ICRA

AnyThermal: Towards Learning Universal Representations for Thermal Perception

AnyThermal：迈向热感知的通用表示学习

Parv Maheshwari, Jay Karhade, Yogesh Chawla, Isaiah Adu, Florian Heisen, Andrew Porco, Andrew Jong, Yifei Liu, Santosh Pitla, Sebastian Scherer, Wenshan Wang

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Biological Systems Engineering, University of Nebraska-Lincoln（内布拉斯加大学林肯分校生物系统工程系） ； Mechanical Engineering, Penn State University（宾夕法尼亚州立大学机械工程系） ； School of Engineering and Design, Technical University of Munich（慕尼黑技术大学工程与设计学院） ； Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） 纠错

AI总结 AnyThermal通过蒸馏视觉基础模型的特征表示，实现跨环境和任务的通用热感知表示学习，取得显著性能提升。

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

CommCP: Efficient Multi-Agent Coordination via LLM-Based Communication with Conformal Prediction

CommCP：通过基于大语言模型的通信实现高效的多智能体协调

Xiaopan Zhang, Zejin Wang, Zhixu Li, Jianpeng Yao, Jiachen Li

机构 * Trustworthy Autonomous Systems Laboratory at the University of California, Riverside, CA, USA（加州大学河滨分校可信自主系统实验室） 纠错

AI总结 CommCP通过基于大语言模型的通信框架，提升多智能体协作任务的成功率和探索效率。

Comments IEEE International Conference on Robotics and Automation (ICRA 2026); Project Website: https://comm-cp.github.io/

PIRATR: Parametric Object Inference for Robotic Applications with Transformers in 3D Point Clouds

PIRATR：基于变换器的参数化物体推理用于机器人应用的3D点云

Michael Schwingshackl, Fabio F. Oberweger, Mario Niedermeyer, Huemer Johannes, Markus Murschitz

机构 * AIT Austrian Institute of Technology Center for Vision, Automation & Control（奥地利技术研究院视觉、自动化与控制中心） 纠错

AI总结 PIRATR通过端到端3D点云检测框架，结合变换器实现参数化物体的6自由度姿态和属性估计，适用于机器人应用。

Comments 8 Pages, 11 Figures, Accepted at 2026 IEEE International Conference on Robotics & Automation (ICRA) Vienna

IndustryShapes: An RGB-D Benchmark dataset for 6D object pose estimation of industrial assembly components and tools

IndustryShapes: 一个用于工业装配组件和工具6D物体姿态估计的RGB-D基准数据集

Panagiotis Sapoutzoglou, Orestis Vaggelis, Athina Zacharia, Evangelos Sartinas, Maria Pateraki

机构 * National Technical University of Athens（希腊国家技术大学） 纠错

AI总结 IndustryShapes是首个提供RGB-D静态上boarding序列的工业装配组件和工具6D姿态估计基准数据集，包含多样化的复杂场景和多模态数据，用于评估实例级和新物体姿态估计方法。

Comments To appear in ICRA 2026

BioLite U-Net: Edge-Deployable Semantic Segmentation for In Situ Bioprinting Monitoring

BioLite U-Net：边缘部署的语义分割用于原位生物打印监控

Usman Haider, Lukasz Szemet, Daniel Kelly, Vasileios Sergis, Andrew C. Daly, Karl Mason

机构 * University of Galway（Galway大学） ； CÚRAM – SFI Research Centre for Medical Devices（CÚRAM医学设备研究中心） ； Biomedical Engineering（生物医学工程） 纠错

AI总结 BioLite U-Net是一种轻量级语义分割框架，专为实时生物打印监控设计，通过深度可分离卷积实现高效推理，适用于边缘部署的闭环生物打印系统。

Comments 8 pages, 5 figures, conference-style submission (ICRA 2026). Includes dataset description, BioLite U-Net architecture, benchmark results on edge device (Raspberry Pi 4B)

