机器人 / 具身智能

Learning to Localize Using a LiDAR Intensity Map

Ioan Andrei Bârsan, Shenlong Wang, Andrei Pokrovsky, Raquel Urtasun

专题命中 机器人数据与评测 ：robot learning(comments,journal_ref)；分类 cs.RO、cs.CV、cs.LG

Comments 12 pages, 7 figures, 5 tables; Presented at the 2nd Conference on Robot Learning (CoRL), 2018

Journal ref Proceedings of The 2nd Conference on Robot Learning, PMLR 87:605-616, 2018

End-to-end Learning of Multi-sensor 3D Tracking by Detection

Davi Frossard, Raquel Urtasun

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

Comments Presented at IEEE International Conference on Robotics and Automation (ICRA), 2018

Journal ref In 2018 IEEE International Conference on Robotics and Automation (ICRA), pp. 635-642. IEEE, 2018

Untangling Dense Knots by Learning Task-Relevant Keypoints

Jennifer Grannen, Priya Sundaresan, Brijen Thananjeyan, Jeffrey Ichnowski, Ashwin Balakrishna, Minho Hwang, Vainavi Viswanath, Michael Laskey, Joseph E. Gonzalez, Ken Goldberg

专题命中 机器人数据与评测 ：robot learning(comments,journal_ref)；分类 cs.RO、cs.AI、cs.LG

Comments Conference on Robot Learning (CoRL) 2020 Oral. First two authors contributed equally

Journal ref 4th Conference on Robot Learning (CoRL 2020)

Catching the Rug: Early Prediction of Fraudulent Memecoins on Solana via Machine Learning

捕获“ rug pull”：基于机器学习的Solana平台欺诈性模因币早期预测

Jianghai Li, Pavel Kuznetsov, Yury Yanovich, Konstantin Nott-Whaley, Igor Vodolazov

机构 * Higher School of Economics（高等经济学院） ； Moscow State University（莫斯科国立大学） ； Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院） 纠错

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

AI总结 本研究针对Solana平台模因币的“ rug pull”欺诈问题，利用XGBoost等经典机器学习模型，基于交易初期5分钟数据实现早期检测，多源数据融合提升了跨平台泛化能力，为投资者提供了保护框架。

NepOOC-M: Bilingual Nepali-English Benchmark and Comparative Analysis of Multimodal Architectures for OOC Detection

NepOOC-M：面向OOC检测的尼泊尔语-英语双语基准及多模态架构的对比分析

Sanjeev Khatiwada

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

AI总结 针对尼泊尔语OOC虚假信息检测，构建首个尼泊尔语多语言OOC基准NepOOC，评估多模态等架构发现仅文本mBERT性能最优，数据集扩充比架构优化更有效。

Comments 12 pages, 5 figures

HODAgent: Towards On-Demand, Responsive Humanoids for Physical World Human Interaction

HODAgent：面向物理世界人机交互的按需、响应式人形机器人

Wang Warren Chen, Jiahao Zhang, Zhenjiang Li, Mingxu Wang, Lei Yi, Yuchen Kang, Shuo Sun, Ziping Chen, Jie Chen

机构 * Xiaopeng（小鹏） 纠错

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

AI总结 HODAgent作为面向服务人形机器人的System-2具身智能体，通过半双工架构实现自适应服务，在仿真与实体机器人上均显著优于基准模型。

Comments we have received a formal directive from our company requiring all company assets to undergo a mandatory internal review process before any public release. We are now required to immediately withdraw the paper to comply with this policy

ROBOSHACKLES: A Safety Dataset for Human-Injury Prevention in Embodied Foundation Models

ROBOSHACKLES: 面向具身基础模型中人体伤害预防的安全数据集

Zhuowen Yin, Chongyang Liu, Wenzhang Yang, Renjue Li, Yinxing Xue

机构 * Institute of Al for Industries, Chinese Academy of Sciences（工业人工智能研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 为解决机器人伤害人类数据难以安全收集的问题，提出基于真实观测的安全数据构建流水线，生成包含1万条视频的ROBOSHACKLES数据集，涵盖直接和间接伤害类别，评估发现现有模型在安全关键场景下100%产生不安全动作。

