机器人 / 具身智能

CredibleDFGO: Differentiable Factor Graph Optimization with Credibility Supervision

可信DFGO：具有可信度监督的可微因子图优化

Liang Qian, Penggao Yan, Penghui Xu, Li-Ta Hsu

机构 * Department of Aeronautical and Aviation Engineering（航空与航空工程系） 纠错

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

AI总结 针对GNSS协方差不可靠问题，提出CredibleDFGO框架，通过可微高斯-牛顿求解器与加权生成网络，利用适当评分规则监督预测分布，提升协方差可信度与定位精度。

Comments Submitted to NAVIGATION: Journal of the Institute of Navigation

Holistic Fusion: Task- and Setup-Agnostic Robot Localization and State Estimation with Factor Graphs

整体融合：基于因子图的与任务和设置无关的机器人定位与状态估计

Julian Nubert, Turcan Tuna, Jonas Frey, Cesar Cadena, Katherine J. Kuchenbecker, Shehryar Khattak, Marco Hutter

机构 * ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； NASA Jet Propulsion Laboratory（美国国家航空航天局喷气推进实验室） 纠错

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

AI总结 研究针对移动机器人定位与状态估计问题，提出整体融合方法，通过因子图公式融合多类型测量，注重局部平滑性与一致性，能在典型硬件上实现低延迟、平滑在线估计及低漂移全局定位，在多场景验证了框架有效性。

Comments 21 pages, 25 figures, 9 tables, Transactions on Robotics, accepted

Journal ref Transactions on Robotics 2026

Efficient Dynamic Shielding for Parametric Safety Specifications

面向参数化安全规范的高效动态防护机制

Davide Corsi, Kaushik Mallik, Andoni Rodriguez, Cesar Sanchez

机构 * University of California, Irvine（加州大学尔湾分校） ； IMDEA Software Institute（IMDEA软件研究所） 纠错

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

AI总结 本文针对参数化安全规范提出动态防护机制，其离线设计耗时数分钟，在线适配速度较暴力重新计算方法快最多5倍，可用于未知区域机器人导航以应对安全规范的动态变化。

Journal ref International Symposium on Automated Technology for Verification and Analysis (ATVA) 2025, pp. 157-179. Cham: Springer Nature Switzerland

Dual-Force: Enhanced Offline Diversity Maximization under Imitation Constraints

Dual-Force：模仿约束下的增强型离线多样性最大化算法

Pavel Kolev, Marin Vlastelica, Georg Martius

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

AI总结 Dual-Force是一种离线算法，通过后继特征的VdW力目标和功能奖励编码，实现模仿约束下的多样化行为策略学习，在Solo12仿真任务中提升了性能与鲁棒性。

Smart strategies to navigate turbulent odor plumes reorienting to local wind

智能策略用于在湍流气味团中导航：重新定向到局部风

Lorenzo Piro, Maurizio Carbone, Luca Biferale, Massimo Cencini, Robin A. Heinonen, Marco Rando, Agnese Seminara

专题命中 具身导航 ：navigation(abstract)；robotic(abstract)

AI总结 本文提出了一种基于风的强化学习框架，用于在湍流中导航，通过局部风方向估计和时间间隔来选择动作，展示了在不同风条件下策略的有效性。

OREN: Octree Residual Network for Real-Time Euclidean Signed Distance Mapping

OREN：八叉树残差网络用于实时欧几里得符号距离映射

Zhirui Dai, Qihao Qian, Tianxing Fan, Nikolay Atanasov

机构 * Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电子与计算机工程系） 纠错

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

AI总结 OREN结合八叉树插值的显式先验和神经网络回归的隐式残差，实现高效且可微的非截断SDF重建，优于现有方法的准确性和效率。

Comments Accepted to IEEE/RSJ International Conference Intelligent Robots & Systems (IROS) 2026

