机器人 / 具身智能

Segment-Wise Soft Robotics Inspired Flexible Antenna Arrays: Design and Optimization

分段式软体机器人柔性天线阵列：设计与优化

Shuaishuai Han, Konstantinos Ntougias, Elio Faddoul, Ioannis Krikidis

专题命中 机器人操作 ：robotics(title)；robotic(abstract)

AI总结 提出分段式软体机器人天线系统，通过独立控制分段运动实现天线位置重构，并设计两种部署方案及优化算法，显著提升和速率。

Comments Summitted to IEEE transaction journal

TabClaw: An Interactive and Self-Evolving Agent for Spreadsheet Manipulation and Table Reasoning

TabClaw: 一个用于电子表格操作和表格推理的交互式自进化智能体

Mingyue Cheng, Shuo Yu, Daoyu Wang, Qingchuan Li, Xiaoyu Tao, Qingyang Mao, Yitong Zhou, Qi Liu

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室） 纠错

专题命中 机器人操作 ：manipulation(title,abstract)

AI总结 提出TabClaw，一个开源交互式AI智能体，通过可编辑执行计划、流式ReAct循环、并行多表推理和用户记忆提取，提升电子表格操作和表格推理的透明性与个性化。

Comments 5 pages, 2 figures

Coherent manipulation of Kondo Majoranas in two-channel Kondo setups

双通道Kondo体系中Kondo Majorana的相干操控

Yashar Komijani, C. J. Bolech

专题命中 机器人操作 ：manipulation(title,abstract)

AI总结 研究双通道Kondo体系中Majorana零模的相干操控，通过紧致化格点模型展示非局域量子比特、隐形传态、融合和编织操作，并区分非拓扑与拓扑Y结几何，后者实现非阿贝尔几何相位。

Comments 29 pages, 8 figures

Human-Centred Risk Mitigation for AI-Mediated Information Manipulation: A SOCMINT Framework Based on Information Manipulation Sets

以人为中心的AI中介信息操纵风险缓解：基于信息操纵集的SOCMINT框架

Antonio Scala

专题命中 机器人操作 ：manipulation(title,abstract)

AI总结 提出基于信息操纵集（IMS）的SOCMINT框架，作为事件级分析与归因优先分析之间的中间操作单元，实现结构化推理与风险缓解。

Comments 15 pages; supplementary material available as ancillary file

Accelerating Mixed Discrete-Continuous Motion Planning via Neural Graphs of Convex Sets

通过凸集神经图加速混合离散-连续运动规划

Ananya Trivedi, Sarvesh Prajapati, Mohamed Khalid M Jaffar, Zhexin Xu, David Rosen, Taskin Padir

机构 * Northeastern University（东北大学） ； University of Maryland（马里兰大学） ； Amazon（亚马逊公司） 纠错

专题命中 机器人操作 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本研究针对混合离散-连续运动规划的计算瓶颈，提出基于图注意力网络的凸集神经图策略，实现最高两个数量级加速且保持100%成功率，适用于多种机器人任务。

Detection and Ranging of Transient Extrinsic Contacts Based on 6D Dynamic Tactile Sensing

基于6D动态触觉感知的瞬态外部接触检测与测距

Haowen Zheng, Yinghao Wu, Fuyuan Liu, Yichen Li, Yitian Shao

机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出TECDAR方法，通过6D动态触觉传感结合扩展卡尔曼滤波器，实现瞬态外部接触的快速精准定位，平均精度约7 mm，可用于机器人精细操作等场景。

Safe Vision Language Action Models via Barrier Enhanced Flow Matching

基于障碍增强流匹配的安全视觉语言动作模型

Kasra Sinaei, Hung-Chieh Wu, Donald Ebeigbe

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 该研究提出将流匹配生成模型与控制障碍函数安全保证结合的模块化推理框架，通过修改流匹配去噪过程实现本质安全，在不降低模型成功率的前提下完成安全验证。

