * Zhejiang University（浙江大学） ； Huawei Cloud Computing Technologies Co., Ltd.（华为云计算技术有限公司） 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 本文提出PanopticRecon++，通过新颖的交叉注意力机制实现端到端开放词汇全景重建，结合可学习3D高斯和最优线性分配，提升3D和2D分割重建性能。

Comments 18 pages, 10 figures

Range-Edit: Semantic Mask Guided Outdoor LiDAR Scene Editing

Range-Edit: 基于语义掩码的户外激光雷达场景编辑

Suchetan G. Uppur, Hemant Kumar, Vaibhav Kumar

机构 * GeoAI4Cities Lab（GeoAI4Cities实验室） ； IISER Bhopal（印度比哈尔理工学院） 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 Range-Edit通过语义掩码指导生成高质量的激光雷达点云，提升自动驾驶系统的鲁棒性与泛化能力。

Comments 8 pages, 9 figures

Mesh RAG: Retrieval Augmentation for Autoregressive Mesh Generation

Mesh RAG: 用于自回归网格生成的检索增强

Xiatao Sun, Chen Liang, Qian Wang, Daniel Rakita

机构 * Yale University（耶鲁大学） 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 Mesh RAG通过检索增强方法提升自回归网格生成的效率和质量，实现快速生成与增量编辑。

Robot Metacognition: Decision Making with Confidence for Tool Invention

机器人元认知：具有自信度的决策制定以实现工具发明

Ajith Anil Meera, Poppy Collis, Polina Arbuzova, Abián Torres, Paul F Kinghorn, Ricardo Sanz, Pablo Lanillos

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

AI总结 本文提出了一种基于自信度的机器人元认知架构，用于提升自主工具发明任务中的决策鲁棒性。

Comments under review

LED: Light Enhanced Depth Estimation at Night

Simon de Moreau, Yasser Almehio, Andrei Bursuc, Hafid El-Idrissi, Bogdan Stanciulescu, Fabien Moutarde

机构 * Mines Paris - PSL University Paris, France（巴黎 Mines Paris - PSL 大学） ； Valeo Paris, France（法国 Valeo 巴黎） ； Valeo AI Paris, France（法国 Valeo AI 巴巴黎） 纠错

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

Comments BMVC 2025 (Poster). Code and dataset available on the project page : https://simondemoreau.github.io/LED/ 21 pages, 13 figures

Task-Driven Implicit Representations for Automated Design of LiDAR Systems

Nikhil Behari, Aaron Young, Tzofi Klinghoffer, Akshat Dave, Ramesh Raskar

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 ：robotic(abstract)；分类 cs.RO、cs.CV

Phys-Liquid: A Physics-Informed Dataset for Estimating 3D Geometry and Volume of Transparent Deformable Liquids

Ke Ma, Yizhou Fang, Jean-Baptiste Weibel, Shuai Tan, Xinggang Wang, Yang Xiao, Yi Fang, Tian Xia

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

Comments 14 pages, 19 figures. Accepted as an oral paper at AAAI-26 (Main Technical Track). Code and dataset: https://github.com/dualtransparency/Phys-Liquid-AAAI Project page: https://dualtransparency.github.io/Phys-Liquid/

From Street to Orbit: Training-Free Cross-View Retrieval via Location Semantics and LLM Guidance

Jeongho Min, Dongyoung Kim, Jaehyup Lee

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

Comments Accepted to WACV 2026, 10pages, 4 figures

Out-of-Distribution Generalization with a SPARC: Racing 100 Unseen Vehicles with a Single Policy

Bram Grooten, Patrick MacAlpine, Kaushik Subramanian, Peter Stone, Peter R. Wurman

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

Comments Accepted as an oral at AAAI 2026. For code and videos, please see https://github.com/bramgrooten/sparc

Leveraging Text-Driven Semantic Variation for Robust OOD Segmentation

Seungheon Song, Jaekoo Lee

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

Comments 8 pages, 5 figure references, 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) submission

