机器人 / 具身智能

Systematic Evaluation of Initial States and Exploration-Exploitation Strategies in PID Auto-Tuning: A Framework-Driven Approach Applied on Mobile Robots

PID自整定初始状态与探索-利用策略的系统评估：一种框架驱动方法应用于移动机器人

Zaid Ghazal, Ali Al-Bustami, Khouloud Gaaloul, Jaerock Kwon

机构 * Department of Computer Information Systems, Collage of Engineering and Computer Science, University of Michigan-Dearborn（计算机信息系统系，工程与计算机科学学院，密歇根大学迪尔伯恩分校） ； Department of Electrical and Computer Engineering, Collage of Engineering and Computer Science, University of Michigan-Dearborn（电气与计算机工程系，工程与计算机科学学院，密歇根大学迪尔伯恩分校） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出一种框架驱动方法，系统评估PID自整定中初始状态和探索-利用策略的影响，通过移动机器人实验验证其对收敛性能的影响。

How Robot Dogs See the Unseeable: Improving Visual Interpretability via Peering for Exploratory Robots

机器人如何看见不可见之物：通过窥视提升探索机器人视觉可解释性

Oliver Bimber, Karl Dietrich von Ellenrieder, Michael Haller, Rakesh John Amala Arokia Nathan, Gianni Lunardi, Mohamed Youssef, Marco Camurri, Santos Miguel Orozco Soto, Jeremy E. Niven

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV

AI总结 通过模仿昆虫的窥视动作，提升探索机器人在部分遮挡下的视觉推理能力，实现高分辨率、实时感知，适用于复杂环境导航与场景理解。

Efficient Prediction of Dense Visual Embeddings via Distillation and RGB-D Transformers

通过蒸馏和RGB-D变换器高效预测密集视觉嵌入

Söhnke Benedikt Fischedick, Daniel Seichter, Benedict Stephan, Robin Schmidt, Horst-Michael Gross

机构 * Neuroinformatics and Cognitive Robotics Lab（神经信息学与认知机器人实验室） ； Technische Universität Ilmenau（技术大学伊门豪森） 纠错

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出DVEFormer，通过知识蒸馏和RGB-D变换器高效预测密集视觉嵌入，实现灵活的文本查询和3D地图构建。

Comments Published in Proc. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025)

Journal ref Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2025, pp. 2400-2407

Efficient Multi-Task Scene Analysis with RGB-D Transformers

高效的多任务场景分析与RGB-D变换器

Söhnke Benedikt Fischedick, Daniel Seichter, Robin Schmidt, Leonard Rabes, Horst-Michael Gross

机构 * Ilmenau University of Technology, Neuroinformatics（伊门瑙技术大学，神经信息学） ； Cognitive Robotics Lab（认知机器人实验室） 纠错

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出EMSAFormer，一种基于RGB-D变换器的高效多任务场景分析方法，通过单编码器整合RGB和深度数据，实现全景分割、实例方向估计和场景分类，达到最先进的性能并支持高速推理。

Comments Published in Proc. International Joint Conference on Neural Networks (IJCNN 2023)

Journal ref Published in Proc. International Joint Conference on Neural Networks (IJCNN 2023), pp. 1-10

Lifting Vision: Ground to Aerial Localization with Reasoning Guided Planning

提升视觉：基于推理引导的地面到空中定位

Soham Pahari, M. Srinivas

机构 * School of Computer Science, UPES（UPES计算机科学学院） ； Department of CS&E, NIT Warangal（NIT Warangal计算机科学与工程系） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出ViReLoc框架，通过视觉推理实现地面到空中定位，无需依赖GPS数据，提升空间推理和跨视角检索性能。

PCR-ORB: Enhanced ORB-SLAM3 with Point Cloud Refinement Using Deep Learning-Based Dynamic Object Filtering

PCR-ORB: 基于深度学习的动态物体过滤改进的ORB-SLAM3

Sheng-Kai Chen, Jie-Yu Chao, Jr-Yu Chang, Po-Lien Wu, Po-Chiang Lin

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV

AI总结 PCR-ORB通过深度学习优化点云细化，提升动态环境中ORB-SLAM3的定位与建图精度。

Comments 17 pages, 2 figures, 1 table

ReCollab: Retrieval-Augmented LLMs for Cooperative Ad-hoc Teammate Modeling

ReCollab：基于检索增强的LLM用于协作即兴队友建模

Conor Wallace, Umer Siddique, Yongcan Cao

机构 * Department of Electrical and Computer Engineering, University of Texas at San Antonio（电子与计算机工程系，德克萨斯大学圣安东尼奥分校） 纠错

