机器人 / 具身智能

Theory Under Construction: Orchestrating Language Models for Research Software Where the Specification Evolves

构建中的理论：协调语言模型用于研究软件，其中规范在演变

Halley Young, Nikolaj Björner

机构 * Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出Comet-H框架，通过迭代提示自动机协调语言模型在研究软件中的应用，解决规范演变中的 hallucination accumulation 和 desynchronization 问题，并通过实验证明其有效性。

Variable Elimination in Hybrid Factor Graphs for Discrete-Continuous Inference & Estimation

混合因子图中变量消除用于离散-连续推断与估计

Varun Agrawal, Frank Dellaert

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出了一种新的混合因子图框架和变量消除算法，用于生成精确的混合贝叶斯网络，实现最大后验估计和变量边缘化。通过混合高斯因子和条件表示，结合树结构和剪枝方案，解决了大规模SLAM和姿态图优化中的模糊测量问题。

SynQuE: Estimating Synthetic Dataset Quality Without Annotations

SynQuE：无需标注即可估计合成数据集质量

Arthur Chen, Victor Zhong

机构 * David R. Cheriton School of Computer Science（戴维·R·切里顿计算机科学学院） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文提出SynQuE问题，通过有限未标注真实数据对合成数据集进行排序，以提升实际任务性能。引入首个综合基准，提出LENS等代理指标，显著提升复杂任务性能。

Comments Our code and dataset are available here: https://github.com/r2llab/SynQuE

ClustViT: Clustering-based Token Merging for Semantic Segmentation

ClustViT：基于聚类的令牌合并用于语义分割

Fabio Montello, Ronja Güldenring, Lazaros Nalpantidis

机构 * Department of Electrical and Photonics Engineering, DTU - Technical University of Denmark（电气与光子工程系，丹麦技术大学） 纠错

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

AI总结 ClustViT通过聚类模块和再生模块优化视觉Transformer，减少计算量并提升分割性能，实现更高效的语义分割。

Comments Submitted to IEEE

Stop Holding Your Breath: CT-Informed Gaussian Splatting for Dynamic Bronchoscopy

停止屏息：基于CT的高斯点云法用于动态支气管镜

Andrea Dunn Beltran, Daniel Rho, Aarav Mehta, Xinqi Xiong, Raúl San José Estépar, Ron Alterovitz, Marc Niethammer, Roni Sengupta

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Harvard Medical School（哈佛医学院） ； 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 ：navigation(abstract)；分类 cs.CV

AI总结 本文提出利用患者特定的呼吸模型消除屏息协议需求，通过配对呼气吸气CT扫描减少呼吸运动，实现连续的变形感知重建。

Agentic AI for Cybersecurity: A Meta-Cognitive Architecture for Governable Autonomy

面向网络安全的代理AI：一种用于可控自主性的元认知架构

Andrei Kojukhov, Arkady Bovshover

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

AI总结 本文提出一种基于概率的代理框架，通过元认知机制协调多个代理，提升网络安全决策的鲁棒性和准确性，减少误报并增强适应性。

BOW: Bayesian Optimization over Windows for Motion Planning in Complex Environments

BOW：基于窗口的贝叶斯优化用于复杂环境中的运动规划

Sourav Raxit, Abdullah Al Redwan Newaz, Paulo Padrao, Jose Fuentes, Leonardo Bobadilla

机构 * Department of Computer Science, University of New Orleans（新奥尔良大学计算机科学系） ； School of Computing and Information Sciences, Florida International University（佛罗里达国际大学计算与信息科学学院） ； Providence College, Department of Mathematics & Computer Science（普罗维登斯学院数学与计算机科学系） 纠错

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

AI总结 BOW Planner通过约束贝叶斯优化高效采样控制输入，解决复杂环境中机器人运动规划中的动力学约束问题，提升计算效率和安全性。

Accelerating Policy Synthesis in Large-Scale MDPs via Hierarchical Adaptive Refinement

