机器人 / 具身智能

OVO-S-Bench: A Hierarchical Benchmark for Streaming Spatial Intelligence in Multimodal LLMs

OVO-S-Bench：多模态大语言模型中流式空间智能的分层基准

Yifei Li, Pengyiang Liu, Yuhang Zang, Zhongyue Shi, Qi Fu, Hongye Hao, Jiwen Lu

机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 提出OVO-S-Bench，一个完全人工标注的流式空间智能基准，包含1680个问题，涵盖四个抽象层次，评估38个MLLM，发现Gemini-3.1-Pro落后人类专家27分，流式空间微调MLLM表现不如其骨干模型。

Comments 48 pages, 12 figures, 15 tables. Project page: https://internlm.github.io/OVO-S-Bench/

The DeepSpeak-Agentic Dataset

DeepSpeak-Agentic 数据集

Sarah Barrington, Maty Bohacek, Hany Farid

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

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

AI总结 本文提出了一个包含37小时人机半结构化对话视频的数据集DeepSpeak-Agentic，用于评估AI代理的自动取证识别、研究人机交互特性，并作为大型语言模型和AI生成语音/面部技术的基准。

Deadlock and Noise in Self-Organized Aggregation Without Computation

无计算的自组织聚合中的死锁与噪声

Joshua J. Daymude, Noble C. Harasha, Andréa W. Richa, Ryan Yiu

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

AI总结 研究无计算自组织聚合算法在多机器人系统中的死锁问题，证明确定性运动下存在死锁构型，并发现少量误差可避免死锁，同时提出一种离散噪声版本。

Comments 17 pages, 11 figures

Journal ref Stabilization, Safety, and Security of Distributed Systems (SSS 2021), pp. 51-65

Bridging the Sim-to-Real Gap in Semiconductor Visual Program Synthesis via Input Binarization

通过输入二值化弥合半导体视觉程序合成中的仿真到现实差距

Yusuke Ohtsubo, Kota Dohi, Koichiro Yawata, Koki Takeshita, Tatsuya Sasaki

机构 * National Institute of Information and Communications Technology, Japan（日本信息通信技术全国研究所） 纠错

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

AI总结 提出一种视觉程序合成框架，利用输入二值化策略消除扫描电子显微镜图像的纹理和噪声，使视觉语言模型专注于几何结构，从而弥合仿真到现实的差距，在MIIC数据集上将平均Dice系数从0.4393提升至0.5256。

Explainable Forensics of Manipulated Segments in Untrimmed Long Videos

未修剪长视频中被操纵片段的可解释取证

Yue Feng, Jingjing Li, Qijia Lu, Wei Ji, Jingrou Zhang, Fei Shen, Xiao Li, Yizhen Jia, Qiang Chen, Limin Wang, Wentong Li, Jie Qin

机构 * MoE Key Laboratory of Brain-Machine Intelligence Technology, College of Artificial Intelligence, Nanjing University of Aeronautics（脑机智能技术关键实验室、人工智能学院、南京航空航天大学） ； Dalian University of Technology（大连理工大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对长视频中AI生成片段的定位与解释任务，提出TASLE基准数据集和MSLoc粗到细取证方法，实现时序定位、真实性检测与可解释分析。

Comments Accepted to ICML 2026

TabPrep: Closing the Feature Engineering Gap in Tabular Benchmarks

TabPrep: 弥合表格基准测试中的特征工程差距

Andrej Tschalzev, Nick Erickson, Yuyang Wang, Huzefa Rangwala, Stefan Lüdtke, Heiner Stuckenschmidt, Christian Bartelt

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

AI总结 本文提出TabPrep，一个轻量级预处理流程，通过针对三种特定数据模式设计的特征生成器，系统性地进行特征工程，显著提升多种模型在表格基准测试中的性能。

Symmetry-Aware 9D Pose Estimation with Sim(3)-Consistent Feature and Spherical Inception Convolution

