机器人 / 具身智能

When Tabular Foundation Models Meet Strategic Tabular Data: A Prior Alignment Approach

当表格基础模型遇见策略性表格数据：一种先验对齐方法

Xinpeng Lv, Yunxin Mao, Renzhe Xu, Chunyuan Zheng, Yikai Chen, Haoxuan Li, Jinxuan Yang, Kun Kuang, Yuanlong Chen, Mingyang Geng, Wanrong Huang, Shixuan Liu, Shaowu Yang, Wenjing Yang, Zhouchen Lin, Haotian Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文研究了表格基础模型在策略性表格数据上的泛化能力，提出了一种策略感知的先验对齐框架SPN，以提高模型在策略性环境中的鲁棒性和预测性能。

Comments Accepted by ICML2026

Simulation-Driven Imitation Learning for Biosignals-Free Shared-Autonomy Prosthetic Grasping

模拟驱动的无生物信号共享自主假肢抓取模仿学习

Kaijie Shi, Wanglong Lu, Huiling Chen, Vinicius Prado da Fonseca, Ting Zou, Hanli Zhao, Xianta Jiang

机构 * Memorial University of Newfoundland（缅因大学） ； Wenzhou University（温州大学） 纠错

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

AI总结 提出一个自动生成多样化抓取演示的模拟框架，结合物理可行抓取合成、自然到达轨迹重定向和程序化环境执行，通过模仿学习实现高成功率和强泛化能力的假肢控制。

AnchorWorld: Embodied Egocentric World Simulation with View-based Evolution Customization

AnchorWorld: 基于视图演化定制的具身自我中心世界模拟

Yu Li, Menghan Xia, Gongye Liu, Xintao Wang, Conglang Zhang, Lei Ke, Yuxuan Lin, Ruihang Chu, Pengfei Wan, Kun Gai, Yujiu Yang

机构 * Tsinghua University（清华大学） ； HUST（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； HKUST（香港科技大学） ； WHU（武汉大学） 纠错

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

AI总结 提出AnchorWorld框架，利用3D人体运动和外源视角辅助训练增强交互完整性，并通过锚点视图和文本描述实现自我演化世界的灵活定制，显著优于现有方法。

Detecting Temporally Localized Manipulations in Authentic Video Streams

检测真实视频流中的时间局部操纵

Okan Umur, Ali Emre Güşlü, Ibrahim Delibasoglu

机构 * Okan Umur ； Ali Emre Güşlü ； Ibrahim Delibasoglu 纠错

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

AI总结 针对真实视频中插入短时逼真操纵片段难以检测的问题，提出新数据集并评估两种方法：基于DINOv3特征的线性探针和连续帧相似性方法，建立初步基准。

The Sim-to-Real Gap of Foundation Model Agents: A Unified MDP Perspective

基础模型智能体的仿真到现实差距：统一MDP视角

Xiaoou Liu, Tiejin Chen, Weibo Li, Xiyang Hu, Hua Wei

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本文提出将基础模型智能体的评估与训练差距形式化为经典仿真到现实问题，围绕MDP四要素（观测、动作、转移、奖励）构建统一框架，并倡导采用域随机化等成熟解决方案。

Comments 7 pages, 2 figures, 2 tables. Accepted by KDD 2026 Blue Sky Ideas Track

Compliance-Based Sensor Placement for Force Sensing on a Sensorized Prostate Phantom

基于柔顺性的传感器布局方法用于传感化前列腺模体的力感知

Sizhe Tian, Yinoussa Adagolodjo, Jeremie Dequidt

机构 * CRIStAL ； DEFROST ； Polytech Lille 纠错

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

AI总结 提出一种基于柔顺性的加权贪心传感器布局方法，用于直肠指检训练模体的力感知，相比全局QR方法将目标区域力重构性提高22.5%。

VIRTUS-FPP: Virtual Sensor Modeling for Fringe Projection Profilometry in NVIDIA Isaac Sim

VIRTUS-FPP：NVIDIA Isaac Sim中条纹投影轮廓测量的虚拟传感器建模

Adam Haroon, Anush Lakshman, Badrinath Balasubramaniam, Beiwen Li

机构 * Department of Mechanical Engineering, Iowa State University（Iowa州立大学机械工程系） ； College of Engineering, University of Georgia（佐治亚大学工程学院） 纠错

