机器人 / 具身智能

Who Is Responsible? Self-Adaptation Under Multiple Concurrent Failures With Unknown Faults in Complex Robotic Systems

谁该负责？在复杂ROS系统中多重同时不确定性的自我适应

Andreas Wiedholz, Rafael Paintner, Alwin Hoffmann, Tobias Huber

机构 * XITASO GmbH（XITASO公司） ； German Aerospace Center (DLR) Institute of Flight Systems（德国航空航天中心（DLR）飞行系统研究所） 纠错

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

AI总结 本文提出了一种基于ROS2的自我适应方法，能够处理复杂系统中多重同时不确定性的根本原因分析和策略选择，通过规则集和依赖图实现轻量级适应，提升适应效率与性能。

Comments Accepted at ACSOS 2026

From Self-Normal-Positioning to Omni-Directional Tracking: Real-Time Surface Modeling Enabled Probe Tilt Control for Robotic Ultrasound Imaging

从自正常定位到全向跟踪：用于机器人超声成像的实时表面建模支持的探头倾斜控制

Xihan Ma, Haichong Zhang

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

AI总结 该研究针对机器人超声成像中现有系统仅支持探头法向定位的局限，提出整合RGB-D感知等的全向探头朝向控制框架，实现了高精度的任意角度跟踪，可获取临床所需非法向诊断视图。

Comments 10 pages, 8 figures

Utilizing Inpainting for Keypoint Detection for Vision-Based Control of Robotic Manipulators

利用图像修复进行基于视觉的机械臂运动控制的关键点检测

Sreejani Chatterjee, Venkatesh Mullur, Abhinav Gandhi, Berk Calli

机构 * Worcester Polytechnic Institute（沃斯彻斯特理工学院） 纠错

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

AI总结 本文提出一种新的视觉伺服框架，通过纯自然视觉特征控制机械臂的配置空间。通过图像修复生成无标记的机械臂图像，训练关键点检测算法以实现基于自然特征的控制，无需依赖相机校准或机器人模型。

A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators

一种用于流水线发现鲁棒性软执行器的机器人测试平台

Ang Li, Alexander Yin, Alexander White, Sahib Sandhu, Matthew Francoeur, Victor Jimenez-Santiago, Van Remenar, Codrin Tugui, Mihai Duduta

机构 * Department of Mechanical and Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） ； Institute of Materials Science, University of Connecticut（康涅狄格大学材料科学研究所） ； School of Mechanical, Aerospace, and Manufacturing Engineering, University of Connecticut（康涅狄格大学机械、航空航天与制造工程学院） ； Material Science and Engineering, University of Connecticut（康涅狄格大学材料科学与工程系） ； Inorganic Polymers Department, Petru Poni Institute of Macromolecular Chemistry（彼得·波尼宏分子化学研究所无机聚合物部门） 纠错

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

AI总结 本文提出了一种机器人测试平台，用于流水线发现鲁棒性软执行器的最优参数组合，显著提升其操作寿命和负载能力。

Map-Det3D: Metric Feed-Forward 3D Reconstruction Prior for Multi-view 3D Object Detection from Streaming Inputs

Map-Det3D：面向流输入的多视图3D目标检测的度量前馈3D重建先验

Yung-Hsu Yang, Luigi Piccinelli, Samuel Rota Bulò, Sunghwan Hong, Denis Rozumny, Johannes Schönberger, Zuria Bauer, Hermann Blum, Peter Kontschieder, Marc Pollefeys

机构 * ETH Zürich（苏黎世联邦理工学院） ； Meta Reality Labs（元宇宙实验室） ； University of Bonn（波恩大学） 纠错

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

AI总结 Map-Det3D是一种在线多视图3D目标检测模型，通过将短时间窗口映射为多视图并利用前馈度量3D重建模型作为几何骨干，直接在度量3D空间预测边界框，实现了稳定的单目视频3D检测，且具有良好的在线性能与鲁棒迁移性。

Comments ECCV 2026