对称感知的9D姿态估计：Sim(3)一致特征与球形Inception卷积

Panfei Cheng, Hongshan Yu, Wenrui Chen, Xiaojun Tang, Jian Liu, Naveed Akhtar

机构 * National Engineering Research Center for Robot Visual Perception and Control, School of Robotics and Artificial Intelligence, Hunan University（机器人视觉感知与控制国家工程研究中心，机器人与人工智能学院，湖南大学） ； Beijing Spacecrafts, China Academy of Space Technology（北京航天器，中国航天科技研究院） ； School of Computing and Information Systems, The University of Melbourne（计算与信息学院，墨尔本大学） 纠错

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

AI总结 提出一种类别级物体姿态估计方法，通过语义引导的对称感知模块和球形大核Inception卷积融合特征，实现无形状先验的精确平移/尺寸估计和鲁棒旋转估计，在基准和真实场景中达到最优性能。

Comments 12 pages, 7 figures

Evaluating Real-World Generalizability of Algorithm Selection Models

评估算法选择模型的现实世界泛化能力

Gjorgjina Cenikj, Jakub Kudela, Eva Tuba, Tome Eftimov

机构 * Computer Systems Department, Jožef Stefan Institute（计算机系统部门，约泽夫·斯蒂芬研究所） ； Brno University of Technology（布拉格技术大学） 纠错

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

AI总结 通过跨基准测试系统评估算法选择模型在合成与现实优化问题上的泛化能力，分析其迁移性能并指出在特定领域应用中的挑战。

Comments 10 pages, 12 figures

IstGPT: LLM-based Anomaly Detection for Spatial-Temporal Graph in Industrial Systems

IstGPT：基于LLM的工业系统时空图异常检测

Yuchen Zhang, Ning Xi, Pengbin Feng, Shigang Liu, Jianfeng Ma, Yulong Shen, Yanan Sun, Xiaolin Zhou

机构 * School of Cyber Engineering, Xidian University（电子科技大学信息工程学院） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯winburne技术大学科学与工程技术学院） ； School of Computer Science and Technology, Xidian University（电子科技大学计算机科学与技术学院） 纠错

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

AI总结 提出IstGPT，首个结合大语言模型与图学习的工业异常检测工具，通过多模态知识提取传感器-执行器依赖图并利用改进的图神经网络实现实时异常检测，在9个数据集上取得最佳F1分数和eTaF1指标。

A Minimalist Brain-Computer Musical Interface for Real-Time Emotion-Driven Sonification: System Design and Preliminary Evaluation

极简脑机音乐接口用于实时情感驱动声化：系统设计与初步评估

Pablo A. Monroy-D'Croz, Rafael Ramirez-Melendez, Julian Cespedes-Guevara

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

AI总结 本文提出一种极简脑机音乐接口，通过前额EEG活动实时估计情感效价并映射到音乐特征，实验发现额叶alpha不对称性无法可靠区分指令性情绪状态。

RoboStressBench: Benchmarking VLM Robustness to Physical Visual Stress in Embodied Scenes

RoboStressBench: 在具身场景中基准测试VLM对物理视觉压力的鲁棒性

Leyi Wu, Yifan Zhao, Jinjie Zhang, Suzeyu Chen, Wosong Chen, Zhifei Chen, Tianshuo Xu, Qingchun He, Hongxin Hu, Haojian Huang, Yangkai Wei, Wenqian Li, Yinchuan Li, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学(广州)） 纠错

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

AI总结 本文提出RoboStressBench，从逆图形学角度将视觉压力分解为材质、视角、光照和几何四个物理维度，系统评估VLM在真实物理压力下的鲁棒性，并引入压力感知求解器提升高压力场景下的性能。

SafeVLA-Bench: A Benchmark for the Success-Safety Gap in Vision-Language-Action Models