PiDR: Physics-Informed Inertial Dead Reckoning for Autonomous Platforms

PiDR：面向自主平台的物理信息惯性航位推算

Arup Kumar Sahoo, Itzik Klein

机构 * Autonomous Navigation and Sensor Fusion Lab (ANSFL)（自主导航与传感器融合实验室（ANSFL）） ； 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、cs.LG

AI总结 提出PiDR框架，将惯性导航原理作为物理信息残差融入网络训练，在纯惯性导航中减少轨迹漂移，在移动机器人和水下自主航行器数据集上定位精度提升超29%。

Comments 11 pages and 7 figures

A Survey on Deep Multi-Task Learning in Connected Autonomous Vehicles

联网自动驾驶车辆中深度多任务学习综述

Jiayuan Wang, Farhad Pourpanah, Q. M. Jonathan Wu, Ning Zhang

机构 * Department of Electrical and Computer Engineering, University of Windsor（温莎大学电气与计算机工程系） ； Department of Electrical and Computer Engineering, Queen’s University（皇后大学电气与计算机工程系） 纠错

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

AI总结 综述联网自动驾驶车辆中深度多任务学习，涵盖感知、预测、规划、控制及V2X通信与资源管理，分析现有方法优缺点并指出未来方向。

MatterDoor: Sampling Zero-shot Spatio-semantic Priors using Generative Models

MatterDoor: 使用生成模型采样零样本空间语义先验

Subhransu S. Bhattacharjee, Hao Lu, Dylan Campbell, Rahul Shome

机构 * School of Computing, Australian National University（澳大利亚国立大学计算机学院） 纠错

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

AI总结 针对机器人通过门缝观察时场景结构缺失的问题，提出MatterDoor方法，利用预训练生成模型（VLM引导外推、单目深度估计、语义分割）采样隐藏房间的语义3D点云先验，在Matterport3D基准上验证了零样本空间语义先验的有效性。

Comments Under Review

LatentAM: Real-Time, Large-Scale Latent Gaussian Attention Mapping via Online Dictionary Learning

LatentAM：通过在线字典学习实现实时、大规模的潜在高斯注意力映射

Junwoon Lee, Yulun Tian

机构 * Robotics Department, University of Michigan（密歇根大学机器人系） 纠错

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

AI总结 LatentAM通过在线字典学习实现实时、大规模的潜在高斯注意力映射，提升机器人感知的特征重建保真度与实时性

Comments 8 pages, 7 figures. Accepted for RA-L. Homepage: https://junwoonlee.github.io/projects/LatentAM/ Code: https://github.com/UMich-SSI-Lab/latentam

Latent-Centroid Steering: Single-Pass Classifier-Free Guidance for Command-Aligned Autonomous Driving

隐式质心引导：用于指令对齐自动驾驶的单次无分类器引导

Meibo Hu, Jiamian Wang, Pichao Wang, Zhiqiang Tao

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； NVIDIA（英伟达公司） 纠错

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

AI总结 针对视觉语言自动驾驶模型的指令跟随差距，提出单次引导机制LCS，降低推理延迟约50%，在Bench2Drive和nuScenes基准上提升指令遵循与驾驶性能。

Comments IROS 2026

Prompt-Driven Exploration

提示驱动的探索

Sunshine Jiang, John Marangola, David Zhang, Raghuram Kowdeed, Ruiyang Luo, Nitish Dashora, Richard Li, Pulkit Agrawal, Zhang-Wei Hong

机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Computing Research Lab（麻省理工学院-IBM计算研究实验室） ； Improbable AI Lab（英普罗巴布尔人工智能实验室） 纠错

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

AI总结 研究针对强化学习中探索难的问题，提出提示驱动的探索策略（PDE），利用视觉-语言模型对轨迹视频推理，从弱策略轨迹中优化提示，实现后验采样，能让强化学习从零奖励起步学习成功策略并提升样本效率。

RoboAtlas: Contextual Active SLAM

RoboAtlas：上下文感知主动SLAM

Alexander Schperberg, Shivam K. Panda, Abraham P. Vinod, Rokaha Bhagawan, M. K. Jawed, Stefano Di Cairano

