ICRA

SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System

SEP-NMPC：用于无人机悬挂载具系统的安全增强型基于被动性的非线性模型预测控制

Seyedreza Rezaei, Junjie Kang, Amaldev Haridevan, Jinjun Shan

机构 * Department of Earth and Space Science and Engineering, York University（地球与空间科学与工程系，约克大学） 纠错

AI总结 本文提出SEP-NMPC方法，通过结合被动性理论和高阶控制屏障函数，实现无人机悬挂载具系统的稳定性与安全性保障。

Comments Accepted at ICRA 2026

Impact of Different Failures on a Robot's Perceived Reliability

不同故障对机器人感知可靠性的影响

Andrew Violette, Zhanxin Wu, Haruki Nishimura, Masha Itkina, Leticia Priebe Rocha, Mark Zolotas, Guy Hoffman, Hadas Kress-Gazit

机构 * Department of Computer Science, Cornell University（卡内基梅隆大学计算机科学系） ； Toyota Research Institute (TRI)（丰田研究机构） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（卡内基梅隆大学机械与航空航天工程学院） 纠错

AI总结 本研究探讨不同故障类型对机器人感知可靠性的影响，发现错误对可靠性损害较小，而后续成功可恢复可靠性。

Comments Accepted to ICRA 2026. 8 pages, 6 figures

SPREAD: Subspace Representation Distillation for Lifelong Imitation Learning

SPREAD: 为终身模仿学习的子空间表示蒸馏

Kaushik Roy, Giovanni D'urso, Nicholas Lawrance, Brendan Tidd, Peyman Moghadam

AI总结 SPREAD通过子空间表示蒸馏方法，在终身模仿学习中提升知识迁移和泛化能力，缓解灾难性遗忘，实现最优性能。

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

NavSpace: How Navigation Agents Follow Spatial Intelligence Instructions

NavSpace: 导航代理如何遵循空间智能指令

Haolin Yang, Yuxing Long, Zhuoyuan Yu, Zihan Yang, Minghan Wang, Jiapeng Xu, Yihan Wang, Ziyan Yu, Wenzhe Cai, Lei Kang, Hao Dong

机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学） 纠错

AI总结 NavSpace基准测试通过评估导航代理的空间感知与推理能力，提出SNav模型在指令遵循任务中表现优异，为具身智能研究提供新基准。

Comments ICRA 2026

Multi-Quadruped Cooperative Object Transport: Learning Decentralized Pinch-Lift-Move

多足机器人协同物体运输：学习去中心化抓取-提升-移动

Bikram Pandit, Aayam Kumar Shrestha, Alan Fern

机构 * Collaborative Robotics and Intelligent Systems Institute (CoRIS)（协作机器人与智能系统研究所） 纠错

AI总结 本研究提出了一种去中心化方法，通过共享策略参数和隐含同步提示实现多足机器人协同运输，无需通信或集中控制。

Comments Accepted to ICRA 2026. Project page: https://decplm.github.io

CRED: Counterfactual Reasoning and Environment Design for Active Preference Learning

CRED: 为主动偏好学习设计的反事实推理与环境设计

Yi-Shiuan Tung, Gyanig Kumar, Wei Jiang, Bradley Hayes, Alessandro Roncone

机构 * Department of Computer Science, University of Colorado Boulder（计算机科学系，科罗拉多大学博尔德分校） 纠错

AI总结 CRED通过联合优化环境设计和轨迹选择，提升主动偏好学习的奖励推断效率，显著提高奖励准确性和样本效率。

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

Tactile Recognition of Both Shapes and Materials with Automatic Feature Optimization-Enabled Meta Learning

同时识别形状和材料的触觉识别：基于自动特征优化的元学习

Hongliang Zhao, Wenhui Yang, Yang Chen, Zhuorui Wang, Baiheng Liu, Longhui Qin

机构 * School of Mechanical Engineering, Southeast University（东南大学机械工程学院） 纠错

AI总结 本研究提出了一种基于自动特征优化的元学习框架，用于同时识别触觉中的形状和材料，实现了在少样本下的高准确率和良好的泛化能力。

Comments 7 pages, 7 figures, conference paper accepted by ICRA 2026

MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping

MCGS-SLAM：一种基于高斯点划的多相机SLAM框架用于高保真的地图构建

Zhihao Cao, Hanyu Wu, Li Wa Tang, Zizhou Luo, Wei Zhang, Marc Pollefeys, Zihan Zhu, Martin R. Oswald