SafeVLA-Bench: 视觉-语言-动作模型中成功-安全差距的基准

Jialiang Fan, Weizhe Xu, Oleg Sokolsky, Insup Lee, Fanxin Kong

机构 * University of Notre Dame（诺丁汉大学） ； University of Pennsylvania（宾夕法尼亚大学） 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SafeVLA-Bench，一种基于信号时序逻辑的后验安全评估框架，用于量化VLA策略在完成任务时的安全违规行为，揭示成功与安全之间的差距。

Comments 27 pages, 5 figures

Efficient Diffusion Models under Nonconvex Equality and Inequality constraints via Landing

非凸等式和不等式约束下的高效扩散模型 via Landing

Kijung Jeon, Michael Muehlebach, Molei Tao

机构 * 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 ：robotics(abstract)；分类 cs.LG

AI总结 提出一个统一框架，通过计算高效的landing机制替代投影，结合欠阻尼动力学加速混合，在非凸可行集上实现等式和不等式约束下的扩散模型，显著降低计算成本。

Comments 58 pages

Update-Free On-Policy Steering via Verifiers

基于验证器的免更新在线策略引导

Maria Attarian, Ian Vyse, Claas Voelcker, Jasper Gerigk, Evgenii Opryshko, Anas Almasri, Sumeet Singh, Yilun Du, Igor Gilitschenski

机构 * University of Toronto（多伦多大学） ； Google DeepMind（谷歌DeepMind） ； University of Alberta（阿尔伯塔大学） ； UTAustin（得克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学） 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UF-OPS方法，利用策略评估中的验证器函数引导基础策略选择高成功概率动作，无需更新参数即可提升黑箱扩散策略性能，在5个真实任务中平均成功率提升49%。

Comments 9 pages, 6 figures

RESBev: Making BEV Perception More Robust

RESBev：使BEV感知更加鲁棒

Lifeng Zhuo, Kefan Jin, Zhe Liu, Hesheng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） 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RESBev，一种即插即用的鲁棒BEV感知方法，通过构建潜在世界模型学习时空相关性来预测干净BEV特征，从而在无需修改骨干网络的情况下增强对自然扰动和对抗攻击的鲁棒性。

BlueME: Robust Underwater Robot-to-Robot Communication Using Compact Magnetoelectric Antennas

BlueME: 使用紧凑型磁电天线的鲁棒水下机器人间通信

Mehron Talebi, Sultan Mahmud, Adam Khalifa, Md Jahidul Islam

机构 * Department of ECE, University of Florida, USA（佛罗里达大学电子工程系） 纠错

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

AI总结 提出并验证了基于磁电天线的紧凑型水下通信系统BlueME，在700米距离内以10瓦功耗实现可靠通信，克服了浑浊、障碍和多径干扰等挑战。

TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories

TraceGraph: 用于诊断和改进智能体轨迹的共享决策景观

Junjie Nian, Kang Chen, Ge Zhang, Yixin Cao, Yugang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 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TraceGraph图框架，将多模型智能体轨迹构建为共享决策景观，通过事件摘要和陷阱感知恢复管线提升SWE-bench解决率。

TokTalk: Expressive Real-time Facial Animation from Audio-LLM Tokens

TokTalk: 基于音频-大语言模型令牌的富有表现力的实时面部动画

Qingcheng Zhao, Yifang Pan, Karan Singh

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 提出TokTalk系统，利用音频-大语言模型产生的音频令牌直接实时生成富有表现力的3D面部动画，通过分块条件流匹配模型和轻量级适配策略实现低延迟和高品质。

TALON: Token-Aligned Lightweight Adapters for 6-DoF Spacecraft Pose Estimation

TALON: 用于六自由度航天器姿态估计的令牌对齐轻量适配器

Abid Ali, Arunkumar Rathinam, Djamila Aouada

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

AI总结 提出TALON方法，通过在冻结的ViT注意力层前注入时空3D适配器并结合令牌对齐损失，实现轻量级六自由度航天器姿态估计，在SPADES和SwissCube数据集上显著降低姿态误差。