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

AI总结 提出VIRTUS-FPP，首个在NVIDIA Isaac Sim中实现的端到端虚拟传感器建模框架，用于条纹投影轮廓测量，实现物理保真模拟，无需预校准物理系统，支持亚毫米级重建精度。

Comments 10 pages, 13 figures, accepted for publication in IEEE Sensors Journal

DragOn: A Benchmark and Dataset for Drag-Based GUI Interactions

DragOn：基于拖拽的GUI交互基准与数据集

Nathan Bout, Maxime Langevin, Ronan Riochet

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

AI总结 针对GUI代理在拖拽操作（如拖放、滑动、高亮）上的性能不足，提出DragOn基准和训练数据集，涵盖文本高亮、单元格选择、元素缩放和滑块操作四个领域，包含28.6万张训练截图和350万个训练任务，评估了多个模型并显示数据集能提升下游任务性能。

Journal ref Published as a workshop paper at SCALE - 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

CogManip: Benchmarking Manipulative Behavior in Multi-Turn Interactions with Large Language Model

CogManip: 在大语言模型多轮交互中操控行为的基准测试

Zeyang Yue, Chenfei Yan, Feifei Zhao, Haibo Tong, Mengwen Xu, Xiaozhen Wang, Erliang Lin, Yi Zeng

机构 * School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； BrainCog AI Lab, CASIA（CASIA脑认知人工智能实验室） ； Gaoling School of AI, Renmin University of China（中国人民大学 Gallagher人工智能学院） ； Beijing-AISI（北京人工智能研究所） ； Beijing Key Laboratory of Safe AI and Superalignment（北京安全人工智能与超对齐重点实验室） ； School of Artificial Intelligence, UCAS（中国科学技术大学人工智能学院） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

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

AI总结 提出CogManip基准，通过1000个多轮交互场景评估15种操控策略风险，发现前沿模型存在显著风险异质性，并揭示提示工程防御的重要性。

UltraVR: A Diagnostic Ultra-Resolution Image-VQA Benchmark for Evidence-Grounded Reasoning

UltraVR：面向证据推理的诊断性超分辨率图像VQA基准

Gexin Huang, Yanting Yang, Myeongkyun Kang, Beidi Zhao, Jun Zhou, Chen Zhou, Gang Wang, Zu-hua Gao, Xiaoxiao Li

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； BC Cancer Agency（不列颠哥伦比亚癌症中心） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出UltraVR基准，通过结构化思维链标注诊断视觉语言模型在超分辨率图像上的证据推理能力，发现模型在证据定位和局部感知环节错误集中。

Comments 10 pages, 1 figure

CityRAG: Stepping Into a City via Spatially-Grounded Video Generation

CityRAG: 通过空间感知的视频生成进入城市

Gene Chou, Charles Herrmann, Kyle Genova, Boyang Deng, Songyou Peng, Bharath Hariharan, Jason Y. Zhang, Noah Snavely, Philipp Henzler

机构 * Google（谷歌） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 CityRAG通过利用地理注册数据的大型语料库，生成空间一致且可导航的真实环境视频，其核心方法是结合学习的先验知识和时空不一致训练数据，以实现复杂的运动和外观变化。

Comments Project page: cityrag.github.io

Global Cross-Modal Geo-Localization: A Million-Scale Dataset and a Physical Consistency Learning Framework

全球跨模态地理定位：一个百万级数据集和一个物理一致性学习框架

Yutong Hu, Jinhui Chen, Chaoqiang Xu, Yuan Kou, Sili Zhou, Shaocheng Yan, Pengcheng Shi, Qingwu Hu, Jiayuan Li

机构 * School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感与信息工程学院） ； First Surveying and Mapping Institute of Hunan Province（湖南省第一测绘院） 纠错