Scalable Offline Metrics for Autonomous Driving

Animikh Aich, Adwait Kulkarni, Eshed Ohn-Bar

机构 * College of Engineering, Boston University（波士顿大学工程学院） 纠错

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

Comments Accepted at IROS 2025 (IEEE/RSJ International Conference on Intelligent Robots and Systems); typos corrected

10 Open Challenges Steering the Future of Vision-Language-Action Models

Soujanya Poria, Navonil Majumder, Chia-Yu Hung, Amir Ali Bagherzadeh, Chuan Li, Kenneth Kwok, Ziwei Wang, Cheston Tan, Jiajun Wu, David Hsu

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

Comments AAAI 2026 (Senior Track)

Real-time Multi-view Omnidirectional Depth Estimation for Real Scenarios based on Teacher-Student Learning with Unlabeled Data

Ming Li, Xiong Yang, Chaofan Wu, Jiaheng Li, Pinzhi Wang, Xuejiao Hu, Sidan Du, Yang Li

机构 * School of Artificial Intelligence/School of Future Technology, Nanjing University of Information Science and Technology（人工智能学院/未来技术学院，信息科学与技术大学） ； School of Electronic Science and Engineering, Nanjing University（电子科学与工程学院，南京大学） ； School of Computer Engineering, Jinling Institute of Technology（计算机工程学院，金陵科技学院） ； Suzhou High Technology Research Institute, Nanjing University（苏州高新技术研究院，南京大学） 纠错

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

Joint Verification and Refinement of Language Models for Safety-Constrained Planning

Yunhao Yang, Neel P. Bhatt, William Ward, Zichao Hu, Joydeep Biswas, Ufuk Topcu

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

ROADWork: A Dataset and Benchmark for Learning to Recognize, Observe, Analyze and Drive Through Work Zones

Anurag Ghosh, Shen Zheng, Robert Tamburo, Khiem Vuong, Juan Alvarez-Padilla, Hailiang Zhu, Michael Cardei, Nicholas Dunn, Christoph Mertz, Srinivasa G. Narasimhan

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

Comments ICCV 2025 Accepted Paper

The Coralscapes Dataset: Semantic Scene Understanding in Coral Reefs

Jonathan Sauder, Viktor Domazetoski, Guilhem Banc-Prandi, Gabriela Perna, Anders Meibom, Devis Tuia

机构 * Environmental Computational Science and Earth Observation Laboratory, École Polytechnique Fédérale de Lausanne, Switzerland（洛桑联邦理工学院环境计算科学与地球观测实验室） ； Laboratory for Biological Geochemistry, École Polytechnique Fédérale de Lausanne, Switzerland（洛桑联邦理工学院生物地球化学实验室） ； Centre for Ecology and Conservation, University of Exeter, United Kingdom（埃克塞特大学生态与保护中心） ； School of the Environment, The University of Queensland, Australia（昆士兰大学环境学院） ； Center for Advanced Surface Analysis, University of Lausanne, Switzerland（日内瓦大学高级表面分析中心） 纠错

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

How Effective Are Time-Series Models for Precipitation Nowcasting? A Comprehensive Benchmark for GNSS-based Precipitation Nowcasting

Yifang Zhang, Shengwu Xiong, Henan Wang, Wenjie Yin, Jiawang Peng, Yuqiang Zhang, Chen Zhou, Hua Chen, Qile Zhao, Pengfei Duan

机构 * Sanya Science and Education Innovation Park, Wuhan University of Technology（武汉理工大学三亚科技创新园） ； Wuhan University of Technology（武汉理工大学） ； School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） ； Interdisciplinary Artificial Intelligence Research Institute, Wuhan College（武汉学院交叉人工智能研究院） ； Shanghai Artificial Intelligence Laboratory, Shanghai（上海人工智能实验室） ； School of Earth and Space Science and Technology, Wuhan University（武汉大学地球空间科学与技术学院） ； School of Water Resources and Hydropower Engineering, Wuhan University（武汉大学水利水电学院） ； GNSS Research Center, Wuhan University（武汉大学GNSS研究中心） 纠错

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

Comments 13 pages,11 figures