专题命中 具身导航 ：world model(abstract)；分类 cs.AI、cs.LG

AI总结 ReCollab通过检索增强生成技术提升即兴团队合作中队友行为建模的适应性与准确性。

RiemanLine: Riemannian Manifold Representation of 3D Lines for Factor Graph Optimization

RiemanLine: 3D线条的黎曼流形表示用于因子图优化

Yan Li, Ze Yang, Keisuke Tateno, Federico Tombari, Liang Zhao, Gim Hee Lee

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 RiemanLine通过基于黎曼流形的统一表示方法，实现3D线条的紧凑编码与优化，提升相机定位和结构制图的精度与稳定性。

External Hippocampus: Topological Cognitive Maps for Guiding Large Language Model Reasoning

外部海马体：用于引导大语言模型推理的拓扑认知图

Jian Yan

机构 * School of Computer Science, Zunyi Normal University（计算机科学学院，遵义师范学院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出External Hippocampus框架，通过拓扑认知图引导大语言模型推理，解决多步推理中的认知死锁问题，提升推理效率和准确性。

Comments 12 pages, 7 figures. v3: replaces v2 (uploaded in error); updated to two-column format; results unchanged

RIPCN: A Road Impedance Principal Component Network for Probabilistic Traffic Flow Forecasting

RIPCN: 一条道路阻抗主成分网络用于概率交通流预测

Haochen Lv, Yan Lin, Shengnan Guo, Xiaowei Mao, Hong Nie, Letian Gong, Youfang Lin, Huaiyu Wan

机构 * School of Computer Science ； Technology Beijing Jiaotong University Beijing China ； Department of Computer Science Aalborg University Aalborg Denmark ； Key Laboratory of Big Data \& Artificial Intelligence in Transportation, Ministry of Education Beijing China ； Beijing Key Laboratory of Traffic Data Mining ； Beijing Jiaotong University ； Aalborg University ； Key Laboratory of Big Data \& Artificial Intelligence in Transportation, Ministry of Education 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 RIPCN通过结合交通理论与时空主成分学习，提升交通流预测的准确性和不确定性估计能力。

Comments Accepted at KDD 2026. 12 pages, 10 figures

Research on Dead Reckoning Algorithm for Self-Propelled Pipeline Robots in Three-Dimensional Complex Pipelines

三维复杂管道中自推进管道机器人的Dead Reckoning算法研究

Yan Gao, Jiliang Wang, Minghan Wang, Xiaohua Chen, Demin Chen, Zhiyong Ren, Tian-Yun Huang

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出一种基于扩展卡尔曼滤波的自推进管道机器人定位方法，用于解决复杂管道环境中的定位问题。

Comments The paper needs further revision

Uncertainty-Gated Region-Level Retrieval for Robust Semantic Segmentation

不确定性门控区域级检索用于鲁棒语义分割

Shreshth Rajan, Raymond Liu

专题命中 具身导航 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出一种不确定性门控区域级检索机制，提升语义分割在域移位下的鲁棒性和精度，实现分割准确率提升11.3%且检索成本降低87.5%。

Vision-based module for accurately reading linear scales in a laboratory

基于视觉的模块，用于实验室中准确读取线性标尺

Parvesh Saini, Soumyadipta Maiti, Beena Rai

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出了一种基于视觉的模块，用于实验室中准确读取线性标尺的测量值，通过纠正注射器方向并提取关键特征来实现高精度读数。

Comments 10 pages, 16 figures

SLIM-VDB: A Real-Time 3D Probabilistic Semantic Mapping Framework

SLIM-VDB：一种实时三维概率语义映射框架

Anja Sheppard, Parker Ewen, Joey Wilson, Advaith V. Sethuraman, Benard Adewole, Anran Li, Yuzhen Chen, Ram Vasudevan, Katherine A. Skinner

专题命中 具身导航 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 SLIM-VDB是一种基于OpenVDB数据结构的实时三维概率语义映射框架，实现了内存和整合时间的显著减少，同时保持了较高的映射精度。

Comments Accepted into R-AL

WebOperator: Action-Aware Tree Search for Autonomous Agents in Web Environment

WebOperator: 基于动作意识的树搜索用于网络环境中的自主代理

Mahir Labib Dihan, Tanzima Hashem, Mohammed Eunus Ali, Md Rizwan Parvez

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Bangladesh University of Engineering and Technology (BUET)（孟加拉工程与技术大学） ； Faculty of Information Technology（信息技术学院） ； Monash University（莫纳什大学） ； Qatar Computing Research Institute (QCRI)（卡塔尔计算研究所） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 WebOperator通过引入树搜索框架，实现可靠的回溯和战略探索，提升自主代理在网页环境中的任务成功率。

Comments Under review at ICLR 2026. Project page: https://kagnlp.github.io/WebOperator/

