ICRA

TUNI: Unifying Pre-training and Fine-tuning with Modality-Aware Mutual Learning and Rectification for RGB-T Semantic Segmentation

TUNI：基于模态感知互学习和矫正的RGB-T语义分割统一预训练与微调框架

Xiaodong Guo, Xianda Guo, Tong Liu, Zhihong Deng, Yanlun Peng, Xiang Li, Wujie Zhou

机构 * School of Automation, Beijing Institute of Technology（自动化学院，北京理工大学） ； School of Computer Science, Wuhan University（计算机学院，武汉大学） ； Great Wall Motor（长城汽车） ； School of Information and Electronic Engineering, Zhejiang University of Science and Technology（信息电子工程学院，浙江理工大学） 纠错

AI总结 提出TUNI框架，通过模态感知互学习与矫正统一预训练和微调，解决RGB-T语义分割中多模态特征提取融合、模态依赖不平衡及热信息利用不足问题，在五个数据集上优于15种SOTA模型。

Comments This paper is an extended version of the authors' work previously presented at the ICRA conference. To appear in IEEE Transactions on Circuits and Systems for Video Technology. DOl: 10.1109/TCSVT.2026.3701706

Visual Place Recognition in Forests with Depth-Aware Distillation

基于深度感知蒸馏的森林视觉地点识别

Walter Nedov, Saimunur Rahman, Kavindie Katuwandeniya, David Hall, Kaushik Roy, Peyman Moghadam

机构 * CSIRO Robotics, Brisbane, Australia（澳大利亚联邦科学与工业研究组织机器人实验室，布里斯班，澳大利亚） ； University of Queensland, Brisbane, Australia（昆士兰大学，布里斯班，澳大利亚） ； Queensland University of Technology, Brisbane, Australia（昆士兰科技大学，布里斯班，澳大利亚） 纠错

AI总结 针对森林环境中视觉地点识别因植被重复、结构线索弱及外观变化大而困难的问题，提出轻量级深度感知蒸馏框架，将几何线索注入DINOv2模型，在WildCross基准上提升鲁棒性。

Comments IEEE ICRA Workshop on Field Robotics 2026

Miniature Testbed for Validating Multi-Agent Cooperative Autonomous Driving

用于验证多智能体协同自动驾驶的微型测试平台

Hyunchul Bae, Eunjae Lee, Jehyeop Han, Minhee Kang, Jaehyeon Kim, Junggeun Seo, Minkyun Noh, Heejin Ahn

机构 * School of Electrical Engineering（电气工程学院） ； School of Mechanical Engineering（机械工程学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 提出CIVAT微型测试平台，集成V2V/V2I通信与ROS2框架，通过基础设施感知和交叉口管理实验验证协同自动驾驶功能。

Comments Accepted by ICRA 2026, 8 pages

Cross-Modal Benchmarking for Robotic Perception in Natural Environments

自然环境中机器人感知的跨模态基准测试

David Hall, Joshua Knights, Mark Cox, Peyman Moghadam

机构 * CSIRO Robotics, CSIRO, Australia（CSIRO机器人研究所，CSIRO，澳大利亚） ； University of Sydney (USyd), Australia（悉尼大学（USyd），澳大利亚） ； Queensland University of Technology (QUT), Australia（昆士兰理工大学（QUT），澳大利亚） 纠错

AI总结 针对自然环境中机器人感知的挑战，提出WildCross跨模态基准，用于大规模自然场景下的地点识别和度量深度估计，并扩展了度量深度估计实验。

Comments Accepted to the IEEE ICRA Workshop on Open Challenges for Rigorous Robot Perception 2026

Planar-Sector LOS Guidance for Interception of Agile Targets with Lifting-Wing Quadcopters

面向敏捷目标拦截的升力翼四旋翼平面扇形视线制导

Linkai Liu, Kun Yang, Han Zou, Chen Min, Shuli Lv, Shuai Wang, Quan Quan

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Research and Development Department, China Academy of Launch Vehicle Technology（中国运载火箭技术研究院研发部） 纠错