通过分层自适应细化加速大规模马尔可夫决策过程的策略合成

Alexandros Evangelidis, Gricel Vázquez, Simos Gerasimou

机构 * University of York（约克大学） ； Cyprus University of Technology（塞浦路斯技术大学） 纠错

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

AI总结 本文提出通过动态细化马尔可夫决策过程并迭代选择最脆弱区域来加速大规模MDP的策略合成，证明合成策略在标准假设下近优，实验证明在100万状态的MDP中相比PRISM提速达2倍。

Comments Accepted for publication in Proceedings of the ACM on Software Engineering, FSE 2026

Context as Prior: Bayesian-Inspired Intent Inference for Non-Speaking Agents with a Household Cat Testbed

上下文作为先验：一种基于贝叶斯的意图推断方法用于非说话智能体的家用猫测试平台

Wenqian Zhang, Zehao Wang

机构 * University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出CatSignal框架，通过将空间上下文作为先验约束和行为观测作为证据，实现多模态意图推断，提升非说话智能体的意图识别精度。

Comments Accepted to the CVPR 2026 Animal Workshop

Robot Planning and Situation Handling with Active Perception

具备主动感知的机器人规划与情境处理

Austine Oloo, Zainab Altaweel, Yohei Hayamizu, Peiqi Liu, Yan Ding, Saeid Amiri, Hao Yang, Andy Kaminski, Chad Esselink, Chris Paxton, Xiaohan Zhang, Shiqi Zhang

机构 * SUNY Binghamton（纽约州立大学布法罗分校） ； CMU（卡内基梅隆大学） ； Ford Research（福特研究） ； Agility Robotics（敏捷机器人） 纠错

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

AI总结 本文提出VAP-TAMP框架，通过主动感知和情境评估提升机器人在动态环境中执行任务的能力，结合场景图进行任务与运动规划，通过仿真和移动机械臂平台验证有效性。

GuideDog: A Real-World Egocentric Multimodal Dataset for Blind and Low-Vision Accessibility-Aware Guidance

GuideDog: 一种用于视障和低视力者无障碍引导的现实世界单人视角多模态数据集

Junhyeok Kim, Jaewoo Park, Junhee Park, Sangeyl Lee, Jiwan Chung, Jisung Kim, Ji Hoon Joung, Youngjae Yu

机构 * Yonsei University（延世大学） ； LG AI Research（LG AI研究所） ； Euler Robotics（Euler机器人） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出GuideDog数据集，包含22K图像描述对，用于提升视障者导航能力，通过人机协同标注提升数据质量，并展示深度感知评估基准，揭示当前多模态大语言模型在深度感知方面的挑战。

Comments ACL 2026 Main. Project page: https://jun297.github.io/GuideDog/

Attribution-Guided Multimodal Deepfake Detection via Cross-Modal Forensic Fingerprints

基于属性引导的多模态深度伪造检测：跨模态取证指纹

Wasim Ahmad, Wei Zhang, Xuerui Mao

机构 * School of Interdisciplinary Science, Beijing Institute of Technology, Beijing 100081, China（交叉学科学院，北京理工大学，北京100081，中国） 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AMDD框架，通过跨模态取证指纹一致性损失，引导模型学习生成器特定的取证特征，提升多模态深度伪造检测的准确性和鲁棒性。

RADIO-ViPE: Online Tightly Coupled Multi-Modal Fusion for Open-Vocabulary Semantic SLAM in Dynamic Environments

RADIO-ViPE：面向动态环境的在线紧密耦合多模态融合用于开放词汇语义SLAM

Zaid Nasser, Mikhail Iumanov, Tianhao Li, Maxim Popov, Jaafar Mahmoud, Sergey Kolyubin

机构 * Biomechatronics and Energy-Efficient Robotics (BE2R) Lab, ITMO University（生物机电学与高效能机器人实验室，ITMO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 RADIO-ViPE通过在线多模态融合实现动态环境中开放词汇语义SLAM，无需校准RGB-D输入，结合视觉与语言嵌入提升地图一致性。