ACE-Data-0: Human-Centric Ambient Capture as Embodied Data Engine

ACE-Data-0：以人为中心的环境捕获作为具身数据引擎

Yukang Cao, Haozhe Xie, Beichen Wen, Runmao Yao, Yinghao Liu, Yue Huang, Zhichao Liao, Yunxiang Wang, Haiheng Liu, Xingshun Tian, Dawei Su, Long Zhuo, Dacheng Tao, Xiaogang Wang, Liang Pan, Ziwei Liu

机构 * S-Lab, Nanyang Technological University（新加坡南洋理工大学S-Lab） ； ACE Robotics（ACE机器人公司） 纠错

专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；world model(abstract)；分类 cs.CV

AI总结 本研究提出以人为中心的具身数据引擎ACE，构建含150小时数据的ACE-Data-0数据集，引入分层基准，暴露现有方法缺陷，为具身AI等领域提供基础。

Comments Project Page: https://ace-data-engine.github.io/ACE-Data-0/

Pose-Aware Modeling to Mitigate Pose-Related Artifacts in Tactile Gloves

用于减轻触觉手套中与姿势相关伪像的姿势感知建模

Tianhong Catherine Yu, Ziyi Kou, Mia Huang, Taylor Niehues, Yiyue Luo, Li Guan, Dingtian Zhang

机构 * Cornell Univeristy（康奈尔大学） ； Meta Reality Labs（Meta 现实实验室） ； University of Washington（华盛顿大学） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 研究针对触觉手套因手部姿势变化产生伪像致最小可检测力提高的问题，引入无需修改手套的算法框架，利用姿势信息减轻伪像，经多手套设计和用户验证，有效降低了最小可检测力，提升了手套在相关应用中的可用性。

Design and stability analysis of an underactuated hand with passively rotating fingers

具有被动旋转手指的欠驱动手的设计与稳定性分析

Léonie Plancoulaine, Sylvain Guégan, Franck Plestan, Damien Chablat

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 研究具有空间移动性的欠驱动机器人手指，通过创新设计简化运动复杂性，引入稳定性标准和差动机构，经实验验证理论结果，降低了机械复杂性等，推动了柔顺机器人手发展，为未来自主操作研究奠定基础。

Journal ref Proceedings of the ASME 2026 International Design Engineering Technical Conferences \& Computers and Information in Engineering Conference, ASME, Aug 2026, Houston, United States

Scene-SAM3D: Multi-View Scene Asset Generation Without Fine-Tuning

Scene-SAM3D：无需微调的多视图场景资产生成

Yuqi Zhang, Yadan Luo, Xiangyu Sun, Fengyi Zhang, Zi Huang, Xin Tan

机构 * The University of Queensland（昆士兰大学） ； East China Normal University（华东师范大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 机器人操作 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.CV

AI总结 研究针对现实场景中3D生成难题，提出无需训练的Scene-SAM3D框架，通过选互补视图、潜在速度融合及高斯优化，实现多视图场景资产生成，实验证明其在减少场景级CD和降低计算成本上有显著成效。

Comments 18 pages, 9 figures

Handroid: Bridging Dexterous Hand and Humanoid

Handroid：连接灵巧手与人形机器人

Ruogu Li, Chenyang Ma, Sikai Li, Zhenyu Wei, Yunchao Yao, Haochen Shi, C. Karen Liu, Shuran Song, Mingyu Ding

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Stanford University（斯坦福大学） 纠错

专题命中 机器人操作 ：robotics(abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 研究旨在开发兼具灵巧手与拟人机器人功能的平台，提出Handroid，它能在单一可重构平台集成两种能力，有统一控制学习框架，经多种任务验证，成为推进形态可重构机器人技术及跨实体学习的紧凑可复制平台。

