ICRA

SoftHand Model-W: A 3D-Printed, Anthropomorphic, Underactuated Robot Hand with Integrated Wrist and Carpal Tunnel

SoftHand Model-W: 一种3D打印的拟人化欠驱动机器人手，集成腕关节和腕管机制

Dhillon B. Merritt, Christopher J. Ford, Haoran Li, Malia Smith, Zhixing Chen, Efi Psomopoulou, Nathan F. Lepora

机构 * Bristol Robotics Laboratory, University of Bristol（布里斯托大学布里斯托机器人实验室） 纠错

AI总结 SoftHand Model-W通过集成腕关节和腕管机制，实现了五指主动屈伸及掌部主动屈伸和桡侧/尺侧偏移，展示了近端自由度在现实机器人应用中实现多样化、类人操作的关键作用。

Comments Accepted for publication at the International Conference of Robotics and Automation (ICRA) 2026, Vienna

The QuadSoft: Design, Construction, and Experimental Validation of a Soft and Actuated Quadrotor

QuadSoft：一种软体和驱动四旋翼的设计、构造与实验验证

Rodolfo Verdin, Hugo Moreno, Mark W. Spong, Gerardo Flores

AI总结 本文提出QuadSoft，一种具有连续曲率腱驱动软体机械臂的全驱动四旋翼，通过半刚性中央框架与柔性臂的结合，实现飞行中可控结构重构。实验验证了其在户外稳定飞行、悬停、方向操控和降落的能力，展示了软体机械臂在保持高度的同时可产生水平位移。

Comments Accepted for publication in the IEEE International Conference on Robotics and Automation (ICRA 2026)

RANGER: A Monocular Zero-Shot Semantic Navigation Framework through Visual Contextual Adaptation

RANGER：通过视觉上下文适应的单目零样本语义导航框架

Ming-Ming Yu, Yi Chen, Börje F. Karlsson, Wenjun Wu

机构 * Beihang University（北京航空航天大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） 纠错

AI总结 RANGER通过视觉上下文学习实现零样本语义导航，无需依赖深度和姿态信息，利用3D基础模型和视觉语言模型提升任务效率与环境适应性。

Comments Accepted at ICRA 2026

Octree Diffusion for Semantic Scene Generation and Completion

八叉树扩散用于语义场景生成与补全

Xujia Zhang, Brendan Crowe, Christoffer Heckman

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； Autonomous Robotics and Perception Group（自主机器人与感知实验室） 纠错

AI总结 本文提出Octree Latent Semantic Diffusion框架，通过八叉树隐式表示实现跨域的3D语义场景补全、扩展和生成，结合结构扩散与语义扩散生成语义标签，无需重训练即可完成单扫描的补全与零样本泛化。

Comments Accepted to ICRA 2026. Revised version with updated paragraphs

Journal ref Proceedings of the 2026 IEEE International Conference on Robotics and Automation (ICRA)

HapCompass: A Rotational Haptic Device for Contact-Rich Robotic Teleoperation

HapCompass：一种用于接触密集机器人远程操作的旋转触觉装置

Xiangshan Tan, Jingtian Ji, Tianchong Jiang, Pedro Lopes, Matthew R. Walter

机构 * Toyota Technological Institute at Chicago (TTIC)（丰田芝加哥技术研究所） ； University of Chicago（芝加哥大学） 纠错

AI总结 HapCompass通过机械旋转单个线性共振执行器提供2D方向提示，提升了远程操作任务的成功率、完成时间和最大接触力，同时改进了模仿学习的数据质量。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA), 2026. 8 pages, 5 figures. Project page: https://ripl.github.io/HapCompass/

SafeDMPs: Integrating Formal Safety with DMPs for Adaptive HRI

SafeDMPs: 将形式安全性与DMPs结合以实现适应性人机交互

Soumyodipta Nath, Pranav Tiwari, Ravi Prakash

机构 * Indian Institute of Science（印度科学研究所） 纠错

AI总结 本文提出SafeDMPs框架，结合DMPs的高效动态鲁棒性与基于STTs的非优化控制律，实现安全、鲁棒且适应性强的人机交互。

Comments 8 pages, 8 figures and 1 table

Journal ref 2026 IEEE International Conference on Robotics and Automation

RAAP: Retrieval-Augmented Affordance Prediction with Cross-Image Action Alignment

