ICRA

Toward Gripper-Integrated Active Electrosense for Pre-Contact Sensing in Underwater Soft Grippers

面向水下软体夹爪预接触感知的夹爪集成主动电感知

Ahsan Tanveer, Muhammad Hamza, Waqar Hussain Afridi, Chen Wang, Guangming Xie

机构 * Intelligent Biomimetic Design Lab, School of Advanced Manufacturing and Robotics, State Key Laboratory for Turbulence and Complex Systems, College of Engineering, Peking University（智能仿生设计实验室，先进制造与机器人学院，湍流与复杂系统国家重点实验室，北京大学） ； National Engineering Research Center of Software Engineering, Peking University（软件工程国家工程研究中心，北京大学） ； Institute of Ocean Research, Peking University（海洋研究所，北京大学） 纠错

AI总结 针对水下视觉受限问题，提出一种集成于软体夹爪的主动电感知方法，通过测量导电介质中电场扰动实现预接触信号检测，实验表明多电极电压读数可检测物体引起的结构化变化。

Comments Extended abstract accepted to the IEEE ICRA 2026 Workshop on Manipulation Robustness

A Decentralized LiDAR-SLAM System with Certifiably Optimal Pose Graph Optimization

一种具有可认证最优位姿图优化的去中心化LiDAR-SLAM系统

Baoshan Song, Feng Huang, Li-Ta Hsu

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 针对多机器人去中心化LiDAR-SLAM全局一致性问题，提出首个集成可认证最优位姿图优化后端的系统，利用黎曼块坐标下降算法实现全局一致轨迹估计，无需精确初始猜测，轨迹RMSE相比DiSCo-SLAM最高降低48.9%。

Comments In Proceedings of the IEEE International Conference on Robotics & Automation (ICRA'26) 1st Workshop on Robot Meets GNSS and Ranging for Seamless Autonomy, Vienna, Austria, Jun. 5, 2026

RoboCade: Gamifying Robot Data Collection

RoboCade: 游戏化机器人数据收集

Suvir Mirchandani, Mia Tang, Jiafei Duan, Jubayer Ibn Hamid, Michael Cho, Dorsa Sadigh

AI总结 提出游戏化远程操作平台RoboCade，通过嵌入视觉反馈、音效、进度条等游戏化元素，吸引普通用户收集演示数据，并证明该数据可提升下游策略成功率16-56%，且用户愉悦度提高24%。

Comments 10 pages, 9 figures. International Conference on Robotics and Automation (ICRA) 2026

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

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/

An Incremental Sampling-based Algorithm for Stochastic Optimal Control

基于增量采样的随机最优控制算法

Vu Anh Huynh, Sertac Karaman, Emilio Frazzoli

AI总结 针对连续时间连续空间随机最优控制问题，提出增量马尔可夫决策过程（iMDP）算法，通过随机采样状态空间生成离散化序列并异步值迭代，以任意精度逼近最优策略。

Comments Part of the results have been submitted to the IEEE International Conference on Robotics and Automation (ICRA 2012). Minnesota, USA, May 2012