Comments Project website: https://handroid.org

ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI

ACE-Brain-0.5：用于物理智能体人工智能的统一具身基础模型

Brain Team, Ziyang Gong, Haoming Gu, Zehang Luo, Tianyi Zhang, Tao Tao, Yixiao Chi, Zhe Liu, Lingsi Zhu, Jingyuan Liu, Anke Tang, Songze Li, Yilun Kong, Ningjing Liu, Tianyu Zhu, Yunpeng Qing, Shuang Luo, Xiang Liu, Shi Fu, Dawei Nie, Sixiang Liu, Zhexi Wen, Feng Pan, Xiaofeng Wang, Zhi Hou, Chunxiao Liu, Xue Yang, Junchi Yan, Hengshuang Zhao, Dacheng Tao, Xiaogang Wang

机构 * ACE-Brain Team（ACE-Brain团队） 纠错

专题命中 机器人操作 ：embodied AI(abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO

AI总结 研究针对具身人工智能从模块向物理智能体发展的问题，提出ACE-Brain-0.5统一基础模型，通过耦合的五个功能及SSR+等方法，提升空间感知等能力，在多基准测试中有进步。

Multisensory Continual Learning: Adapting Pretrained Visuomotor Policies to Force

多感官持续学习：将预训练的视觉运动策略适应到力觉

Jaden Clark, Changhao Wang, Yihuai Gao, Seongheon Hong, Hojung Choi, Mark Cutkosky, Yifan Hou, Shuran Song

机构 * Stanford University（斯坦福大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；robot policy(abstract)；分类 cs.RO

AI总结 提出MuSe方法，通过多阶段融合、多感官未来预测和预训练数据经验回放，将有限的多感官数据融入预训练的纯视觉策略，在保持原始任务性能的同时适应新任务。

DexTeleop-0: Force-Aware Bimanual Dexterous Teleoperation with Ego-Centric Perception towards Shared Autonomy

DexTeleop-0: 面向共享自主的力感知双臂灵巧遥操作与自我中心感知

Haichao Liu, Yuyao Jiang, Hyunsun Park, Yuanjiang Xue, Ziwei Wang

机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； OOJU, USA（美国OOJU） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 针对接触丰富任务中遥操作精度低的问题，提出基于触觉驱动的自适应策略，通过实时优化循环将粗略人类意图转化为精确力控机器人命令，显著提升任务成功率与执行效率。

Comments 15 pages, 6 figures, 5 tables

MV-WAM: Manifold-Aware World Action Model with Value Augmentation

MV-WAM: 具有价值增强的流形感知世界动作模型

Jintao Chen, Peidong Jia, Qingpo Wuwu, Jiaming Liu, Mengfei Du, Chun-Kai Fan, Xiaowei Chi, Hao Chen, Chengyu Bai, Zezhong Qian, Hao Wang, Jiajun Cao, Weishi Mi, Xiaozhu Ju, Jian Tang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出MV-WAM框架，通过跨模态因果掩码、流形感知优化和进度价值调节机制，联合建模视觉预测、动作生成和价值估计，在分布外场景中提升动作泛化能力，在仿真和真实机器人任务上显著优于基线。

Comments 20 pages, 9 figures, 7 tables

DexLink Hand: A Compact, Affordable, 16-DOF Linkage-Driven Hand with Human-Like Dexterity

DexLink Hand：一款紧凑、经济、16自由度连杆驱动且具有类人灵巧性的手部

Hao Wu, Yanzhe Wang, Yu Feng, Jian Liu, Jihao Li, Jianshu Zhou, Huixu Dong

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 机器人操作 ：robot learning(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 提出一种紧凑、低成本的连杆驱动仿人手，通过混合平面与空间连杆机构实现16个独立驱动、20个关节的高灵巧性，重320g、成本低于400美元，达到最大Kapandji评分并复现全部33种Feix抓取类型。

Iterative Grasp Pose Refinement: A Deep Reinforcement Learning Approach for 2D Vision

迭代抓取位姿优化：一种面向二维视觉的深度强化学习方法

Amir Arsalan Nematollahi, Shayan Ahmadi, Mehdi Tale Masouleh, Ahmad Kalhor

机构 * University of Tehran（德黑兰大学） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本研究提出结合关键点表征与DQN的强化学习框架，通过迭代优化抓取位姿，在Dex-Net数据集300个物体上对几何判定不可抓取物体实现100%成功率，且可实现仿真到真实的迁移，为接触丰富的操作任务提供解决方案。