Improved Bag-of-Words Image Retrieval with Geometric Constraints for Ground Texture Localization

改进的基于词袋的图像检索与几何约束用于地面纹理定位

Aaron Wilhelm, Nils Napp

机构 * School of Electrical and Computer Engineering, Cornell University（电气与计算机工程学院，康奈尔大学） 纠错

AI总结 本文提出改进的基于词袋的图像检索系统，利用几何约束提升地面纹理定位的全局定位准确性和SLAM回环检测的精度与召回率。

Comments Accepted to ICRA 2025

Journal ref Proc. IEEE Intl. Conf. Robot. Autom. (ICRA), pp. 8020-8026, 2025

Annotation Free Spacecraft Detection and Segmentation using Vision Language Models

无需标注的空间目标检测与分割使用视觉语言模型

Samet Hicsonmez, Jose Sosa, Dan Pineau, Inder Pal Singh, Arunkumar Rathinam, Abd El Rahman Shabayek, Djamila Aouada

机构 * Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg（安全、可靠性与信任跨学科研究中心（SnT），卢森堡大学） 纠错

AI总结 本文提出了一种基于视觉语言模型的无标注空间目标检测与分割方法，通过伪标签蒸馏提升性能，实现在多个数据集上的精度提升。

Comments ICRA 2026

Model Reconciliation through Explainability and Collaborative Recovery in Assistive Robotics

通过可解释性与协作恢复实现模型调和在辅助机器人中的应用

Britt Besch, Tai Mai, Jeremias Thun, Markus Huff, Jörn Vogel, Freek Stulp, Samuel Bustamante

机构 * German Aerospace Center (DLR), Robotics and Mechatronics Center (RMC)（德国航空航天中心（DLR）、机器人与机电中心） ； University of Cambridge, Department of Engineering（剑桥大学工程系） ； Universität Tübingen, Department of Psychology（图宾根大学心理学系） ； Leibniz-Institut für Wissensmedien (IWM)（莱比锡知识媒体研究所） ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 本文提出了一种通过可解释性和协作恢复实现机器人与人类模型调和的方法，应用于辅助机器人领域。

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

AutoInspect: Towards Long-Term Autonomous Industrial Inspection

AutoInspect：迈向长期自主工业检测

Michal Staniaszek, Tobit Flatscher, Joseph Rowell, Hanlin Niu, Wenxing Liu, Yang You, Robert Skilton, Maurice Fallon, Nick Hawes

机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； Remote Applications in Challenging Environments (RACE), United Kingdom Atomic Energy Authority（英国原子能局远程应用在恶劣环境中（RACE）） 纠错

AI总结 AutoInspect通过基于ROS的系统实现长期自主工业检测，结合稳健映射与任务调度，在49天和35天的长期部署中展示了高效自主执行能力。

Comments Accepted to the IEEE ICRA Workshop on Field Robotics 2024

Journal ref IEEE Transactions on Field Robotics, vol. 2, pp. 529-548, 2025

GeoLanG: Geometry-Aware Language-Guided Grasping with Unified RGB-D Multimodal Learning

GeoLanG: 基于几何的语言引导抓取与统一RGB-D多模态学习

Rui Tang, Guankun Wang, Long Bai, Huxin Gao, Jiewen Lai, Chi Kit Ng, Jiazheng Wang, Fan Zhang, Hongliang Ren

AI总结 GeoLanG通过统一RGB-D多模态学习，结合深度引导几何模块和自适应通道集成，实现鲁棒的语言引导抓取，提升复杂环境中的抓取精度和泛化能力。

Comments IEEE ICRA 2025

Learning-based Observer for Coupled Disturbance

基于学习的耦合扰动观测器

Jindou Jia, Meng Wang, Zihan Yang, Bin Yang, Yuhang Liu, Kexin Guo, Xiang Yu

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 本文提出一种结合控制与学习方法的观测器，通过分解耦合扰动并利用历史数据学习参数矩阵，实现高精度扰动估计。

