机器人 / 具身智能

GalSAS-SDR-SIM: An End-to-End Simulation Platform for Galileo Signal Authentication Service

GalSAS-SDR-SIM：伽利略信号认证服务的端到端仿真平台

Haiyang Wang, Yuanyu Zhang, Wensen Du, Ji He, Pinchang Zhang, Ning Xi

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 该研究提出开源SDR仿真平台GalSAS-SDR-SIM，模拟伽利略SAS工作流程，可灵活配置参数、生成多频段信号，为接收机开发和信号认证研究提供实用工具。

Comments 10 pages, 15 figures

MADE: Belief-Driven Dual-Agent Coordination for Autonomous Model Deployment

MADE：用于自主模型部署的信念驱动双智能体协调机制

Yicheng Liu, Bolin Zhang, Weiran Liu, Yakun Zhang, Yangqin Jiang, Zhiying Tu, Dianhui Chu

专题命中 机器人数据与评测 ：world model(abstract)

AI总结 本研究针对自动模型部署任务提出MADE双智能体协调系统，构建M2ABench基准测试集，实验显示MADE部署成功率达68.85%，优于SWE-agent与OpenHands。

Rethinking Satellite Cybersecurity: A System-Level Taxonomy and Longitudinal Analysis

重新思考卫星网络安全：系统级分类与纵向分析

Roy Peled, Eran Aizikovich, Edan Habler, Yuval Elovici, Asaf Shabtai

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文针对卫星网络安全，提出受MITRE ATT&CK启发的系统级攻击生命周期分类，通过分析多轨道卫星段、200余起公开事件，揭示攻击趋势转变，并结合案例验证框架实用性，支撑卫星安全防御相关工作。

Cloned Voices, Real Consequences: Evaluating Bias in Political Deepfake Detection for Electoral Integrity in Brazil

克隆语音，真实后果：评估巴西选举诚信相关的政治深度伪造检测中的偏差

Lucas Rafael Stefanel Gris, Daniel Casanova, Frederico Santos De Oliveira, Alef Iury Ferreira, Beatriz Almeida Felício, Raul César Reis Mata, Anderson da Silva Soares

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 该研究推出ParlaSpoof-BR音频深度伪造数据集，测试现有检测系统对巴西葡语政治语音的泛化能力，发现系统决策一致性差，方法学因素影响更大，为巴西选举诚信检测提供领域基准。

Fill-Side Behavioral Concentration on Polymarket: Identification Limits under Record-Level Attribution

Polymarket上的非零售交易：在报价归属限制下的行为层级和微观结构特征实证研究

Maksym Nechepurenko

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文研究Polymarket非零售参与行为，发现其离线CLOB架构导致地址层面报价生命周期无法追踪，通过密度聚类发现交易行为单峰分布，且通过特征分层实现稳健的零售与非零售分离。

Comments 9 pages, 2 propositions, 2 tables. Major pre-publication correction: the archived sample is a 2.285-day legacy-CTF-only block range, not a seven-day venue sample. The revision makes record-level two-sided attribution and mint/burn direction limits explicit and narrows clustering and concentration claims. No new empirical run

ThinkOmni: A Reasoning-Driven Omni-Modal LLM Framework for Audio Forgery Detection and Localization

ThinkOmni：用于音频伪造检测与定位的推理驱动全模态大语言模型框架

Yuxiong Xu, Kaiqing Lin, Bin Li, Haodong Li, Sheng Li

机构 * Shenzhen University（深圳大学） ； Afirstsoft Technology Group Co., Ltd.（安福软件科技集团有限公司） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 针对现有AFDL方法泛化能力不足的问题，提出推理驱动的全模态大语言模型ThinkOmni，构建FACoT数据集，引入FMIL与FCML，实现了跨数据集的音频伪造检测与定位。

Comments Accepted by ACM MM 2026, 21 pages, 12 figures

From Micro-Cognition to Self-Construction: A Four-Layer Integrative Review of Psychological Theories in HCI

从微观认知到自我建构：人机交互中心理学理论的四层整合综述

Xiaohe Bie, Bo Wang, Xinyu Long

专题命中 机器人数据与评测 ：embodied agent(abstract)

AI总结 本文针对HCI从“工具使用”向“心智共生”的范式转变，提出四层整合心理学理论框架，明确其对生成式AI等场景的启示及核心挑战与未来方向。

A High-Performance Pauli-Algebra Framework for Large-Scale Quantum Simulations

面向大规模量子模拟的高性能Pauli代数框架

Xiaopeng Li, Zhijie Sun, Yi Fan, Jie Liu, Zhenyu Li, Jinlong Yang

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 提出一种结合二进制辛编码、规范系数约简和分组稀疏算子表示的高性能Pauli代数框架，加速量子多体与量子化学模拟中的Pauli乘法、哈密顿量构造及算子-态乘法，并在多核CPU和GPU上实现高效VQE和ADAPT-VQE计算。

