ICRA

An HMDP-MPC Decision-making Framework with Adaptive Safety Margins and Hysteresis for Autonomous Driving

具有自适应安全边际和滞回机制的HMDP-MPC决策框架用于自动驾驶

Siyuan Li, Chengyuan Liu, Wen-Hua Chen

AI总结 本文提出一种整合混合马尔可夫决策过程与模型预测控制的决策框架，结合速度依赖的安全边际和预测感知的滞回机制，通过双层恢复方案提升决策连续性与鲁棒性，经多场景测试验证其在异构交通中的适应性与安全性。

Comments 8 pages, 6 figures, to be published in ICRA 2026 proceedings

Aion: Towards Hierarchical 4D Scene Graphs with Temporal Flow Dynamics

Aion：面向具有时间流动态的分层4D场景图

Iacopo Catalano, Eduardo Montijano, Javier Civera, Julio A. Placed, Jorge Pena-Queralta

机构 * University of Turku（图尔库大学） ； Centre for Artificial Intelligence, Zürich University of Applied Sciences（应用科学大学人工智能中心） ； Instituto Tecnológico de Aragón (ITA) and the University of Zaragoza（阿兰理工大学和萨拉戈萨大学） ； University of Zaragoza（萨拉戈萨大学） 纠错

AI总结 Aion通过在分层3D场景图中嵌入时间流动态，提升动态环境中导航规划和交互的可解释性和可扩展性。

Comments Accepted at ICRA 2026, 8 pages

Real-Time Online Learning for Model Predictive Control using a Spatio-Temporal Gaussian Process Approximation

基于时空高斯过程近似的实时在线学习用于模型预测控制

Lars Bartels, Amon Lahr, Andrea Carron, Melanie N. Zeilinger

机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院） 纠错

AI总结 本文提出一种高效的时空高斯过程近似方法，用于实时在线学习，提升模型预测控制的性能，尤其适用于时变系统。

Comments to be published at 2026 IEEE International Conference on Robotics & Automation (ICRA)

TwinTrack: Bridging Vision and Contact Physics for Real-Time Tracking of Unknown Objects in Contact-Rich Scenes

TwinTrack：通过视觉与接触物理弥合差距，实现实时跟踪未知物体

Wen Yang, Zhixian Xie, Yiting Wang, Abhijit Tadepalli, Heni Ben Amor, Shan Lin, Wanxin Jin

机构 * School for Engineering of Matter, Transport, and Energy（物质、运输与能量工程学院） ； School of Computing and Augmented Intelligence（计算与增强智能学院） ； School of Electrical, Computer and Energy Engineering（电气、计算机与能源工程学院） ； Arizona State University（亚利桑那州立大学） ； Department of Robotics（机器人学系） ； Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学） 纠错

AI总结 TwinTrack通过结合视觉与接触物理，实现实时跟踪复杂场景中未知动态物体，利用接触物理线索提升鲁棒性和精度，实验表明其在20Hz以上的跟踪速度优于基线方法。

Comments Accepted by IEEE International Conference on Robotics & Automation (ICRA) 2026

Real-Time Decoding of Movement Onset and Offset for Brain-Controlled Rehabilitation Exoskeleton

脑控康复外骨骼运动起始与终止的实时解码

Kanishka Mitra, Satyam Kumar, Frigyes Samuel Racz, Deland Liu, Ashish D. Deshpande, José del R. Millán

机构 * Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电气工程与计算机科学系） ； Chandra Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校查兰电气与计算机工程系） ； Department of Neurology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经病学系） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系） ； Meta Reality Labs Research, Redmond, WA, USA（微软现实实验室，华盛顿州雷德蒙德） 纠错

AI总结 本文提出基于EEG的实时双状态运动想象控制方法，实现上肢外骨骼的起止控制，提升解码可靠性并减少偏差，为神经可塑性导向的康复提供技术支持。

Comments Accepted to ICRA 2026. 8 pages, 5 figures. Project page available at https://mitrakanishka.github.io/projects/startstop-bci/

SHaRe-RL: Structured, Interactive Reinforcement Learning for Contact-Rich Industrial Assembly Tasks

SHaRe-RL：结构化、交互式强化学习用于接触密集型工业装配任务

Jannick Stranghöner, Philipp Hartmann, Marco Braun, Sebastian Wrede, Klaus Neumann

机构 * CITEC, Faculty of Technology, Bielefeld University, Germany（CITEC，技术学院，比勒菲尔德大学，德国） ； Fraunhofer IOSB-INA, Lemgo, Germany（弗劳恩霍夫 IOSB-INA，莱姆戈，德国） 纠错

