机器人 / 具身智能

Energy-Conserved Neural Pipelines: Attenuating Error Propagation in Modular Neural Networks via Physical Conservation Constraints

能量守恒神经管道：通过物理守恒约束减弱模块化神经网络中的误差传播

David Young, Swan Yi Htet

机构 * ORION Robotics 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.LG

AI总结 提出在模块间强制能量守恒（特征向量L2范数不变）作为硬约束，实验证明该方法在多种噪声下显著优于基线，并具有深度不变性和理论保证。

Comments 22 pages, 2 figures, 7 tables, 25 references

Demonstrating Data-to-Knowledge Pipelines for Connecting Production Sites in the World Wide Lab

展示连接全球实验室生产站点的数据到知识流程

Leon Gorißen, Jan-Niklas Schneider, Mohamed Behery, Philipp Brauner, Moritz Lennartz, David Kötter, Thomas Kaster, Oliver Petrovic, Christian Hinke, Thomas Gries, Gerhard Lakemeyer, Martina Ziefle, Christian Brecher, Constantin Häfner

机构 * Chair for Laser Technology, RWTH Aachen University（激光技术系，亚琛RWTH大学） ； Knowledge Based Systems Group, RWTH Aachen University（知识系统小组，亚琛RWTH大学） ； Communication Science, RWTH Aachen University（通信科学，亚琛RWTH大学） ； Chair of Textile Technology, RWTH Aachen University（纺织技术系，亚琛RWTH大学） ； Laboratory for Machine Tools and Production Engineering, RWTH Aachen University（机械加工与生产工程实验室，亚琛RWTH大学） ； Human Computer Interaction Center, RWTH Aachen University（人机交互中心，亚琛RWTH大学） ； Fraunhofer Institute for Laser Technology（弗劳恩霍夫激光技术研究所） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出数据到知识流程，用于连接全球实验室生产站点，通过数字影子网络实现数据整合与存储，提升工业效率和可扩展性。

Comments 15 pages, 6 figures, submitted to CAiSE 2025

Journal ref MDPI MAKE (Machine Learning and Knowledge Extraction (2026), 8(5)

An Abstract Architecture for Explainable Autonomy in Hazardous Environments

危险环境中可解释自主性的抽象架构

Matt Luckcuck, Hazel M Taylor, Marie Farrell

机构 * Maynooth University（梅诺斯大学） ； University of Manchester（曼彻斯特大学） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 提出一种支持自主系统解释其行为的抽象架构，旨在通过设计可解释性增强用户信任，并以民用核工业为例展示应用。

Comments Originally published 20th of October 2022 at the Second International Workshop on Requirements Engineering for Explainable Systems (RE4ES), which was hosted by the International Requirements Engineering Conference 2022

A Geometric Gaussian Mixture Representation of Plane Curves

平面曲线的几何高斯混合表示

Ali Darijani, Benedikt Stratmann, Jürgen Beyerer

机构 * Fraunhofer IOSB（弗劳恩霍夫研究所） ； KIT, IES（卡尔斯鲁厄理工学院，信息工程系） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 提出一种用户定义的平面曲线概率多边形表示，通过为每个线段赋予法向不确定性参数，构造高斯混合模型，保留局部几何与法向不确定性，适用于多种曲线类型。

Set-Point Regulation of Linear Continuous-Time Systems using Neuromorphic Vision Sensors

利用神经形态视觉传感器进行线性连续时间系统的设定点调节

Prince Singh, Sze Zheng Yong, Emilio Frazzoli

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出基于神经形态视觉传感器的H∞控制器，用于调节线性时不变系统的设定点，并在不稳定系统上验证了方法的有效性。

Comments Submitted to IEEE Transactions on Automatic Control

Integrated Pre-Processing for Bayesian Nonlinear System Identification with Gaussian Processes

基于高斯过程的贝叶斯非线性系统辨识的集成预处理

Roger Frigola, Carl Edward Rasmussen

专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 提出GP-FNARX模型，通过集成数据预处理与稀疏高斯过程回归，实现从原始数据到辨识模型的自动化流程，并利用边际似然最大化同时优化预处理参数和超参数，获得能报告不确定性的贝叶斯动力学模型。

Comments Proceedings of the 52th IEEE International Conference on Decision and Control (CDC), Firenze, Italy, December 2013

Robust Filtering and Smoothing with Gaussian Processes

基于高斯过程的鲁棒滤波与平滑

Marc Peter Deisenroth, Ryan Turner, Marco F. Huber, Uwe D. Hanebeck, Carl Edward Rasmussen