机构 * Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系） ； Department of Mechanical and Process Engineering, ETH Zurich（苏黎世联邦理工学院机械与工艺工程系） ； Department of Informatics, University of Zurich（苏黎世大学信息系） ； Institute for Photogrammetry, University of Stuttgart（斯图加特大学摄影测量研究所） ； Computer Vision and Geometry Group, ETH Zurich（苏黎世联邦理工学院计算机视觉与几何组） ； Microsoft Spatial AI Lab（微软空间AI实验室） ； Computer Vision Research Group, University of Amsterdam（阿姆斯特丹大学计算机视觉研究组） 纠错

AI总结 MCGS-SLAM通过多相机和高斯点划技术实现高保真的SLAM，提供精确轨迹和逼真重建，优于单目方法。

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

MetricNet: Recovering Metric Scale in Generative Navigation Policies

MetricNet: 恢复生成导航策略中的度量尺度

Abhijeet Nayak, Débora Oliveira Makowski, Samiran Gode, Cordelia Schmid, Wolfram Burgard

机构 * Artificial Intelligence and Robotics Lab, Department of Computer Science and Artificial Intelligence, University of Technology Nuremberg（技术大学纽伦堡计算机科学与人工智能系人工智能与机器人实验室） ； Inria, Ecole Normale Supérieure, CNRS, PSL Research University（法国国家信息与自动化技术研究院、巴黎高等师范学校、国家科学研究中心、巴黎-萨克勒研究大学） 纠错

AI总结 MetricNet通过预测航点之间的度量距离，解决生成导航策略中轨迹抽象和控制策略短视的问题，提升导航与探索性能。

Comments Accepted to ICRA'26

Scalable Aerial GNSS Localization for Marine Robots

可扩展的航空GNSS定位用于水下机器人

Shuo Wen, Edwin Meriaux, Mariana Sosa Guzmán, Charlotte Morissette, Chloe Si, Bobak Baghi, Gregory Dudek

AI总结 本文提出利用无人机GNSS定位实现水下机器人高效、可扩展的定位方法，解决传统方法在水面信号反射和成本上的局限。

Comments International Conference on Robotics and Automation 2025 Workshop Robots in the Wild

Journal ref 2025 International Conference on Robotics and Automation (ICRA) Workshop Robots in the Wild

Edged USLAM: Edge-Aware Event-Based SLAM with Learning-Based Depth Priors

边缘化USLAM：基于事件的边缘感知SLAM与学习深度先验

Şebnem Sarıözkan, Hürkan Şahin, Olaya Álvarez-Tuñón, Erdal Kayacan

机构 * Automatic Control Group (RAT), Paderborn University（自动控制组（RAT），帕德博恩大学） ； EIVA A/S（EIVA公司） ； IT University of Copenhagen (ITU)（丹麦技术大学（ITU）） 纠错

AI总结 Edged USLAM通过边缘感知前端和轻量级深度模块，结合事件相机和惯性传感器，实现稳健的视觉-惯性SLAM，适用于复杂光照和动态环境下的空中导航任务。

Comments 8 pages, 7 figures, 3 tables. Accepted to ICRA 2026. Project code and datasets available at https://github.com/sebnem-byte/Edged-USLAM

Preference-Conditioned Reinforcement Learning for Space-Time Efficient Online 3D Bin Packing

基于偏好条件的强化学习用于空间时间高效的在线3D装箱

Nikita Sarawgi, Omey M. Manyar, Fan Wang, Thinh H. Nguyen, Daniel Seita, Satyandra K. Gupta

机构 * Viterbi School of Engineering, University of Southern California（美国南加州大学维特比工程学院） ； Amazon Robotics（亚马逊机器人） 纠错

AI总结 STEP方法通过偏好条件强化学习，在保持装箱密度的同时将操作时间减少44%。

Comments 8 pages, 5 figures. Accepted to IEEE International Conference on Robotics and Automation 2026. Project Website: https://step-packing.github.io

RoboPCA: Pose-centered Affordance Learning from Human Demonstrations for Robot Manipulation

