机器人 / 具身智能

Private and Robust Contribution Evaluation in Federated Learning

联邦学习中的隐私与鲁棒贡献评估

Delio Jaramillo Velez, Gergely Biczok, Alexandre Graell i Amat, Johan Ostman, Balazs Pejo

机构 * University of La Laguna（拉拉加大学） ； HUN-REN Hungarian Research Network（HUN-REN匈牙利研究网络） ； Chalmers University（查尔姆斯大学） ； Budapest University of Technology and Economics（布达佩斯技术经济大学） 纠错

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

AI总结 本文提出两种与安全聚合兼容的边际差异贡献评分，兼顾公平性、隐私和鲁棒性，提升联邦学习中的贡献评估效果。

SimTac: A Physics-Based Simulator for Vision-Based Tactile Sensing with Biomorphic Structures

SimTac: 基于物理的模拟器用于基于视觉的生物形态触觉感知

Xuyang Zhang, Jiaqi Jiang, Zhuo Chen, Yongqiang Zhao, Tianqi Yang, Daniel Fernandes Gomes, Jianan Wang, Shan Luo

机构 * Department of Engineering, King’s College London（工程系，伦敦国王学院） ； School of Aerospace Engineering, Beijing Institute of Technology（航空工程学院，北京理工大学） ； Department of Computer Science, University College London（计算机科学系，伦敦大学学院） 纠错

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

AI总结 SimTac是一个基于物理的模拟器，用于设计和验证生物形态触觉传感器，通过多种几何结构实现准确高效的触觉感知模拟。

Journal ref Cyborg and Bionic Systems, 2026

Biomechanical Comparisons Reveal Divergence of Human and Humanoid Gaits

生物力学比较揭示人类与仿人步态的分歧

Luying Feng, Yaochu Jin, Hanze Hu, Wei Chen

机构 * Zhejiang University（浙江大学） ； School of Engineering, Westlake University（西湖大学工程学院） ； Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences（中国科学院宁波材料技术与工程研究所） 纠错

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

AI总结 本研究提出GDAF框架，通过比较人类与仿人步态的生物力学差异，揭示现代仿人控制器在步态对称性、能量分布和关节协调方面的系统性偏差，为提升仿人运动的生物力学保真度和节能性提供基准和工具。

SoK: Agentic Skills -- Beyond Tool Use in LLM Agents

SoK: 代理技能——超越LLM代理中的工具使用

Yanna Jiang, Delong Li, Haiyu Deng, Baihe Ma, Xu Wang, Qin Wang, Guangsheng Yu

机构 * University of Technology Sydney（悉尼科技大学） ； CSIRO Data61（CSIRO数据61） 纠错

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

AI总结 本文探讨了代理技能在LLM代理中的应用，分析了技能的生命周期管理、分类方法及其安全影响，并提出了未来研究挑战。

Pressure Reveals Character: Behavioural Alignment Evaluation at Depth

压力揭示特性：深度下的行为对齐评估

Nora Petrova, John Burden

机构 * Prolific 纠错

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

AI总结 本文提出一个深度行为对齐评估基准，通过多轮场景揭示模型行为倾向，发现多数模型在多个类别存在弱点，且对齐行为呈现统一构念特性。

Comments Preprint

Federated Learning for Cross-Modality Medical Image Segmentation via Augmentation-Driven Generalization

通过增强驱动泛化实现跨模态医学图像分割的联邦学习

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging, Norwegian University of Science and Technology（循环医学成像系，挪威科学与技术大学） 纠错

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

AI总结 本文提出一种联邦学习方法，通过增强驱动泛化实现跨模态医学图像分割，提升模型泛化能力的同时保护数据隐私。

Comments Submitted to IEEE JBHI

Grounding LLMs in Scientific Discovery via Embodied Actions

通过具身动作 grounding LLMs 在科学发现中

Bo Zhang, Jinfeng Zhou, Yuxuan Chen, Jianing Yin, Minlie Huang, Hongning Wang

机构 * Tsinghua University, Beijing, China（清华大学） 纠错

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

AI总结 通过具身动作框架，LLMs在科学发现中实现更稳定的物理模拟和更高的建模准确性。

Comments 24 pages, 7 figures, 7 tables. Preprint

3DSPA: A 3D Semantic Point Autoencoder for Evaluating Video Realism

3DSPA：一种用于评估视频真实性的3D语义点自编码器

Bhavik Chandna, Kelsey R. Allen

机构 * University of California, San Diego, CA, USA（加州大学圣迭戈分校） ； University of British Columbia, Vancouver, BC, Canada（不列颠哥伦比亚大学） ； Vector Institute, Toronto, ON, Canada（向量研究所） 纠错