机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 提出RoboAtlas框架，通过上下文感知的多臂赌博机平衡几何探索与语义推理，结合3D语义地图OpenRoboVox，在真实环境中实现100%任务成功率，并在GOAT-Bench上以90.6%成功率达到SOTA。

Comments Alexander Schperberg and Shivam K. Panda made equal contribution

AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection

AgenticSCR: 一种用于检测初期漏洞的自主代理安全代码审查

Wachiraphan Charoenwet, Kla Tantithamthavorn, Patanamon Thongtanunam, Hong Yi Lin, Minwoo Jeong, Ming Wu

机构 * The University of Melbourne（墨尔本大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 AgenticSCR通过结合LLMs、自主决策和语义记忆，有效检测预提交阶段的初期漏洞，优于传统SAST工具和静态LLM基线。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE'26 Industry-Track)

DataClaw0: Agentic Tailoring Multimodal Data from Raw Streams

DataClaw0: 从原始流中智能定制多模态数据

Cong Wan, Zeyu Guo, Zijian Cai, Jiangyang Li, SongLin Dong, Lin Peng, Xiangyang Luo, Zhiheng Ma, Yihong Gong

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出DataClaw0模型，通过两阶段流水线将生成语义合成锚定于确定性事实锚点，结合SFT与GRPO实现复杂数据精炼意图的对齐，首个数据精炼基准验证其高效性。

Comments add base model: Qwen3.5-27B

Learning from Local Walks on Dynamic Graphs with Bandit Feedback

从具有强盗反馈的动态图上的局部游走中学习

Sourav Chakraborty, Amit Kiran Rege, Claire Monteleoni, Lijun Chen

机构 * Department of Computer Science, University of Colorado, Boulder（科罗拉多大学博尔德分校计算机科学系） ； INRIA, Paris（法国国家信息与自动化研究所巴黎分部） 纠错

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

AI总结 研究动态图上随机多臂强盗问题，基于滑动窗口混合识别结构条件，分析局部探索然后提交算法，建立次线性期望遗憾，还包括奖励感知策略及相关定理。

Short-Term-to-Long-Term Memory Transfer for Knowledge Graphs under Partial Observability

知识图谱下的短期到长期记忆转移：在部分可观测性下的短期到长期记忆转移

Taewoon Kim, Vincent François-Lavet, Michael Cochez

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

AI总结 本文研究了在部分可观测性下知识图谱中的短期到长期记忆转移问题，提出了一种基于神经符号价值决策的方法，通过在长期插入前决定保留或丢弃观察到的三元组，从而提升记忆效率，并在RoomKG基准测试中优于符号和神经基线方法。

Learning to Navigate Efficiently with Only 0.58M Trainable Parameters

仅用58万个可训练参数学习高效导航

Edward Beng Wai Tan, Siew-Kei Lam

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 研究视觉导航中单个任务族所需规模及替代结构，提出分解式导航模型，仅用少量可训练参数，在导航任务中接近最先进模型性能，还能用于无目标探索，故障模式可解析纠正。

Comments 6 pages, 4 figures. Under review

O3N: Omnidirectional Open-Vocabulary Occupancy Prediction for Urban Autonomous Agents

O3N: 全向开放词汇占用预测

Mengfei Duan, Hao Shi, Fei Teng, Guoqiang Zhao, Yuheng Zhang, Zhiyong Li, Kailun Yang

机构 * Hunan University（湖南大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 O3N通过全向感知和开放词汇方法，实现三维空间的连续表示和长距离上下文建模，提升具身智能在开放世界中的感知与建模能力。

Comments The source code will be made publicly available at https://github.com/MengfeiD/O3N

Recursive ArUco Markers: A Scalable Fiducial Marker Design for Unmanned Aerial Vehicle Landing Pads