Diffusion-Driven Inertial Generated Data for Smartphone Location Classification

基于扩散的惯性生成数据用于智能手机位置分类

Noa Cohen, Rotem Dror, Itzik Klein

机构 * The Hatter Department of Marine Technologies, University of Haifa, Israel（海洋技术系，海法大学，以色列） ； The Department of Information Systems, University of Haifa, Israel（信息系统系，海法大学，以色列） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于扩散模型的惯性生成数据方法，用于提升智能手机位置识别的训练数据质量，通过合成数据减少实际数据收集的负担。

AUV Acceleration Prediction Using DVL and Deep Learning

基于DVL和深度学习的AUV加速度预测

Yair Stolero, Itzik Klein

机构 * The Hatter Department of Marine Technologies（海洋技术系） ； Charney School of Marine Sciences（海洋科学学院） ； University of Haifa（海法大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出基于DVL和深度学习的AUV加速度预测方法，通过数据驱动技术提升加速度估计精度，从而提高水下导航的准确性和可靠性。

Video4Spatial: Towards Visuospatial Intelligence with Context-Guided Video Generation

Video4Spatial: 通过基于场景的视频生成实现视觉空间智能

Zeqi Xiao, Yiwei Zhao, Lingxiao Li, Yushi Lan, Ning Yu, Rahul Garg, Roshni Cooper, Mohammad H. Taghavi, Xingang Pan

机构 * Netflix ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学） ； Eyeline Studios 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.CV

AI总结 Video4Spatial通过仅使用视频数据训练的生成模型，实现了复杂空间任务的视觉空间智能，展示了视频生成模型在空间推理中的潜力。

Comments Project page at https://xizaoqu.github.io/video4spatial/

Adaptive Thresholding for Visual Place Recognition using Negative Gaussian Mixture Statistics

基于负高斯混合统计的视觉地点识别自适应阈值设定

Nick Trinh, Damian Lyons

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出利用负高斯混合统计自适应选择视觉地点识别的阈值，以提高不同场景下的识别性能。

Comments Accepted and presented at IEEE RoboticCC 2025. 4 pages short paper

Empowering smart app development with SolidGPT: an edge-cloud hybrid AI agent framework

通过SolidGPT赋能智能应用开发：一种边缘-云混合AI代理框架

Liao Hu, Qiteng Wu, Ruoyu Qi

机构 * University of Illinois, Chicago, USA（伊利诺伊大学芝加哥分校） ； North Carolina State University, North Carolina, USA（北卡罗来纳州立大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 SolidGPT是一种结合边缘计算与云计算的AI代理框架，通过交互式代码查询、自动化项目生成和人机协作提升开发者生产力，适用于智能移动和软件工程领域。

Journal ref Advances in Engineering Innovation 16.7 (2025): 86-92

WorldReel: 4D Video Generation with Consistent Geometry and Motion Modeling

WorldReel：基于一致几何和运动建模的4D视频生成

Shaoheng Fang, Hanwen Jiang, Yunpeng Bai, Niloy J. Mitra, Qixing Huang

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Adobe Research（Adobe研究） ； University College London（伦敦大学学院） 纠错

专题命中 具身导航 ：world model(abstract)；分类 cs.AI、cs.CV

AI总结 WorldReel通过联合生成RGB帧和4D场景表示，实现了动态场景和移动摄像机下的4D一致视频生成，提升了几何一致性与运动一致性。

Image-Guided Semantic Pseudo-LiDAR Point Generation for 3D Object Detection

基于图像的语义伪LiDAR点生成用于3D目标检测

Minseung Lee, Seokha Moon, Seung Joon Lee, Reza Mahjourian, Jinkyu Kim

机构 * CSE, Korea University（韩国大学计算机科学与工程系） ； LG Innotek ； Waymo Research（Waymo研究院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.CV

AI总结 ImagePG通过利用图像特征生成密集且语义丰富的3D点，提升自动驾驶中对小目标和远距离目标的检测性能。

Comments WACV 2026

3D Path Planning for Robot-assisted Vertebroplasty from Arbitrary Bi-plane X-ray via Differentiable Rendering

基于不同可微渲染的任意双平面X射线引导的机器人辅助椎体成形术3D路径规划

Blanca Inigo, Benjamin D. Killeen, Rebecca Choi, Michelle Song, Ali Uneri, Majid Khan, Christopher Bailey, Axel Krieger, Mathias Unberath

专题命中 具身导航 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本研究提出了一种基于不同可微渲染的3D路径规划方法，利用双平面X射线实现无需CT的机器人辅助椎体成形术路径规划，提升了重建精度和泛化能力。