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

AI总结 本文提出CORE数据集和PLANET框架，用于解决全球跨模态地理定位问题，通过大规模数据和物理一致性学习提升定位的鲁棒性和全球适用性。

AICompanionBench: Benchmarking LLMs-as-Judges for AI Companion Safety

AICompanionBench: 以LLM为评判标准的AI伴侣安全基准测试

Yanjing Ren, Reza Ebrahimi, TengTeng Ma

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出AICompanionBench，首个公开的细粒度安全风险标注的人机伴侣对话基准数据集，并评估20个LLM在检测不安全交互中的表现，发现强模型在显式有害内容上准确率高，但难以识别隐式不安全交互。

Real-World Deployment of a 5G-Connected Edge-Controlled Aerial Robot in Industrial Subterranean Mines

工业地下矿井中5G连接边缘控制空中机器人的实际部署

Achilleas Santi Seisa, Emanuele Pagliari, Gerasimos Damigos, Elias Small, George Nikolakopoulos

机构 * Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology（机器人与人工智能小组，计算机、电气与空间工程系，吕勒奥技术大学） 纠错

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

AI总结 本文首次在实际工业地下矿井中部署了由边缘卸载控制器控制的5G连接自主飞行空中机器人，采用模型预测控制器（MPC）生成平滑无碰撞路径，展示了边缘控制机器人系统在时间关键、安全高效未来部署中的潜力。

Comments 6 pages, 8 figures, MED 2026

MemoryDocDataSet: A Benchmark for Joint Conversational Memory and Long Document Reasoning

MemoryDocDataSet: 联合对话记忆与长文档推理的基准测试

Qiyang Xie, Jialun Wu, Xinjie He, Su Liu, Shuai Xiao, Zhiyuan Lin, Weikai Zhou

机构 * Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Columbia University（哥伦比亚大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 提出MemoryDocDataSet合成基准，包含50个微世界和1000个QA对，评估系统同时处理多轮对话历史和长文档阅读理解的能力，其中75.1%的问题需要混合推理（先导航对话历史再提取文档答案），实验显示联合检索存在明显差距。

Comments 17 pages, 2 figures, 8 tables. Submitted for peer review

A Cookbook of 3D Vision: Data, Learning Paradigms, and Application

3D视觉食谱：数据、学习范式与应用

Hongyang Du, Zongxia Li, Dawei Liu, Runhao Li, Haoyuan Song, Qingyu Zhang, Yubo Wang, Jingcheng Ni, Shihang Gui, Congchao Dong, Tao Hu

机构 * Brown University（布朗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； New York University（纽约大学） ； The University of Sydney（悉尼大学） ； Stability AI 纠错

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

AI总结 本文提出一种以数据为中心的3D视觉分类法，通过分析点云、网格、体素和3D高斯等几何表示及其获取流程，以及数据集设计、基准构建和监督机制，统一了表示、学习范式与下游任务（重建、生成、视频建模）之间的关系。

Comments Accepted to the CVPR 2026 OpenSUN3D Workshop. Official version available at CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026W/OpenSUN3D/html/Du_A_Cookbook_of_3D_Vision_Data_Learning_Paradigms_and_Application_CVPRW_2026_paper.html

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

When Seeing Is Not Believing -- A Benchmark for Search-Grounded Video Misinformation Detection

当眼见不再为实——面向搜索辅助的视频虚假信息检测基准

Tao Yu, Yujia Yang, Shenghua Chai, Zhang Jinshuai, Haopeng Jin, Hao Wang, Minghui Zhang, Zhongtian Luo, Yuchen Long, Xinlong Chen, Jiabing Yang, Zhaolu Kang, Yuxuan Zhou, Zhengyu Man, Xinming Wang, Hongzhu Yi, Zheqi He, Xi Yang, Yan Huang, Liang Wang

机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； BAAI（百度人工智能研究院） ； Tsinghua University（清华大学） ； Peking University（北京大学） 纠错

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

AI总结 提出EVID-Bench基准，通过跨视频对比和开放网络搜索检测视频虚假信息，涵盖9种操纵类型，评估前沿多模态模型发现准确率低且面临多种挑战。

Comments 52 pages

When Detectors Forget Forensics: Blocking Semantic Shortcuts for Generalizable AI-Generated Image Detection

