California Institute of Technology（加州理工学院）

Safe-SAGE: Social-Semantic Adaptive Guidance for Safe Engagement through Laplace-Modulated Poisson Safety Functions

Safe-SAGE: 通过拉普拉斯调制泊松安全函数实现安全交互的社会-语义自适应引导

Lizhi Yang, Ryan M. Bena, Meg Wilkinson, Gilbert Bahati, Andy Navarro Brenes, Ryan K. Cosner, Aaron D. Ames

机构 * Caltech MCE（Caltech机械工程系） ； Tufts ME（Tufts大学机械工程系） 纠错

AI总结 提出Safe-SAGE框架，结合泊松安全函数与拉普拉斯引导场，融合多传感器点云与视觉语义分割，通过多层安全滤波器实现腿式机器人在语义丰富动态环境中的安全导航。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Copyright transferred to IEEE

Flow Matching for Efficient and Scalable Data Assimilation

用于高效可扩展数据同化的流匹配

Taos Transue, Bohan Chen, So Takao, Bao Wang

机构 * The Computing and Mathematical Sciences Department, California Institute of Technology（加州理工学院计算与数学科学系） ； Department of Mathematics and Scientific Computing and Imaging Institute, University of Utah（犹他大学数学与科学计算系和成像研究所） 纠错

AI总结 提出基于流匹配的无训练集成流滤波器（EnFF），通过蒙特卡洛估计和局部化引导加速高维非线性数据同化，在成本-精度权衡和可扩展性上优于现有方法。

Comments accepted for publication in SIAM/ASA Journal on Uncertainty Quantification

Gaussian process policy iteration with additive Schwarz acceleration for forward and inverse HJB and mean field game problems

基于高斯过程策略迭代与加性Schwarz加速的正向和逆向HJB及平均场博弈问题

Xianjin Yang, Jingguo Zhang

机构 * Department of Computing and Mathematical Sciences, California Institute of Technology, CA, USA（计算与数学科学系，加州理工学院，CA，美国） ； Department of Mathematics and Risk Management Institute, National University of Singapore, Singapore（数学与风险管理研究所，新加坡国立大学，新加坡） 纠错

AI总结 提出高斯过程策略迭代框架，通过线性PDE配位约束和Legendre变换求解HJB方程和平均场博弈的正向与逆向问题，并利用加性Schwarz加速提高收敛效率。

SHIELD: Safety on Humanoids via CBFs In Expectation on Learned Dynamics

SHIELD: 基于学习动力学期望的控制障碍函数实现人形机器人安全

Lizhi Yang, Blake Werner, Ryan K. Cosner, David Fridovich-Keil, Preston Culbertson, Aaron D. Ames

机构 * Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系） ； Aerospace Engineering and Engineering Mechanics, UT Austin（德克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； Computer Science, Cornell University（康奈尔大学计算机科学系） 纠错

AI总结 提出SHIELD框架，通过训练随机动力学残差模型并利用随机离散时间CBF在概率上保证安全，为黑箱RL控制器添加最小侵入式安全层，在Unitree G1人形机器人上实现安全导航。

Comments Accepted to the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025). Copyright transferred to IEEE. Video at https://youtu.be/-Qv1wR4jfj4

Bracing for Impact: Robust Humanoid Push Recovery and Locomotion with Reduced Order Models

冲击准备：基于简化模型的人形机器人稳健推倒恢复与行走

Lizhi Yang, Blake Werner, Adrian B. Ghansah, Aaron D. Ames

机构 * AMBER Lab at the Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系AMBER实验室，加州理工学院） 纠错

AI总结 提出统一框架，结合单刚体模型预测控制与混合线性倒立摆动力学，利用环境（如墙壁）和手臂支撑实现人形机器人动态行走中的推倒恢复，在高达0.5m/s行走速度下抵抗100N持续0.2s的推力。

Comments Accepted to the 2025 IEEE-RAS 24th International Conference on Humanoid Robots (Humanoids 2025). Copyright transferred to IEEE