机器人 / 具身智能

Pushing the envelope in deep visual recognition for mobile platforms

Lorenzo Alvino

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

Bayesian Active Edge Evaluation on Expensive Graphs

Sanjiban Choudhury, Siddhartha Srinivasa, Sebastian Scherer

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

QMDP-Net: Deep Learning for Planning under Partial Observability

Peter Karkus, David Hsu, Wee Sun Lee

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

Comments NIPS 2017 camera-ready

Projective simulation with generalization

Alexey A. Melnikov, Adi Makmal, Vedran Dunjko, Hans J. Briegel

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

Comments 14 pages, 9 figures

Journal ref Sci. Rep. 7, 14430 (2017)

Hybrid Conditional Planning using Answer Set Programming

Ibrahim Faruk Yalciner, Ahmed Nouman, Volkan Patoglu, Esra Erdem

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

Comments Paper presented at the 33nd International Conference on Logic Programming (ICLP 2017), Melbourne, Australia, August 28 to September 1, 2017; 28 pages, 3 figures (arXiv:YYMM.NNNNN)

Episode-Based Active Learning with Bayesian Neural Networks

Feras Dayoub, Niko Sünderhauf, Peter Corke

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

Overview: Generalizations of Multi-Agent Path Finding to Real-World Scenarios

Hang Ma, Sven Koenig, Nora Ayanian, Liron Cohen, Wolfgang Hoenig, T. K. Satish Kumar, Tansel Uras, Hong Xu, Craig Tovey, Guni Sharon

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

Comments In IJCAI-16 Workshop on Multi-Agent Path Finding

Recursive Decomposition for Nonconvex Optimization

Abram L. Friesen, Pedro Domingos

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

Comments 11 pages, 7 figures, pdflatex

Journal ref Proceedings of the 24th International Joint Conference on Artificial Intelligence (2015), pp. 253-259

Detecting Affordances by Visuomotor Simulation

Wolfram Schenck, Hendrik Hasenbein, Ralf Möller

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

Comments 26 pages, 8 figures

Real-Time RGB-D based Template Matching Pedestrian Detection

Omid Hosseini jafari, Michael Ying Yang

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

Comments published in ICRA 2016

Video Pixel Networks

Nal Kalchbrenner, Aaron van den Oord, Karen Simonyan, Ivo Danihelka, Oriol Vinyals, Alex Graves, Koray Kavukcuoglu

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

Comments 16 pages

Understanding User Instructions by Utilizing Open Knowledge for Service Robots

Dongcai Lu, Feng Wu, Xiaoping Chen

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

Scalable Models for Computing Hierarchies in Information Networks

Baoxu Shi, Tim Weninger

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

Comments Preprint for "Knowledge and Information Systems" paper, in press

Introducing SLAMBench, a performance and accuracy benchmarking methodology for SLAM

Luigi Nardi, Bruno Bodin, M. Zeeshan Zia, John Mawer, Andy Nisbet, Paul H. J. Kelly, Andrew J. Davison, Mikel Luján, Michael F. P. O'Boyle, Graham Riley, Nigel Topham, Steve Furber

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

Comments 8 pages, ICRA 2015 conference paper

Journal ref http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7140009 IEEE Xplore 2015

Enabling Depth-driven Visual Attention on the iCub Humanoid Robot: Instructions for Use and New Perspectives

Giulia Pasquale, Tanis Mar, Carlo Ciliberto, Lorenzo Rosasco, Lorenzo Natale

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

Self-Learning Camera: Autonomous Adaptation of Object Detectors to Unlabeled Video Streams

Adrien Gaidon, Gloria Zen, Jose A. Rodriguez-Serrano

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

Decentralized Sensor Fusion With Distributed Particle Filters

Matthew Rosencrantz, Geoffrey Gordon, Sebastian Thrun

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

Comments Appears in Proceedings of the Nineteenth Conference on Uncertainty in Artificial Intelligence (UAI2003)