ChronoAgentic: A Code-based Multi-Agent World Simulator for Physically Grounded Simulation Construction

编码智能体作为世界模拟器

Hongyu Wang, Jingquan Wang, Ashvin Anilkumar, Bocheng Zou, Radu Serban, Dan Negrut

机构 * Department of Mechanical & Aerospace Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校机械与航空航天工程系） ； School of Computer, Data, and Information Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机、数据与信息科学学院） 纠错

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

AI总结 提出一个通过可执行模拟代码构建基于物理的世界模型的智能体框架，协调规划、代码生成、视觉审查和物理分析智能体，迭代修正代码以满足物理约束，在物理准确性、指令忠实度和视觉质量上超越视频模型。

CL4D: Contrastive Language-4D Pretraining for Vision-Language Reasoning in Dynamic Scenes

CL4D：用于动态场景视觉-语言推理的对比语言-4D预训练

Kumal Hewagamage, Isuranga Senavirathne, Sasika Amarasinghe, Hasitha Gallella, Dulanga Weerakoon, Vigneshwaran Subbaraju, Ranga Rodrigo

机构 * University of Moratuwa（莫拉图瓦大学） ； Singapore-MIT Alliance for Research & Technology (SMART) Centre（新加坡-麻省理工研究与技术联盟（SMART）中心） ； Agency for Science, Technology and Research (A*STAR)（新加坡科学、技术与研究局（A*STAR）） 纠错

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

AI总结 本研究提出CL4D（首个4D视觉编码器）及基于其的4DVLM，在自建DynAction4D数据集上训练，CL4D性能较现有方法提升约16.75%，4DVLM优于Gemini、GPT-5等前沿视频VLM。

Comments Accepted at the 19th European Conference on Computer Vision (ECCV 2026)

Evaluation of Monocular SLAM Systems on High-Altitude Nadir UAV Footage

高空天底视角无人机影像下单目SLAM系统的评估

Gašper Spagnolo, Matej Dobrevski, Danijel Skočaj

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

AI总结 该研究评估5种单目SLAM系统在高空天底视角无人机影像的性能，发现DROID-SLAM表现最优，MASt3R-SLAM水平误差最低，但所有系统垂直位置估计差、大面积轨迹失真，纯视觉单目SLAM不足以可靠应用于航空导航。

Comments 6 pages, submitted to ERK 2026

Evaluation of Image Matching Methods for Visual Odometry on UAVs

无人机视觉里程计的图像匹配方法评估

Gašper Spagnolo, Luka Čehovin Zajc, Matej Dobrevski

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

AI总结 该研究针对无人机视觉里程计任务，在合成数据集上评估多种图像匹配方法，发现RoMa匹配器性能最优，SIFT特征表现优于部分最新最先进方法，为无人机视觉导航提供参考。

Comments 5 pages, published in the Proceedings of the 33rd International Electrotechnical and Computer Science Conference ERK 2024

Journal ref Proceedings of the 33rd International Electrotechnical and Computer Science Conference ERK 2024, pp. 479-483, 2024

OccDirector: Language-Guided Behavior and Interaction Generation in 4D Occupancy Space

OccDirector：基于语言的4D占用空间中行为与交互生成

Zhuding Liang, Tianyi Yan, Dubing Chen, Jiasen Zheng, Huan Zheng, Cheng-zhong Xu, Yida Wang, Kun Zhan, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau, Macau, China（SKL-IOTSC、CIS、澳门大学、澳门、中国） ； Li Auto Inc, Beijing, China（Li Auto Inc、北京、中国） 纠错

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

AI总结 本文提出OccDirector框架，通过自然语言生成4D占用空间动态，解决复杂多代理交互生成问题，引入多级语言指令数据集和评估基准，实现语言驱动的行为编排。