当检测器遗忘取证：阻断语义捷径以实现可泛化的AI生成图像检测

Chao Shuai, Shaojing Fan, Chenlin Zou, Bin Gong, Weichen Lian, Xiuli Bi, Zhenguang Liu, Zhongjie Ba, Kui Ren

机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； National University of Singapore（新加坡国立大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） 纠错

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

AI总结 本文提出几何语义解耦（GSD）框架，通过抑制语义主导方向来促进不变取证表征，从而解决预训练视觉基础模型在AI生成图像检测中因语义回退导致的泛化不足问题。

Learning to Adapt Control Barrier Functions Under Epistemic and Aleatoric Uncertainty

在认知不确定性和偶然不确定性下学习自适应控制障碍函数

Taekyung Kim, Robin Inho Kee, Dimitra Panagou

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Charles Stark Draper Laboratory（查尔斯·斯泰克·德拉珀实验室） ； Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学） 纠错

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

AI总结 提出在线自适应CBF框架（OA-CBF），通过概率集成神经网络和图注意力编码器动态调整CBF参数，在保证安全性的同时减少保守性。

Comments Extended journal version of the IEEE CDC 2025 paper (available as arXiv:2504.03038v5). Project page: https://www.taekyung.me/oa-cbf

Decentralized Goal Assignment and Safe Trajectory Generation in Multi-Robot Networks via Multiple Lyapunov Functions

多机器人网络中基于多重李雅普诺夫函数的去中心化目标分配与安全轨迹生成

Dimitra Panagou, Matthew Turpin, Vijay Kumar

机构 * GRASP Lab, School of Engineering and Applied Science, University of Pennsylvania（宾夕法尼亚大学工程与应用科学学院GRASP实验室） 纠错

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

AI总结 本文研究了在仅本地通信可用的情况下多机器人网络的去中心化目标分配与轨迹生成问题，提出了一种基于切换系统和集合不变性方法的解决方案。通过使用一组李雅普诺夫-like函数编码候选目标分配的局部决策，使连接的代理选择最短总距离到目标的分配。当最优分配可能导致碰撞轨迹时，使用另一组李雅普诺夫-like屏障函数来维持系统安全并保持收敛保证。所提出的切换策略产生计算高效且可扩展的反馈控制策略，适用于在有限信息共享下机器人网络的快速响应部署。

AutoRally An open platform for aggressive autonomous driving

AutoRally：一个用于激进自动驾驶的开放平台

Brian Goldfain, Paul Drews, Changxi You, Matthew Barulic, Orlin Velev, Panagiotis Tsiotras, James M. Rehg

机构 * Georgia Tech Autonomous Racing Facility（佐治亚理工学院自动驾驶赛车中心） 纠错

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

AI总结 本文介绍了一个1:5比例的机器人测试平台AutoRally，旨在提供稳健、易用和可重复的自动驾驶研究环境，使非专业人员也能收集真实世界的数据。

Motion and Cooperative Transportation Planning for Multi-Agent Systems under Temporal Logic Formulas

多智能体系统在时序逻辑公式下的运动与协作运输规划

Christos K. Verginis, Dimos V. Dimarogonas

机构 * KTH Center for Autonomous Systems（KTH 自主系统中心） 纠错

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

AI总结 本文提出一种混合控制框架，用于在高阶目标表达为线性时序逻辑（LTL）公式的情况下，多智能体系统的运动规划。设计控制协议以实现智能体在预定义兴趣区域间的过渡及协作运输物体。通过抽象智能体与物体的耦合行为为有限状态转移系统，设计满足智能体和物体规格的高层多智能体计划。

Comments Submitted to IEEE Transactions on Automation Science and Engineering. arXiv admin note: text overlap with arXiv:1611.05186

Approximately Optimal Continuous-Time Motion Planning and Control via Probabilistic Inference

近似最优连续时间运动规划与控制 via 概率推理

Mustafa Mukadam, Ching-An Cheng, Xinyan Yan, Byron Boots

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

AI总结 本文提出PIPC算法，通过概率推理和高斯过程轨迹表示，实现对非线性性能指标的近似最优控制，在仿真中展示了其在递推时间窗口内的多系统应用能力。

Comments minor fixes and typos

Lyapunov stability of a rigid body with two frictional contacts

具有两个摩擦接触的刚体的李雅普诺夫稳定性

Péter L. Várkonyi, Yizhar Or

机构 * Budapest University of Technology and Economics（布达佩斯技术与经济大学） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） 纠错