Designed Vocalizations Dataset: Sound-Designed Human and Animal Voices for Non-human Voice Conversion

设计发声数据集：用于非人类语音转换的声音设计的人类和动物声音

Seolhee Lee, Minsu Kang, Yangsun Lee, Woosun Min, Choonghyeon Lee, Namhyun Cho

机构 * NC AI Co., Ltd, Republic of Korea（韩国NC AI公司） ； Sogang University, Republic of Korea（韩国成均馆大学） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 针对设计发声缺乏公开资源及研究不足的问题，构建设计发声数据集，通过整合多样原始发声源并处理生成变体，提供标准化测试集，报告基线基准结果，以支持语音转换相关评估与研究。

Comments Accepted at InterSpeech 2026

Speed-Weighted Flocking for Sailing Swarms under Dynamic Environmental Forcing

动态环境强迫下航行群体的速度加权自适应集群

Pranav Kedia, Aaron Gan, Hannah J. Williams, Andreagiovanni Reina, Heiko Hamann

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 针对自主航行机器人受风速制约的机动性问题，提出速度加权社交交互规则，通过增强慢速机器人的社交影响力来改善群体极化并减少近距离接触。

Comments Submitted at 18th International Conference on the Simulation of Adaptive Behavior (SAB 2026)

Hybrid Augmented Lagrangian Method for General Constrained Optimization via Evolutionary Algorithms

基于进化算法的一般约束优化混合增广拉格朗日方法

Lampros Printzios, Konstantinos Chatzilygeroudis

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 研究一般约束优化问题，提出混合增广拉格朗日（HyAL）方法，结合增广拉格朗日框架与进化算法优势，解决迭代子问题。实验表明该方法在基准测试中表现出色，优于纯进化方法和先进数值算法，能有效处理高维约束问题。

Comments 16 pages, 5 figures

A Curvature-Aware Rank-Adaptive Distributed Augmented-Lagrangian Solver for Large-Scale SDPs

一种用于大规模半定规划的曲率感知秩自适应分布式增广拉格朗日求解器

Hongpei Li, Huikang Liu, Dongdong Ge, Yinyu Ye

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 研究针对大规模半定规划提出CARDAL求解器，基于秩自适应分解和增广拉格朗日方法，通过特定操作和问题选择实现优化，分析了全局最优性，在基准测试和多领域实验中展现强鲁棒性与加速效果。

Comments 25 pages, 5 tables

Dynamic Constraint Reconstruction Based Control Barrier Functions for Safety-Critical Control of High-Dimensional Manipulators

基于动态约束重构的控制障碍函数用于高维机器人的安全关键控制

Bingsheng Zhang, Shen Wang, Qiang Wang, Muguo Du, Donghai Shi, Xiaofeng Tao

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 针对高维机器人受干扰及模型不确定问题，提出基于动态约束重构的控制障碍函数框架，用扩展状态观测器估计干扰并重构安全约束，引入安全裕度，仿真表明该方法能在强干扰下实现零安全违规并提升轨迹跟踪性能。

In the Driver's Seat: A Multi-Company Study on the Reality of Autonomous Driving System Testing

掌控全局：关于自动驾驶系统测试现状的多公司研究

Qunying Song, Yuan Gao, Johannes Betz, Dietmar Pfahl, Mohammad Reza Mousavi, Federica Sarro

专题命中 机器人数据与评测 ：world model(abstract)

AI总结 针对自动驾驶系统测试复杂且缺乏标准的问题，通过对九家公司专家访谈，经主题分析总结行业测试情况、挑战与趋势，提出以证据为中心的闭环测试框架，为ADS测试提供指导并指明未来方向。

Comments 34 pages, 6 figures, 3 tables

Context Adaptive Extended Chain Coding for Semantic Map Compression

上下文自适应扩展链编码用于语义地图压缩

Runyu Yang, Junqi Liao, Hyomin Choi, Fabien Racapé, Ivan V. Bajić

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出一种基于链编码的语义地图无损压缩方法，通过扩展链码和上下文自适应熵编码实现高效压缩，实验表明在比特率和运行时间上均有显著提升。

Comments 12 pages, 11 figures

GameEngineBench: Evaluating Coding Agents on Real C++ Runtime Environments

GameEngineBench：在真实C++运行时环境中评估编码智能体

Brian La, Sejoon Chang, Ben Kim, Junyoung Bae, Aamish Ahmad Beg, Sei Chang, Gonzalo Gonzalez-Pumariega, Kanav Goyal