FACT: Failure-Aware Causal Training for World-Action Models

FACT：面向世界-动作模型的故障感知因果训练方法

Quanquan Peng, Yutong Liang, Rui Yan, Nicklas Hansen, Xiaolong Wang

机构 * University of California San Diego（加州大学圣迭戈分校） 纠错

专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 FACT是一种故障感知因果世界-动作模型，通过将错误动作转化为训练目标，在模拟与真实双臂操作任务中提升了世界-动作模型的性能，减少了成功偏差导致的未来幻觉。

3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning

3D-DLP：自监督3D物体中心场景表示学习

Ellina Zhang, Madhaven Iyengar, Amir Zadeh, Chuan Li, Deepak Pathak, David Held, Tal Daniel

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

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 提出3D-DLP模型，通过自监督学习将场景级RGB-D或体素观测分解为3D潜在粒子，每个粒子编码解耦属性，实现可解释的逐粒子分割图，并支持场景操控和下游机器人操作。

Comments ICML 2026. Project webpage: https://eubooks3003.github.io/3d-dlp

Inference-time Policy Steering via Vision and Touch

通过视觉和触觉进行推理时策略引导

Yilin Wu, Zilin Si, Zeynep Temel, Oliver Kroemer, Andrea Bajcsy

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

专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 提出ViTaL框架，通过视觉采样验证和触觉引导扩散编辑的双层优化，在推理时引导机器人策略，显著提升接触丰富操作任务的成功率。

Bounding Boxes as Goals: Language-Conditioned Grasping via Neuro-Symbolic Planning

边界框作为目标：通过神经符号规划实现语言条件抓取

Allison Andreyev, Landon Eum, Nestor Tiglao, Romel Gomez

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 机器人操作 ：robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 提出GRASP框架，利用预训练VLM将自然语言查询转化为神经符号目标状态，通过边界框检测实现零样本桌面操作，无需任务特定训练。

Comments Project website: https://allisonandreyev.github.io/grasp.github.io/

Making Foresight Actionable: Repurposing Representation Alignment in World Action Models

使远见可操作：在世界动作模型中重新利用表示对齐

Lu Qiu, Yizhuo Li, Yi Chen, Yuying Ge, Yixiao Ge, Xihui Liu

机构 * The University of Hong Kong（香港大学） ； XPENG Robotics（小鹏机器人） 纠错

专题命中 机器人操作 ：manipulation(abstract)；world model(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 针对世界动作模型中视觉预测与动作提取不匹配的问题，提出AGRA方法，通过对齐视频扩散特征与语义表示，提升动作解码器对任务相关区域的关注，从而改善操作任务的性能与泛化能力。

Dexterous Point Policy: Learning Point-based Dexterous Hand Policies from Human Demonstrations

灵巧点策略：从人类演示中学习基于点的灵巧手策略

Beomjun Kim, Seong Hyeon Park, Seunghoon Sim, Seungjun Moon, Sanghyeok Lee, Jinwoo Shin

机构 * KAIST（韩国科学技术院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 提出Dexterous Point Policy框架，通过统一3D关键点表示从人类视频学习灵巧操作策略，无需机器人演示，在真实任务中达到75%成功率。

Dense Force Estimation with an Event-based Optical Tactile Sensor

基于事件的光学触觉传感器的稠密力估计

Agis Politis, René Zurbrügg, Valentina Cavinato

机构 * Sony Advanced Visual Sensing, Zurich, Switzerland（索尼高级视觉传感公司，苏黎世，瑞士） ； ETH Zürich（苏黎世联邦理工学院） 纠错

专题命中 机器人操作 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 提出首个利用事件相机重建稠密3D力场的方法，通过事件数据估计表面位移并映射为力，平均误差(0.14N,0.10N,0.93N)，工作频率100Hz。