RoboPCA：基于姿态的从人类示范中学习空间可及性的方法用于机器人操作

Zhanqi Xiao, Ruiping Wang, Xilin Chen

机构 * Key Laboratory of AI Safety of CAS, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全重点实验室、计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 RoboPCA通过联合预测接触区域和姿态，提升机器人操作中从人类示范中学习空间可及性的性能。

Comments Accepted to ICRA 2026

GSAT: Geometric Traversability Estimation using Self-supervised Learning with Anomaly Detection for Diverse Terrains

基于自监督学习与异常检测的几何可 traversability 估计：GSAT

Dongjin Cho, Miryeong Park, Juhui Lee, Geonmo Yang, Younggun Cho

AI总结 GSAT通过自监督学习与异常检测，在潜在空间中构建正超球体，实现对不同地形的可通行性估计，提升自主导航的可靠性。

Comments 8 pages, 8 figures, accepted to ICRA 2026

SLNet: A Super-Lightweight Geometry-Adaptive Network for 3D Point Cloud Recognition

SLNet：一种轻量级几何自适应网络用于3D点云识别

Mohammad Saeid, Amir Salarpour, Pedram MohajerAnsari, Mert D. Pesé

机构 * Sirjan University of Technology（锡耶扬技术大学） ； Clemson University（克莱姆森大学） 纠错

AI总结 SLNet通过轻量级几何自适应网络实现高效3D点云识别，在多个任务中均取得优异性能。

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

Adaptive Capacity Allocation for Vision Language Action Fine-tuning

面向视觉语言动作微调的自适应容量分配

Donghoon Kim, Minji Bae, Unghui Nam, Gyeonghun Kim, Suyun Lee, Kyuhong Shim, Byonghyo Shim

机构 * Department of Electrical and Computer Engineering, Seoul National University（电气与计算机工程系，首尔国立大学） ； Department of Computer Science and Engineering, Sungkyunkwan University（计算机科学与工程系，全北国立大学） 纠错

AI总结 本文提出LoRA-SP方法，通过自适应秩微调提升视觉语言动作模型在多任务场景中的性能和泛化能力。

Comments ICRA 2026 (Official Code: https://github.com/dhkim-furiosa/LoRA-SP)

A Distributed Gaussian Process Model for Multi-Robot Mapping

多机器人制图的分布式高斯过程模型

Seth Nabarro, Mark van der Wilk, Andrew J. Davison

机构 * Dyson Robotics Lab, Imperial College London（帝京大学伦敦分校戴森机器人实验室） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） 纠错

AI总结 DistGP通过分布式高斯过程实现多机器人协同制图，优于现有方法并在动态环境下表现更优。

Comments ICRA 2026, 8 pages

Stable Multi-Drone GNSS Tracking System for Marine Robots

稳定多无人机GNSS跟踪系统用于海洋机器人

Shuo Wen, Edwin Meriaux, Mariana Sosa Guzmán, Zhizun Wang, Junming Shi, Gregory Dudek

机构 * McGill University（麦吉尔大学） ； MILA-Quebec AI Institute（魁北克人工智能研究所） ； Université Paris-Saclay, CentraleSupélec（巴黎-萨克莱大学，中央超导研究所） 纠错

AI总结 本文提出了一种基于多无人机的GNSS跟踪系统，结合视觉检测、多目标跟踪和EKF滤波，实现海洋机器人稳定可靠的实时跟踪。

Journal ref 2026 IEEE International Conference on Robotics & Automation (ICRA)

NaviTrace: Evaluating Embodied Navigation of Vision-Language Models

NaviTrace: 评估视觉-语言模型的具身导航

Tim Windecker, Manthan Patel, Moritz Reuss, Richard Schwarzkopf, Cesar Cadena, Rudolf Lioutikov, Marco Hutter, Jonas Frey

机构 * Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室） ； Intuitive Robots Lab, KIT（卡尔斯鲁厄理工学院直观机器人实验室） ； FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究中心） 纠错

AI总结 NaviTrace通过语义感知轨迹评分评估视觉-语言模型的具身导航能力，揭示了模型在空间定位和目标定位方面的不足。

Comments 11 pages, 6 figures, with appendix, accepted to ICRA 2026

Beyond Collision Cones: Dynamic Obstacle Avoidance for Nonholonomic Robots via Dynamic Parabolic Control Barrier Functions

