跳到正文
11月17日周二
  1. arXiv · 机器人与计算机视觉82

    PRIME:基于情境记忆嵌入的 VLA 模型感知反馈

    该论文提出 PRIME 方法,通过跨注意力机制聚合过去感知、推理及导航目标的潜在表示,为 VLA 模型提供情境记忆反馈,使其感知查询具备意图驱动性。实验显示,该方法在基准测试中实现了 82.47 的驾驶得分和 60% 的成功率,显著优于现有基线。材料仅包含预印本摘要与元数据,未涉及真实部署或开源代码。

    推荐理由:PRIME 通过引入情境记忆嵌入机制,以极小参数成本实现了感知模块的意图驱动注意力,在 Bench2Drive 基准上刷新了 VLA 模型的驾驶得分与成功率。

  2. arXiv · 机器人与计算机视觉75

    CommitFlow:面向长视野机器人操作的语义承诺验证与局部修正框架

    针对 VLA 策略在长视野执行中因物理条件未达成而盲目推进导致任务失败的问题,本文提出 CommitFlow 闭环执行框架。该框架冻结基策略,通过语义承诺监控(SCM)比对阶段要求与当前状态证据以阻止违规动作,利用边界流(BoundaryFlow)生成基于当前状态的局部修正,并通过关系增益校准(RGC)选择满足约束的最小修正强度。

  3. arXiv · 机器人与计算机视觉70

    Navi-Agent:一种无需定位的单目导航智能体

    论文介绍 Navi-Agent,这是一个零样本连续环境视觉语言导航(VLN-CE)智能体。它从视觉观测和运动历史构建无坐标的空间状态,以导航拓扑图组织节点与边,支持基于观测的近似自定位、任务进度验证及视觉重访恢复。实验表明该方法在几何受限基准中达到最先进水平,且性能可与依赖几何定位的方法竞争。材料为 arXiv 预印本,未提及同行评审或具体部署结果。

  4. arXiv · 机器人与计算机视觉72

    先表示后加权:冻结 3D 基础模型融合中的语义保留研究

    本文研究了冻结多源 3D 语义融合中直接取 Top-1 标签导致信息丢失的问题,提出通过保留 Top-k 候选来改善性能。在 ScanNet200 数据集上,Top-20 策略的调和平均 IoU 达到 35.49,优于 Top-1(28.47)和全量保留(34.87)。研究还发现几何池化算子下全量保留表现最佳。该工作为冻结基础模型的融合推理提供了新的信息论视角与实验证据。

  5. arXiv · 机器人与计算机视觉82

    PRG-Fusion:基于重建证据编排生成先验以合成驾驶视角视频

    针对驾驶场景下视图切换导致的空间退化与生成不一致问题,论文提出 PRG-Fusion 框架,利用稀疏 LiDAR 投影建立几何控制并学习稠密 3DGS 渲染的外观控制。该方法根据重建证据将像素划分为保持、修复和生成三类区域,分别执行外观保留、结构修正和内容补全,在 Waymo 数据集上实现了具有优异视觉质量与几何保真度的新轨迹视频合成。

    推荐理由:提出 PRG-Fusion 框架,利用重建证据在可靠区域保持内容、受损区域修复结构、无支撑区域生成新视图,实现高几何保真度的驾驶轨迹视频合成。

  6. arXiv · 机器人与计算机视觉38

    FReSH-IR 高效全合一天气图像复原方法:频谱谐波化实现 80% 参数与计算量缩减

    FReSH-IR 提出一种基于层级编码器 - 解码器架构的轻量级全合一复原方法,通过傅里叶跳连接融合频域分解与空间处理。该方法在保持复原质量的同时,相比 Transformer 模型减少 80% 的参数和计算量,显著降低资源消耗。实验表明其在受限资源系统中具备高效能比,适用于物理 AI 中的恶劣天气图像增强场景。

  7. arXiv · 机器人与计算机视觉13

    视网膜身份匹配系统在大型眼科数据库中实现高精度患者身份验证与检索

    基于多样化纵向数据集训练的 AI 视网膜身份匹配系统,在 Rotterdam Study、UK Biobank 及 AREDS 研究中实现了跨设备与数十年的精准身份核验。该系统在固定每千次正确分配产生五次误报的条件下,错误分配率分别为 0.4、9.3 和 1.1 例/千次,检索任务中正确身份位列第一的比例达 97.2% 至 99.7%,并成功发现所有队列中的图像标签错误。

  8. arXiv · 机器人与计算机视觉12

    DWT_AlexNet_DNN 混合特征融合框架提升纹理图像分类性能

    DWT_AlexNet_DNN 框架结合离散小波变换与 AlexNet 深度特征,解决手工特征表达能力有限及深度学习未充分利用多尺度空间频率信息的难题。该研究在工业检测、医学分析及遥感等计算机视觉任务中验证了混合架构的有效性,论文包含 25 页正文与 15 幅图示。代码或权重暂未提及开放许可,仅作为预印本提交至 arXiv。