机构 * Nitrode ； Nexon Intelligence Labs ； Dartmouth University（达特茅斯大学） ； Columbia University（哥伦比亚大学） ； Cornell University（康奈尔大学） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 研究利用GameEngineBench在虚幻引擎5项目中评估编码智能体，核心方法是构建来自九个真实游戏仓库的基准测试集，主要贡献是揭示智能体在实时交互软件的C++开发中面临挑战，凸显游戏引擎基准测试的价值。

Privacy Attacks on Stable Marriage

对稳定婚姻问题的隐私攻击

Stephan A. Fahrenkrog-Petersen, Aleksander Figiel, Darya Melnyk, Tijana Milentijević, Stefan Schmid

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 研究稳定婚姻算法的隐私攻击问题，假设攻击者可与算法反复交互，揭示非恶意方隐私偏好，发现恶意提议方的Gale-Shapley算法易受攻击，特定偏好分布下诚实方提议的该算法可保护隐私，实验表明真实数据易受攻击，凸显新隐私保护算法的必要性。

Comments Accepted and presented at the 2026 IEEE International Conference on Distributed Computing Systems (ICDCS 2026)

A Comprehensive Benchmark Platform for Process Control Research of Outdoor Microalgae Raceway Reactors

面向室外微藻跑道反应器过程控制研究的综合基准平台

Enrique Rodríguez-Miranda, Pablo Otálora, José González-Hernández, José Luis Guzmán, Manuel Berenguel

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出一个综合基准平台，用于评估室外微藻跑道反应器过程控制策略，整合四个关键控制任务并提供统一性能指标，支持多变量控制策略开发。

The Effect of Multi-Lingual and Keyword Adversarial Injection on LLM Relevance Judgment

多语言和关键词对抗性注入对大语言模型相关性判断的影响

Nguyen Khoi Vo, Duy Duong Tuong, Oleg Zendel, Mark Sanderson

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 研究跨语言提示注入攻击对基于大语言模型的相关性判断的影响，利用TREC数据集和开放权重模型在多语言环境下研究不同注入策略，发现多语言查询注入有效且能绕过现有防御，凸显当前防御差距，强调需更强大评估框架。

Many-Body Physics with Rydberg Atoms: Quantum Simulation and Non-equilibrium Dynamics

里德堡原子的多体物理：量子模拟与非平衡动力学

Zhengyang Bai, Cheng Chen, Fan Yang, Weibin Li

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文聚焦里德堡原子多体物理，讨论其相互作用理论基础与多体物理，审视相关实验技术，还探讨利用集体效应探测新多体相和非平衡动力学的突破，综合理论与实验成果，展现该领域对未来量子技术的变革潜力。

Comments arXiv admin note: text overlap with arXiv:2402.13657 by other authors

SCI-Mamba: Unsupervised Learning based Low-Light Image Enhancement for Non-Cooperative Spacecraft

SCI-Mamba：基于无监督学习的非合作航天器低光图像增强

Yiyong Sun, Weihang Shan, Shijun Wei, Diwei Zhou, Guang Zhai

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 针对非合作航天器低光图像增强问题，提出SCI-Mamba无监督增强网络，结合自校准无监督学习等，构建数据集，经与其他方法比较，验证其在视觉、色彩及速度方面优势，为空间操作提供实用低光增强方案。

Dynamic neural manifolds for flexible closed-loop control on neuromorphic hardware

用于神经形态硬件上灵活闭环控制的动态神经流形

Oskar von Seeler, Christian Tetzlaff, Andrew Lehr

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 研究如何将动态神经流形框架扩展到神经形态工程用于实时闭环控制，通过在SpiNNaker 2芯片上实现，允许感官输入调制相关电流来驱动子空间旋转，经机器人模拟验证，为可解释神经形态架构提供可行方法。

Orchestrating Communication, Computing, and Energy Transfer for Wireless-Powered 6G Closed-Loop Controls

用于无线供电6G闭环控制的通信、计算和能量传输编排

Chengleyang Lei, Wei Feng, Yanmin Wang, Yunfei Chen, Xiaoyu Liu, Liuguo Yin, Ning Ge

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 研究无线供电的传感-通信-计算-控制（SC3）闭环系统，考虑计算、通信和能量传输耦合，用线性二次调节器（LQR）成本为指标，联合优化多参数，提出框架和算法提升控制性能。

Learning-Based Automated Adversarial Red-Teaming for Robustness Evaluation of Large Language Models