AI总结 SHaRe-RL通过整合先验知识，解决了工业装配中高混合低体积生产对精度、安全性和可靠性的需求，实现了高效安全的在线学习。

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

ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace

ASCENT：基于Transformer的非塔台终端空域飞机轨迹预测

Alexander Prutsch, David Schinagl, Horst Possegger

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，格拉茨技术大学） 纠错

AI总结 本文提出ASCENT模型，通过轻量级Transformer架构实现多模态3D飞机轨迹预测，结合领域感知的3D坐标归一化和参数化预测，实验表明其在TrajAir和TartanAviation数据集上优于现有方法。

Comments ICRA 2026. Project Page at https://a-pru.github.io/ascent/

A Pin-Array Structured Climbing Robot for Stable Locomotion on Steep Rocky Terrain

一种具有针数组结构的攀爬机器人用于在陡峭岩石地形上稳定移动

Keita Nagaoka, Kentaro Uno, Kazuya Yoshida

机构 * Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University（航空航天工程系，工学研究科，东北大学） 纠错

AI总结 本文提出了一种具有顺应性针数组抓取器的新型攀爬机器人，通过被动适应表面不规则性实现稳定抓地，无需复杂传感或控制。

Comments Author's version of a manuscript accepted at the 2026 IEEE International Conference on Robotics and Automation (ICRA). (c) IEEE

LIMBERO: A Limbed Climbing Exploration Robot Toward Traveling on Rocky Cliffs

LIMBERO：一种具有肢体的攀爬探索机器人，面向在崎岖岩壁上移动

Kentaro Uno, Masazumi Imai, Kazuki Takada, Teruhiro Kataonami, Yudai Matsuura, Antonin Ringeval-Meusnier, Keita Nagaoka, Mikio Eguchi, Ryo Nishibe, Kazuya Yoshida

机构 * Space Robotics Lab. (SRL) in Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University（东京东京大学工学研究院航空航天工程系空间机器人实验室） ； National Institute of Applied Sciences of Toulouse（图卢兹应用科学国家研究院） 纠错

AI总结 本文提出LIMBERO，一种10kg级四足攀爬机器人，采用脊椎型夹具实现稳定攀爬。新型夹具设计通过耦合手指闭合和脊椎钩合动作，实现高效抓取性能。

Comments Author's version of a manuscript accepted at the 2026 IEEE International Conference on Robotics and Automation (ICRA). (c) IEEE

When Rolling Gets Weird: A Curved-Link Tensegrity Robot for Non-Intuitive Behavior

当滚动变得奇怪：一种弯曲链接张力结构机器人用于非直观行为

Lauren Ervin, Harish Bezawada, Vishesh Vikas

机构 * Agile Robotics Lab, University of Alabama（阿灵机器人实验室，阿拉巴马大学） 纠错

AI总结 本文提出一种半圆形弯曲链接张力结构机器人，平衡高效滚动运动与稳定性，通过弧端断点实现控制，通过仿真和实验验证非直观滚动行为及结构抗冲击能力。

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

CD-FKD: Cross-Domain Feature Knowledge Distillation for Robust Single-Domain Generalization in Object Detection

CD-FKD：跨域特征知识蒸馏用于目标检测中鲁棒的单域泛化

Junseok Lee, Sungho Shin, Seongju Lee, Kyoobin Lee

机构 * Advanced Robotics Lab, LG Electronics（LG电子先进机器人实验室） ； Place AI Flatform, Naver（NAVER人工智能平台） ； Department of AI Convergence, Gwangju Institute of Science and Technology (GIST)（全州科学技术院人工智能融合系） 纠错

AI总结 本文提出CD-FKD方法，通过全局和实例级特征蒸馏提升学生网络的泛化能力，有效应对跨域变化，实验表明其在目标域泛化和源域性能上优于现有方法。

Comments Accepted to ICRA 2026

Crowd-FM: Learned Optimal Selection of Conditional Flow Matching-generated Trajectories for Crowd Navigation

Crowd-FM: 基于学习的条件流匹配生成轨迹的最优选择用于人群导航

Antareep Singha, Laksh Nanwani, Mathai Mathew P., Samkit Jain, Phani Teja Singamaneni, Arun Kumar Singh, K. Madhava Krishna

机构 * Robotics Research Center, IIIT Hyderabad, India（IIIT海得拉巴机器人研究中心，印度） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； University of Tartu, Estonia（爱沙尼亚塔尔图大学） ； Inria, Université de Lorraine, France（法国里尔大学Inria研究院） 纠错

AI总结 本文提出Crowd-FM方法，通过条件流匹配学习碰撞自由的轨迹生成策略，提升机器人在人群中的安全性和人似性。

Comments Accepted at IEEE ICRA 2026. Authors Antareep Singha and Laksh Nanwani have equal contributions

Minimal Intervention Shared Control with Guaranteed Safety under Non-Convex Constraints