Comments 13 pages paper with 3 figures in total

DSD-GS: Dynamic-Static Decomposition of Gaussian Splatting for Efficient and High-Fidelity Dynamic Scene Reconstruction

DSD-GS: 面向高效高保真动态场景重建的高斯泼溅动态-静态分解

Youngtae Han, Sung-hwan Han, Youngmin Yi

机构 * Department of Artificial Intelligence Engineering, Sogang University（人工智能工程系，首尔大学） 纠错

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

AI总结 提出基于前馈高斯泼溅编码器和光流模型的动态-静态分解框架，通过消除静态区域冗余计算，在渲染质量、训练/渲染速度和存储效率上达到最优。

Comments 23 pages, 9 figures, 7 tables

Caspar: CUDA Accelerator for Symbolic Programming with Adaptive Reordering

Caspar: 基于自适应重排序的符号编程CUDA加速器

Emil Martens, Aaron Miller, Matias Varnum, Annette Stahl

机构 * Norwegian University of Science and Technology（挪威科学与技术大学） ； Skydio 纠错

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

AI总结 提出Caspar库，通过自动生成优化CUDA内核，实现从Python符号表达式到GPU高性能运行时的桥梁，并在大规模BA数据集上实现5-20倍加速。

Comments Accepted at ICRA 2026

ParCo-SDF: Learning Prior-Free Partial-to-Complete Signed Distance Fields of Deformable Objects

ParCo-SDF: 学习可变形物体的无先验部分到完整有符号距离场

Deokmin Hwang, Minseok Song, Daehyung Park

机构 * School of Computing, Korea Advanced Institute of Science and Technology, Korea（韩国科学技术院计算机学院） 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 ParCo-SDF 两阶段框架，通过时序几何编码和 FiLM 条件 SDF 预测，实现无需物体特定先验的可变形物体部分到完整几何重建。

Comments Accepted at the 23rd International Conference on Ubiquitous Robots (UR 2026), 6 pages

NeuROK: Generative 4D Neural Object Kinematics

NeuROK：生成式4D神经物体运动学

Chen Geng, Guangzhao He, Yue Gao, Yunzhi Zhang, Shangzhe Wu, Jiajun Wu

机构 * Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 提出基于Transformer的编码器-解码器模型NeuROK，通过学习物体潜在运动学参数化，实现从静态3D物体生成逼真的4D动态变形，克服了传统方法对预定义物理模型和特定类别的依赖。

Comments CVPR 2026

Chess-World-Model: A 10M-Game Benchmark for Exact State Tracking from Chess Move Sequences

Chess-World-Model: 一个用于从国际象棋走棋序列精确状态跟踪的1000万对局基准

Benjamin Walker, Terry Lyons

机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） 纠错

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

AI总结 提出一个基于1000万真实国际象棋对局的大规模状态跟踪基准，通过预测合法走棋序列后的棋盘状态，测试模型学习转换规则的能力，并发现循环模型优于Transformer，且随机均匀分布子集能揭示规模掩盖的失败。

Comments 20 pages, 4 figures

LabBuilder: Protocol-Grounded 3D Layout Generation for Interactable and Safe Laboratory

LabBuilder: 基于协议的可交互且安全的3D实验室布局生成

Jianbao Cao, Zhangrui Zhao, Bohan Feng, Zixuan Hu, Rui Li, Haiyuan Wan, Chenxi Li, Jingyuan Li, Wenzhe Cai, Lei Bai, Wanli Ouyang, Lingyu Duan, Di Huang, Minting Pan, Sha Zhang, Xinzhu Ma, Shixiang Tang, Dongzhan Zhou

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Wuhan University（武汉大学） ； Beihang University（北航） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； 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 ：navigation(abstract)；分类 cs.CV