递归ArUco标记：一种用于无人机着陆垫的可扩展基准标记设计

Rafael Munoz-Salinas, Francisco Jose Romero-Ramirez, Sergio Garrido-Jurado

机构 * Universidad de Córdoba（科尔多瓦大学） 纠错

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

AI总结 研究针对无人机着陆依赖的视觉基准标记操作范围有限问题，提出递归ArUco标记设计，通过改进位采样策略实现任意深度递归、遮挡下稳健检测及多唯一标识符字典，使无人机机队可同时在指定位置着陆。

SKETCH: Semantic Key-Point Conditioning for Long-Horizon Vessel Trajectory Prediction

SKETCH: 面向长时域船舶轨迹预测的语义关键点条件建模

Linyong Gan, Zimo Li, Wenxin Xu, Xingjian Li, Jianhua Z. Huang, Enmei Tu, Shuhang Chen

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）数据科学学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）科学与工程学院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）人工智能学院） ； COSCO SHIPPING Advanced Technology Institute, Shanghai, China（中远海运技术研究院） 纠错

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

AI总结 针对长时域轨迹预测中方向漂移问题，提出基于语义关键点（NKP）的条件轨迹建模框架，将预测分解为全局语义决策与局部运动建模，采用预训练-微调策略估计NKP先验，在真实AIS数据上显著提升长时域、方向精度和细粒度预测性能。

Comments Final Camera-Ready Version. Accepted by ICML 2026 (PMLR Vol. 306)

Real-Time Model Checking for Closed-Loop Robot Reactive Planning

闭环机器人反应式规划的实时模型检查

Christopher Chandler, Bernd Porr, Giulia Lafratta, Alice Miller

机构 * School of Computing Science University of Glasgow Glasgow Scotland UK（计算科学学院格拉斯哥大学格拉斯哥苏格兰英国） ； School of Biomedical Engineering University of Glasgow Glasgow Scotland UK（生物医学工程学院格拉斯哥大学格拉斯哥苏格兰英国） ； University of Glasgow（格拉斯哥大学） 纠错

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

AI总结 研究利用模型检查让自主机器人实现反应式多步规划与避障，特制算法基于生物知识实时原位生成规划，通过链式系统和临时快照减轻状态空间爆炸，实验证明方法有效且性能提升，为自动驾驶导航发展提供案例，适用于关键任务移动机器人。

Comments 41 pages excluding references, 21 figures, submitted to Formal Aspects of Computing

Diffusion Denoiser-Aided Gyrocompassing

扩散去噪器辅助的陀螺罗经法

Gershy Ben-Arie, Daniel Engelsman, Rotem Dror, Itzik Klein

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

AI总结 针对低成本陀螺仪准确及时陀螺罗经法的挑战，提出扩散去噪器辅助的陀螺罗经法，集成扩散去噪框架与航向估计模型，处理原始传感器信号，实验证明相比其他方法显著提高了陀螺罗经精度，对自主平台导航意义重大。

Comments 8 pages, 8 figures

Journal ref Measurement, Measurement, Volume 287, 2026, Article 122370

NaviCache: Test-Time Self-Calibration Caching for Video Generation

NaviCache: 视频生成的测试时自校准缓存

Zheqi Lv, Zhibo Zhu, Jinke Wang, Qi Tian, Shengyu Zhang, Zhengyu Chen, Chengxi Zang, Zhou Zhao, Fei Wu

机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频） 纠错

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

AI总结 针对视频扩散模型计算成本高的问题，提出NaviCache方法，将特征演化重构思为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比和潜在漂移，实现有界误差的计算跳过，在多个模型上取得优异性能。

Comments Published at ICML 2026: Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

Exploration of Fast-Slow Latent Recurrence for Train-Short, Test-Long Generalization

倾听时思考：用于长时间序列建模的快慢复发

Shota Takashiro, Masanori Koyama, Takeru Miyato, Yusuke Iwasawa, Yutaka Matsuo, Kohei Hayashi