  9. arXiv · 机器人与计算机视觉42

    接触辅助因子图定位框架解决水下采样状态估计难题

    针对低空无特征海床导致的尺度模糊与惯性 -DVL 融合无法修正漂移的问题,该研究提出将物理交互作为几何约束的接触辅助因子图定位框架。实验在水箱、港口及仿真环境中验证,该方法相比滤波导航和无接触图方案显著降低轨迹漂移并提升物体复访精度。系统支持在线初始化,利用吸盘操作器接触事件构建高置信度因子以隐式实现闭环,无需外观识别即可稳定估计状态。

  10. arXiv · 机器人与计算机视觉12

    仿真评估残差 DDPG 增强计算力矩控制电缆驱动下肢康复机器人模型在扰动与参数不确定性下的表现

    该数值研究针对平面三自由度、三缆索下肢康复机器人模型,评估了围绕名义计算力矩控制的有界深度确定性策略梯度残差修正效果。在典型综合不确定性与扰动工况下,笛卡尔均方根误差从 0.0221419 m 降至 0.0128462 m(约降低 42%),但另一圆形参考轨迹中关节限位违规样本数却由 44 增至 101。

  11. arXiv · 机器人与计算机视觉48

    DeCO:细粒度数据集蒸馏中的判别性证据组合方法

    DeCO 将细粒度数据集蒸馏定义为预算约束下的判别性证据保留,利用预训练 TransFG 教师模型的注意力展开识别信息区域并构建类级证据库。在 CUB-200-2011、FGVC-Aircraft 和 Stanford Cars 数据集上,该方法在不同 IPC 预算下均优于代表性核心集与蒸馏基线。该研究作为 NeurIPS 2026 研讨会预印本公开于 arXiv,代码与权重未提及开放许可。

  12. arXiv · 机器人与计算机视觉58

    超越晴朗天空:面向现实世界无人机检测的合成季节与天气变化数据

    针对真实世界无人机检测中恶劣天气和季节性外观变化难以采集的问题,作者提出了 SynDroneVision-Weather (SDV-W) 数据集。该数据集包含 55,187 张高分辨率城市环境图像,通过游戏引擎渲染覆盖三种季节配置及雨、雪、雾等多种天气条件。

  13. arXiv · 机器人与计算机视觉12

    预测性安全过滤器增强课程学习控制用于高效车辆动力学控制器

    Siliang Lu 撤回的论文提出一种结合物理预测安全过滤器的课程学习控制器,旨在解决状态基车辆控制任务中传统方法参数校准繁重及学习法缺乏安全保证的问题。研究在 Python-CarSim 平台上验证了该方法在不同机动下的改进效果与可扩展性,但因贡献不足未进一步投稿期刊或会议。

  14. arXiv · 机器人与计算机视觉72

    MoRAE:面向文本生成运动的自监督潜变量研究

    论文提出 MoRAE 方法,利用预训练的 Motion-JEPA 编码器预测隐藏关节轨迹并压缩其冻结特征,构建适合流变换器的紧凑潜空间。该方法在 HumanML3D 和 KIT-ML 数据集上实现了最先进的 FID 分数,同时保持了接近真实运动的检索式文本一致性和多样性。材料为 arXiv 预印本版本,未提及同行评审状态或开源代码仓库。

  15. arXiv · 机器人与计算机视觉58

    从不确定性到确定性:无需射线匹配的粗到细视觉楼层平面图定位方法

    本文提出一种从不确定性到确定性的粗到细视觉楼层平面图定位(FLoc)框架,旨在解决室内重复布局导致的跨模态信息不对称问题。该方法在粗略阶段利用图像条件化的位姿扩散模型参数化连续多模态分布,引导随机初始化的位姿粒子流向不同候选模式;在细化阶段提出局部精炼器,基于候选中心裁剪的平面图预测亚米级位姿残差以消除结构歧义。

  16. arXiv · 机器人与计算机视觉31

    Quasi-SVD:一种用于实时成像的 Lie 约束矩阵分解方法

    Quasi-SVD 通过左奇异向量的李参数化代数与软约束,实现了 GPU 友好的并行矩阵分解。该方法在 MNIST 去噪、穆勒矩阵偏振测量及超声定位显微镜等任务中,相比精确 SVD 提速 2.6--67 倍且保持高重建保真度。该预印本论文(arXiv:2607.25967)展示了跨仪器与尺度的稳健域迁移能力,显著加速了成像流水线处理。

  17. arXiv · 机器人与计算机视觉72

    GRACE:一种基于结合扩散-MPPI 后验均值估计的无梯度机器人动作生成方法

    该论文提出 GRACE 方法,通过结合扩散模型与 MPPI 控制实现无需梯度的机器人动作引导,解决了碰撞检查等不可微约束难以优化的问题。在仿真环境中该方法优于扩散和采样基线;在真实 7 自由度机械臂实验中,GRACE 达成 45 次任务中的 43 次成功且无碰撞,而未经引导的基准方法仅成功 17 次。代码与实验视频已公开。