Comments 10 pages, 7 figures

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

Omnidirectional Solid-State mmWave Radar Perception for UAV Power Line Collision Avoidance

全向固态毫米波雷达感知用于无人机架空线路避撞

Nicolaj Haarhøj Malle, Emad Ebeid

机构 * Drone Infrastructure Inspection and Interaction Group, Section for Digital and High-Frequency Electronics, Department of Mechanical and Electrical Engineering, Faculty of Engineering, University of Southern Denmark（丹麦南部大学工程学院机械与电气工程系数字与高频电子学部无人机基础设施检查与交互小组） 纠错

AI总结 本文提出了一种基于固态毫米波雷达的全向感知系统，用于无人机架空线路的可靠检测与避撞，实验显示其在10米范围内可检测1.2毫米直径的电线并实现高速避撞。

Comments Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA). Video at https://www.youtube.com/watch?v=rJW3eEC-5Ao (youtube)

Adaptive Linear Path Model-Based Diffusion

基于自适应线性路径模型的扩散

Yutaka Shimizu, Masayoshi Tomizuka

机构 * Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

AI总结 本文提出LP-MBD和ALP-MBD，通过线性概率路径和强化学习提升扩散模型在机器人控制中的适应性和鲁棒性。

Comments ICRA 2026

StepNav: Structured Trajectory Priors for Efficient and Multimodal Visual Navigation

StepNav: 为高效且多模态视觉导航引入结构化轨迹先验

Xubo Luo, Aodi Wu, Haodong Han, Xue Wan, Wei Zhang, Leizheng Shu, Ruisuo Wang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences（中国科学院空间利用技术与工程中心） 纠错

AI总结 StepNav通过结构化多模态轨迹先验提升视觉导航的鲁棒性、效率和安全性。

Comments 8 pages, 7 figures; Accepted by ICRA 2026

LP-MPPI: Low-Pass Filtering for Efficient Model Predictive Path Integral Control

LP-MPPI：低通滤波用于高效模型预测路径积分控制

Piotr Kicki

机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology, Poznan, Poland（机器人与机器智能研究所，波兹南技术大学，波兰波兹南） ； IDEAS Research Institute, Warsaw, Poland（IDEAS研究所，波兰华沙） 纠错

AI总结 LP-MPPI通过低通滤波提高模型预测路径积分控制的效率，减少高频噪声，提升控制平滑度和性能表现。

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

Relationship-Aware Hierarchical 3D Scene Graph for Task Reasoning

关系感知的层次3D场景图用于任务推理

Albert Gassol Puigjaner, Angelos Zacharia, Kostas Alexis

AI总结 本文提出了一种关系感知的层次3D场景图，结合视觉语言模型和大型语言模型，用于任务推理和环境交互。

Comments ICRA 2026, 8 pages

Mapping-Guided Task Discovery and Allocation for Robotic Inspection of Underwater Structures

基于映射的机器人水下结构检测任务发现与分配

Marina Ruediger, Ashis G. Banerjee

机构 * Department of Mechanical Engineering, University of Washington（机械工程系，华盛顿大学） ； Department of Industrial & Systems Engineering and Department of Mechanical Engineering, University of Washington（工业与系统工程系和机械工程系，华盛顿大学） 纠错

AI总结 本文提出了一种基于SLAM数据的水下机器人检测任务发现与分配方法，通过优化关键点分数和距离修剪，实现对未知几何结构的适应性覆盖。

Comments This paper will appear in the proceedings of the 2026 IEEE International Conference on Robotics and Automation (ICRA)

Reformulating AI-based Multi-Object Relative State Estimation for Aleatoric Uncertainty-based Outlier Rejection of Partial Measurements

重新表述基于AI的多目标相对状态估计以用于基于概率不确定性的部分测量异常值剔除

Thomas Jantos, Giulio Delama, Stephan Weiss, Jan Steinbrener

机构 * Control of Networked Systems Group, University of Klagenfurt（克雷根弗特大学网络化系统控制组） 纠错

