通过颜色即几何嵌入,为3D高斯泼溅建立统一的几何-光度等变性,突破SE(3)等变架构在位置/协方差+球谐表示上的瓶颈。
Chankyo Kim, Maani Ghaffari
潘新刚团队发布 ClothTransformer 高质量布料仿真数据集:493K 帧、2056 条轨迹、约 33GB,覆盖碰撞、动画人体与机器人操作场景。
VOP-Nav 将速度障碍(VO)的几何安全性与端到端强化学习结合，仅用机载多帧 LiDAR 预测安全速度区域，让 Unitree Go2 在拥挤动态环境中敏捷避障导航。
Shuyu Wu, Zeyu Liu, Tianbao Zhang
CIX 团队观察国内 T800 搏击机器人对战:当前最大瓶颈是机器人'看不见'(感知缺失),团队提出改进思路。
开放社区导向的第一人称操控数据集和工具链,覆盖从手机采集到模型训练的全流程,为具身智能提供可扩展的低成本持续采集和操控级结构化标注。
Zishuo Li, Bowen Yang, Changtao Miao
3D高斯泼溅(3DGS)的扩展方法用哈希网格外观参数化捕获精细色彩细节但计算开销高。本文提出BITYMI,用空间纹理图谱替代,在保持视觉保真度的同时实现5倍加速,支持消费级硬件上4K 60FPS实时渲染。
Neel Kelkar, Simon Niedermayr, Kaloian Petkov
SuperMap是面向具身AI的活的空间记忆系统，能感知世界、记忆其演化并支持推理与行动，用于视觉语言导航。将在RSS 2026展示。
每关节2-DoF控制器（前馈+反馈）+可选扰动观测器让物理执行器复现仿真器二阶参考动力学，将 sim-to-real 适配从策略层移到透明驱动层，实现零样本迁移无需硬件特定数据。
Satoshi Yamamori, Koji Ishihara, Kenjiro Minamikawa
3D高斯泼溅（3DGS）推动了稠密动态SLAM的进展，但主流方法直接丢弃预定义的动态物体，忽略了瞬时静止物体对位姿估计的几何约束价值；WildGS-SLAM用逐像素不确定性图利用这类物体，却会把它们融进静态地图留下持久伪影，且纯几何的不确定性在物体边界处含糊不清。DL-SLAM提出双层概率框架：像素级结合语义与几何信息计算动态概率，作为稠密束调整的自适应权重；像素概率被提升到三维高斯属性并按实例聚合为对象级动态概率，用于类别化剪枝动态高斯，得到无伪影的静态地图；纯净的静态地图再渲染出几何一致的概率图，贝叶斯式地反哺像素级估计。配合动态感知的语义标签修正，DL-SLAM在TUM RGB-D、BONN与Wild-SLAM iPhone三个动态数据集上将跟踪精度最多提升13%，同时生成高保真语义地图。
Ziheng Xu, Qingfeng Li, Xuefeng Liu
NVIDIA GEAR发布SimFoundry，可从单张图像或视频自动构建仿真场景，为机器人的real2sim2real训练提供完整流程。
FADA 将人形机器人任务规划与逆动力学分离，冻结规划器、只用约2分钟目标域数据微调 IDM，无需奖励或示教即可适应地形、负载等动态变化。
Play2Perfect 先通过无任务物体玩耍预训练，再微调完成 0.5mm 紧配合、多部件装配与拧螺丝；成功率超过 50%，样本效率提升 33 倍。