Calibrated Predictive Safety for Heterogeneous Robots: An Action-Conditioned JEPA Framework with Model-Based Safety Shields

异构机器人的校准预测安全性：一种带基于模型安全盾的动作条件联合嵌入预测架构（JEPA）框架

Kaiming Zhong, Tianhua Liu, Yue Wang

机构 * Guangdong Bifang Intelligent Control Technology Co., Ltd.（广东毕方智能控制技术有限公司） 纠错

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

AI总结 本研究提出带基于模型安全盾的动作条件JEPA框架，用于异构机器人，可预测候选动作的任务进展与物理风险，在仿真中提升了成功率并降低碰撞漏报率。

Comments 17 pages, 9 figures. Simulation-only empirical results on LIBERO-Long (no real-robot experiments). Source, figure-generation scripts and reproducibility checklist included. Level-3 offline reranking significance test not executed; see Sec. 7 (Scope and honesty statement) for detailed disclosure

AVA-Encoder: Towards Agent-Native Video Representation Learning

AVA-Encoder：面向智能体原生的视频表示学习

Chuyue Li, Jinpeng Yu, Haozhe Wang, Tian Xueyun, Zhijing Zhang, Bingnan Li, Shuqi Gu, Kan Ren, Jiaming Liu, Ruihua Huang

机构 * Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Computing Technology（中国科学院计算技术研究所） ； Southeast University（东南大学） 纠错

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

AI总结 针对创意智能体缺乏从高质量电影学习的有效方式的问题，提出AVA-Encoder框架，其视频表示经重构优化后，在相关基准上性能优于现有方法，还发布了配套框架、基准及数据集。

Toward Universal Skeleton-Based Action Recognition across Heterogeneous Skeletons and Open Vocabularies

迈向通用的基于骨骼的动作识别

Jidong Kuang, Hongsong Wang, Jie Gui, Yuan Yan Tang, James Tin-Yau Kwok

机构 * School of Cyber Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） ； School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） 纠错

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

AI总结 本文提出了一种基于Transformer的模型，通过统一骨骼表示、动作编码器和多粒度动作-文本对齐，解决异构骨骼动作识别的挑战，实验验证了方法的有效性和泛化能力。

Risk-Controllable Multi-View Diffusion for Driving Scenario Generation

可控风险多视角扩散用于驾驶场景生成

Hongyi Lin, Wenxiu Shi, Heye Huang, Dingyi Zhuang, Song Zhang, Yang Liu, Xiaobo Qu, Jinhua Zhao

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

AI总结 RiskMV-DPO通过整合风险水平与物理风险建模，实现可控风险的多视角驾驶场景生成，提升3D检测性能并减少FID，推动安全导向的具身智能发展。

Comments 10 pages, 4 figures; accepted at the CVPR 2026 Workshop on Video Generative Models: Benchmarks and Evaluation (VGBE). Updated to the complete camera-ready version

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026

Beyond BFI: The CSI for Enhanced Reliability and Validity in Evaluating LLM Personality Traits

超越BFI：用于增强评估LLM人格特质可靠性与有效性的CSI

Huanhuan Ma, Haisong Gong, Xiaoyuan Yi, Xing Xie, Philip S. Yu, Dongkuan Xu

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

AI总结 针对现有LLM人格特质评估工具BFI的可靠性与有效性局限，提出适配LLM的CSI，经实验验证其可靠性更高、与模型真实输出相关性超0.85，能有效评估LLM人格特质。