HiTac-WAM: A Hierarchical Tactile World Action Model for Contact-Rich Robot Manipulation

HiTac-WAM：一种用于接触丰富型机器人操作的分层触觉世界动作模型

Chao Xue, Chaofan Zhang, Wenxuan Ma, Guocai Yao, Shaowei Cui, Shuo Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； ImprintX Robotics（ImprintX机器人公司） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 机器人操作 ：manipulation(title)；分类 cs.RO

AI总结 本文提出HiTac-WAM这一分层触觉世界动作模型，通过分层结构建模触觉状态的物理依赖关系，在机器人接触操作任务中提升了预测精度与操作成功率。

Comments 8 pages, 7 figures, and 3 tables

HarvestPoint-ACT: Explicit Target Selection and Harvest-Point Conditioning for Robotic Fruit Harvesting under Occlusion

HarvestPoint-ACT：遮挡环境下机器人水果采摘的显式目标选择与采摘点条件设置

Hanying Hu, Weipeng Li, Yikun Huang, Hao Chen, Zhengtao Hu, Changcai Yang, Weiwei Wan

机构 * College of Computer and Information Sciences, Fujian Agriculture and Forestry University（福建农林大学计算机与信息学院） ； School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院） ； Graduate School of Engineering Science, The University of Osaka（大阪大学工程科学研究生院） 纠错

专题命中 机器人操作 ：robotic(title)；分类 cs.RO

AI总结 HarvestPoint-ACT通过显式感知目标与采摘点，结合调度器选择目标，在树冠模型上实现88%采摘成功率，重度遮挡下达75%，解决机器人水果采摘的遮挡与闭合点推断问题。

Comments Submit to IEEE ROBIO 2026

Mimir: A Neuro-Symbolic Memory System with Dynamic Grounding for Embodied Agents in Interactive Environments

Mimir：面向交互环境中具身智能体的、具备动态 grounding 的神经符号记忆系统

Haoming Xu, Zhenlin He, Hengyi Wang, Jiafeng Xu, Hao Dong

专题命中 机器人操作 ：embodied agent(title)；分类 cs.RO

AI总结 本文提出Mimir，一种分离世界与任务记忆并具备动态grounding的神经符号记忆系统，在EB-ALFRED、EB-Habitat等具身任务中显著提升了智能体的长程执行成功率。

Comments 9 pages, 4 figures

Reeling It In: Flexible Needle Pick Up via Thread Manipulation for Autonomous Suturing

收线：通过线操作实现自主缝合的柔性缝针拾取

Emma Huang, Zih-Yun Chiu, Neelay Joglekar, Shanglei Liu, Michael C. Yip

机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego Health（加州大学圣迭戈分校健康中心） 纠错

专题命中 机器人操作 ：manipulation(title)；分类 cs.RO

AI总结 本研究提出一种基于缝合线辅助的自主缝针拾取框架，通过线操作实现间接拾取，可应对缝针被遮挡或不可接近等场景，提升了自主缝合的鲁棒性。

Comments Accepted to IROS 2026

Data and Learning Where it Matters for Contact-Rich Manipulation

数据与学习在高度依赖接触的操作中的关键作用

Oliver Hausdörfer, Linus Schwarz, Gabor Marko, Christian Dietz, Timo Class, Luka Hofer, Jim Yun-Jin Li, Johannes Hechtl, Ralf Römer, Angela P. Schoellig

机构 * TU Munich（慕尼黑工业大学） ； Siemens AG（西门子公司） 纠错

专题命中 机器人操作 ：manipulation(title)；分类 cs.RO

AI总结 研究针对高度依赖接触的操作中数据与学习的问题，提出结合离线深度强化学习的自动数据收集方案，仅用少量自主数据收集，在四个现实任务中平均成功率达96%，为相关任务的数据收集和精密应用高成功率奠定基础。

Comments Project webpage: https://anonymous.4open.science/w/data_and_learning_where_it_matters/