机器人 / 具身智能

More Than Meets the Eye? Uncovering the Reasoning-Planning Disconnect in Training Vision-Language Driving Models

Xurui Song, Shuo Huai, JingJing Jiang, Jiayi Kong, Jun Luo

机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） 纠错

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

Comments The dataset will be released publicly once the paper is accepted for publication

Your Vision-Language Model Can't Even Count to 20: Exposing the Failures of VLMs in Compositional Counting

Xuyang Guo, Zekai Huang, Zhenmei Shi, Zhao Song, Jiahao Zhang

机构 * Guilin University of Electronic Technology（桂林电子科技大学） ； The Ohio State University（俄亥俄州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks

Tejal Patwardhan, Rachel Dias, Elizabeth Proehl, Grace Kim, Michele Wang, Olivia Watkins, Simón Posada Fishman, Marwan Aljubeh, Phoebe Thacker, Laurance Fauconnet, Natalie S. Kim, Patrick Chao, Samuel Miserendino, Gildas Chabot, David Li, Michael Sharman, Alexandra Barr, Amelia Glaese, Jerry Tworek

机构 * OpenAI 纠错

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

SketchPlan: Diffusion Based Drone Planning From Human Sketches

Sixten Norelius, Aaron O. Feldman, Mac Schwager

机构 * EECS, KTH Royal Institute of Technology（皇家理工学院电子工程与计算机科学系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天系） 纠错

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

Comments Code available at https://github.com/sixnor/SketchPlan

Motion Blender Gaussian Splatting for Dynamic Scene Reconstruction

Xinyu Zhang, Haonan Chang, Yuhan Liu, Abdeslam Boularias

机构 * Rutgers University（新泽西罗格斯大学） 纠错

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

Comments CoRL 2025

VLA-R1: Enhancing Reasoning in Vision-Language-Action Models

Angen Ye, Zeyu Zhang, Boyuan Wang, Xiaofeng Wang, Dapeng Zhang, Zheng Zhu

机构 * GigaAI ； CASIA ； Tsinghua University（清华大学） 纠错

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

TOUCAN: Synthesizing 1.5M Tool-Agentic Data from Real-World MCP Environments

Zhangchen Xu, Adriana Meza Soria, Shawn Tan, Anurag Roy, Ashish Sunil Agrawal, Radha Poovendran, Rameswar Panda

机构 * University of Washington（华盛顿大学） ； MIT-IBM Watson AI Lab（MIT-IBM Watson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.LG

Comments 35 pages, 13 figures

BlobCtrl: Taming Controllable Blob for Element-level Image Editing

Yaowei Li, Lingen Li, Zhaoyang Zhang, Xiaoyu Li, Guangzhi Wang, Hongxiang Li, Xiaodong Cun, Ying Shan, Yuexian Zou

机构 * SECE, Peking University（北京大学SECE学院） ； The Chinese University of Hong Kong（香港中文大学） ； ARC Lab, Tencent（腾讯ARC实验室） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； GVC Lab, Great Bay University（Great Bay大学GVC实验室） 纠错

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

Comments Project Webpage: https://liyaowei-stu.github.io/project/BlobCtrl/ This version presents a major update with rephrased writing. Accepted to SIGGRAPH Asia 2025

A Hierarchical Agentic Framework for Autonomous Drone-Based Visual Inspection

Ethan Herron, Xian Yeow Lee, Gregory Sin, Teresa Gonzalez Diaz, Ahmed Farahat, Chetan Gupta

机构 * Hitachi America Ltd., R&D（日立美国有限公司研发部） 纠错

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

Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey

Sicong Liu, Weiye Wu, Xiangrui Xu, Teng Li, Bowen Pang, Bin Guo, Zhiwen Yu

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

FakeChain: Exposing Shallow Cues in Multi-Step Deepfake Detection

Minji Heo, Simon S. Woo

机构 * Sungkyunkwan University Department of Artificial Intelligence Suwon Gyeonggi-do South Korea ； Sungkyunkwan University Computer Science \& Engineering Department Suwon Gyeonggi-do South Korea ； Sungkyunkwan University 纠错