RAAP：基于跨图像动作对齐的检索增强的可达性预测

Qiyuan Zhuang, He-Yang Xu, Yijun Wang, Xin-Yang Zhao, Yang-Yang Li, Xiu-Shen Wei

机构 * School of Computer Science and Engineering, and Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Southeast University（东南大学计算机科学与工程学院、新一代人工智能技术与交叉应用重点实验室） ； Southeast University-Monash University Joint Graduate School, Southeast University（东南大学-蒙纳士大学联合研究生院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） 纠错

AI总结 RAAP通过结合检索与对齐学习，统一了可达性检索与动作方向预测，利用密集对应转移接触点并预测动作方向，实现了跨未见物体和类别的稳健泛化。

Comments Accepted to ICRA 2026

Masked IRL: LLM-Guided Reward Disambiguation from Demonstrations and Language

掩码逆强化学习：从演示和语言引导的奖励消歧

Minyoung Hwang, Alexandra Forsey-Smerek, Nathaniel Dennler, Andreea Bobu

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 本文提出掩码逆强化学习框架，利用大语言模型结合演示和语言信息，提升机器人奖励学习的样本效率和泛化能力。

Comments Accepted to ICRA 2026

Source-Only Cross-Weather LiDAR via Geometry-Aware Point Drop

仅源域跨天气LiDAR点云几何感知

YoungJae Cheong, Jhonghyun An

机构 * School of Computing, Gachon University（嘉泉大学计算机学院） 纠错

AI总结 本文提出几何感知适配器，通过局部窗口KNN搜索和水平圆填充，提升LiDAR语义分割在恶劣天气下的鲁棒性，实现+3.4mIoU的提升。

Comments Accepted by ICRA 2026

Where to Look Next: Learning Viewpoint Recommendations for Informative Trajectory Planning

下一步在哪里寻找：为信息轨迹规划学习视角推荐

Max Lodel, Bruno Brito, Álvaro Serra-Gómez, Laura Ferranti, Robert Babuška, Javier Alonso-Mora

机构 * Delft University of Technology（代尔夫特理工大学） ； Czech Technical University in Prague（捷克理工大学） 纠错

AI总结 本文提出一种基于深度强化学习的信息感知策略，用于指导递推时间 horizon轨迹优化规划器，以在动态可行且无碰撞的轨迹中最大化信息增益并减少环境不确定性。

Comments accepted to ICRA2022

Journal ref 2022 International Conference on Robotics and Automation (ICRA)

Reducing Oracle Feedback with Vision-Language Embeddings for Preference-Based RL

通过视觉语言嵌入减少Oracle反馈用于基于偏好的强化学习

Udita Ghosh, Dripta S. Raychaudhuri, Jiachen Li, Konstantinos Karydis, Amit Roy-Chowdhury

机构 * AWS AI Labs（AWS AI实验室） 纠错

AI总结 本文提出ROVED框架，结合视觉语言嵌入与针对性Oracle反馈，通过过滤机制减少不确定性样本的Oracle查询，提升鲁棒性与效率，实验证明在机器人任务中显著降低Oracle调用次数。

Comments Accepted at ICRA 2026. Project page:https://roved-icra-2026.github.io/

Flip Stunts on Bicycle Robots using Iterative Motion Imitation

使用迭代运动模仿实现自行车机器人翻转特技

Jeonghwan Kim, Shamel Fahmi, Seungeun Rho, Sehoon Ha, Gabriel Nelson

机构 * RAI Institute（RAI研究所） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文通过强化学习实现自行车机器人前翻转，提出迭代运动模仿（IMI）方法，通过迭代模仿生成轨迹训练出可行敏捷行为，在UMV上实现地面到地面和地面到桌子的翻转，优于单次动作模仿，首次实现无辅助空中翻转。

Comments 8 Pages, Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026

Benchmarking Multi-View BEV Object Detection with Mixed Pinhole and Fisheye Cameras

