机器人 / 具身智能

Adaptive Artificial Time-Delay Control with Barrier Lyapunov Constraints for Euler-Lagrange Robots

具有障碍李雅普诺夫约束的自适应人工时延控制用于欧拉-拉格朗日机器人

Saksham Gupta, Rishabh Dev Yadav, Sarthak Mishra, Amitabh Sharma, Sourish Ganguly, Wei Pan, Spandan Roy, Simone Baldi

机构 * Robotics Research Center, International Institute of Information Technology Hyderabad, India（机器人研究中心，国际信息科技大学 Hyderabad，印度） ； Department of Computer Science, University of Manchester, UK（计算机科学系，曼彻斯特大学，英国） ； Autonomous Systems and Automatic Control in School of Engineering, Newcastle University, UK（工程学院自主系统与自动控制，新castle大学，英国） ； Self-Organizing Mobility Lab, School of Mathematics, Southeast University, Nanjing 210096, China（自组织移动实验室，数学学院，东南大学，南京210096，中国） 纠错

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

AI总结 针对欧拉-拉格朗日系统中的状态相关不确定性和时变状态约束问题，提出一种结合人工时延估计与障碍李雅普诺夫函数的自适应控制框架，通过在线估计不确定性上界并强制约束位置和速度，实验验证了其在五自由度机械臂上的有效性。

LieIPM: Lie Group Interior Point Method for Direct Trajectory Optimization of Rigid Bodies

LieIPM：用于刚体直接轨迹优化的李群内点法

Sangli Teng, Ruiqi Zhang, Tzu-Yuan Lin, William A Clark, Mark Mueller, Ram Vasudevan, Maani Ghaffari, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） ； Ohio University（俄亥俄大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

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

AI总结 提出一种基于李群结构的约束轨迹优化框架LieIPM，利用二阶刚体模型和变分积分器，实现无奇异、快速收敛的牛顿型更新。

Learning Entropy and Spatial Adaptation Dynamics of Multilayer Perceptrons for Structural Point Extraction

多层感知机的学习熵与空间自适应动力学用于结构点提取

Jan Glaser, Ivo Bukovsky, Marcel Jirina

机构 * Czech Technical University in Prague（捷克技术大学布拉格分校） ； University of South Bohemia in Ceske Budejovice（南捷克大学捷克布杰约维采分校） 纠错

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

AI总结 提出空间学习熵（SLEM）方法，通过分析MLP在图像样本学习中的权重自适应，识别对网络学习重要的图像点与区域，为特征提取提供新视角。

Compositional Generative Modeling from Decentralized Data

来自分散数据的组合生成建模

Mashrur M. Morshed, Vishnu Naresh Boddeti

机构 * Department of Computer Science and Engineering, Michigan State University, East Lansing, MI, USA（计算机科学与工程系，密歇根州立大学，东兰辛，MI，美国） 纠错

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

AI总结 提出去中心化组合流匹配（DCFM）框架，通过结构约束实现分散数据中生成因子的组合，无需交换原始数据，在条件图像生成、机器人空间规划和医学属性共现建模中显著优于基线。

Comments ICML 2026