专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.AI

AI总结 提出一种基于非参数高斯过程模型的非线性随机动态系统鲁棒贝叶斯滤波与平滑算法，通过解析平滑实现鲁棒性，数值实验表明在其它先进方法失效时仍保持稳健。

Comments 7 pages, 1 figure, draft version of paper accepted at IEEE Transactions on Automatic Control

Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis

并非所有点都同等重要：不确定性感知的4D LiDAR场景合成

Xiang Xu, Alan Liang, Youquan Liu, Xian Sun, Linfeng Li, Lingdong Kong, Ziwei Liu, Qingshan Liu

机构 * NUAA（南京航空航天大学） ； NUS（新加坡国立大学） ； FDU（福建工程学院） ； Duke（杜克大学） ； NTU（国立新加坡大学） ； NJUPT（南京理工大学泰州学院） ； SKL-TI（特种信息处理实验室） 纠错

专题命中 其他机器人 ：embodied AI(abstract)；分类 cs.RO、cs.CV

AI总结 提出U4D框架，利用空间不确定性引导LiDAR场景生成，通过熵图识别高不确定性区域并优先合成，再补全其余区域，实现高保真4D场景。

Comments CVPR 2026 E2E3D Workshop; GitHub at https://github.com/worldbench/U4D

Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning

粗到细的组合扩散用于长时域规划

Byoungwoo Park, Utkarsh A. Mishra, Jaemoo Choi, Juho Lee, Yongxin Chen

机构 * KAIST（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.LG

AI总结 提出Coarse-to-Fine Compositional Diffusion (CoFi)方法，通过先形成全局骨架再细化局部细节，在长时域机器人规划、全景图像生成和长视频生成中提升全局一致性和局部质量，同时减少2-8倍去噪评估次数。

Comments Project page: https://cofi-diffusion.github.io

STEP: Learning STructured Embeddings for Progressive Time Series

STEP：学习渐进时间序列的结构化嵌入

Lucas Thil, Jesse Read, Rim Kaddah, Guillaume Doquet

机构 * LIX, École Polytechnique（高等理工学院LIX） ； IRT SystemX（系统X研究院） ； Safran Tech（萨弗兰科技） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.AI、cs.LG

AI总结 提出一种自监督对比学习方法，通过构建具有固定正交原型向量的低维流形几何结构，实现渐进时间序列的端状态预测、多步预测和可解释相位分离。

Memory-Bound but Not Bandwidth-Limited: The Physical AI Inference Gap in Batch-1 LLM Decode

受限于内存但不受限于带宽：批量1的LLM解码中的物理AI推理差距

Josef Chen

机构 * KAIKAKU（卡伊卡普） 纠错

专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.RO、cs.AI

AI总结 本文通过测量不同GPU上批量1的自回归解码性能，发现物理AI推理并非仅受内存带宽限制，还受启动开销影响，并指出量化路径的实际收益取决于运行时实现。

A Survey on Event-based Optical Marker Systems

基于事件的光学标记系统综述

Nafiseh Jabbari Tofighi, Maxime Robic, Fabio Morbidi, Pascal Vasseur

机构 * MIS laboratory, University of Picardie Jules Verne（皮卡第大学朱勒斯·弗尔大学MIS实验室） ； DART Lab, Politecnico di Milano（米兰理工学院DART实验室） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本文综述了基于事件的光学标记系统（EBOMS），分析其异步操作原理和鲁棒性，并介绍了在目标检测、姿态估计和光通信等领域的应用。

Comments 11 pages, 6 figures, 2 table

Bridging Control with Neural Network Verifier alpha-beta-CROWN: A Tutorial

桥接控制与神经网络验证器 alpha-beta-CROWN：教程

Haoyu Li, Xiangru Zhong, Hao Cheng, Bin Hu, Huan Zhang

机构 * Department of Computer Science（计算机科学系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 本教程提出一个统一框架，通过将控制问题与神经网络验证器 α,β-CROWN 桥接，实现控制器属性的可扩展形式验证。

Comments ACC 2026 Tutorial

E$^3$C: Video Generation with 3D Environmental Memory and Ego-Exo Human Pose Control

E$^3$C: 具有3D环境记忆和自我-外部人体姿态控制的视频生成

Qiao Gu, Lingni Ma, Adam W Harley, Richard Newcombe, Florian Shkurti, Julian Straub

