ICRA

Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection

Angle-I2P：基于角度一致性的层次注意力交叉模态异常剔除

Muyao Peng, Shun Zou, Pei An, You Yang, Qiong Liu

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

AI总结 本文提出Angle-I2P方法，通过角度一致性的几何约束和层次注意力机制提升跨模态异常剔除性能，实验表明在多个数据集上均取得最佳效果。

Comments Accepted by ICRA 2026

3DRO: Lidar-level SE(3) Direct Radar Odometry Using a 2D Imaging Radar and a Gyroscope

3DRO：基于2D成像雷达和陀螺仪的激光雷达级SE(3)直接雷达里程计

Cedric Le Gentil, Daniil Lisus, Timothy D. Barfoot

机构 * Robotics Institute, University of Toronto（多伦多大学机器人研究所） ； Mobile Robotics Lab, ETH Zurich（苏黎世联邦理工学院移动机器人实验室） 纠错

AI总结 本文提出3DRO，扩展SE(2)直接雷达里程计框架以实现SE(3)状态估计，通过2D速度估计保持数据平面性并结合3D陀螺仪测量，实现激光雷达级精度。

Comments Accepted for presentation at the ICRA 2026 Workshop on Radar in Robotics (poster: https://drive.google.com/file/d/1P_iBrGxPiZL644B-dHxbvdY-UJUzd4Kp/view )

UniUncer: Unified Dynamic Static Uncertainty for End to End Driving

UniUncer: 统一的动态静态不确定性用于端到端驾驶

Yu Gao, Jijun Wang, Zongzheng Zhang, Anqing Jiang, Yiru Wang, Yuwen Heng, Shuo Wang, Hao Sun, Zhangfeng Hu, Hao Zhao

机构 * Bosch Corporate Research（博世企业研究） 纠错

AI总结 本文提出UniUncer，一种轻量级统一不确定性框架，用于端到端驾驶规划中同时估计和利用静态和动态场景元素的不确定性，通过概率回归器、不确定性融合模块和不确定性感知门控模块，降低轨迹误差并提升整体性能。

Comments Accepted ICRA 2026

VISTA: A Benchmark for Real-Time Video Streaming under Network Impairments in Surgical Teleoperation

VISTA：用于手术远程操控中网络干扰下实时视频流的基准测试

Zexin Deng, Zhenhui Yuan, Tian Lu, Gaofeng Li, Meipeng Huang, Longhao Zou

机构 * School of Engineering, University of Warwick（战争学院工程学院） ； Institute for Applied and Translational Technologies in Surgery, University Hospitals Coventry & Warwickshire NHS Trust（外科应用与转化技术研究所，科文伯恩与沃里克郡国家健康信托基金会） ； Pengcheng Laboratory（鹏城实验室） ； South China University of Technology（华南理工大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 本文提出VISTA基准测试，评估网络干扰对视频质量、时间连续性和任务性能的影响，通过模拟五种网络条件验证了网络退化对手术远程操控性能的显著影响。

Comments Oral presentation at the Connected Autonomous Robotic Systems Workshop, ICRA 2026

HULK: Large-scale Hierarchical Coordination under Continual and Uncertain Temporal Tasks

HULK：大规模层次协调在连续和不确定的时间任务中

Qingyuan Luo, Jie Li, Meng Guo

机构 * Department of Mechanics and Engineering Science, College of Engineering, Peking University（力学与工程科学系，工程学院，北京大学） ； National University of Defense Technology（国防科学技术大学） 纠错

AI总结 本文提出HULK框架，解决连续和不确定时间任务下的大规模协调问题，通过分层结构提升计算效率和鲁棒性。

Comments Accepted to the IEEE International Conference on Robotics and Automation. 7 pages, 4 figures