Comments Code available via https://github.com/dependentsign/CSI

HarnessEval-W: Agentifying the Evaluation of Visual Worlds

HarnessEval-W：将视觉世界评估智能体化

Weiliang Chen, Haowen Sun, Jun Gao, Jiawei Chi, Hanyang Wang, Qiyu Dai, Yihao Li, Hao Li, Jingnan Gao, Yi-Hsin Hung, Xingzhuo Guo, Shangchen Miao, Zhiyuan Shi, Xiang Li, Fengrui Tian, Weihua Du, Ziqi Huang, Shenyuan Gao, Siqiao Huang, Mingyu Liu, Yifei Li, Shizun Wang, Xi Wang, Tianqi Zhang, Xue Luo, Xiyin Ren, Jinshan Ren, Xiaoyang Shen, Xiaobo Hu, Zhiyang Dou, Mingyu Ding, Yichao Yan, Xinchao Wang, Yizhou Wang, Shilong Liu, Wenzhao Zheng, Yueqi Duan, Yuan Gong, Ziwei Liu, Ming-Yu Liu, Jialong Wu, Jiangran Lyu, Fangfu Liu

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

AI总结 该研究提出智能体化评估流程HarnessEval-W，将LLM生态的harness范式应用于世界模型基准测试，对18个世界模型的330个案例评估，其判断与人类偏好一致且提供可验证诊断，已开源并邀社区贡献。

Comments Project Page: https://mirros-lab.github.io/HarnessEval-W

Semantic- and Density-Aware Planning for Accessibility-Preserving Multi-Object Placement

面向可访问性保持的多物体放置的语义与密度感知规划

Benno Wingender, Nils Dengler, Nicolas Busch, Sicong Pan, Maren Bennewitz

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

AI总结 针对在线多物体货架放置场景，提出SDPP方法，结合语义-密度评分与AM，在提升语义放置质量和货架密度的同时，减少可行位姿识别时间，适用于家庭货架存储场景。

Depth-guided Multi-view Exposure Bracketing for HDR Robot Vision

面向机器人视觉的深度引导多视图曝光 bracketing（HDR 成像技术）

Jinnyeong Kim, Juhyung Choi, Woohyeok Kim, Sunghyun Cho, Seung-Hwan Baek

机构 * POSTECH（浦项科技大学） 纠错

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

AI总结 针对多传感器机器人系统 HDR 感知评估基准缺失的问题，构建含真实与合成场景的大规模数据集，提出深度引导多视图曝光 bracketing（DMEB）单帧 HDR 方法，经评估该方法可作为参考基准且具应用潜力。

Comments 14 pages, ECCV 2026 accepted

TRACE: Trajectory Aware Reasoning for Multi-Turn Adversarial Conversation Evaluation

TRACE：面向多轮对抗对话评估的轨迹感知推理

Md Messal Monem Miah, Adrita Anika, Zhiyuan Yu, Ruihong Huang

机构 * Texas A&M University（德克萨斯农工大学） ； Amazon（亚马逊公司） 纠错

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

AI总结 针对LLM多轮越狱攻击，提出具备轨迹感知推理的Trace防御方法，训练Llama-3.1-8B-Instruct实现安全与实用平衡，在多轮攻击基准中显著降低攻击成功率并提升合规率。

CrossView: Can Vision-Language Models Reason Across Cameras?

CrossView：视觉-语言模型能否跨相机进行推理？

Sahil Shah, S P Sharan, Harsh Goel, Manvik Pasula, Adithya Hebbalae, Minkyu Choi, Sandeep P. Chinchali

机构 * The 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 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出CrossView多相机视频问答基准，评估发现GPT-5.2等模型跨相机推理准确率低，开源模型表现更差，该基准可用于测试模型联合处理多视角的能力。

Comments ECCV 2026

AutoWorldModel-Bench: A State-Centric Benchmark for Automated World-Model Research

AutoWorldModel-Bench：面向自动化世界模型研究的以状态为中心的基准

Marjan Moodi, Xuankang Zhu, Fernando De Mesentier Silva, Harold Chaput, Mohammad Reza Taesiri

机构 * Electronic Arts（美国艺电公司） ； Simon Fraser University（西蒙菲莎大学） 纠错

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

AI总结 AutoWorldModel-Bench是面向AI编码智能体的闭环基准，涵盖8个游戏环境，采用结构化状态表征，64次会话中多数智能体通过研究式修改改进了世界模型，可评估智能体的开放式研究能力。