AI总结 提出平面扇形视线（PS-LOS）制导框架，通过非对称约束释放机动性，使升力翼四旋翼在仅用单目相机的情况下实现远程自主拦截敏捷目标，实验验证了高达138米距离的成功拦截。

Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA 2026). Recipient of the ICRA 2026 Best Paper Award in Field and Service Robotics

Vision-Language-Action Jump-Starting for Reinforcement Learning Robotic Agents

视觉-语言-动作跳跃启动用于强化学习机器人智能体

Angelo Moroncelli, Roberto Zanetti, Marco Maccarini, Loris Roveda

机构 * University of Applied Science and Arts of Southern Switzerland, Department of Innovative Technologies（瑞士南方应用科学与艺术大学创新技术系） ； Università della Svizzera Italiana, Faculty of Informatics, Lugano, Switzerland（瑞士意大利大学信息学院，卢加诺，瑞士） 纠错

AI总结 提出VLAJS方法，通过稀疏的VLA高层动作建议引导PPO探索，结合方向性动作一致性正则化，提升强化学习在长时域操作任务中的样本效率，并在仿真和真实机器人上验证。

Comments ICRA 2026 Workshop on Reinforcement Learning in the Era of Imitation Learning

Self-Paced Curriculum Reinforcement Learning for Autonomous Superbike Racing in Simulation

用于模拟自主超级摩托车赛车的自定进度课程强化学习

Luca Ghisi, Jacopo Essenziale, Carlo D'Eramo, Matteo Luperto

机构 * University of Bologna（博洛尼亚大学） 纠错

AI总结 提出自定进度课程深度强化学习框架，结合软演员-评论家算法，动态生成渐进任务，在物理精确模拟器中训练自主摩托车赛车，优于标准SAC。

Comments Presented at the "1st Workshop on Generalization in Autonomous Driving: Paradigms, Practice, and Public Road Demonstrations" at ICRA 2026, Vienna. Oral+poster presentation

From USD Scenes to Knowledge Graphs: Zero-Shot Ontology Grounding with LLMs

从USD场景到知识图谱：基于LLM的零样本本体接地

Jiangtao Shuai, Zongxiong Chen, Manfred Hauswirth, Sonja Schimmler

机构 * Technical University of Berlin（柏林工业大学） ； Fraunhofer FOKUS（弗劳恩霍夫开放通信系统研究所） 纠错

AI总结 研究利用大语言模型（LLM）零样本地将3D场景对象自动映射到本体类别，无需训练，在厨房场景中达到90-96%准确率，并揭示语义线索是关键。

Comments Accepted to the IEEE ICRA 2026 International Joint Workshop on Ontologies, Semantic Maps and Autonomous Robotics Standardization (J-WOSMARS 2026), Vienna, 2026

Distortion-Aware PETR for BEV Object Detection with Mixed Pinhole-Fisheye Cameras

畸变感知的PETR用于混合针孔-鱼眼相机的BEV目标检测

Xiangzhong Liu

机构 * fortiss GmbH（fortiss有限公司） 纠错

AI总结 针对鱼眼相机径向畸变破坏BEV检测器均匀采样假设的问题，提出DAPETR，通过畸变感知位置编码和双向特征-几何协同调制模块，在KITTI-360基准上优于基线方法，并揭示了学习适应与显式几何重参数化之间的冲突。

Comments 8 pages, 5 figures, accepted at ICRA 2026

MinNav: Minimalist Navigation Using Optical Flow For Active Tiny Aerial Robots

MinNav：基于光流的极简导航用于主动微型飞行机器人

Aniket Patil, Mandeep Singh, Uday Girish Maradana, Nitin J. Sanket

机构 * Worcester Polytechnic Institute（伍斯特理工学院） ； Perception and Autonomous Robotics (PeAR) Group, Robotics Engineering Department, Worcester Polytechnic Institute（伍斯特理工学院机器人工程系感知与自主机器人（PeAR）实验室） 纠错