Synthetic Error Injection Fails to Elicit Self-Correction In Language Models

合成错误注入无法在语言模型中引发自我修正

David X. Wu, Shreyas Kapur, Anant Sahai, Stuart Russell

机构 * ucb（伯克利大学） 纠错

专题命中 具身导航 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 本研究发现合成错误注入无法有效提升语言模型的自我修正能力，揭示了策略性强化学习在激发自我修正方面的独特优势。

Comments 13 pages, 12 figures

ADA-DPM: A Neural Descriptors-based Adaptive Noise Filtering Strategy for SLAM

ADA-DPM: 基于神经描述符的自适应噪声过滤策略用于SLAM

Yongxin Shao, Aihong Tan, Binrui Wang, Yinlian Jin, Licong Guan, Peng Liao

机构 * College of Metrology Measurement and Instrument（计量测量与仪器学院） ； College of Mechanical and Electrical Engineering（机械与电气工程学院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 ADA-DPM通过动态分割、全局重要性评分和跨层图卷积模块，提升SLAM中动态物体干扰和噪声的鲁棒性。

Adaptive Factor Graph-Based Tightly Coupled GNSS/IMU Fusion for Robust Positionin

自适应因子图基于紧密耦合GNSS/IMU融合的稳健定位

Elham Ahmadi, Alireza Olama, Petri Välisuo, Heidi Kuusniemi

机构 * School of Technology and Innovations, University of Vaasa（瓦萨大学技术与创新学院） ； Information Technology, Åbo Akademi University（阿博阿卡迪米大学信息技术系） ； Faculty of Information Technology and Communication Sciences, Tampere University（塔尔库大学信息科技与通信科学学院） ； Finnish Geospatial Research Institute（芬兰地理空间研究 institute） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出一种基于自适应因子图的GNSS/IMU融合方法，利用Barron损失提升鲁棒性，有效减少定位误差。

Real-Time Obstacle Avoidance for a Mobile Robot Using CNN-Based Sensor Fusion

基于CNN传感器融合的移动机器人实时障碍规避

Lamiaa H. Zain

机构 * School of Engineering（工程学院） ； Applied Science SESC Research Center, MECT Program（应用科学SESC研究中心，MECT项目） ； Nile University（尼罗大学） ； Giza, Egypt（埃及吉兹） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出基于CNN的传感器融合方法，用于移动机器人在复杂环境中实时规避障碍，NetConEmb模型在精度和鲁棒性上表现最优。

Swarms of Large Language Model Agents for Protein Sequence Design with Experimental Validation

大规模语言模型代理群组用于蛋白质序列设计的实验验证

Fiona Y. Wang, Di Sheng Lee, David L. Kaplan, Markus J. Buehler

机构 * Laboratory for Atomistic and Molecular Mechanics (LAMM), Department of Biological Engineering, Massachusetts Institute of Technology（原子分子力学实验室（LAMM），生物工程系，麻省理工学院） ； Department of Biomedical Engineering, Tufts University（生物医学工程系，塔夫茨大学） ； Laboratory for Atomistic and Molecular Mechanics (LAMM), Department of Civil and Environmental Engineering, Department of Mechanical Engineering, Center for Computational Science and Engineering, Schwarzman College of Computing, Massachusetts Institute of Technology（原子分子力学实验室（LAMM），土木与环境工程系，机械工程系，计算科学与工程中心，计算机科学学院，麻省理工学院） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种基于大规模语言模型代理群组的蛋白质序列设计方法，通过去中心化协调实现高效目标导向设计，无需微调或特定训练，且在实验中验证了其有效性。

Vision Language Models Can Parse Floor Plan Maps

视觉语言模型可以解析平面图

David DeFazio, Hrudayangam Mehta, Meng Wang, Ping Yang, Jeremy Blackburn, Shiqi Zhang

机构 * School of Computing, Binghamton University（计算机学院，宾夕法尼亚州立大学） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本文研究了视觉语言模型在地图解析任务中的性能，展示了其在复杂室内导航中的高成功率，并指出在大型开放区域中性能下降的问题。

DAGLFNet: Deep Feature Attention Guided Global and Local Feature Fusion for Pseudo-Image Point Cloud Segmentation

DAGLFNet：基于伪图像的深度特征注意力引导的全局和局部特征融合用于伪图像点云分割

Chuang Chen, Yi Lin, Bo Wang, Jing Hu, Xi Wu, Wenyi Ge

机构 * College of Computer Science, Chengdu University of Information Technology（成都信息科技大学计算机学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Publications Department, Optica Publishing Group（Optica出版社出版部） ； Department of Electronic Journals, Optica Publishing Group（Optica出版社电子期刊部） 纠错

专题命中 具身导航 ：navigation(abstract)；分类 cs.CV、cs.LG

AI总结 DAGLFNet通过深度特征注意力引导的全局和局部特征融合，提升伪图像点云分割的准确性和效率。