A Machine Learning Approach to Recovery of Scene Geometry from Images

Hoang Trinh

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

Introducing New AdaBoost Features for Real-Time Vehicle Detection

Bogdan Stanciulescu, Amaury Breheret, Fabien Moutarde

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

Journal ref COGIS'07 conference on COGnitive systems with Interactive Sensors, Stanford, Palo Alto : United States (2007)

Can Context Bridge the Reality Gap? Sim-to-Real Transfer of Context-Aware Policies

上下文能否弥合现实差距？情境感知策略的模拟到现实迁移

Marco Iannotta, Yuxuan Yang, Johannes A. Stork, Erik Schaffernicht, Todor Stoyanov

机构 * AASS Research Centre, Örebro University（奥雷布罗大学AASS研究中心） ； Technology Transfer Center Kitzingen, Technical University of Applied Sciences Würzburg-Schweinfurt（基廷根技术转移中心，沃尔夫斯堡-施维林应用技术大学） 纠错

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

AI总结 研究机器人强化学习中模拟到现实迁移难题，核心方法是将上下文估计模块集成到基于领域随机化的强化学习框架并比较监督策略，主要贡献是情境感知策略在多任务中优于无上下文基线。

Journal ref Robotics and Autonomous Systems, Volume 205, 2026, 105594

Aerial Robots Carrying Flexible Cables: Dynamic Shape Optimal Control via Spectral Method Model

Yaolei Shen, Antonio Franchi, Chiara Gabellieri

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

Journal ref IEEE Transactions on Robotics (2025)

Robust 6-DoF Object Pose Tracking with Built-In Recovery under Occlusions and Rapid Object Motions

在遮挡和快速物体运动情况下具有内置恢复功能的鲁棒6自由度物体姿态跟踪

Balázs Opra, Léo Ghafari, Thomas Stewart, Cyrill Stachniss

机构 * Woven by Toyota, Inc.（丰田编织公司） ； University of Bonn（波恩大学） ； University of Bonn, Center for Robotics, and the Lamarr Institute for Machine Learning and Artificial Intelligence（波恩大学机器人中心以及拉玛尔机器学习与人工智能研究所） 纠错

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

AI总结 针对RGB-D数据中未见物体的6自由度跟踪问题，尤其是遮挡和快速运动场景，提出结合关键点匹配与优化对齐及故障检测恢复模块的方法，在多场景评估中表现出色，是鲁棒6自由度物体跟踪的重要进展。

Comments 8 pages, 4 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L)

On Motion Blur and Deblurring in Visual Place Recognition

视觉场所识别中的运动模糊与去模糊

Timur Ismagilov, Bruno Ferrarini, Michael Milford, Tan Viet Tuyen Nguyen, SD Ramchurn, Shoaib Ehsan

机构 * School of Electronics and Computer Science, University of Southampton（苏塞克斯大学电子与计算机科学学院） ； MyWay srl（MyWay公司） ； QUT Centre for Robotics, School of Electrical Engineering and Robotics（昆士兰大学机器人中心，电气工程与机器人学院） ； School of Computer Science and Electronic Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院） 纠错

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

AI总结 研究视觉场所识别中运动模糊及去模糊影响，引入新基准评估，含三个数据集。通过多种方法实验，揭示运动模糊影响与去模糊效果，进而提出VPR自适应去模糊策略，为动态现实场景管理运动模糊提供新途径。

Comments Accepted to IEEE Robotics & Automation Letters

Journal ref Volume: 10, Issue: 5, May 2025, Pages 4746 - 4753

Observation Quality Matters: Robust Multi-Fisheye Calibration via Failure-Oriented Analysis

观测质量至关重要：通过面向失败的分析实现鲁棒多鱼眼相机校准

Peize Liu, Zhe Tong, Chen Feng, Shaojie Shen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 研究多鱼眼相机校准难题，通过面向失败分析发现内参初始化是主因，提出CO - Calib框架，结合鲁棒目标检测器和误差分析引导帧选择器，实验表明该框架提升校准成功率、外参精度及校准稳定性。