AI总结 提出MinNav导航栈，利用光流及其不确定性，使微型飞行机器人在无先验知识下穿越静态/动态障碍和未知形状间隙，通过主动探索提高成功率，实验成功率70%，计算量远小于深度方法。

Comments Accepted for publication at ICRA 2026. Link to Project page https://pear.wpi.edu/research/minnav.html

Reward Evolution with Graph-of-Thoughts: A Bi-Level Language Model Framework for Reinforcement Learning

基于思维图的奖励进化：一种用于强化学习的双层语言模型框架

Changwei Yao, Xinzi Liu, Chen Li, Marios Savvides

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Tokyo（东京大学） 纠错

AI总结 本文提出RE-GoT框架，结合LLM与VLM的图思维推理，通过任务分解和视觉反馈迭代优化奖励函数，实验表明在RoboGen和ManiSkill2任务中均优于现有方法。

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

Symskill: Symbol and Skill Co-Invention for Data-Efficient and Reactive Long-Horizon Manipulation

Symskill：符号与技能共发明用于数据高效且反应性强的长周期操作

Yifei Simon Shao, Yuchen Zheng, Sunan Sun, Pratik Chaudhari, Vijay Kumar, Nadia Figueroa

机构 * GRASP Laboratory, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学） 纠错

AI总结 Symskill通过联合学习谓词、运算符和技能，实现了数据高效且反应性强的长周期操作，结合了组合泛化与实时恢复能力。

Comments ICRA 2026 Best Conference Paper Award; ICRA 2026 Best Paper Award on Planning and Control; CoRL 2025 Best Paper Award on Learning Effective Abstractions for Planning (LEAP) Workshop (https://symskill.github.io/)

Programmable Deformation Design of Porous Soft Actuator through Volumetric-Pattern-Induced Anisotropy

通过体积图案诱导各向异性的多孔软体执行器可编程变形设计

Canqi Meng, Weibang Bai

机构 * ShanghaiTech Automation and Robotics (STAR) Center, School of Information Science and Technology, ShanghaiTech University（上海科技大学自动化与机器人（STAR）中心，信息科学与技术学院，上海科技大学） 纠错

AI总结 提出一种在多孔泡沫中切割图案实现软体执行器可编程变形的方法，通过有限元分析研究机制，实验展示弯曲、倾斜、扭转等变形，并应用于仿生软体手。

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

SCOUT: Semantic scene COverage via Uncertainty-guided Traversal

SCOUT: 基于不确定性引导遍历的语义场景覆盖

Junyu Mao, Sara Ayoubi, Vishnu D. Sharma, Ilija Hadžić, Matthew Andrews

机构 * Nokia Bell Labs, France（诺基亚贝尔实验室，法国） ； Nokia Bell Labs, Murray Hill, NJ, USA（诺基亚贝尔实验室，美国，新泽西州 Murray Hill） ； Imperial College London（帝国理工学院伦敦分校） ； Locus Robotics（Locus机器人技术公司） 纠错

AI总结 提出SCOUT框架，通过不确定性引导的遍历规划与概率场景图构建的闭环，使机器人主动探索并逐步理解环境，实现语义场景完整性作为操作目标。

Comments 2026 ICRA Workshop on Uncertainty in Open World Robotics

Optimal Control Approach for Non-prehensile Ball Juggling Using a 7-DoF Manipulator

使用7自由度机械臂进行非抓取式抛球的最优控制方法

Joel Ramadani, Vasilije Rakčević, Riddhiman Laha, Arne Sachtler, Valentin Le Mesle, Achim J. Lilienthal, Sami Haddadin

机构 * Technical University of Munich（慕尼黑技术大学） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； German Aerospace Center (DLR), Institute of Robotics and Mechatronics（德国航空航天中心（DLR）机器人与机电机构研究所） 纠错