  18. arXiv · 机器人与计算机视觉72

    Peak-End-Net:一种受峰终规则启发的通用化视频美学评估框架

    该论文提出 Peak-End-Net 框架,旨在解决视频美学评估中缺乏大规模基准和主观性强的问题。方法利用预训练的图像美学头生成帧级先验以识别显著时刻,设计美学节奏编码器捕捉时间演变,并通过动态门控融合机制提升鲁棒性。实验在 VADB 和 DIVIDE-3K 数据集上验证了该方法的最先进水平,代码与模型已开源。

  19. arXiv · 机器人与计算机视觉58

    WarpMPC:基于 ADMM 与展开 LDL^top 分解的大规模 GPU MPC 求解器

    该论文介绍了 WarpMPC 工具箱,旨在通过数值优化最大化 GPU 上解决大规模(10,000 至超过 100,000)序列二次规划(SQP)迭代的吞吐量。所有问题具有相同结构时,利用时间、成本和约束的稀疏性共享特性,提出展开稀疏线性分解和求解方法,主导交替方向乘子法(ADMM)求解器运行时间。

  20. arXiv · 机器人与计算机视觉65

    SAM 3 在遥感领域的零样本概念分割评估:文本与视觉提示对比分析

    论文对 Segment Anything Model 3 (SAM 3) 进行了多任务实证评估,涵盖场景分类、目标检测和实例分割,且无需微调。研究发现仅使用文本提示效果较差,加入视觉提示能显著提升准确率;结合两者时效果依任务而异。在通用域开放词汇检测与分割基准上,SAM 3 的纯文本性能优于多个对比模型,但无视觉提示时的准确率仍受限,未来工作需探索参数高效微调方向。

  21. arXiv · 机器人与计算机视觉82

    MorphQuad:具备超人机动性、操作性与鲁棒性的可变形态四旋翼飞行器

    论文介绍 MorphQuad 一种可变形态四旋翼飞行器,通过独立关节化的转子系统与新型控制推力分配算法,实现任意方向最大推力矢量输出与几乎全域稳定性。硬件保留平面结构并消除控制奇点,支持连续多圈旋转、阀门转动、抓握按压等超人手力级操作及抗风恢复能力。材料为预印本论文,未报告真实场景部署结果或商业化状态。

    推荐理由:提出可变形四旋翼架构与闭环控制算法,实现任意姿态飞行、超人手力级操作及抗风恢复能力。

  22. arXiv · 机器人与计算机视觉78

    UnderOneFacade:全球最大的跨大陆 3D 建筑立面语义分割基准数据集发布

    作者发布了 UnderOneFacade,这是迄今为止最大的跨国界和跨大陆的 3D 建筑立面基准数据集,包含总计 27 亿个标注点的厘米级精度点云及层级化、标准化的语义标签。

    推荐理由:该数据集提供全球跨域、厘米级精度的建筑立面分割基准,揭示了现有模型在细粒度识别与泛化上的瓶颈。

  23. arXiv · 机器人与计算机视觉38

    地理性萎缩 OCT 图像 RPE 与 EZ 区全自动深度学习分割方法验证

    该方法在真实世界 OCT 数据上实现视网膜色素上皮(RPE)损失 Dice 系数 0.88、椭圆体带(EZ)损失 Dice 系数 0.87,厚度误差仅 2.08μm。其测试 - 重测组内相关系数分别达 0.995 和 0.988,与独立阅片者一致性相当且不受 B 扫描密度显著影响。该技术可支持地理性萎缩临床试验标准化结构终点及常规眼科客观评估。

  24. arXiv · 机器人与计算机视觉35

    PhotoQuilt:免训练任意分辨率光栅镶嵌的引导式分块去噪框架

    PhotoQuilt 提出一种免训练的引导式分块去噪框架,解决扩散模型难以兼顾高分辨率与全局结构的难题。该方法先以低分辨率生成全局构图固定布局,再在潜在空间上采样并注入噪声恢复生成功能,随后在固定分块内进行独立去噪。实验表明,该框架在全局结构与局部真实感上均优于当前基线,且无需二次注意力成本即可扩展至大幅面画布。

  25. arXiv · 机器人与计算机视觉18

    SVD 框架解决平移变运动模糊图像复原问题

    针对成像系统中因运动或像差导致的平移变退化难题,该研究提出基于奇异值分解(SVD)的图像复原框架。方法依据累积能量百分比筛选小奇异值以抑制噪声放大,并在双向线性、高斯及简谐三种运动模型下验证了恢复细节与去模糊效果。论文为 arXiv 预印本,代码与权重暂未开放。