基于学习的自动化对抗红队测试用于大型语言模型的鲁棒性评估

Zhang Wei, Hanxuan Chen, Peilu Hu, Zhenyuan Wei, Chenwei Liang, Jiayi Gu, Wenqian Weng, Jacqueline Pang, Hao Yan, Li Mei, Shengning Lang, Kuan Lu, Xi Xiao, Zhimo Han, Yijin Wang, Yichao Zhang, Chen Yang, Zhenyu Yu, Riyang Bao, Xinyuan Song, Junfeng Hao, Mu-Jiang-Shan Wang

机构 * Independent Researcher（独立研究者） ； Hunan University（湖南大学） ； Shenzhen Kaihong Digital Industry Development Co., Ltd.（深圳凯鸿数字产业开发有限公司） ； Central University of Finance and Economics（中央财经大学） ； Chongqing University（重庆大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Stevens Institute of Technology（斯蒂文斯理工学院） ； Cornell University（康奈尔大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Zhengzhou University of Light Industry（郑州轻工业大学） ； Xidian University（西安电子科技大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； AI Safety Research Lab, Institute of Advanced Computing（高级计算研究所人工智能安全研究实验室） ； University of Malaya（马来亚大学） ； Emory University（埃默里大学） ； Department of Nephrology, Affiliated Hospital of Guangdong Medical University（广东医学院附属医院肾内科） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出一种学习驱动的自动化红队测试框架，用于高效发现大型语言模型的漏洞，通过元提示引导的对抗性提示生成和分层执行检测流程，在六个威胁类别中实现标准化评估，实验发现47个漏洞，包括21个高严重性失败和12种新攻击模式。

Comments ACL ARR minor revision

Chameleon: Recovering Cyber-Physical Systems from Memory Corruption Attacks via ML Surrogates

Chameleon: 通过ML代理从内存破坏攻击中恢复信息物理系统

Mohsen Salehi, Karthik Pattabiraman

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 提出Chameleon框架，利用基于机器学习的代理在检测到攻击时替换受损组件，实现信息物理系统从内存破坏攻击中的自动恢复，在多种机器人车辆上验证了高保真度和低开销。

Estimating unknown dynamics and cost as a bilinear system with Koopman-based Inverse Optimal Control

基于Koopman逆最优控制的未知动力学与代价的双线性系统估计

Victor Nan Fernandez-Ayala, Shankar A. Deka, Dimos V. Dimarogonas

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 提出基于Koopman的逆最优控制框架，利用改进的扩展动态模态分解构建双线性系统，通过庞特里亚金最大值原理实现未知动力学与代价函数的准确估计。

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

Drag, Infer, Reproject: Grounding LLMs through Spatial Interaction for Image Clustering

拖拽、推断、重投影：通过空间交互为图像聚类的LLM基础

Yang Liu, Xuxin Tang, Jiahao Xu, Chris North

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 提出CriterionSI方法，利用大语言模型从用户拖拽交互中推断聚类标准，并引导重投影，实现渐进式标准对齐的图像聚类布局。

An Empirical Evaluation of Prompt Injection Vulnerabilities in Large Language Models Across Multilingual and Obfuscated Attack Scenarios

多语言与混淆攻击场景下大语言模型提示注入漏洞的实证评估

Caglar Uysal, Baturay Birinci, Süha Orhun Mutluergil, Orçun Çetin

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文实证评估六种大语言模型在多语言和混淆攻击下的提示注入漏洞，发现所有模型均易受攻击，非英语语言恶意合规率更高，需加强安全防御。

Comments Accepted to the AI-SS 2026 Workshop at the 21st European Dependable Computing Conference (EDCC 2026). To be published in the EDCC Companion Proceedings (EDCC-C)

Does AI Reviewer See the Full Picture? Attacking and Defending Multimodal Peer Review

AI审稿人是否看到全貌？攻击与防御多模态同行评审

Xinyu Zhao, Rana Muhammad Shahroz Khan, Zhen Xu, Zhen Tan, Tianlong Chen

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 针对AI同行评审易受多模态对抗攻击的问题，提出PaperGuard基准，包含多领域数据集、统一攻击套件和基于分块嵌入搜索的实用防御方法。

Comments Accepted to ICML 2026, Project Page: https://paper-guard.github.io/

OI-Bench: An Option Injection Benchmark for Evaluating LLM Susceptibility to Directive Interference

OI-Bench：用于评估大语言模型对指令干扰敏感性的选项注入基准

Yow-Fu Liou, Yu-Chien Tang, Yu-Hsiang Liu, An-Zi Yen

机构 * Department of Computer Science, National Yang Ming Chiao Tung University（国家阳明交通大学计算机科学系） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 提出选项注入基准OI-Bench，通过在多选题界面中嵌入误导性指令，系统评估12个LLM对16种指令干扰的脆弱性，揭示模型存在显著漏洞。