最小干预共享控制与非凸约束下的安全保证

Shivam Chaubey, Francesco Verdoja, Shankar Deka, Ville Kyrki

机构 * Aalto University（阿alto大学） 纠错

AI总结 本文提出了一种考虑约束的辅助控制器，通过在线计算控制动作，确保递归可行性、严格约束满足和最小偏离用户意图，适用于非凸约束的现实场景。

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

UGotMe: An Embodied System for Affective Human-Robot Interaction

UGotMe: 一种用于情感人机交互的具身系统

Peizhen Li, Longbing Cao, Xiao-Ming Wu, Xiaohan Yu, Runze Yang

机构 * School of Computing, Macquarie University（麦考瑞大学计算学院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化学院） 纠错

AI总结 本文提出UGotMe系统，解决多对话场景中视觉噪声和实时响应问题，通过去噪策略和高效数据传输提升情感识别能力。

Comments Accepted to the 2025 IEEE International Conference on Robotics and Automation (ICRA)

Coupled Particle Filters for Robust Affordance Estimation

耦合粒子滤波器用于鲁棒的 affordance 估计

Patrick Lowin, Vito Mengers, Oliver Brock

机构 * Robotics and Biology Laboratory, Technische Universität Berlin（技术大学柏林机器人与生物学实验室） ； Robotics Institute Germany（德国机器人研究所） ； Science of Intelligence (SCIoI), Cluster of Excellence, Berlin, Germany（智能科学（SCIoI），卓越中心，柏林，德国） 纠错

AI总结 本文提出耦合递归估计器用于估计 affordance 的可抓取和可移动区域，通过双向信息交换提升鲁棒性和精度，在真实数据集上优于现有方法。

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

KiRAS: Keyframe Guided Self-Imitation for Robust and Adaptive Skill Learning in Quadruped Robots

KiRAS: 基于关键帧的自我模仿学习用于四足机器人鲁棒且适应性强的技能学习

Xiaoyi Wei, Peng Zhai, Jiaxin Tu, Yueqi Zhang, Yuqi Li, Zonghao Zhang, Hu Zhou, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University, China（复旦大学智能机器人与先进制造学院） 纠错

AI总结 KiRAS通过关键帧引导的自我模仿学习，在复杂地形上实现多样技能的获取与过渡，无需专家数据集，提升机器人在无结构环境中的鲁棒性和适应性。

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

BodyGuards: Escorting by Multiple Robots in Unknown Environment under Limited Communication

BodyGuards：在未知环境中通过多机器人护送

Zhuoli Tian, Yanze Bao, Meng Guo

AI总结 本文提出BodyGuards框架，通过整合协同探索、机器人与操作员通信和护送任务，减少操作员在对抗性环境中的导航时间与风险。

Comments Accept by ICRA 2026

Voronoi-based Second-order Descriptor with Whitened Metric in LiDAR Place Recognition

基于Voronoi的二级描述符与白化度量在激光雷达地点识别中的应用

Jaein Kim, Hee Bin Yoo, Dong-Sig Han, Byoung-Tak Zhang

机构 * Interdisciplinary Program in Neuroscience（神经科学跨学科项目） ； Département d’Informatique, École Normale Supérieure (ENS)（高等师范学院计算机系） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Dept. of Computer Science and Engineering, Seoul National University（首尔国立大学计算机科学与工程系） 纠错

AI总结 本文提出一种基于Voronoi的二级描述符方法，通过白化度量提升激光雷达地点识别的鲁棒性，实验表明其在Oxford Robotcar和Wild-Places数据集上性能优越。

Comments Accepted at ICRA 26

Surgical Video Understanding with Label Interpolation

手术视频理解与标签插值

Garam Kim, Tae Kyeong Jeong, Juyoun Park

AI总结 本文提出结合光流分割标签插值与多任务学习的框架，解决手术视频中时间空间不平衡问题，提升手术场景理解的准确性和效率。

Comments Accepted to ICRA 2026. Video: https://youtu.be/24LlhqvgFBU | Dataset: https://huggingface.co/datasets/KIST-HARILAB/MISAW-Seg

Learning Dexterous Manipulation with Quantized Hand State

通过量化手状态学习灵巧操作

Ying Feng, Hongjie Fang, Yinong He, Jingjing Chen, Chenxi Wang, Zihao He, Ruonan Liu, Cewu Lu

AI总结 本文提出DQ-RISE方法，通过量化手状态简化手部动作预测，同时允许手臂动作与紧凑手状态协同扩散，从而实现更平衡高效的灵巧操作学习。

Comments accepted by ICRA 2026

History-Aware Visuomotor Policy Learning via Point Tracking

基于点跟踪的视觉-运动政策学习：历史感知

Jingjing Chen, Hongjie Fang, Chenxi Wang, Shiquan Wang, Cewu Lu

AI总结 本文提出基于点跟踪的对象中心历史表示，通过压缩历史信息提升视觉-运动策略性能，有效解决记忆需求中的任务阶段识别、空间记忆和动作计数等多方面问题。

Comments accepted by ICRA 2026

VGGT-Long: Chunk it, Loop it, Align it -- Pushing VGGT's Limits on Kilometer-scale Long RGB Sequences