AI总结 提出LabBuilder系统，通过协议引导和约束感知优化，从文本描述生成安全且可执行的3D实验室布局，显著优于现有方法。

Comments Accepted to ICML 2026

GEM: Generative Supervision Helps Embodied Intelligence

GEM: 生成式监督助力具身智能

Ruowen Zhao, Bangguo Li, Zuyan Liu, Yinan Liang, Junliang Ye, Fangfu Liu, Diankun Wu, Zhengyi Wang, Xumin Yu, Yongming Rao, Han Hu, Jun Zhu

机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯文心） 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GEM模型，通过在视觉语言模型预训练中引入深度图生成任务，联合训练以提升具身智能的语义理解与物理操作能力，并发布大规模数据集GEM-4M，在多个基准上取得最优结果。

Comments Project Page: https://zhaorw02.github.io/GEM/

Chance-Constrained MPPI under State and Dynamic Object Prediction Uncertainty and the Evaluation of Collision Risk Calibration

状态与动态物体预测不确定性下的机会约束MPPI及碰撞风险校准评估

Benjamin Serfling, Konrad Doll, Kati Radkhah-Lens

机构 * Faculty of Engineering and Informatics, University of Applied Sciences Aschaffenburg（应用科学阿施芬堡大学工程与信息学院） 纠错

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

AI总结 针对机会约束MPPI控制中上游不确定性校准不足导致的过自信或过保守问题，提出DUCCT-MPPI架构，通过无迹变换和蒙特卡洛聚合联合集成定位与动态障碍预测不确定性，在仿真中实现鲁棒导航，成功率提升28%。

Comments Submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Category-Level 3D Correspondence in Camera Space via Morphable Object Priors

基于可变形对象先验的相机空间类别级3D对应

Leonhard Sommer, Artur Jesslen, Basavaraj Sunagad, Adam Kortylewski

机构 * University of Freiburg, Germany（弗赖堡大学，德国） ； CISPA Helmholtz Center for Information Security, Germany（信息安全部署中心，德国） 纠错

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

AI总结 通过学习共享可变形对象先验，从单张图像预测类别内实例间一致的3D位置，无需显式对应监督，并在新基准HouseCorr3D上达到最优。

Comments 14 pages, 4 figures. Data and code are publicly available at https://github.com/GenIntel/HouseCorr3D

Field evaluation and optimization of a lightweight autonomous lidar-based UAV system based on a rigorous experimental setup in boreal forest environments

基于严格实验设置的轻量级自主激光雷达无人机系统在北方森林环境中的现场评估与优化

Aleksi Karhunen, Teemu Hakala, Väinö Karjalainen, Eija Honkavaara

机构 * Finnish Geospatial Research Institute in National Land Survey of Finland（芬兰地理研究 institute 在芬兰国家土地测绘局） 纠错

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

AI总结 提出标准化实验设置评估自主林下无人机系统，通过轻量级激光雷达四旋翼在北方森林中的93次真实飞行验证，优化后系统在中难度森林中1m/s和2m/s速度下成功率分别为12/15和15/15，在困难森林中为12/15和5/15。

Comments This work has been submitted to the IEEE for possible publication

Bayesian Optimization Parameter Tuning Framework for a Lyapunov Based Path Following Controller

基于Lyapunov的路径跟踪控制器的贝叶斯优化参数调优框架

Zhewen Zheng, Wenjing Cao, Hongkang Yu, Mo Chen, Takashi Suzuki

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

AI总结 针对非线性几何控制器中参数相互依赖导致手动调优效率低的问题，提出一种将闭环系统视为黑箱、利用高斯过程代理模型进行贝叶斯优化的数据高效调优方法，并在本田AI-Formula三轮机器人上验证了其在32次试验内提升控制器性能的有效性。

Comments The authors request withdrawal because the current arXiv version does not reflect the complete and finalized authorship record of the manuscript. The author list and contribution record require correction before further public dissemination