视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
双足机器人的等比定律
机构 * Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 本文研究双足机器人腿部长度与质量、速度等参数的等比关系，发现机器人质量与腿部长度平方成正比，与生物等比定律不同。
一种用于坐-立转换辅助的新型混合PID-LQR控制器：基于CAD集成的Simscape Multibody下肢外骨骼
机构 * Thapar Institute of Engineering and Technology（塔帕尔工程技术学院） ； Khalifa University Center for Autonomous Robotic Systems (KUCARS)（哈利法大学自主机器人系统中心） ； Khalifa University（哈利法大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO
AI总结 本文提出一种混合PID-LQR控制器，用于下肢外骨骼坐-立转换辅助，通过CAD集成Simscape Multibody建立高保真动态模型，并通过仿真验证其在关节轨迹跟踪中的优越性能。
LOGER：用于野外鲁棒深度伪造检测的局部-全局集成
机构 * Shanghai Jiao Tong University（上海交通大学） ； INTSIG Information（INTSIG信息）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 LOGER通过局部-全局集成框架提升深度伪造检测鲁棒性，利用多尺度视觉基础模型捕捉全局异常，结合多实例学习策略提取局部伪造痕迹，有效应对真实世界退化。
Comments 2nd place (out of 94 teams) in the NTIRE 2026 Robust Deepfake Detection Challenge
ViBA: 基于几何和时间一致性的隐式捆绑调整用于鲁棒视觉匹配
机构 * GNSS Research Center, Wuhan University（武汉大学卫星导航定位技术研究中心） ； Electronic Information School, Wuhan University（武汉大学电子信息学院） ； Hubei Technology Innovation Center for Spatiotemporal Information and Positioning Navigation（湖北省时空信息与定位导航技术创新中心） ； Hubei Luojia Laboratory（湖北珞珈实验室）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV
AI总结 ViBA结合几何优化与特征学习，实现连续在线训练，通过隐式可微的几何残差框架提升视觉匹配的鲁棒性和精度，实测在EuRoC和UMA数据集上显著降低位移和旋转误差。
SCP：视频中的空间因果预测
机构 * National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学） ； Sichuan University（四川大学） ； National Tsing Hua University（国立清华大学）
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SCP任务，挑战模型超越观察预测空间因果结果，并构建SCP-Bench基准测试，揭示人类与模型性能差距及因果推理局限。
Comments 30 pages, 21 figures, 17 tables, CVPR findings
一种多级因果干预框架用于变分自编码器的机制可解释性
机构 * Indian Institute of Technology, Patna（印度理工学院巴特那分校） ； Rajarshi School of Management Technology, Varanasi（拉贾尔希管理技术学院瓦拉纳西分校） ； Jaypee Institute of Information Technology, Noida（杰皮信息技术学院诺伊达分校）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.LG
AI总结 本文提出多级因果干预框架，用于分析变分自编码器的机制可解释性，定义了三个新指标，并通过大规模实验揭示了VAE因果机制的特性。
TrackerSplat：利用点跟踪实现快速且鲁棒的动态3D高斯重建
机构 * Simon Fraser University（西蒙弗雷泽大学） ； McGill University（麦吉尔大学） ； Nankai University（南开大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 TrackerSplat通过整合先进点跟踪方法，提升动态场景重建中3D高斯的鲁棒性和可扩展性，有效减少大位移导致的失真和时间不一致问题，实现高吞吐量与高质量重建。
Comments 11 pages, 6 figures
Journal ref SA Conference Papers '25: Proceedings of the SIGGRAPH Asia 2025 Conference Papers Article No.: 71, Pages 1 - 11
主动软网的模拟用于空间碎片的捕获
机构 * European Space Agency（欧洲航天局）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO
AI总结 本文提出基于MuJoCo的模拟器，用于设计和控制软机器人网自主清除空间碎片。研究不同机械模型和控制策略，展示软网在捕获Envisat时的高适应性与成功率。
HyVGGT-VO：紧密耦合的混合密集视觉里程计与前馈模型
机构 * School of Instrument Science and Opto-electronics Engineering, Beihang University（北京航空航天大学仪器科学与光电工程学院）
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HyVGGT-VO框架，结合稀疏VO的高效计算与前馈模型的密集重建能力，实现高效实时姿态估计与密集重建。
为手术基础模型扩展视频预训练
机构 * The Johns Hopkins University（约翰霍普金斯大学） ； Zhejiang University（浙江大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学伊利诺伊大学厄巴纳-香槟分校联合学院） ； Zhejiang Lab（之江实验室） ； Shaoxing University（绍兴大学） ； Angelalign（时代天使） ； Harvard Medical School（哈佛医学院）