基于混合针孔和鱼眼相机的多视图鸟眼图物体检测基准测试

Xiangzhong Liu, Hao Shen

机构 * Machine Learning Group, fortiss GmbH（fortiss GmbH机器学习组） 纠错

AI总结 本文提出混合相机配置下的多视图鸟眼图检测基准，通过转换KITTI-360为nuScenes格式，评估了三种BEV架构在不同策略下的性能，证明投影自由架构更抗鱼眼畸变。

Comments 8 pages,5 figures, IEEE International Conference on Robotics and Automation (ICRA),Vienna, Austria, 1-5 June 2026

Spectral Decomposition of Inverse Dynamics for Fast Exploration in Model-Based Manipulation

逆动力学的谱分解用于基于模型的操纵快速探索

Solvin Sigurdson, Benjamin Riviere, Joel Burdick

机构 * California Institute of Technology（加州理工学院） ； New York University（纽约大学） 纠错

AI总结 本文提出利用逆动力学方程的谱分解生成轨迹的方法，通过正交成分高效探索复杂接触动态，实现长时域规划，展示了在高复杂度领域中的实时能力。

Comments 8 pages, 8 figures, accepted to the 2026 IEEE International Conference on Robotics and Automation

TerraSkipper: A Centimeter-Scale Robot for Multi-Terrain Skipping and Crawling

TerraSkipper: 一种用于多地形跳跃和爬行的厘米级机器人

Shashwat Singh, Sheri Zhang, Spencer Matonis, Zeynep Temel

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Edulis Therapeutics 纠错

AI总结 受泥蛙启发，设计了一种厘米级多地形跳跃和爬行机器人，通过侧鳍和旋转弹簧尾实现多种地形移动，实验表明跳跃在黏性及颗粒介质中速度更优。

Comments 8 pages, 9 figures, Accepted - IEEE International Conference on Robotics & Automation (ICRA), Vienna, Austria, 2026

Rainbow-DemoRL: Combining Improvements in Demonstration-Augmented Reinforcement Learning

Rainbow-DemoRL: 结合演示增强强化学习的改进方法

Dwait Bhatt, Shih-Chieh Chou, Nikolay Atanasov

机构 * University of California San Diego（加州大学圣地亚哥分校） ； National Sun Yat-sen University（国立中山大学） 纠错

AI总结 本文通过分类和实证研究，探讨了演示增强强化学习中不同策略的优劣及组合效果，发现直接复用离线数据和行为克隆初始化在提升在线样本效率方面表现更优。

Comments Accepted to ICRA 2026

Grip as Needed, Glide on Demand: Ultrasonic Lubrication for Robotic Locomotion

按需抓握，按需滑动：超声波润滑用于机器人运动

Mostafa A. Atalla, Daan van Bemmel, Jack Cummings, Paul Breedveld, Michaël Wiertlewski, Aimée Sakes

机构 * Department of BioMechanical Engineering, Delft University of Technology (TU Delft)（代尔夫特理工大学生物力学工程系） ； Department of Cognitive Robotics, Delft University of Technology (TU Delft)（代尔夫特理工大学认知机器人学系） 纠错

AI总结 本文提出超声波润滑作为主动摩擦控制方法，通过共振结构实现接触界面的抓握与滑动状态切换，提升机器人运动效率和适应性。

Comments Accepted for publication in the 2026 IEEE International Conference on Robotics and Automation (ICRA) in Vienna

DTP-Attack: A decision-based black-box adversarial attack on trajectory prediction

DTP-Attack：一种基于决策的黑盒对抗攻击用于轨迹预测

Jiaxiang Li, Jun Yan, Daniel Watzenig, Huilin Yin

机构 * Tongji University（同济大学） ； Graz University of Technology（格拉茨技术大学） ； Virtual Vehicle Research（虚拟车辆研究院） 纠错

AI总结 本文提出DTP-Attack，一种针对轨迹预测系统的基于决策的黑盒对抗攻击方法，通过二进制决策输出实现高可控性和可靠性，有效提升攻击成功率并降低对模型内部信息的依赖。