Comments 9 pages, 7 figures, 6 tables. Code: https://github.com/HKUST-Aerial-Robotics/CO-Calib

Odyssey: An Automotive Lidar-Inertial Odometry Dataset with GNSS-denied situations

Odyssey：一种面向GNSS拒止场景的汽车激光雷达-惯性里程计数据集

Aaron Kurda, Simon Steuernagel, Lukas Jung, Marcus Baum

机构 * University of Göttingen（哥廷根大学） ； iMAR Navigation（iMAR导航） 纠错

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

AI总结 提出Odyssey数据集，采用导航级环形激光陀螺仪RTK/INS提供高精度真值，包含36个序列和长时间GNSS拒止环境（隧道、室内停车场），用于评估LIO/SLAM系统。

Comments 10 pages, 4 figures, 3 tables, submitted to International Journal of Robotics Research (IJRR)

Teaching Robots to Say 'I Don't Know' : SENTINEL for Uncertainty-Aware SLAM

教机器人说‘我不知道’：用于不确定性感知SLAM的SENTINEL

Abhishek S, Badrikanath Praharaj, Sreeram MV

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出SENTINEL框架，通过几何扫描统计和跨模态深度一致性为低成本2D LiDAR提供无训练、无标签的可靠性评分，拒绝损坏扫描并回退到轮式里程计，防止SLAM无声损坏。

Comments 6 pages, 10 figures, 3 tables, This paper was accepted at Uncertainty in Open-World Robotics Workshop in conjunction with Internation conference of robotics and automation (ICRA 2026)

MineXplore: An Open-Source Reinforcement Learning Exploration Benchmark for GNSS-Denied Underground Environment

MineXplore: 面向GNSS拒止地下环境的开源强化学习探索基准

Abhishek S, Badrikanath Praharaj, Sreeram MV

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出基于真实矿井数据的开源MuJoCo导航基准MineXplore，通过六阶段管道重建隧道网络，验证了在GNSS拒止、光照退化等极端条件下策略学习的稳定性与可复现性。

Comments 7 pages,11 figures, Submitted to the workshop Xplore:Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning and Search Held at International Conference on Robotics and Automation (ICRA)

Frequency-Aware Model Predictive Control

频率感知模型预测控制

Ruben Grandia, Farbod Farshidian, Alexey Dosovitskiy, René Ranftl, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（机器人系统实验室，苏黎世联邦理工学院） ； Intel Labs, Munich, Germany（英特尔实验室，德国慕尼黑） 纠错

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

AI总结 本文提出频率形状成本函数，用于在腿足机器人最优控制中实现鲁棒解决方案，通过仿真和硬件实验展示了运动计划与执行器带宽限制的兼容性，并在未建模合规性地形上实现了稳健行走。

Journal ref IEEE Robotics and Automation Letters 2019

RadarSFD: Single-Frame Diffusion with Pretrained Priors for Radar Point Clouds

RadarSFD：基于预训练先验的单帧扩散用于雷达点云

Bin Zhao, Nakul Garg

机构 * Rice University（里士大学） 纠错

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

AI总结 提出RadarSFD，一种条件潜在扩散框架，利用预训练单目深度估计器的几何先验，从单帧雷达数据重建密集LiDAR-like点云，无需合成孔径或多帧聚合。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026). Project page: https://phi-lab-rice.github.io/RadarSFD/

Joint Target-Less Intrinsic and Extrinsic Camera-LiDAR Calibration using Deep Point Correspondences

基于深度点对应的无靶标联合相机-激光雷达内参和外参标定

Simon Bultmann, Daniele Cattaneo, Abhinav Valada

机构 * Department of Computer Science, University of Freiburg, Germany（弗赖堡大学计算机科学系） 纠错

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

AI总结 提出首个完全无靶标的联合标定流程，通过深度像素-点对应同时估计相机内参（含畸变）和相机-激光雷达外参，并采用结构运动初始化内参、联合非线性优化。

Comments presented at 2nd German Robotics Conference (GRC)