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

AI总结 3DSPA通过整合3D语义与时空点轨迹，实现无需参考视频的视频真实性自动评估。

Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation

光滑可微且高效可向量化的接触流形生成

Onur Beker, Andreas René Geist, Anselm Paulus, Nico Gürtler, Ji Shi, Sylvain Calinon, Georg Martius

机构 * University of Tübingen（图宾根大学） ； Idiap Research Institute（Idiap研究机构） ； EPFL（瑞士联邦理工学院） 纠错

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

AI总结 本文提出了一种高效且可微的接触流形生成框架，通过平衡凸原形方法与障碍方法，实现高效且光滑的接触模拟。

DiSPo: Diffusion-SSM based Policy Learning for Coarse-to-Fine Action Discretization

DiSPo：基于扩散-状态空间模型的策略学习用于粗到细动作离散化

Nayoung Oh, Jaehyeong Jang, Moonkyeong Jung, Daehyung Park

机构 * Korea Advanced Institute of Science and Technology（韩国高级科学研究院） 纠错

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

AI总结 DiSPo通过结合扩散-状态空间模型和步骤缩放方法，实现了高效且灵活的粗到细动作离散化学习，显著提升了成功率和推理效率。

Comments Accepted by ICRA 2026

Scaling Law of Neural Koopman Operators

神经Koopman算子的缩放规律

Abulikemu Abuduweili, Yuyang Pang, Feihan Li, Changliu Liu

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

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

AI总结 本文提出了一种基于神经Koopman算子的缩放律框架，通过理论推导和实验验证，建立了样本量、潜在空间维度与控制质量之间的关系，引入了两种正则化器以提升动态模型拟合和闭环控制性能。

MAS-FIRE: Fault Injection and Reliability Evaluation for LLM-Based Multi-Agent Systems

MAS-FIRE：基于大语言模型的多智能体系统故障注入与可靠性评估

Jin Jia, Zhiling Deng, Zhuangbin Chen, Yingqi Wang, Zibin Zheng

机构 * Sun Yat-sen University（中山大学） 纠错

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

AI总结 MAS-FIRE通过故障注入和分层分析，揭示多智能体系统在容错和鲁棒性方面的关键因素，为提升系统可靠性提供系统性方法。

WAKESET: A Large-Scale, High-Reynolds Number Flow Dataset for Machine Learning of Turbulent Wake Dynamics

WAKESET: 一个大规模、高雷诺数流动数据集，用于机器学习湍流尾流动力学

Zachary Cooper-Baldock, Paulo E. Santos, Russell S. A. Brinkworth, Karl Sammut

机构 * Flinders University（弗林德斯大学） 纠错

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

AI总结 WAKESET是一个大规模高雷诺数湍流流动数据集，用于机器学习湍流尾流动力学，包含1,091个高保真度模拟，涵盖广泛的操作范围和高速度条件。

Comments 27 pages, 7 figures, 2 tables

Evaluating and Improving the Robustness of LiDAR Odometry and Localization Under Real-World Corruptions

评估和改进在真实世界腐蚀下的LiDAR里程计与定位鲁棒性

Bo Yang, Tri Minh Triet Pham, Jinqiu Yang

机构 * Department of Computer Science and Software Engineering, Concordia University（计算机科学与软件工程系，康科迪亚大学） 纠错

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

AI总结 本文提出首个评估LiDAR里程计与定位在真实世界腐蚀下鲁棒性的基准，并提出轻量级过滤与学习微调策略以提升其鲁棒性。

SARAH: Spatially Aware Real-time Agentic Humans

SARAH：具有空间意识的实时代理人类

Evonne Ng, Siwei Zhang, Zhang Chen, Michael Zollhoefer, Alexander Richard

机构 * Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 SARAH提出了一种实时、完全因果的方法，实现具有空间意识的对话运动，通过结合因果变换器VAE和流匹配模型，在VR中实现自然的人机交互。

Comments Project page: https://evonneng.github.io/sarah/

Role-Adaptive Collaborative Formation Planning for Team of Quadruped Robots in Cluttered Environments

面向 cluttered 环境的四足机器人团队角色自适应协作形成规划

Magnus Norén, Marios-Nektarios Stamatopoulos, Avijit Banerjee, George Nikolakopoulos

机构 * Robotics and Artificial Intelligence Group, Department of Computer, Electrical and Space Engineering, Lulea University of Technology（机器人与人工智能小组，计算机、电气与航天工程系，卢莱亚理工大学） 纠错