Comments ICRA 2026

DRUM: Diffusion-based Raydrop-aware Unpaired Mapping for Sim2Real LiDAR Segmentation

DRUM：基于扩散的反射率感知无配对映射用于Sim2Real激光雷达分割

Tomoya Miyawaki, Kazuto Nakashima, Yumi Iwashita, Ryo Kurazume

机构 * Kyushu University（九州大学） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） 纠错

AI总结 DRUM通过利用未标记真实数据预训练的扩散模型，结合反射强度和射线丢失噪声特性，提升Sim2Real激光雷达分割性能。

Comments ICRA 2026

4DRaL: Bridging 4D Radar with LiDAR for Place Recognition using Knowledge Distillation

4DRaL: 通过知识蒸馏将4D雷达与LiDAR结合用于地点识别

Ningyuan Huang, Zhiheng Li, Zheng Fang

机构 * Faculty of Robot Science and Engineering, Northeastern University, Shenyang, China（东北大学机器人科学与工程学院，沈阳，中国） 纠错

AI总结 本文提出4DRaL框架，利用知识蒸馏提升4D雷达的地点识别性能，通过高精度LiDAR-to-LiDAR模型指导训练，解决4D雷达数据噪声和稀疏性问题，实验表明在正常和恶劣天气下均取得最佳性能。

Comments Accepted by ICRA 2026

Towards Automated Chicken Deboning via Learning-based Dynamically-Adaptive 6-DoF Multi-Material Cutting

通过基于学习的动态自适应6自由度多材料切割实现自动化去骨

Zhaodong Yang, Ai-Ping Hu, Harish Ravichandar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Georgia Tech Research Institute（佐治亚理工学院研究所） 纠错

AI总结 本文提出基于学习的动态自适应6自由度多材料切割方法，通过自适应轨迹和力反馈控制，实现鸡肩去骨，提升成功率和骨避开性能。

Comments Accepted by ICRA 2026

Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning

基于连接性意识的表示方法用于受限运动规划的多尺度对比学习

Suhyun Jeon, Yumin Lim, Woo-Jeong Baek, Hyeonseo Kim, Suhan Park, Jaeheung Park

机构 * Seoul National University（首尔大学） ； Artificial Intelligence Institute (AIIS), Seoul National University（首尔大学人工智能研究所） ； Department of Mechanical Engineering, Seoul National University（首尔大学机械工程系） ； Kwangwoon University（光云大学） ； ASRI, AIIS, Seoul National University（首尔大学ASRI、AIIS） ； Advanced Institutes of Convergence Technology（先进融合技术研究所） 纠错

AI总结 本文提出一种多尺度对比学习方法，通过学习连接性意识的表示，选择连接区域的起始和目标配置，提高运动规划的成功率并减少规划时间。

Comments 8 pages, 5 figures, ICRA 2026

Proprioceptive Image: An Image Representation of Proprioceptive Data from Quadruped Robots for Contact Estimation Learning

本体图像：四足机器人的本体数据图像表示用于接触估计学习

Gabriel Fischer Abati, João Carlos Virgolino Soares, Giulio Turrisi, Victor Barasuol, Claudio Semini

机构 * Dynamic Legged Systems (DLS) lab, Istituto Italiano di Tecnologia (IIT)（动态腿足系统实验室，意大利理工学院） ； University of Genoa（热那亚大学） 纠错

AI总结 本文提出将四足机器人本体时间序列数据转换为结构化二维图像的方法，利用卷积神经网络学习运动相关任务。通过编码多信号的时序动态，保留机器人形态结构，提升特征空间丰富性。在接触估计任务中，实验表明图像表示优于传统序列模型，接触状态准确率提升16.8个百分点。

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

RoboMatch: A Unified Mobile-Manipulation Teleoperation Platform with Auto-Matching Network Architecture for Long-Horizon Tasks

RoboMatch：一种用于长周期任务的统一移动操作远程操作平台，配备自动匹配网络架构

Hanyu Liu, Yunsheng Ma, Jiaxin Huang, Keqiang Ren, Jiayi Wen, Yilin Zheng, Haoru Luan, Baishu Wan, Pan Li, Jiejun Hou, Zhihua Wang, Zhigong Song

