ICRA

Sensitivity-Based Robust NMPC for Close-Proximity Offshore Wind Turbine Inspection with a Tilted Multirotor

基于灵敏度的稳健非线性模型预测控制用于近距海上风力涡轮机检查

Giuseppe Silano, Martin Saska

机构 * Ricerca sul Sistema Energetico S.p.A.（能源系统研究股份有限公司） ； Czech Technical University in Prague（布拉格捷克技术大学） 纠错

AI总结 本文提出一种基于灵敏度的稳健NMPC方法，用于近距海上风力涡轮机检查，通过在线约束紧缩提升塔筒 clearance 约束的鲁棒性，减少因风况和模型不匹配导致的约束违反问题。

Comments 5 pages. Accepted for presentation at the ICRA 2026 Workshop on "Aerial inspection for marine infrastructures," June 1, 2026, Vienna, Austria

GATO: GPU-Accelerated and Batched Trajectory Optimization for Scalable Edge Model Predictive Control

GATO：用于可扩展边缘模型预测控制的GPU加速和批处理轨迹优化

Alexander Du, Emre Adabag, Gabriel Bravo-Palacios, Brian Plancher

机构 * School of Engineering and Applied Science, Columbia University（哥伦比亚大学工程与应用科学学院） ； University of Michigan（密歇根大学） ； Barnard College, Columbia University and Dartmouth College（哥伦比亚大学巴纳德学院和达特茅斯学院） 纠错

AI总结 GATO通过算法、软件和计算硬件的协同设计，实现对中等批量大小的实时轨迹优化，提升边缘模型预测控制的性能。

Comments Accepted to ICRA 2026. 8 pages, 8 figures, 2 tables

TAG-K: Tail-Averaged Greedy Kaczmarz for Computationally Efficient and Performant Online Inertial Parameter Estimation

TAG-K：尾部平均贪心Kaczmarz用于计算高效且性能优异的在线惯性参数估计

Shuo Sha, Anupam Bhakta, Zhenyuan Jiang, Kevin Qiu, Ishaan Mahajan, Gabriel Bravo-Palacios, Brian Plancher

机构 * School of Applied Science, Columbia University（哥伦比亚大学应用科学学院） ； Columbia College, Columbia University（哥伦比亚大学哥伦比亚学院） ； Barnard College, Columbia University and Dartmouth College（哥伦比亚大学巴纳德学院和达特茅斯学院） 纠错

AI总结 本文提出TAG-K算法，结合贪心随机行选择和尾部平均，实现高效稳定的在线惯性参数估计，在计算受限的机器人系统中表现出更快的求解速度和更高的鲁棒性。

Comments Accepted to ICRA 2026. 3 Figures. 3 Tables

Code Generation and Conic Constraints for Model-Predictive Control on Microcontrollers with Conic-TinyMPC

基于锥约束的模型预测控制与代码生成：适用于微控制器的Conic-TinyMPC

Ishaan Mahajan, Khai Nguyen, Sam Schoedel, Elakhya Nedumaran, Moises Mata, Brian Plancher, Zachary Manchester

机构 * School of Engineering and Applied Science, Columbia University（哥伦比亚大学工程与应用科学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Barnard College, Columbia University and Dartmouth College（哥伦比亚大学巴纳德学院和达特茅斯学院） 纠错

AI总结 本文提出一种适用于微控制器的模型预测控制方法，通过支持二次锥约束和自动生成C++代码，显著提升了嵌入式系统的求解速度和问题规模。

Comments Accepted to ICRA 2026. 4 Figures. 2 Tables. First three authors contributed equally

Weather-Robust Scene Semantics with Vision-Aligned 4D Radar

具有视觉对齐4D雷达的抗天气场景语义

Kali Hamilton, Christoffer Heckman

机构 * Autonomous Robotics and Perception Group（自主机器人与感知组） 纠错

AI总结 本文提出通过冻结视觉语言模型将雷达编码器对齐于SigLIP嵌入，以提升恶劣天气下的场景语义理解，实验表明雷达配置在雾、轻雪和重雪条件下优于相机基线。

Comments 5 pages + references, 2 appendix pages. ICRA 2026 Radar in Robotics Workshop

Traffic Scenario Orchestration from Language via Constraint Satisfaction

通过约束满足实现基于语言的交通场景编排

Frieda Rong, Chris Zhang, Kelvin Wong, Raquel Urtasun

机构 * University of Toronto（多伦多大学） ； Waabi 纠错

AI总结 本文提出一种基于约束满足的交通场景编排方法，通过自然语言生成约束条件，利用现成求解器实现闭环测试中的精确场景控制，显著提高了场景编排成功率。

Comments 19 pages, 10 figures; full version of paper accepted for poster presentation at ICRA 2026

Bi3: A Biplatform, Bicultural, Biperson Dataset for Social Robot Navigation

Bi3：一个双平台、双文化、双人数据集用于社交机器人导航

Andrew Stratton, Phani Teja Singamaneni, Pranav Goyal, Rachid Alami, Christoforos Mavrogiannis

机构 * Department of Robotics, University of Michigan（机器人系，密歇根大学） ； LAAS-CNRS, University of Toulouse（LAAS-CNRS，图卢兹大学） ； INRIA, University of Lorraine（INRIA，洛林大学） 纠错

AI总结 Bi3数据集通过双平台、双文化、双人交互，为社交机器人导航提供多样性模型复杂性的基准，用于研究人类与机器人在受限环境中的协同活动。

Comments ICRA 2026