Comments Project page: https://electronicarts.github.io/AutoWorldModelBench/

Preview-Based Relative-Motion Control of an Insertion Tool for Neural-Thread Placement in Pulsating Tissue

搏动组织中神经线程放置的插入工具的基于预览的相对运动控制

Yongyan Cao, Xiaobo Li

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

AI总结 该研究针对搏动组织的神经线程放置，开发基于预览的相对运动控制器，经仿真验证可降低放置误差与接触剪切，提升QP求解可行性，在一定质量失配下保证稳定性，为后续硬件部署提供仿真基础。

Time-Correlated Video Bridge Matching

时间相关视频桥匹配

Viacheslav Vasilev, Arseny Ivanov, Nikita Gushchin, Maria Kovaleva, Alexander Korotin

机构 * Kandinsky Lab（Kandinsky实验室） ； Applied AI Institute（应用人工智能研究所） ； HSE University（高等经济大学） 纠错

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

AI总结 本文提出时间相关视频桥匹配框架，解决视频生成中时间相关序列建模问题，通过建模序列间依赖性和时间相关性，提升视频生成质量与重建精度。

I-Perceive: A Foundation Model for Active Perception with Language Instructions

I-Perceive：一种基于语言指令的主动感知基础模型

Yongxi Huang, Zhuohang Wang, Wenjing Tang, Xinyu He, Cewu Lu, Panpan Cai

机构 * Shanghai Innovation Institute（上海创新研究院） ； Beihang University（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

AI总结 I-Perceive是一种基于自然语言指令的主动感知基础模型，通过融合视觉-语言模型与几何基础模型，实现了对开放意图场景的有效感知与推理。

PerFACT: Motion Policy with LLM-Powered Dataset Synthesis and Fusion Action-Chunking Transformers

PerFACT: 基于LLM驱动的数据集合成与融合动作分块变换器的运动策略

Davood Soleymanzadeh, Xiao Liang, Minghui Zheng

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66机械工程系，德克萨斯A&M大学） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University（Zachry土木与环境工程系，德克萨斯A&M大学） 纠错

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

AI总结 PerFACT通过LLM驱动的数据集合成和融合动作分块变换器，提升机械臂运动规划的泛化能力和效率。

GestureLSM: Latent Shortcut based Co-Speech Gesture Generation with Spatial-Temporal Modeling

GestureLSM：基于隐式捷径的时空建模语音同步手势生成

Pinxin Liu, Luchuan Song, Junhua Huang, Haiyang Liu, Junfan Zhu, Chenliang Xu

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

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

AI总结 GestureLSM通过时空建模与改进的流匹配方法，在BEAT2数据集上实现了最优语音同步手势生成，同时大幅缩短推理时间，可用于增强数字人和具身智能体。

Comments Accepted to ICCV 2025. Project Page: https://andypinxinliu.github.io/GestureLSM

Twin: Playing an Unknown Game with a Test-Time Digital Twin

Twin：利用测试时数字孪生玩未知游戏

Alexy Skoutnev, Kirill Acharya, Gaston Longhitano, Madeleine Udell, Kevin Ellis, Iddo Drori

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

AI总结 该研究提出Twin系统，通过测试时数字孪生构建可执行世界模型，在ARC-AGI-3等未知游戏中通关率达97.8%，效率优于人类，核心是通过模拟交互和反例修复推断游戏规则与目标。

Comments Project website with action-by-action replays of all 25 runs: https://arc-agi-3-twin.vercel.app/ Code: AGI-3" target="_blank" rel="noopener">https://github.com/Alexyskoutnev/TWIN-ARC-AGI-3

The Past and Future of AI Scientists

AI科学家的过去与未来

Ross D. King

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

AI总结 本文综述AI科学家的过去与未来，指出其核心挑战是多技术集成，现有技术已支持构建更通用系统，其有望变革科学，诺贝尔图灵挑战目标进展超前。