A Scaled Three-Vehicle Platooning Platform

一个缩放的三车编队平台

Kaiyue Lu, Qiaoxuan Zhang, Yukun Lu

机构 * Dept. of Mechanical Engineering, University of New Brunswick（新不伦瑞克大学机械工程系） 纠错

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

AI总结 本文提出一个缩放的三车编队平台，用于研究协同控制与人机协同自主性，通过控制和可重复的实验提升编队稳定性与路径跟踪性能。

ASAP: An Azimuth-Priority Strip-Based Search Approach to Planar Microphone Array DOA Estimation in 3D

ASAP：一种基于方位优先的带状搜索方法用于三维平面麦克风阵列到达角估计

Ming Huang, Shuting Xu, Leying Yang, Huanzhang Hu, Yujie Zhang, Jiang Wang, Yu Liu, Hao Zhao, He Kong

机构 * Southern University of Science（南方科技大学） ； Institute of Science Tokyo, Japan（东京科学研究院） 纠错

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

AI总结 本文提出ASAP方法，通过优先处理方位角来提高三维平面麦克风阵列到达角估计的效率，通过带状搜索和区域收缩技术提升实时性能。

Comments This paper has been accepted to the Fourteenth IEEE Sensor Array and Multichannel Signal Processing Workshop, 2026

Evaluation without Generation: Non-Generative Assessment of Harmful Model Specialization with Applications to CSAM

无生成评估：有害模型专业化非生成性评估及其在CSAM中的应用

Vinith M. Suriyakumar, Ayush Sekhari, Lena Stempfle, Robertson Wang, Michael Simpson, Rebecca Portnoff, Marzyeh Ghassemi, Ashia C. Wilson

机构 * MIT（麻省理工学院） ； Thorn 纠错

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

AI总结 本文提出无生成评估方法，通过分析模型内部状态而非输出来评估模型能力，用于检测儿童性虐待材料等高风险领域，提供可扩展的非生成性评估方案。

Odysseys: Benchmarking Web Agents on Realistic Long Horizon Tasks

Odysseys：在现实长周期任务上评估网络代理

Lawrence Keunho Jang, Jing Yu Koh, Daniel Fried, Ruslan Salakhutdinov

机构 * 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.LG

AI总结 本文提出Odysseys基准，通过200个现实浏览任务评估长周期网络代理，引入基于评分的评估方法，发现传统二元评估不足，且前沿模型在效率上仍有提升空间。

Comments 29 pages

BALTIC: A Benchmark and Cross-Domain Strategy for 3D Reconstruction Across Air and Underwater Domains Under Varying Illumination

BALTIC：跨空气和水域的3D重建基准与跨域策略

Michele Grimaldi, David Nakath, Oscar Pizarro, Jonatan Scharff Willners, Ignacio Carlucho, Yvan R. Petillot

机构 * School of Engineering & Physical Sciences, Heriot-Watt University（赫瑞瓦德大学工程与物理科学学院） ； Marine Data Science Group, Christian Albrechts University of Kiel（基尔大学海洋数据科学组） ； Frontier Robotics, The National Robotarium（前沿机器人，国家机器人中心） 纠错

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

AI总结 本文提出BALTIC基准，通过不同介质和光照条件下的多样化数据集评估3D重建方法，结合COLMAP和神经辐射场方法验证跨域重建性能，发现简单预处理的高斯点云在纹理一致条件下表现优异。

JaGuard: Position Error Correction of GNSS Jamming with Deep Temporal Graphs

JaGuard: 通过深度时序图解决GNSS干扰的位置误差校正

Ivana Kesić, Aljaž Blatnik, Carolina Fortuna, Blaž Bertalanič

机构 * Faculty of Electrical Engineering, University of Ljubljana（电子工程学院，卢布尔雅那大学） 纠错

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

AI总结 JaGuard通过动态图回归方法，利用时序图网络校正GNSS干扰引起的位置漂移，实验证明其在不同干扰强度下均能保持较低的误差率。

Comments 12 pages, 8 figures

Pushing Radar Odometry Beyond the Pavement: Current Capabilities and Challenges

超越路面的雷达里程计：当前能力和挑战

Shaunak Kolhe, Peng Jiang, Maggie Wigness, Philip Osteen, Timothy Overbye, Chrisitan Ellis, Srikanth Saripalli