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

TDBench: A Benchmark for Top-Down Image Understanding with Reliability Analysis of Vision-Language Models

Kaiyuan Hou, Minghui Zhao, Lilin Xu, Yuang Fan, Xiaofan Jiang

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

LLM-guided Task and Motion Planning using Knowledge-based Reasoning

Muhayy Ud Din, Jan Rosell, Waseem Akram, Isiah Zaplana, Maximo A Roa, Irfan Hussain

机构 * Khalifa University Center for Autonomous Robotic Systems (KUCARS)（卡利法大学自主机器人系统中心） ； Institute of Industrial and Control Engineering (IOC)（工业与控制工程研究所） ； Institute of Robotics and Mechatronics（机器人与机电研究所） 纠错

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

Comments Submitted to knowledge based systems

ViewSpatial-Bench: Evaluating Multi-perspective Spatial Localization in Vision-Language Models

Dingming Li, Hongxing Li, Zixuan Wang, Yuchen Yan, Hang Zhang, Siqi Chen, Guiyang Hou, Shengpei Jiang, Wenqi Zhang, Yongliang Shen, Weiming Lu, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学） ； 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 AI(abstract)；分类 cs.AI、cs.CV

Comments Project: https://zju-real.github.io/ViewSpatial-Page/

Controllable Motion Generation via Diffusion Modal Coupling

Luobin Wang, Hongzhan Yu, Chenning Yu, Sicun Gao, Henrik Christensen

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AMaze: An intuitive benchmark generator for fast prototyping of generalizable agents

Kevin Godin-Dubois, Karine Miras, Anna V. Kononova

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

Comments Under review in Frontiers in Artificial Intelligence

TACO-Net: Topological Signatures Triumph in 3D Object Classification

Anirban Ghosh, Ayan Dutta

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

Skeleton-based Robust Registration Framework for Corrupted 3D Point Clouds

Yongqiang Wang, Weigang Li, Wenping Liu, Zhiqiang Tian, Jinling Li

机构 * Engineering Research Center for Metallurgical Automation（冶金自动化工程研究中心） ； Measurement Technology Ministry of Education, Wuhan University of Science（测量技术教育部武汉科技大学） ； School of Information Management（信息管理学院） ； Institute of Big Data（大数据研究院） ； Digital Economy, Hubei University of Economics, Wuhan, 430205, China（数字经济，湖北经济学院，武汉，430205，中国） 纠错

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

Imagined Autocurricula

Ahmet H. Güzel, Matthew Thomas Jackson, Jarek Luca Liesen, Tim Rocktäschel, Jakob Nicolaus Foerster, Ilija Bogunovic, Jack Parker-Holder

机构 * University College London AI Centre（伦敦大学学院人工智能中心） ； University of Oxford（牛津大学） 纠错

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

TReF-6: Inferring Task-Relevant Frames from a Single Demonstration for One-Shot Skill Generalization

Yuxuan Ding, Shuangge Wang, Tesca Fitzgerald

机构 * Yale University（耶鲁大学） 纠错

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

Beyond Losses Reweighting: Empowering Multi-Task Learning via the Generalization Perspective

Hoang Phan, Lam Tran, Quyen Tran, Ngoc N. Tran, Tuan Truong, Qi Lei, Nhat Ho, Dinh Phung, Trung Le

机构 * New York University（纽约大学） ； Qualcomm AI Research（高通人工智能研究） ； Vanderbilt University（范德比大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Monash University（墨尔本大学） 纠错

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

Comments ICCV 2025 highlight paper

Liaohe-CobotMagic-PnP: an Imitation Learning Dataset of Intelligent Robot for Industrial Applications

Chen Yizhe, Wang Qi, Hu Dongxiao, Jingzhe Fang, Liu Sichao, Zixin An, Hongliang Niu, Haoran Liu, Li Dong, Chuanfen Feng, Lan Dapeng, Liu Yu, Zhibo Pang