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

AI总结 本文研究了具有两个摩擦性单向接触的平面刚体在非弹性碰撞下的李雅普诺夫稳定性分析，通过引入Poincare映射和不变关系，将系统动态行为编码为两个半解析标量函数，用于判断平衡状态的稳定性。

Fast Methods for Eikonal Equations: an Experimental Survey

快速求解eikonal方程的方法：实验调查

Javier V. Gomez, David Alvarez, Santiago Garrido, Luis Moreno

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

AI总结 本文通过实验对比了9种改进标准快速推进法的算法，重点研究单线程方法和各向同性环境下的计算效率提升。

Stability and Performance Limits of Latency-Prone Distributed Feedback Controllers

具有延迟的分布式反馈控制器的稳定性与性能极限

Ye Zhao, Nicholas Paine, Kwan Suk Kim, Luis Sentis

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

AI总结 本文研究了具有延迟的分布式反馈控制器的稳定性与性能极限，探讨了在高阻尼反馈和低阻尼反馈之间平衡的重要性，并通过实验验证了分布式阻抗控制器的稳定性影响因素。

Comments 13 pages, 10 figures, 2 tables, 31 reference

Technical Report: Distribution Temporal Logic: Combining Correctness with Quality of Estimation

技术报告：分布时间逻辑：结合正确性与估计质量

Austin Jones, Mac Schwager, Calin Belta

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

AI总结 本文提出分布时间逻辑（DTL），用于描述部分可观测系统中涉及不确定性和可能性的属性，提供了一种安全的公式化方法及监控算法，并通过救援机器人应用案例验证。

Comments More expanded version of "Distribution Temporal Logic: Combining Correctness with Quality of Estimation" to appear in IEEE CDC 2013

Estimation Procedures for Robust Sensor Control

鲁棒传感器控制的估计方法

Greg Hager, Max Mintz

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

AI总结 本文研究非线性测量系统中鲁棒传感器控制问题，评估三种估计技术并讨论其适用条件及性能评估方法。

Comments Appears in Proceedings of the Third Conference on Uncertainty in Artificial Intelligence (UAI1987)

Forecasting Conceptual Diffusion in Science: The Case of Quantum Computing

预测科学中的概念扩散：以量子计算为例

Thomas Maillart, Thibaut Chataing, David Dosu, Paul Bagourd, Julian Jang-Jaccard, Alain Mermoud

机构 * Geneva School of Economics and Management, University of Geneva（日内瓦经济管理学院，日内瓦大学） ； Faculty of Medicine, University of Geneva（日内瓦大学医学院） ； Open Quantum Institute, CERN（开放量子研究所，欧洲核子研究中心） ； armasuisse Science + Technology（armasuisse 科学与技术） 纠错

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

AI总结 通过构建时间分辨的概念共现网络并训练LightGBM模型，研究量子计算领域概念的内生巩固与外生扩散的可预测性，发现外生扩散和熵具有强可预测性（R²高达0.78），而内生巩固在量子计算中几乎不可预测，但在神经植入领域显著上升（R²=0.83），表明概念扩散受语义和引用环境中的稳定结构规律支配。

Comments 19 pages, 5 figures, 6 tables. Code and manuscript sources: https://github.com/wazaahhh/breakthroughs-diffusion . An earlier version was presented at the Global Tech Mining Conference (GTM) 2026 (submission #117)

Semantic-weighted ICP for LiDAR Odometry: Class-Aware Residual Reweighting for Robust Scan Registration

语义加权ICP用于LiDAR里程计：基于类感知残差加权的鲁棒扫描配准

Vasco Carvalho, Tiago Barros, Urbano J. Nunes

机构 * Institute of Robotics and Autonomous Systems, University of Lisbon（里斯本大学机器人与自主系统研究所） 纠错

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

AI总结 提出语义加权ICP方法，通过根据语义类别的几何稳定性对残差进行加权，在动态和复杂环境中提升LiDAR里程计的位姿估计鲁棒性。