机构 * Meta Reality Labs（Meta现实实验室） ； University of Toronto（多伦多大学） 纠错

专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.AI、cs.CV

AI总结 提出E$^3$C可控视频扩散框架，通过3D点云记忆和双通道人体控制（自我与外骨骼），实现物理一致的自我中心视频生成。

Comments Preprint. Project Page: https://e3c-videogen.github.io/

AgentGrounder: Zero-Shot 3D Visual Pointcloud Grounding using Multimodal Language Models

AgentGrounder：使用多模态语言模型的零样本3D视觉点云定位

Cuong Huynh, Maxim Popov, Denis Gridusov, Sergey Kolyubin

机构 * Biomechatronics and Energy-Efficient Robotics (BE2R) Lab, ITMO University（生物机械与高效能机器人实验室，ITMO大学） 纠错

专题命中 其他机器人 ：embodied AI(abstract)；分类 cs.RO、cs.CV

AI总结 提出AgentGrounder框架，通过两阶段设计（离线构建对象查找表和在线工具驱动代理）实现零样本3D视觉定位，在ScanRefer和Nr3D上分别提升2.5%和6.3%的准确率。

Comments Code: https://github.com/be2rlab/AgentGrounder

Active Sensing Subserves Task-Level Control

主动感知服务于任务级控制

Andrew Lamperski, Debojyoti Biswas, Eric S. Fortune, John Guckenheimer, Kathleen Hoffman, Noah J. Cowan

机构 * Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算感知与机器人实验室） ； Federated Department of Biological Sciences, New Jersey Institute of Technology（新泽西理工学院联合生物科学系） ； Department of Mathematics, Cornell University（康奈尔大学数学系） ； Department of Mathematics and Statistics, University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校数学与统计学系） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出主动感知并非为减少状态不确定性，而是任务级控制的必然产物，并通过生物数据和数学理论支持这一观点，同时探讨了探索与利用两种行为模式的切换及其对工程系统的启示。

CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook

CodeBind: 一种用于多模态对齐的解耦表示学习框架

Zeyu Chen, Jie Li, Kai Han

机构 * Visual AI Lab, The University of Hong Kong（视觉人工智能实验室，香港大学） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 CodeBind通过统一的组合代码本设计优化多模态表示空间，解决了传统方法在跨模态信息差异和数据稀缺导致的对齐空间不足问题，实现了多模态分类和检索任务中的最佳性能。

Comments ACL 2026 Findings; Project page: https://visual-ai.github.io/codebind

Robust Prior-Guided Segmentation for Editable 3D Gaussian Splatting

鲁棒的先验引导分割用于可编辑的3D高斯散射

Raushan Joshi, Jean-Yves Guillemaut

机构 * University of Surrey（萨里大学） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出利用SAM-HQ生成准确2D掩码，通过先验引导标签重新分配实现鲁棒的3D分割，提升编辑任务的精度和效率。

Comments Accepted at IEEE International Conference on Image Processing 2026, 6 pages

Sparse ActionGen: Accelerating Diffusion Policy with Real-time Pruning

稀疏动作生成：通过实时剪枝加速扩散策略

Kangye Ji, Jianbo Zhou, Yuan Meng, Ye Li, Hanyun Cui, Zhi Wang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Computer Science（计算机科学系） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出SAG方法，通过自适应剪枝和重用机制实现稀疏动作生成，提升实时视觉运动控制效率，实验显示生成速度提升4倍。

Block-wise Adaptive Caching for Accelerating Diffusion Policy

块级自适应缓存用于加速扩散策略

Kangye Ji, Yuan Meng, Hanyun Cui, Ye Li, Jianbo Zhou, Shengjia Hua, Lei Chen, Zhi Wang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出BAC方法，通过块级自适应缓存加速扩散策略，利用特征相似性非均匀时间动态特性，减少计算开销，实现无损动作生成加速。

Manifold Sampling via Entropy Maximization

通过熵最大化进行流形采样

Cornelius V. Braun, Tilman Burghoff, Marc Toussaint

机构 * Technische Universität Berlin（技术大学柏林） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出MASEM方法，通过熵最大化在未知断开组件数的流形上高效采样，提升约束采样问题的混合速度和效率。

MAG-VLAQ: Multi-modal Aerial-Ground Query Aggregation for Cross-View Place Recognition