AI总结 本文提出通过重新表述测量方程，利用DNN预测的概率不确定性来提高基于AI的多目标相对状态估计中部分测量异常值剔除的性能。

Comments Accepted for publication at ICRA 2026, Vienna, Austria

ForSim: Stepwise Forward Simulation for Traffic Policy Fine-Tuning

ForSim：基于逐步前向模拟的交通策略微调

Keyu Chen, Wenchao Sun, Hao Cheng, Zheng Fu, Sifa Zheng

机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学） 纠错

AI总结 ForSim通过逐步闭环前向模拟范式提升交通模拟的保真度，结合组相对优化微调交通策略，提高安全性与效率。

Comments Accepted by ICRA 2026

Uncertainty-Aware Non-Prehensile Manipulation with Mobile Manipulators under Object-Induced Occlusion

具有物体遮挡的移动机械臂非抓取操作的不确定性意识

Jiwoo Hwang, Taegeun Yang, Jeil Jeong, Minsung Yoon, Sung-Eui Yoon

机构 * Robotics Program at the Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院机器人项目） 纠错

AI总结 CURA-PPO 通过建模不确定性解决移动机械臂在物体遮挡下的非抓取操作问题，提高操作成功率。

Comments 8 pages, 7 figures, Accepted to ICRA 2026, Webpage: https://jiw0o.github.io/cura-ppo/

DenVisCoM: Dense Vision Correspondence Mamba for Efficient and Real-time Optical Flow and Stereo Estimation

密集视觉对应Mamba：用于高效实时光流和立体估计的混合架构

Tushar Anand, Maheswar Bora, Antitza Dantcheva, Abhijit Das

机构 * Machine Intelligence Group, Birla Institute of Technology and Science, Pilani, Hyderabad Campus, India（机智人工智能组，比拉理工学院，比拉理工学院，海得拉巴校区，印度） ； Université Côte d’Azur, Inria, France（蔚蓝大学，法国国家信息与自动化研究所） 纠错

AI总结 DenVisCoM通过结合Mamba和Transformer模块，实现高效实时的光流和立体视觉估计。

Comments IEEE International Conference on Robotics and Automation 2026

OASIS-DC: Generalizable Depth Completion via Output-level Alignment of Sparse-Integrated Monocular Pseudo Depth

OASIS-DC: 通过稀疏集成单目伪深度的输出级对齐实现通用深度补全

Jaehyeon Cho, Jhonghyun An

机构 * Vehicle Intelligence Perception Lab (VIPLAB), Gachon University, Seongnam-si, Republic of Korea（高银大学） 纠错

AI总结 OASIS-DC通过输出级对齐稀疏集成单目伪深度，实现无需大量标注样本的通用深度补全。

Comments Accepted to ICRA 2026

Reinforcement Learning for Active Perception in Autonomous Navigation

自主导航中的主动感知强化学习

Grzegorz Malczyk, Mihir Kulkarni, Kostas Alexis

机构 * Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（工程 cybernetics 系，挪威科学技术大学） 纠错

AI总结 本文提出一种端到端强化学习框架，使无人机在复杂环境中通过主动控制相机实现安全导航与探索。

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

Physics-informed Diffusion Mamba Transformer for Real-world Driving

物理引导的扩散Mamba变换器用于现实驾驶

Hang Zhou, Qiang Zhang, Peiran Liu, Yihao Qin, Zhaoxu Yan, Yiding Ji

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology(Guangzhou)（香港科学与技术大学（广州）机器人与自主系统方向） ； MoSense Technologies 纠错

AI总结 本文提出了一种结合Mamba和注意力机制的扩散模型，通过整合物理约束提升自动驾驶轨迹预测的准确性和可解释性。

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

I Know You Can't See Me: Dynamic Occlusion-Aware Safety Validation of Strategic Planners for Autonomous Vehicles Using Hypergames