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

AI总结 本文提出了一种适用于 cluttered 环境的四足机器人团队角色自适应协作形成规划方法，通过动态角色分配和 FM2 算法实现灵活导航与稳定形成。

MUOT_3M: A 3 Million Frame Multimodal Underwater Benchmark and the MUTrack Tracking Method

MUOT_3M: 300万帧多模态水下基准及MUTrack跟踪方法

Ahsan Baidar Bakht, Mohamad Alansari, Muhayy Ud Din, Muzammal Naseer, Sajid Javed, Irfan Hussain, Jiri Matas, Arif Mahmood

机构 * Khalifa University（卡利法大学） ； Czech Technical University（捷克技术大学） ； Information Technology University（信息科技大学） 纠错

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

AI总结 MUOT_3M是首个包含300万帧的多模态水下目标跟踪基准，结合MUTrack方法提升水下跟踪性能。

Multi-Modal Monocular Endoscopic Depth and Pose Estimation with Edge-Guided Self-Supervision

多模态单目内窥镜深度与姿态估计与边缘引导自监督学习

Xinwei Ju, Rema Daher, Danail Stoyanov, Sophia Bano, Francisco Vasconcelos

机构 * UCL Hawkes Institute, Department of Computer Science（伦敦大学学院UCL霍克斯研究所、计算机科学系） 纠错

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

AI总结 PRISM通过边缘引导自监督学习，结合解剖学和照明先验知识，提升内窥镜单目深度与姿态估计性能。

Comments 14 pages, 6 figures; early accepted by IPCAI2026

Control of Powered Ankle-Foot Prostheses on Compliant Terrain: A Quantitative Approach to Stability Enhancement

对合规地形上驱动踝足假肢的控制：一种增强稳定性的方法

Chrysostomos Karakasis, Camryn Scully, Robert Salati, Panagiotis Artemiadis

机构 * Mechanical Engineering Department, at the University of Delaware（德克萨斯大学达勒姆分校机械工程系） ； Mechanical Engineering Department, at the Rice University（赖斯大学机械工程系） 纠错

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

AI总结 本研究提出了一种基于顺应性的控制策略，通过动态调整假肢刚度以提高在柔软地面行走的稳定性，从而降低跌倒风险。

Journal ref Actuators 2026, 15, 107

StereoAdapter-2: Globally Structure-Consistent Underwater Stereo Depth Estimation

StereoAdapter-2: 基于全局结构一致性的水下立体深度估计

Zeyu Ren, Xiang Li, Yiran Wang, Zeyu Zhang, Hao Tang

机构 * The University of Melbourne（墨尔本大学） ； Peking University（北京大学） ； Australian Centre for Robotics（澳大利亚机器人中心） 纠错

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

AI总结 StereoAdapter-2通过引入基于选择性状态空间模型的ConvSS2D操作符，实现了高效的水下立体深度估计，提升了水下基准测试的性能。

Prescribed Performance Control of Unknown Euler-Lagrange Systems Under Input Constraints

未知欧拉-拉格朗日系统在输入约束下的规定性能控制

Ratnangshu Das, Pushpak Jagtap

机构 * Centre for Cyber-Physical Systems IISc（网络物理系统研究中心IISc） 纠错

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

AI总结 本文提出了一种用于欧拉-拉格朗日系统轨迹跟踪的规定性能控制方法，通过硬 funnel 约束和两种安全策略，确保在输入限制下实现鲁棒的跟踪性能。

Digital Twin Generation from Visual Data: A Survey

从视觉数据生成数字孪生：一项调查

Andrew Melnik, Benjamin Alt, Giang Nguyen, Artur Wilkowski, Maciej Stefańczyk, Qirui Wu, Sinan Harms, Helge Rhodin, Manolis Savva, Michael Beetz

机构 * University of Bremen（不莱梅大学） ； Warsaw University of Technology（华沙技术大学） ； Bielefeld University（比勒菲尔德大学） ； Simon Fraser University（西蒙弗雷泽大学） 纠错

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

AI总结 本文综述了从视觉数据生成数字孪生的最新方法，探讨了多种技术及其挑战，为实际应用提供了全面的视角。

UAV-SEAD: State Estimation Anomaly Dataset for UAVs

UAV-SEAD：无人机状态估计异常数据集

Aykut Kabaoglu, Sanem Sariel

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

AI总结 UAV-SEAD数据集通过真实飞行日志提升无人机状态估计异常检测研究

ARCTraj: A Dataset and Benchmark of Human Reasoning Trajectories for Abstract Problem Solving