超越碰撞锥：通过动态抛物线控制屏障函数实现非完整机器人动态障碍物避障

Hun Kuk Park, Taekyung Kim, Dimitra Panagou

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

AI总结 本文提出动态抛物线控制屏障函数，用于非完整机器人在动态障碍物密集环境中的安全避障，显著提升了导航成功率和QP可行性。

Comments The first two authors contributed equally to this work. 2026 IEEE International Conference on Robotics and Automation (ICRA). Project page: https://www.taekyung.me/dpcbf

Compose by Focus: Scene Graph-based Atomic Skills

通过聚焦：基于场景图的原子技能

Han Qi, Changhe Chen, Heng Yang

机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Robotics Department, University of Michigan（密歇根大学机器人系） 纠错

AI总结 本文提出了一种基于场景图的原子技能学习框架，结合图神经网络与扩散式模仿学习，并与视觉-语言模型结合，提升机器人在复杂任务中的稳健性和组合泛化能力。

Comments Acceptance to ICRA 2026. Website: https://computationalrobotics.seas.harvard.edu/SkillComposition/

MICA: Multi-Agent Industrial Coordination Assistant

MICA：多智能体工业协调助手

Di Wen, Kunyu Peng, Junwei Zheng, Yufan Chen, Yitian Shi, Jiale Wei, Ruiping Liu, Kailun Yang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； INSAIT ； Hunan University（湖南大学） ； Carl Zeiss Stiftung（卡尔蔡司基金会） ； University of Excellence（卓越大学） ； Helmholtz Association（海德堡协会） ； State of Baden-Württemberg（巴登-符腾堡州） ； German Research Foundation（德国研究基金会） ； National Natural Science Foundation of China（国家自然科学基金委员会） ； Hunan Provincial Research and Development Project（湖南省研发项目） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室） 纠错

AI总结 MICA是一种基于感知和语音交互的多智能体系统，通过自适应步骤融合技术提升工业任务的执行效率和可靠性。

Comments Accepted to ICRA 2026. The source code will be made publicly available at https://github.com/Kratos-Wen/MICA

Query-Based Adaptive Aggregation for Multi-Dataset Joint Training Toward Universal Visual Place Recognition

基于查询的自适应聚合用于多数据集联合训练以实现通用视觉位置识别

Jiuhong Xiao, Yang Zhou, Giuseppe Loianno

机构 * New York University（纽约大学） ； University of California Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出Query-based Adaptive Aggregation方法，通过学习查询生成参考代码本，提升多数据集联合训练中特征聚合的信息容量，实现通用视觉位置识别的高效泛化能力。

Comments 8 pages, 4 figures, accepted at ICRA 2026

M3CAD: Towards Generic Cooperative Autonomous Driving Benchmark

M3CAD：迈向通用协作自动驾驶基准

Morui Zhu, Yongqi Zhu, Yihao Zhu, Qi Chen, Deyuan Qu, Song Fu, Qing Yang

机构 * University of North Texas（北卡罗来纳州立大学） ； Toyota InfoTech Labs（丰田信息技术实验室） 纠错

AI总结 M3CAD是一个全面的协作自动驾驶基准，提供多模态数据支持多种自动驾驶任务，并提出多级融合方法以平衡通信效率与感知精度。

Comments Accepted to ICRA 2026

RoTri-Diff: A Spatial Robot-Object Triadic Interaction-Guided Diffusion Model for Bimanual Manipulation

RoTri-Diff: 一种基于空间机器人-物体三元交互引导的扩散模型用于双臂操作

Zixuan Chen, Nga Teng Chan, Yiwen Hou, Chenrui Tie, Zixuan Liu, Haonan Chen, Junting Chen, Jieqi Shi, Yang Gao, Jing Huo, Lin Shao

机构 * School of Computer Science, Nanjing University（南京大学计算机科学学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） 纠错

AI总结 RoTri-Diff通过建模机器人-物体三元交互关系，提出了一种基于扩散的模仿学习框架，以提高双臂操作的稳定性和协调性。

Comments ICRA 2026

Foundational World Models Accurately Detect Bimanual Manipulator Failures

基础世界模型准确检测双臂机械臂故障

Isaac R. Ward, Michelle Ho, Houjun Liu, Aaron Feldman, Joseph Vincent, Liam Kruse, Sean Cheong, Duncan Eddy, Mykel J. Kochenderfer, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Watney Robotics（Watney机器人公司） 纠错