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SurgRec，通过大规模数据和统一预训练流程提升手术视频理解能力，对比SSL基线和视觉语言模型，展示SurgRec在多个下游任务中的优越性能。
PAM：一种用于仿真到现实手-物体互动视频生成的姿态-外观-运动引擎
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BAAI（北京智源人工智能研究院） ； SJTU（上海交通大学） ； Eastern Institute of Technology（东方理工高等研究院） ； University of Cambridge（剑桥大学）
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PAM引擎，整合姿态、外观和运动生成可控的HOI视频，通过实验验证其在DexYCB和OAKINK2数据集上的性能优势。
Comments Accepted to CVPR 2026 Code: https://github.com/GasaiYU/PAM
FED-Bench：一种跨粒度的面部表情编辑评估基准
机构 * Xi’an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Zhejiang Lab（之江实验室）
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FED-Bench，通过构建747个三元组基准，引入FED-Score评估协议，评估面部表情编辑的对齐、保真度和相对表达增益，揭示当前方法在高保真与准确表达操控间的困境，并提供20k+真实世界面部训练集。
CoRe-DA：基于对比学习的无监督领域适应在手术技能评估中的应用
机构 * UCL Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Dept of Computer Science, University College London（伦敦大学学院计算机科学系） ； The Griffin Institute（格里芬研究所）
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CoRe-DA，一种基于对比学习的无监督领域适应方法，用于手术技能评估，通过相对评分监督和目标域自训练，提升跨领域泛化能力，优于现有方法。
语义交互用于叙事地图认知：基于洞察的评估
机构 * Universidad Católica del Norte（智利天主教大学） ； Virginia Tech（弗吉尼亚理工大学） ； U.S. Government（美国政府）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI
AI总结 本文通过实验评估语义交互在叙事地图认知中的有效性，发现基于地图的原型比时间线基线更具洞察力，语义交互条件在统计上显著优于基本地图条件，提供了叙事认知中地图表示优于时间线的实证证据。
Comments Text2Story Workshop 2026 at ECIR 2026
SecAgent：基于语义上下文的高效移动GUI代理
机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘天集团）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV
AI总结 SecAgent通过构建中文移动GUI数据集和语义上下文机制，提升移动GUI代理的效率与性能，实现高效任务处理与多语言支持。
PartNeXt：面向细粒度和层次化3D部件理解的下一代数据集
机构 * ShanghaiTech University（上海科技大学）
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV
AI总结 PartNeXt通过23000个高质量纹理3D模型，解决传统数据集在可扩展性和实用性上的不足，提升细粒度部件分割和3D部件问答任务的性能。
Comments NeurIPS 2025 DB Track. Project page: https://authoritywang.github.io/partnext
AceleradorSNN：一种集成脉冲神经网络和动态图像信号处理的类脑认知系统
机构 * Intigia R\&D Department Alicante, Spain
专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.AI
AI总结 为实现自主系统中的高速低延迟高效目标检测，提出AceleradorSNN系统，整合脉冲神经网络与动态图像信号处理，通过FPGA实现实时流式图像处理。
Ghost-FWL: 一种大规模全波形激光雷达数据集用于鬼影检测与去除
机构 * Keio University（庆应义塾大学） ； Sony Semiconductor Solutions（索尼半导体解决方案）
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Ghost-FWL数据集，用于解决移动激光雷达中鬼影点的检测与去除问题，通过全波形激光雷达数据提升3D映射和定位精度，实验表明其在SLAM和目标检测任务中效果显著。
Comments Accepted to CVPR 2026 (Main)
InkDrop: 针对数据集压缩的不可见后门攻击
机构 * IEEE Publication Technology Group（IEEE出版技术组）
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InkDrop，一种针对数据集压缩的隐蔽后门攻击方法，通过利用模型决策边界附近的不确定性，实现对压缩数据集的高效且隐蔽的恶意操控。
具有记忆增强的视觉-语言代理用于持久且语义一致的对象描述
机构 * Italian Institute of Technology, Genoa, Italy（意大利理工学院，热那亚，意大利） ； University of Genoa, Genoa, Italy（热那亚大学，热那亚，意大利）
专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.CV
AI总结 本文提出一种统一的记忆增强视觉-语言代理，通过单一自回归框架同时处理数据关联、对象描述和探索策略，提升持久且语义一致的对象描述能力。
Comments 24 pages, 7 figures, 7 tables (including Supplementary Materials)
针对FIMI调查的社会媒体的代理操作化DISARM