MAG-VLAQ：多模态空-地查询聚合用于跨视角地点识别

Zhengyi Xu, Yuhang Ming, Zhihao Zhan, Hanyu Zhu, Javier Civera, Wanzeng Kong

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； TopXGun Robotics（TopXGun机器人） ； University of Zaragoza（萨拉戈萨大学） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出MAG-VLAQ框架，通过预训练基础模型提取多模态特征并融合，提升空地跨视角地点识别性能，实验表明在KITTI360-AG数据集上性能提升显著。

Comments 16 pages, 4 figures, 3 tables

NEXUS: Continual Learning of Symbolic Constraints for Safe and Robust Embodied Planning

NEXUS：用于安全和稳健体素规划的符号约束连续学习

Tiehan Cui, Peipei Liu, Yanxu Mao, Congying Liu, Mingzhe Xing, Datao You

机构 * School of Artificial Intelligence and Automation（人工智能与自动化学院） ； Huazhong University of Science and Technology（华中科技大学） ； School of Software（软件学院） ； Henan University（河南大学） ； Institute of Information Engineering（信息工程研究所） ； Chinese Academy of Sciences（中国科学院） ； School of Cyberspace Security（网络空间安全学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） 纠错

专题命中 其他机器人 ：embodied agent(abstract)；分类 cs.RO、cs.AI

AI总结 NEXUS通过模块化框架实现体素代理的连续学习，将符号 artifacts 用于符号 grounding 和知识演化，将概率风险评估转化为确定性硬约束，提升任务成功率并抵御对抗攻击。

Dependency-Aware Discrete Diffusion for Scene Graph Generation

面向依赖关系的离散扩散用于场景图生成

Rajalaxmi Rajagopalan, Romit Roy Choudhury

机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出一种依赖感知的层次约束离散扩散模型，用于生成场景图，通过分离结构与语义，提升生成的依赖关系和层次结构，实验显示在场景图和布局指标上优于基线方法，并在多对象场景中提升图像生成的对齐效果。

DiffeoMorph: Learning to Morph 3D Shapes Using Differentiable Agent-Based Simulations

DiffeoMorph: 通过可微分基于代理的模拟学习3D形状变形

Seong Ho Pahng, Guoye Guan, Benjamin Fefferman, Sahand Hormoz

机构 * Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Departments of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学部） ； Broad Institute of MIT and Harvard（MIT与哈佛大学Broad研究所） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出DiffeoMorph框架，通过可微分代理模拟学习形态发生协议，使代理群体变形为目标3D形状，采用SE(3)等价图神经网络和基于3DZernike多项式的形状匹配损失实现旋转不变性和反射敏感性。

StableTTA: Improving Vision Model Performance by Training-free Test-Time Adaptation Methods

StableTTA：通过无训练测试时间适应方法提升视觉模型性能

Zheng Li, Jerry Cheng, Huanying Helen Gu

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 StableTTA通过无训练测试时间适应方法，在相干批次推理中提升预测一致性与准确性，同时通过特征级裁剪实现高效logit聚合。

Comments 27 pages, 10 figures, 9 tables

2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing

2026 年人工智能与机器学习在智能制造中的路线图

Jay Lee, Hanqi Su, Marco Macchi, Adalberto Polenghi, Wei Wu, Zhiheng Zhao, George Q. Huang, Kiva Allgood, Devendra Jain, Benedikt Gieger, Vibhor Pandhare, Soumyabrata Bhattacharjee, Ram Mohril, Lingbao Kong, Qiyuan Wang, Xinlan Tang, Sungjong Kim, Chan Hee Park, Byeng D. Youn, Guo Dong Goh, Xi Huang, Wai Yee Yeong, Yung C Shin, He Zhang, Zitong Wang, Fei Tao, Jagjit Singh Srai, Satyandra K. Gupta, Byung Gun Joung, Albin John, John W. Sutherland, Sang Won Lee, Olga Fink, Vinay Sharma, Faez Ahmed, Wei Chen, Mark Fuge, Arild Waaler, Martin G. Skjæveland, Dimitris Kyritsis, Wei Chen, VispiNevile Karkaria, Yi-Ping Chen, Ying-Kuan Tsai, Joseph Cohen, Xun Huan, Jing Lin, Liangwei Zhang, Gregory W. Vogl, Aaron W. Cornelius, Xiaodong Jia, Dai-Yan Ji, Takanobu Minami, Ruoxin Wang