VGGT-Long：分块、循环、对齐——在千米级长RGB序列上推动VGGT的极限

Kai Deng, Zexin Ti, Jiawei Xu, Jian Yang, Jin Xie

AI总结 本文提出VGGT-Long，通过分块处理、重叠对齐和轻量循环闭合优化，解决现有模型的可扩展性瓶颈，实现千米级户外环境的单目3D重建。

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

Certificated Actor-Critic: Hierarchical Reinforcement Learning with Control Barrier Functions for Safe Navigation

可信的Actor-Critic：基于控制屏障函数的分层强化学习用于安全导航

Junjun Xie, Shuhao Zhao, Liang Hu, Huijun Gao

AI总结 本文提出可信Actor-Critic算法，结合控制屏障函数设计分层强化学习框架，通过理论分析和实验验证，提升机器人安全导航性能。

Comments Accepted to ICRA 2025

TrajMamba: An Ego-Motion-Guided Mamba Model for Pedestrian Trajectory Prediction from an Egocentric Perspective

TrajMamba：一种基于自身运动的Mamba模型，用于从第一人称视角预测行人轨迹

Yusheng Peng, Gaofeng Zhang, Liping Zheng

AI总结 本文提出基于Mamba模型的TrajMamba模型，通过提取行人和自身运动特征，结合自身运动引导解码器预测未来轨迹，实现在自动驾驶和机器人导航中的高性能表现。

Comments Accept by ICRA 2026

Efficient Event Camera Volume System

高效事件相机体积系统

Juan Camilo Soto, Ian Noronha, Saru Bharti, Upinder Kaur

AI总结 本文提出EECVS框架，通过连续时间Dirac脉冲列车建模事件流，结合自适应变换选择与系数剪枝策略，实现无伪影压缩，并在多个数据集上展示出优异的重建精度和跨数据集泛化能力。

Comments Accepted to ICRA 2026

One-Policy-Fits-All: Geometry-Aware Action Latents for Cross-Embodiment Manipulation

一政策通用：面向跨躯体操作的几何感知动作潜在表示

Juncheng Mu, Sizhe Yang, Hojin Bae, Feiyu Jia, Qingwei Ben, Boyi Li, Huazhe Xu, Jiangmiao Pang

AI总结 本文提出One-Policy-Fits-All框架，通过几何感知潜在表示和统一潜在重定向解码器，实现跨躯体操作的统一策略学习，提升数据效率和技能迁移效果。

Comments ICRA 2026

Towards Versatile Opti-Acoustic Sensor Fusion and Volumetric Mapping

迈向多功能光学-声学传感器融合与体积分层映射

Ivana Collado-Gonzalez, John McConnell, Brendan Englot

AI总结 本文提出融合立体声纳与单目相机的体积分层映射框架，以应对不同能见度条件下的安全导航问题，通过解决声纳视场重叠带来的垂直模糊问题，生成可靠的3D点云。

Comments To appear at ICRA 2026 in Vienna, Austria

Multimodal Belief-Space Covariance Steering with Active Probing and Influence for Interactive Driving

多模态信念空间协方差操控与主动探测及影响的交互驾驶

Devodita Chakravarty, John Dolan, Yiwei Lyu

AI总结 本文提出一种多模态信念空间协方差操控方法，通过主动探测和影响策略，在交互驾驶中提升安全性和决策效率。

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

SToRM: Supervised Token Reduction for Multi-modal LLMs toward efficient end-to-end autonomous driving

SToRM：面向高效端到端自动驾驶的多模态大语言模型监督令牌缩减

Seo Hyun Kim, Jin Bok Park, Do Yeon Koo, Hogun Park, Il Yong Chun

AI总结 本文提出SToRM框架，通过监督令牌缩减方法在保持性能的同时降低计算成本，实现实时端到端自动驾驶。

Comments Accepted to ICRA 2026

Beyond Frame-wise Tracking: A Trajectory-based Paradigm for Efficient Point Cloud Tracking

超越帧级跟踪：一种基于轨迹的高效点云跟踪范式

BaiChen Fan, Yuanxi Cui, Jian Li, Qin Wang, Shibo Zhao, Muqing Cao, Sifan Zhou

AI总结 本文提出基于轨迹的跟踪范式TrajTrack，通过隐式学习历史轨迹提升跟踪精度，实现高效且鲁棒的3D单目标跟踪。

Comments Acceptted in ICRA 2026