机构 * School of Information Science and Engineering, Shandong Normal University（信息科学与工程学院，山东师范大学） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（先进技术学院，西安交通大学利物浦大学） ； Liaohe Laboratory, Innovation Institute of Intelligent Robotics Shenyang Co., Ltd.（辽河实验室，沈阳智能机器人创新研究院有限公司） ； School of Information Engineering, Shenyang University of Chemical Technology（信息工程学院，沈阳化工大学） ； Shenyang Institute of Automation, Chinese Academy of Sciences（沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

Comments Accepted to IAI 2025 (International Conference on Industrial Artificial Intelligence), Shenyang, China, Aug 21 - 24, 2025. Preprint (before IEEE copyright transfer)

RAU: Reference-based Anatomical Understanding with Vision Language Models

Yiwei Li, Yikang Liu, Jiaqi Guo, Lin Zhao, Zheyuan Zhang, Xiao Chen, Boris Mailhe, Ankush Mukherjee, Terrence Chen, Shanhui Sun

机构 * United Imaging Intelligence（联合影像智能） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） 纠错

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

Intentional Gesture: Deliver Your Intentions with Gestures for Speech

Pinxin Liu, Haiyang Liu, Luchuan Song, Jason J. Corso, Chenliang Xu

机构 * University of Rochester（罗切斯特大学） ； University of Tokyo（东京大学） ； University of Michigan（密歇根大学） 纠错

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

GraspFactory: A Large Object-Centric Grasping Dataset

Srinidhi Kalgundi Srinivas, Yash Shukla, Adam Arnold, Sachin Chitta

机构 * Autodesk Research（Autodesk研究院） 纠错

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

AHA -- Predicting What Matters Next: Online Highlight Detection Without Looking Ahead

Aiden Chang, Celso De Melo, Stephanie M. Lukin

机构 * University of Southern California（南加州大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

Comments Accepted at NeurIPS 2025, 32 pages, 5 figures

Enter the Mind Palace: Reasoning and Planning for Long-term Active Embodied Question Answering

Muhammad Fadhil Ginting, Dong-Ki Kim, Xiangyun Meng, Andrzej Reinke, Bandi Jai Krishna, Navid Kayhani, Oriana Peltzer, David D. Fan, Amirreza Shaban, Sung-Kyun Kim, Mykel J. Kochenderfer, Ali-akbar Agha-mohammadi, Shayegan Omidshafiei

机构 * Field AI Research Institute (FAIRI)（Field AI研究机构） ； Stanford University（斯坦福大学） 纠错

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

LeVERB: Humanoid Whole-Body Control with Latent Vision-Language Instruction

Haoru Xue, Xiaoyu Huang, Dantong Niu, Qiayuan Liao, Thomas Kragerud, Jan Tommy Gravdahl, Xue Bin Peng, Guanya Shi, Trevor Darrell, Koushil Sreenath, Shankar Sastry

机构 * University of California Berkeley（加州大学伯克利分校） ； Norwegian University of Science and Technology（挪威科学与技术大学） ； Simon Fraser University（西蒙弗雷泽大学） ； 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.AI

Comments https://ember-lab-berkeley.github.io/LeVERB-Website/

Multimodal Reference Visual Grounding

Yangxiao Lu, Ruosen Li, Liqiang Jing, Jikai Wang, Xinya Du, Yunhui Guo, Nicholas Ruozzi, Yu Xiang

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

Comments Project page with our code and dataset: https://irvlutd.github.io/MultiGrounding

SDE-DET: A Precision Network for Shatian Pomelo Detection in Complex Orchard Environments

Yihao Hu, Pan Wang, Xiaodong Bai, Shijie Cai, Hang Wang, Huazhong Liu, Aiping Yang, Xiangxiang Li, Meiping Ding, Hongyan Liu, Jianguo Yao

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