机构 * Center for Industrial Artificial Intelligence, Department of Mechanical Engineering, University of Maryland, College Park（工业人工智能中心，机械工程系，马里兰大学College Park分校） ； Department of Management, Economics and Industrial Engineering, Politecnico di Milano（管理、经济与工业工程系，米兰理工学院） ； Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（工业与系统工程系，香港理工大学） ； Centre for Advanced Manufacturing & Supply Chains, World Economic Forum（先进制造与供应链研究中心，世界经济论坛） ； Department of Mechanical Engineering, Indian Institute of Technology Indore（机械工程系，印度理工学院Indore分校） ； Future Information Innovative College, Fudan University（未来信息创新学院，复旦大学） ； Department of Mechanical Engineering, Seoul National University（机械工程系，首尔国立大学） ； Department of Mechanical and Information Engineering, University of Seoul（机械与信息工程系，首尔大学） ； Onepredict Corp.（Onepredict公司） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） ； Singapore Centre for 3D Printing, Nanyang Technological University（新加坡3D打印中心，南洋理工大学） ； Mechanical Engineering, Purdue University（机械工程系，普渡大学） ； Digital Twin International Research Center, International Institute for Interdisciplinary and Frontiers, Beihang University（数字孪生国际研究中心， interdisciplinary and Frontiers 国际研究院，北京航空航天大学） ； School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学） ； Department of Engineering, University of Cambridge（工程系，剑桥大学） ； Center for Advanced Manufacturing, University of Southern California（先进制造中心，南加州大学） ； School of Sustainability Engineering and Environmental Engineering, Purdue University（可持续工程与环境工程系，普渡大学） ； School of Mechanical Engineering, Sungkyunkwan University（机械工程系，全南大学） ； Intelligent Maintenance and Operations Systems, EPFL（智能维护与运营系统，苏黎世联邦理工学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（机械工程系，麻省理工学院） ； J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学） ； Department of Mechanical and Process Engineering, ETH Zürich（机械与工艺工程系，苏黎世联邦理工学院） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 本文探讨人工智能与机器学习在智能制造中的发展现状与未来方向，涵盖基础理论、应用领域及新兴技术，旨在推动创新与产业应用。

Comments This paper has been accepted for publication in the Journal Machine Learning: Engineering

Language-Conditioned Safe Trajectory Generation for Spacecraft Rendezvous

基于语言条件的航天器交汇轨迹生成

Yuji Takubo, Arpit Dwivedi, Sukeerth Ramkumar, Luis A. Pabon, Daniele Gammelli, Marco Pavone, Simone D'Amico

机构 * Department of Aeronautics and Astronautics, 496 Lomita Mall（航空航天系，496号Lomita Mall） ； Department of Mechanical Engineering, 440 Escondido Mall Building 530（机械工程系，440号Escondido Mall Building 530） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出SAGES框架，通过将自然语言指令转化为符合高阶意图且满足非凸约束的航天器轨迹，实现语言引导的轨迹生成，提升复杂任务中的操作可扩展性。

Comments 42 pages, 12 figures. Submitted to AIAA Journal of Guidance, Control, and Dynamics

Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors

合规检测的进展：基于视觉触觉传感器的新型模型

Ziteng Li, Malte Kuhlmann, Ilana Nisky, Nicolás Navarro-Guerrero

机构 * L3S Research Center , Leibniz Universität Hannover（L3S研究所以及汉诺威莱布尼茨大学） ； Department of Biomedical Engineering and the School of Brain Sciences, Ben-Gurion University of the Negev（生物医学工程系和脑科学学院，本·古里安大学） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出基于LRCN和Transformer的两种模型，利用GelSight视觉触觉传感器的RGB图像和其他信息准确预测合规性指标，改进了传统方法的精度和适用性。

Comments Accepted in the IEEE International Conference on Development and Learning (ICDL). The paper contains 8 pages and 7 figures

Materialistic RIR: Material Conditioned Realistic RIR Generation

物质导向的RIR：基于材料的现实RIR生成

Mahnoor Fatima Saad, Sagnik Majumder, Kristen Grauman, Ziad Al-Halah

机构 * University of Utah（犹他大学） ； UT Austin（得克萨斯大学奥斯汀分校） 纠错

专题命中 其他机器人 ：robotics(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出一种基于材料的RIR生成方法，通过分离空间和材料影响，提升生成声学的真实感和材料敏感性，实验结果显示在声学和材料指标上均有显著提升。

Comments Accepted to CVPR 2026 Findings. Project page: https://mahnoor-fatima-saad.github.io/MatRIR.html