ICRA

Reference-Free Sampling-Based Model Predictive Control

无参考采样基于模型预测控制

Fabian Schramm, Pierre Fabre, Nicolas Perrin-Gilbert, Justin Carpentier

机构 * Inria - Département d’Informatique de l’École normale supérieure, PSL Research University（法国国家科学研究中心（Inria）- 工业信息学院，巴黎综合理工学院，PSL研究大学） ； Sorbonne Université, CNRS, Institut des Systèmes Intelligents et de Robotique, ISIR（索邦大学，法国国家科学研究中心，智能系统与机器人研究所，ISIR） 纠错

AI总结 本文提出一种无需人工设计步态或预定义接触序列的基于采样的模型预测控制框架，通过优化高层目标发现多样运动模式，实现实时控制。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA), Vienna, Austria

4D Radar Gaussian Modeling and Scan Matching with RCS

四维雷达高斯建模与基于RCS的扫描匹配

Fernando Amodeo, Luis Merino, Fernando Caballero

机构 * Service Robotics Laboratory – Universidad Pablo de Olavide (Seville), Spain（奥尔塔大学塞维利亚分校服务机器人实验室） 纠错

AI总结 本文提出将RCS物理特性融入四维雷达高斯建模中，以提升场景信息总结和扫描匹配性能。

Comments This version is an Extended Abstract, sent to the Radar in Robotics: New Frontiers workshop of ICRA 2026

CooperDrive: Enhancing Driving Decisions Through Cooperative Perception

CooperDrive：通过协作感知增强驾驶决策

Deyuan Qu, Qi Chen, Takayuki Shimizu, Onur Altintas

机构 * Toyota InfoTech Labs（丰田信息科技实验室） 纠错

AI总结 本文提出CooperDrive协作感知框架，通过轻量级对象级共享与融合策略提升感知与规划能力，实现在遮挡和非视线场景下的更早安全驾驶决策。

Comments Accepted at ICRA 2026

Flow with the Force Field: Learning 3D Compliant Flow Matching Policies from Force and Demonstration-Guided Simulation Data

流体与力场：从力和示范引导的仿真数据中学习3D顺应性流匹配策略

Tianyu Li, Yihan Li, Zizhe Zhang, Nadia Figueroa

机构 * GRASP Lab, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学） 纠错

AI总结 本文提出一种框架，通过单人示范生成力引导的仿真数据，结合顺应性策略提升视觉模仿学习的性能，验证了在真实机器人任务中的可靠性与适应性。

Comments Accepted to ICRA 2026