ARCTraj：抽象问题解决中人类推理轨迹的数据集和基准

Sejin Kim, Hayan Choi, Seokki Lee, Sundong Kim

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

AI总结 ARCTraj通过记录人类推理轨迹，提供了一种结构化且可解释的框架，用于研究抽象问题解决中的推理过程，推动可解释性和可推广智能的发展。

Comments KDD 2026 (Datasets and Benchmarks) accepted

Measuring Physical-World Privacy Awareness of Large Language Models: An Evaluation Benchmark

评估大型语言模型的物理世界隐私意识：一种评估基准

Xinjie Shen, Mufei Li, Pan Li

机构 * Georgia Tech（佐治亚理工学院） 纠错

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

AI总结 EAPrivacy评估基准揭示大型语言模型在物理世界隐私意识方面存在严重缺陷，需更稳健的物理感知对齐。

Comments Accepted by ICLR 2026

It's the Thought that Counts: Evaluating the Attempts of Frontier LLMs to Persuade on Harmful Topics

想法才是关键：评估前沿大语言模型在有害话题上的说服尝试

Matthew Kowal, Jasper Timm, Jean-Francois Godbout, Thomas Costello, Antonio A. Arechar, Gordon Pennycook, David Rand, Adam Gleave, Kellin Pelrine

机构 * Université de Montréal, MILA（蒙特利尔大学，MILA） ； Carnegie Mellon University（卡内基梅隆大学） ； MIT, Center for Research and Teaching in Economics（麻省理工学院，经济研究与教学中心） ； Cornell University, University of Regina（康奈尔大学， Regina大学） ； Cornell University, MIT（康奈尔大学，麻省理工学院） 纠错

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

AI总结 本文提出APE基准测试，评估前沿大语言模型在有害话题上的说服意愿，揭示模型在有害情境下尝试说服的倾向及风险。

A Kung Fu Athlete Bot That Can Do It All Day: Highly Dynamic, Balance-Challenging Motion Dataset and Autonomous Fall-Resilient Tracking

一个全天候的功夫运动员机器人：高度动态、平衡挑战性的动作数据集和自主防跌跟踪

Zhongxiang Lei, Lulu Cao, Xuyang Wang, Tianyi Qian, Jinyan Liu, Xuesong Li

机构 * Beijing Institute of Technology（北京理工大学） ； QIYUAN Lab（启元实验室） 纠错

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

AI总结 本文提出KungFuAthlete数据集，通过高动态武术动作训练视频，结合单策略学习实现运动跟踪与跌倒恢复，提升人形机器人在高动态环境中的自主性和鲁棒性。

Comments 18 pages, 8 figures,5 tables

Enabling Population-Level Parallelism in Tree-Based Genetic Programming for GPU Acceleration

在GPU加速中实现基于树的遗传编程的群体级并行性

Zhihong Wu, Lishuang Wang, Kebin Sun, Zhuozhao Li, Ran Cheng

机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（计算机科学与工程系，南方科技大学） ； Department of Data Science and Artificial Intelligence, and the Department of Computing, The Hong Kong Polytechnic University（数据科学与人工智能系及计算系，香港理工大学） ； The Hong Kong Polytechnic University Shenzhen Research Institute（香港理工大学深圳研究院） 纠错

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

AI总结 EvoGP通过群体级并行执行实现基于树的遗传编程在GPU加速中的高效执行，提供高吞吐量和改进的可扩展性。

Comments Accepted by IEEE TEVC

R3DPA: Leveraging 3D Representation Alignment and RGB Pretrained Priors for LiDAR Scene Generation

R3DPA：利用3D表示对齐和RGB预训练先验知识进行LiDAR场景生成

Nicolas Sereyjol-Garros, Ellington Kirby, Victor Besnier, Nermin Samet

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

AI总结 R3DPA通过结合3D表示对齐和RGB预训练先验知识，实现LiDAR场景生成的先进性能。

Comments ICRA 2026

Constrained PSO Six-Parameter Fuzzy PID Tuning Method for Balanced Optimization of Depth Tracking Performance in Underwater Vehicles

受约束的PSO六参数模糊PID调优方法用于水下车辆深度跟踪性能的平衡优化

Yanxi Ding, Tingyue Jia

机构 * School of Engineering China University of Petroleum-Beijing at Karamay（工程学院中国石油大学（北京）克拉玛依校区） 纠错

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

AI总结 本文提出一种受约束的PSO六参数模糊PID调优方法，用于提升水下车辆深度跟踪性能，通过优化控制能量和饱和水平，显著降低误差和超调，提高系统响应速度。