机构 * Texas A&M University（德克萨斯理工大学） ； DEVCOM Army Research Laboratory（国防部陆军研究实验室） 纠错

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

AI总结 本文研究雷达在非公路环境中的里程计潜力，提出两个基线方法以应对复杂运动和地面回波问题，实验表明其在挑战性路线中提升轨迹估计效果。

Fraud Detection in Cryptocurrency Markets with Spatio-Temporal Graph Neural Networks

利用时空图神经网络进行加密货币市场欺诈检测

Lidia Losavio, Luca Persia, Madan Sathe, Dimosthenis Pasadakis

机构 * 1 Faculty of Informatics, Universit\` a della Svizzera italiana , Lugano, Switzerland ； 2 School of Management ； Law, Zurich University of Applied Sciences, Zurich, Switzerland 纠错

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

AI总结 本文提出利用时空图神经网络检测加密货币市场欺诈，通过聚合小时级数据构建图结构，结合注意力机制和Transformer编码提升欺诈检测性能。

Comments 9 pages, 3 figures, Accepted at the SDS2026: IEEE Swiss Conference on Data Science and AI

Towards Lawful Autonomous Driving: Deriving Scenario-Aware Driving Requirements from Traffic Laws and Regulations

迈向合法自动驾驶：从交通法规中推导场景感知的驾驶要求

Bowen Jian, Rongjie Yu, Hong Wang, Liqiang Wang, Zihang Zou

机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； The Key Laboratory of Road and Traffic Engineering, Ministry of Education（教育部道路与交通工程重点实验室） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； College of Computer Science, University of Central Florida（佛罗里达中央大学计算机科学学院） ； Optixway AI 纠错

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

AI总结 本文提出一种基于交通场景分类的新型方法，利用大语言模型推导法律要求，提升自动驾驶系统的合规性与准确性。

CUB: Benchmarking Context Utilisation Techniques for Language Models

CUB：语言模型上下文利用技术的基准测试

Lovisa Hagström, Youna Kim, Haeun Yu, Sang-goo Lee, Richard Johansson, Hyunsoo Cho, Isabelle Augenstein

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University of Gothenburg（哥德堡大学） ； Seoul National University（首尔国立大学） ； University of Copenhagen（哥本哈根大学） ； Ewha Womans University（成均馆大学） 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CUB基准，用于评估语言模型在不同噪声上下文下的上下文利用技术，发现现有方法在真实场景中存在不足，需更全面的测试。

Comments Accepted at ACL 2026, 33 pages

TwinLiteNet+: An Enhanced Multi-Task Segmentation Model for Autonomous Driving

TwinLiteNet+: 一种增强的多任务分割模型用于自动驾驶

Quang-Huy Che, Duc-Tri Le, Minh-Quan Pham, Vinh-Tiep Nguyen, Duc-Khai Lam

机构 * University of Information Technology, Ho Chi Minh City, Vietnam（越南胡志明市信息科技学院） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学） 纠错

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

AI总结 本文提出TwinLiteNet+，一种高效的多任务分割模型，用于实时自动驾驶中的可行驶区域和车道标记分割，通过混合编码器架构和轻量级上采样模块提升精度与效率。

Journal ref Computers and Electrical Engineering 128 (2025) 110694

Generalizable Friction Coefficient Estimation via Material Embedding and Proxy Interaction Modeling

通过材料嵌入和代理交互建模实现通用摩擦系数估计

Zhendong Wang, Huamin Wang

机构 * Style3D Research（Style3D研究院） 纠错

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

AI总结 本文提出基于代理材料的摩擦系数估计框架，通过材料嵌入和融合函数实现高效预测，减少实验成本并提升鲁棒性。

Betting for Sim-to-Real Performance Evaluation

为仿真到现实性能评估进行投注

Zaid Mahboob, Yujia Chen, Bowen Weng

机构 * Iowa State University（爱荷华州立大学） ； U.S. Department of Commerce, National Institute of Standards and Technology（美国商务部国家标准化与技术研究院） 纠错