我无法看到你：基于超游戏的动态遮挡感知的自动驾驶战略规划器安全验证

Maximilian Kahn, Atrisha Sarkar, Krzysztof Czarnecki

AI总结 本文提出基于超游戏理论的动态遮挡风险度量方法和加速安全验证框架，用于提升自动驾驶战略规划器的安全性。

Comments This work is 6 pages long and contains 5 figures. For the supplementary video, see https://youtu.be/-crio3rA_IU

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

Spherical and Semibrick Classifications

球面与半砖分类

Wahei Hara, Michael Wemyss

AI总结 本文探讨了三角范畴中球面和更一般对象的分类技术，结合代数几何、表示论和辛几何，总结了作者在有限代数几何和硅廷离散代数中的方法及相关研究。

Comments 28 pages, to appear in Proceedings of the XXI International Conference on Representations of Algebras (ICRA 21)

Actor-Critic Cooperative Compensation to Model Predictive Control for Off-Road Autonomous Vehicles Under Unknown Dynamics

动作-批评合作补偿用于未知动力学下的越野自主车辆模型预测控制

Prakhar Gupta, Jonathon M Smereka, Yunyi Jia

机构 * Department of Automotive Engineering, Clemson University（汽车工程系，克莱姆森大学） ； Ground Vehicle Systems Center, U.S. Army Combat Capabilities Development Command（地面车辆系统中心，美国陆军作战能力发展指挥部） 纠错

AI总结 本研究提出了一种结合深度强化学习与模型预测控制的AC3MPC控制器，用于提升越野自主车辆在未知动态环境下的控制性能。

Comments 7 pages, Accepted at 2025 IEEE ICRA

Journal ref 2025 IEEE ICRA, pp. 2354-2360

Breaking Task Impasses Quickly: Adaptive Neuro-Symbolic Learning for Open-World Robotics

快速突破任务瓶颈：面向开放世界机器人的自适应神经符号学习

Pierrick Lorang

机构 * Human-Robot Interaction Lab, Tufts University（塔夫茨大学人机交互实验室） 纠错

AI总结 本文提出了一种自适应神经符号学习框架，通过整合符号学习与强化学习，提升机器人在开放世界中的快速适应能力与鲁棒性。

Comments IEEE ICRA 2025 Doctoral Consortium

A physics-informed, vision-based method to reconstruct all deformation modes in slender bodies

一种融合物理的基于视觉的方法用于重建细长体的全部变形模式

Seung Hyun Kim, Heng-Sheng Chang, Chia-Hsien Shih, Naveen Kumar Uppalapati, Udit Halder, Girish Krishnan, Prashant G. Mehta, Mattia Gazzola

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Twentieth Century Fox（二十世纪福克斯） ； Starfleet Academy（星际舰队学院） ； Tyrell Inc.（泰勒尔公司） 纠错

AI总结 本文提出了一种融合物理的基于视觉的方法，用于准确重建细长柔性体的全部变形模式，通过实验验证其在软机器人中的应用效果。

Comments This work has been submitted to the IEEE RA-L with ICRA 2022 for possible publication. For associated data and code, see https://github.com/GazzolaLab/BR2-vision-based-smoothing

Risk-Aware Human-in-the-Loop Framework with Adaptive Intrusion Response for Autonomous Vehicles

具有自适应入侵响应的风险感知人机协同框架用于自动驾驶车辆

Dawood Wasif, Terrence J. Moore, Seunghyun Yoon, Hyuk Lim, Dan Dongseong Kim, Frederica F. Nelson, Jin-Hee Cho

机构 * Virginia Tech（弗吉尼亚理工大学） ； U.S. Army Research Laboratory（美国陆军研究实验室） ； KENTECH ； The University of Queensland（昆士兰大学） 纠错

AI总结 RAIL通过风险感知和自适应入侵响应，提升自动驾驶车辆在复杂环境中的安全性和性能。

Comments Submitted to ICRA 2026 (under review)