机器人 / 具身智能

Super LiDAR Intensity for Robotic Perception

超声波雷达强度用于机器人感知

Wei Gao, Jie Zhang, Mingle Zhao, Zhiyuan Zhang, Shu Kong, Maani Ghaffari, Dezhen Song, Cheng-Zhong Xu, Hui Kong

机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC)（物联网智能城市国家重点实验室） ； Faculty of Science and Technology（科技学院） ； University of Macau（澳门大学） ； School of Computing and Information Systems（计算与信息学院） ； Singapore Management University（新加坡管理大学） ； Department of Naval Architecture and Marine Engineering and Department of Robotics（船舶工程与海洋工程系和机器人系） ； University of Michigan（密歇根大学） ； Department of Robotics（机器人系） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·拉希德智能人工智能大学） 纠错

专题命中 机器人数据与评测 ：robotic(title,abstract)；分类 cs.RO；robotics(comments)

AI总结 本文提出了一种基于非重复扫描LiDAR的密集强度图像生成方法，以提升低成本LiDAR在机器人感知中的应用。

Comments IEEE Robotics and Automation Letters (RA-L), 2026 (https://ieeexplore.ieee.org/document/11395610). The dataset and code are available at: (https://github.com/IMRL/Super-LiDAR-Intensity)

Rethinking the Practicality of Vision-language-action Model: A Comprehensive Benchmark and An Improved Baseline

重新审视视觉-语言-动作模型的实用性：一个全面的基准和一个改进的基线

Wenxuan Song, Jiayi Chen, Xiaoquan Sun, Huashuo Lei, Yikai Qin, Wei Zhao, Pengxiang Ding, Han Zhao, Tongxin Wang, Pengxu Hou, Zhide Zhong, Haodong Yan, Donglin Wang, Jun Ma, Haoang Li

机构 * OpenHelix-Team（OpenHelix团队） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；navigation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出CEbench基准和LLaVA-VLA模型，通过轻量级设计和两阶段训练提升视觉-语言-动作模型的实用性，实现在消费级GPU上的实际应用。

Comments Accepted by ICRA 2026

Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots

简单模型，真实游泳：用于腱驱动水下机器人的数字孪生

Mike Y. Michelis, Nana Obayashi, Josie Hughes, Robert K. Katzschmann

机构 * Soft Robotics Lab and ETH AI Center, ETH Zurich（ETH苏黎世人工智能中心） ； Prema Lab, New York University（纽约大学Prema实验室） ； CREATE Lab, EPFL（EPFL CREATE实验室） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种基于简化流体力学模型的腱驱动水下机器人，通过高效模拟环境实现快速泛化，展示了其在强化学习中的有效性及作为数字孪生的潜力。

SPARR: Simulation-based Policies with Asymmetric Real-world Residuals for Assembly

SPARR: 基于模拟的策略与不对称现实残差的装配

Yijie Guo, Iretiayo Akinola, Lars Johannsmeier, Hugo Hadfield, Abhishek Gupta, Yashraj Narang

机构 * Nvidia ； University of Washington（华盛顿大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 SPARR通过结合模拟训练的基础策略和现实残差策略，有效解决现实世界装配任务中的性能下降问题，提升成功率并减少循环时间。

DICArt: Advancing Category-level Articulated Object Pose Estimation in Discrete State-Spaces

DICArt: 在离散状态空间中推进类别级拟合物体姿态估计

Li Zhang, Mingyu Mei, Ailing Wang, Xianhui Meng, Yan Zhong, Xinyuan Song, Liu Liu, Rujing Wang, Zaixing He, Cewu Lu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Hefei University of Technology（合肥工业大学） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室） 纠错

专题命中 机器人数据与评测 ：embodied AI(abstract)；分类 cs.AI、cs.CV

AI总结 DICArt通过离散扩散过程和层次化运动学耦合策略，提升复杂环境下类别级6D姿态估计的可靠性。

Performance and Experimental Analysis of Strain-based Models for Continuum Robots

基于应变的连续机器人模型的性能与实验分析

Annika Delucchi, Vincenzo Di Paola, Andreas Müller, and Matteo Zoppi

机构 * Department of Mechanical, Energy, Management and Transportation Engineering (DIME), University of Genova（机械、能源、管理与交通工程系（DIME），热那亚大学） ； Institute of Robotics, Johannes Kepler University (JKU) Linz（机器人研究所，约瑟夫·胡贝尔大学（JKU）林茨） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.RO

AI总结 本文提出了一种三次应变插值方法，通过实验验证其在连续机器人中的形状重建能力，展示了优于现有模型的性能表现。

NMPCM: Nonlinear Model Predictive Control on Resource-Constrained Microcontrollers

NMPCM：在资源受限微控制器上进行非线性模型预测控制

Van Chung Nguyen, Pratik Walunj, Chuong Le, An Duy Nguyen, Hung Manh La

机构 * Advanced Robotics and Automation (ARA) Lab, Department of Computer Science and Engineering, University of Nevada, Reno（先进机器人与自动化实验室，计算机科学与工程系，内华达大学里诺分校） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种在资源受限微控制器上实现非线性模型预测控制（NMPC）的高效方法，用于控制四旋翼无人机，通过优化计算效率和保持高控制精度，实现实时高频NMPC执行。