AI总结 本文提出基于视觉基础模型的双臂机械臂故障检测方法，通过压缩潜在空间中的世界模型提升检测精度，相比传统方法在参数效率和故障检测率上均表现更优。

Comments 8 pages, 5 figures, accepted at the 2026 IEEE International Conference on Robotics and Automation

VSL-Skin: Individually Addressable Phase-Change Voxel Skin for Variable-Stiffness and Virtual Joints Bridging Soft and Rigid Robots

VSL-Skin: 可 individually 地址的相变体素皮肤用于可变刚度和虚拟关节连接软体与刚性机器人

Zihan Oliver Zeng, Jiajun An, Preston Luk, Upinder Kaur

机构 * School of Mechanical Engineering, Purdue University（机械工程学院，普渡大学） ； Department of Agricultural and Biological Engineering, Purdue University（农业与生物工程系，普渡大学） ； School of Aeronautics and Astronautics, Purdue University（航空与航天学院，普渡大学） 纠错

AI总结 VSL-Skin通过体素级相变控制实现可变刚度和虚拟关节，支持厘米级精度的结构变形与自修复，提升软体与刚性机器人自主重构能力。

Comments ICRA 2026

A Contrastive Fewshot RGBD Traversability Segmentation Framework for Indoor Robotic Navigation

一种用于室内外机器人导航的对比式少样本RGBD可 traversability 分割框架

Qiyuan An, Tuan Dang, Fillia Makedon

机构 * Department of Computer Science and Engineering, University of Texas at Arlington（计算机科学与工程系，德克萨斯大学阿灵顿分校） ； Uber（优步） ； Cognitive Robotics Lab, Department of Electrical Engineering and Computer Science, University of Arkansas（认知机器人实验室，电气工程与计算机科学系，阿肯色大学） 纠错

AI总结 本文提出了一种基于对比学习的少样本RGBD分割框架，利用负例原型和稀疏深度信息提升室内机器人导航的可 traversability 分割性能。

Journal ref IEEE International Conference on Robotics & Automation 2026 (ICRA)

SurgSync: Time-Synchronized Multi-Modal Data Collection Framework and Dataset for Surgical Robotics

SurgSync: 用于手术机器人的时间同步多模态数据采集框架和数据集

Haoying Zhou, Chang Liu, Yimeng Wu, Junlin Wu, Zijian Wu, Yu Chung Lee, Sara Martuscelli, Spetimiu E. Salcudean, Gregory S. Fischer, Peter Kazanzides

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute（机器人工程系，沃斯特理工学院） ； Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室） ； Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； Robotics and Control Laboratory, the University of British Columbia（机器人与控制实验室，不列颠哥伦比亚大学） ； Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子、信息与生物工程系，米兰理工学院） 纠错

AI总结 SurgSync提出了一种时间同步的多模态数据采集框架和数据集，用于手术机器人中的高阶控制与训练，通过多传感器和后处理工具提升数据质量与实用性。

Comments Accepted By International Conference on Robotics and Automation (ICRA), IEEE, 2026. More details can be found at https://surgsync.github.io/

T2Nav Algebraic Topology Aware Temporal Graph Memory and Loop Detection for ZeroShot Visual Navigation

T2Nav 基于代数拓扑的时序图记忆与循环检测用于零样本视觉导航

Quang-Anh N. D., Duc Pham, Minh-Anh Nguyen, Tung Doan, Tuan Dang

机构 * International School, Vietnam National University, Hanoi, Vietnam（越南国家大学河内国际学校） ； Hanoi University of Science, Vietnam National University, Hanoi, Vietnam（越南国家大学河内科学大学） ； Hanoi University of Science and Technology, Hanoi, Vietnam（河内科学技术大学） ； Cognitive Robotics Lab, Department of Electrical Engineering and Computer Science, University of Arkansas, Fayetteville, AR, USA（美国阿肯色大学富尔顿分校电气工程与计算机科学系认知机器人实验室） ； University of Arkansas, Fayetteville, AR, USA（美国阿肯色大学富尔顿分校） 纠错

AI总结 T2Nav通过整合异构数据和基于图的推理，实现零样本视觉导航，具备高效探索和路径规划能力，适用于视觉相似但空间不同的目标实例导航。

Journal ref EEE International Conference on Robotics & Automation 2026 (ICRA)