机构 * Center of Research Acquisition National Institute of Cyber Security Taipei City, Taiwan ； Department of Mathematics Royal Military Academy Brussels, Belgium ； Research Division OpenMinds Ltd. Kyiv, Ukraine ； Department of Sustainable Communication Technologies SINTEF Oslo, Norway (Corresponding Author)
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI
AI总结 本文提出一种基于代理的DISARM操作化框架，用于社会媒体上的FIMI调查。通过整合通用代理AI组件，实现对社交媒体数据中操纵性行为的识别和映射，提升分析效率和可解释性。
Comments This paper was originally presented at the International Conference on Military Communication and Information Systems (ICMCIS), organized by the Information Systems Technology (IST) Scientific and Technical Committee, IST-224-RSY---the ICMCIS, held in Bath, United Kingdom, 12-13 May 2026
OccuFly：一种用于从空中视角进行语义场景补全的3D视觉基准
机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校）
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OccuFly基准，通过无LiDAR相机数据生成框架，提供21类语义的20000+样本，评估视觉模型在空中场景中的局限性。
Comments Accepted to CVPR 2026
S3KF：基于旋转激光雷达和四鱼眼相机的全景三维多目标跟踪框架
机构 * CertaintyX ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； ST Engineering（新科工程） ； School of Civil and Environmental Engineering, Nanyang Technological University（南洋理工大学土木与环境工程学院）
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S3KF框架，利用旋转激光雷达和四鱼眼相机实现全景三维多目标跟踪，通过球面状态表示和扩展球面卡尔曼滤波提升跟踪精度与实时性。
TriDF：评估可解释深度伪造检测的感知、检测和幻觉
机构 * National Taiwan University（国立台湾大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； Jilin University（吉林大学） ； VinUniversity
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 TriDF提出一个全面的可解释深度伪造检测基准，评估模型感知、检测和幻觉能力，揭示三者间的相互作用，为构建可信系统提供基础。
Comments CVPR 2026
Face2Parts: 探索粗到细的区域间面部依赖关系以实现通用深度伪造检测
机构 * School of Electronics and Information Engineering, Korea Aerospace University（韩国航空大学电子与信息工程学院）
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Face2Parts方法，通过粗到细的区域间依赖关系提升深度伪造检测性能，采用层次特征表示和通道注意力机制，在多个数据集上取得高AUC成绩。
面向无线语义图像重建的通道触发后门攻击
机构 * School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； Department of Computing, Hong Kong Polytechnic University（香港理工大学计算学系） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.LG
AI总结 本文提出一种利用无线信道特性作为激活触发器的后门攻击框架，解决传统输入级触发器在严格输入约束下的局限性，通过信道统计参数提升隐蔽性与灵活性。
世界推理竞技场
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
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WR-Arena基准，评估世界模型在动作模拟、长期预测和推理规划三方面的能力，揭示当前模型与人类水平推理的差距。
穿透烟雾：改进视觉感知的手术去烟技术
机构 * Intuitive Surgical（直觉外科）
专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.CV
AI总结 本文提出基于变压器的手术去烟模型，通过物理启发的去烟头联合预测无烟图像和对应的烟雾图。通过合成数据生成管道解决配对烟雾到无烟训练数据不足的问题，构建了最大的手术烟雾数据集，实验表明在图像重建上优于现有去雾和去烟方法。
Comments 8 pages, 4 figures, 3 tables
超越深度伪造与真实：在开集范式下的人脸深度伪造检测
机构 * The University of Melbourne（墨尔本大学） ； National University of Singapore（新加坡国立大学）
专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.CV
AI总结 本文提出基于监督对比学习的开集深度伪造分类算法，旨在提升对新兴深度伪造技术的检测能力，通过FaceForensics++数据集验证，实现领先性能。
Comments IEEE/CVF Conference on Computer Vision and Pattern Recognition - Workshop
LEMMA：用于高效海洋语义分割的拉普拉斯金字塔
机构 * Manipal Institute of Technology, Manipal Academy of Higher Education（马尼帕尔理工学院，马尼帕尔高等教育学院）
专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.CV
AI总结 LEMMA通过拉普拉斯金字塔提升边缘识别，降低计算成本，实现高效海洋遥感分割，展现优异性能。
Comments Accepted at the MaCVi Workshop, CVPR 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