机构 * Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology, School of Mechanical Engineering, Jiangnan University（江苏省食品先进制造装备与技术重点实验室，江南大学机械工程学院） 纠错

AI总结 本文提出RoboMatch，一种用于移动操作的统一远程操作平台，采用自动匹配网络架构以应对动态环境中的长周期任务。核心是 cockpit 风格的控制界面，提升控制精度和数据采集效率。同时引入PVE-DP和AMN，显著提高精细操作性能和长周期推理性能。

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

Towards Exploratory and Focused Manipulation with Bimanual Active Perception: A New Problem, Benchmark and Strategy

迈向探索性与聚焦性操控的双臂主动感知：一个新的问题、基准和策略

Yuxin He, Ruihao Zhang, Tianao Shen, Cheng Liu, Qiang Nie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文提出探索性与聚焦性操控（EFM）问题，建立EFM-10基准并提出双臂主动感知策略，通过主动视觉和力觉感知提升复杂操控任务的完成能力。

Comments ICRA 2026

3D Dynamics-Aware Manipulation: Endowing Manipulation Policies with 3D Foresight

3D动态感知操控：赋予操控策略三维前瞻性

Yuxin He, Ruihao Zhang, Xianzu Wu, Zhiyuan Zhang, Cheng Ding, Qiang Nie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； JAKA Robotics Co., Ltd.（JAKA机器人有限公司） 纠错

AI总结 本文提出一种融合3D世界建模与策略学习的框架，通过引入三个自监督任务提升操控策略的3D前瞻性，实验表明在仿真和现实环境中显著提升操控性能。

Comments ICRA 2026

ACG: Action Coherence Guidance for Flow-based Vision-Language-Action models

ACG：基于流的视觉-语言-动作模型中的动作一致性指导

Minho Park, Kinam Kim, Junha Hyung, Hyojin Jang, Hoiyeong Jin, Jooyeol Yun, Hojoon Lee, Jaegul Choo

机构 * DAVIAN-Robotics, KAIST AI（DAVIAN机器人实验室，韩国科学技术院人工智能研究所） 纠错

AI总结 本文提出ACG算法，通过测试时指导提升视觉-语言-动作模型的动作一致性，从而在多种操作任务中提高成功率。

Comments Accepted to ICRA 2026

KINESIS: Motion Imitation for Human Musculoskeletal Locomotion

KINESIS：人类肌肉骨骼运动的运动模仿

Merkourios Simos, Alberto Silvio Chiappa, Alexander Mathis

机构 * EPFL（苏黎世联邦理工学院） 纠错

AI总结 KINESIS通过无模型运动模仿框架解决人类运动控制中的关键问题，利用1.8小时运动数据实现对未知轨迹的强模仿性能，并在多个下游任务中展示出对肌肉活动模式的生成能力。

Comments Accepted to ICRA. Here we include an appendix

Knowledge-Guided Manipulation Using Multi-Task Reinforcement Learning

基于多任务强化学习的知识引导操作

Aditya Narendra, Mukhammadrizo Maribjonov, Dmitry Makarov, Dmitry Yudin, Aleksandr Panov

机构 * MIRAI ； MBZUAI ； Innopolis University（Innopolis大学） ； AXXX 纠错

AI总结 本文提出KG-M3PO框架，通过统一感知、知识和策略实现部分可观测环境下的多任务机器人操作，利用3D场景图和动态关系机制提升任务成功率与泛化能力。

Comments 8 pages, 8 figures. Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Uncertainty-Aware Vision-based Risk Object Identification via Conformal Risk Tube Prediction

基于不确定性感知的视觉风险目标识别：通过符合风险管预测

Kai-Yu Fu, Yi-Ting Chen

机构 * National Yang Ming Chiao Tung University 纠错

AI总结 本文提出符合风险管预测方法，通过建模空间时间风险不确定性，提升智能驾驶系统中视觉风险目标识别的鲁棒性与性能。

Comments IEEE International Conference on Robotics and Automation (ICRA) 2026