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

AI总结 本文通过投注视角研究机器人性能评估问题，提出理论支持的实用近似方法，展示如何通过合成分布推断现实中的机械臂抓取精度，验证了方法的有效性。

Comments Accepted to RSS 2026, with DOI pending

AMAVA: Adaptive Motion-Aware Video-to-Audio Framework for Visually-Impaired Assistance

AMAVA：一种自适应的动觉感知视频到音频框架，用于视障协助

Benjamin Klein, Kazi Ruslan Rahman, Sanchita Ghose

机构 * Department of Computer Science, San Francisco State University（计算机科学系，旧金山州立大学） ； Department of Mathematics, San Francisco State University（数学系，旧金山州立大学） ； Department of Computer Engineering, San Francisco State University（计算机工程系，旧金山州立大学） 纠错

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

AI总结 AMAVA通过将移动设备视频转换为相关声音效果或语音描述，帮助视障人士更高效地感知环境，提升导航安全性和信心。

Comments 8 pages, 7 figures. Published in the Proceedings of the 15th International Conference on Pattern Recognition Applications and Methods (ICPRAM 2026), pages 282--289

Journal ref In Proceedings of the 15th International Conference on Pattern Recognition Applications and Methods (ICPRAM 2026), pages 282--289, 2026

EmoBench-M: Benchmarking Emotional Intelligence for Multimodal Large Language Models

EmoBench-M：多模态大语言模型情感智能评估基准

He Hu, Lianzhong You, Hongbo Xu, Qianning Wang, Fei Richard Yu, Fei Ma, Zebang Cheng, Zheng Lian, Yucheng Zhou, Laizhong Cui

机构 * Shenzhen University（深圳大学） ； Guangdong Laboratory of Artificial Intelligence（广东人工智能与数字经济实验室） ； Auckland University of Technology（奥克兰理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； SKL-IOTSC, CIS, University of Macau（澳门科学技术大学SKL-IOTSC、CIS） 纠错

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

AI总结 本文提出EmoBench-M，通过建立心理理论基础，评估多模态大语言模型在13种场景中的情感识别、理解及社会复杂情感分析能力，揭示模型在情感智能方面的性能差距。

Equivariant Filter for Radar-Inertial Odometry

雷达-惯性里程计的等变滤波器

Giulio Delama, Jan Michalczyk, Morten Nissov, Martin Scheiber, Alessandro Fornasier, Kostas Alexis, Stephan Weiss

机构 * Hexagon Robotics, Zurich, Switzerland（瑞士茨里希霍克斯集团机器人技术有限公司） 纠错

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

AI总结 本文提出基于李群对称性的等变滤波器EqF，用于改进雷达-惯性里程计RIO，通过几何耦合导航状态与IMU偏置，提升鲁棒性和初始化精度。

Collaborative Trajectory Prediction via Late Fusion

通过晚期融合进行协作轨迹预测

Nadya Abdel Madjid, Murad Mebrahtu, Zakhar Yagudin, Bilal Hassan, Naoufel Werghi, Jorge Dias, Dzmitry Tsetserukou, Majid Khonji

机构 * Khalifa University, Computer Science（卡利法大学，计算机科学） ； New York University Abu Dhabi, Computer Science（纽约大学阿布扎赫德分校，计算机科学） ； Khalifa University, Computer and Information Engineering（卡利法大学，计算机与信息工程） ； Khalifa University, KUCARS-KU Center for Autonomous Robotic Systems, Department of Computer Science（卡利法大学，KUCARS-KU自主机器人系统中心，计算机科学系） ； Skolkovo Institute of Science, Intelligent Space Robotics Laboratory, Center for Engineering Systems and Sciences, and Technology（斯科尔科沃科学研究所，智能空间机器人实验室，工程系统与科学中心，和技术） 纠错

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

AI总结 本文提出通过将协作从感知阶段转移到预测模块，并引入晚期融合框架来减少不确定性，提升轨迹预测的准确性和成功率。