机构 * The University of Tokyo（东京大学） ； University of Tübingen（图宾根大学） 纠错

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

AI总结 本文提出快慢复发机制，通过结合快速递归潜在更新与慢速观测更新，提升长周期序列建模的稳定性与泛化能力，优于LSTM等基线方法。

SMF-VO: Direct Ego-Motion Estimation via Sparse Motion Fields

SMF-VO：通过稀疏运动场进行直接自我运动估计

Sangheon Yang, Yeongin Yoon, Hong Mo Jung, Jongwoo Lim

机构 * Department of Artificial Intelligence, Hanyang University（翰英大学人工智能系） ； Department of Mechanical Engineering, Seoul National University（首尔国立大学机械工程系） ； Robot Vision Lab, Seoul National University（首尔国立大学机器人视觉实验室） 纠错

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

AI总结 研究针对传统视觉里程计和视觉惯性里程计方法局限，提出SMF-VO框架，直接从稀疏光流估计瞬时线速度和角速度，采用广义3D射线运动场公式，在基准数据集上效率高、精度有竞争力。

MAD-PINN: A Decentralized Physics-Informed Machine Learning Framework for Safe and Optimal Multi-Agent Control

MAD-PINN：一种用于安全和最优多智能体控制的分散式物理信息机器学习框架

Manan Tayal, Aditya Singh, Shishir Kolathaya, Somil Bansal

机构 * Center for Cyber-Physical Systems, Indian Institute of Science（印度科学研究院中心 for 联合体系统） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天工程系） 纠错

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

AI总结 针对大规模多智能体系统安全与性能协同优化难题，提出MAD-PINN框架。利用基于上图的公式化方法，通过物理信息神经网络近似求解，采用分散训练与执行策略，实验表明其性能优越且具可扩展性。

Comments 9 Pages, 4 Figures, 4 Tables. First two authors have contributed equally

Visual Prompt Discovery via Semantic Exploration

通过语义探索发现视觉提示

Jaechang Kim, Yotaro Shimose, Zhao Wang, Kuang-Da Wang, Jungseul Ok, Shingo Takamatsu

机构 * Sony Group Corporation（索尼集团公司） ； Pohang University of Science and Technology（浦项科技大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

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

AI总结 提出SEVEX算法，通过抽象思想空间和语义反馈自动探索任务级视觉提示，提升LVLM图像感知能力。

Comments Accepted to ECCV 2026, project page: https://jaechang.dev/projects/SEVEX/

VLM-Guided Visual Place Recognition for Planet-Scale Geo-Localization

VLM引导的视觉地点识别用于行星级地理定位

Sania Waheed, Na Min An, Michael Milford, Sarvapali D. Ramchurn, Shoaib Ehsan

机构 * Univ. of Southampton, UK（英国南安普顿大学） ； KAIST, South Korea（韩国科学技术院） ； QUT, Australia（昆士兰科技大学） ； Univ. of Essex, UK（英国埃塞克斯大学） 纠错

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

AI总结 提出VLM与检索式VPR结合的混合框架，利用VLM生成先验约束搜索空间，再通过检索和重排序实现行星级地理定位，在街道和城市级别分别提升4.51%和13.52%。

Journal ref Proceedings of the Australasian Conference on Robotics and Automation (ACRA 2025)

Tracking Large-scale Shared Bikes with Inertial Motion Learning in GNSS Blocked Environments

通过惯性运动学习在GNSS阻塞环境中跟踪大规模共享自行车

Feng Liu, Kejia Li, Zhiwei Yang, Chunwei Yang, Qun Li, Guobin Wu, Qiang Ni, Ruipeng Gao

机构 * School of Software Engineering, Beijing Jiaotong University（北京交通大学软件学院） ； DiDi, Beijing（滴滴（北京）） 纠错

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

AI总结 本文提出一种结合自行车机械约束与混合专家模型的惯性跟踪框架，通过多专家模块捕捉共享表示并改进多任务学习性能，实现不确定性感知的轨迹估计，并通过动态校准提升跟踪精度。

Comments This paper has been accepted by IEEE Transactions on Intelligent Transportation Systems (T-ITS) on June 23, 2026. Journal article. 15 pages, 18 figures, 11 tables