AI总结 提出一种基于模型的两阶段最优控制框架，用于7自由度机械臂使用工具进行非抓取式抛球，生成周期性抛球轨迹并通过离线计算实现实时误差校正。

Comments 8 pages, accepted at ICRA 2026

Efficient Coordination and Synchronization of Multi-Robot Systems Under Recurring Linear Temporal Logic

基于循环线性时序逻辑的多机器人系统高效协调与同步

Davide Peron, Victor Nan Fernandez-Ayala, Eleftherios E. Vlahakis, Dimos V. Dimarogonas

机构 * Department of Information Engineering, University of Padova（帕多瓦大学信息工程系） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院决策与控制系统系） 纠错

AI总结 提出一种结合离线计划综合与在线协调的底层方法，通过实时通信动态调整计划，并引入同步机制处理动作延迟，实现多机器人系统的可扩展协调与同步框架。

Comments Submitted for publication at IEEE ICRA 2025

Journal ref Proc. IEEE ICRA, 2025, pp. 10194-10200

Unpaired RGB-Thermal Gaussian-Splatting Using Visual Geometric Transformers

无配对RGB-热成像高斯泼溅使用视觉几何变换器

Jean Cordonnier, Chenghao Xu, Olga Fink, Malcolm Mielle

机构 * Ecole Polytechnique Federale de Lausanne（瑞士联邦理工学院洛桑分校） ； Schindler EPFL Lab（施耐德EPFL实验室） 纠错

AI总结 提出一种无配对RGB-热成像新视角合成框架，利用VGGT估计各模态相机位姿并通过Procrustes对齐，结合多模态3D高斯泼溅实现联合重建，在保持RGB保真度的同时实现热成像视图合成。

Comments Accepted at ICRA 2026's Workshop MM-SpatialAI: Multi-Modal Spatial AI for Robust Navigation and Open-World Understanding

Teaching Robots to Say 'I Don't Know' : SENTINEL for Uncertainty-Aware SLAM

教机器人说‘我不知道’：用于不确定性感知SLAM的SENTINEL

Abhishek S, Badrikanath Praharaj, Sreeram MV

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

AI总结 提出SENTINEL框架，通过几何扫描统计和跨模态深度一致性为低成本2D LiDAR提供无训练、无标签的可靠性评分，拒绝损坏扫描并回退到轮式里程计，防止SLAM无声损坏。

Comments 6 pages, 10 figures, 3 tables, This paper was accepted at Uncertainty in Open-World Robotics Workshop in conjunction with Internation conference of robotics and automation (ICRA 2026)

MineXplore: An Open-Source Reinforcement Learning Exploration Benchmark for GNSS-Denied Underground Environment

MineXplore: 面向GNSS拒止地下环境的开源强化学习探索基准

Abhishek S, Badrikanath Praharaj, Sreeram MV

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

AI总结 提出基于真实矿井数据的开源MuJoCo导航基准MineXplore，通过六阶段管道重建隧道网络，验证了在GNSS拒止、光照退化等极端条件下策略学习的稳定性与可复现性。

Comments 7 pages,11 figures, Submitted to the workshop Xplore:Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning and Search Held at International Conference on Robotics and Automation (ICRA)

TransTac: Visuo-Tactile Modality Transition via Ultraviolet-Encoded Transparent Elastomers

TransTac: 通过紫外编码透明弹性体实现视觉-触觉模态转换

Lingyue Yang, Bin Fang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 提出一种透明紫外编码双目视觉触觉传感器TransTac，结合视觉观察与标记触觉重建，通过先验引导的Delaunay立体匹配算法实现鲁棒稀疏三角化，在零样本触觉图像识别上达到83.3%准确率，并显著增强跨模态对齐。

Comments Accepted at IEEE International Conference on Robotics and Automation (ICRA) 2026. 8 pages, 7 figures

Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking

正确模型，正确时机：用于双足行走的实时级联保真度MPC

Franek Stark, Felix Wiebe, Shubham Vyas, Dennis Mronga, Frank Kirchner

机构 * Robotics Innovation Center at the German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心机器人创新中心） 纠错

AI总结 提出一种多阶段全身模型预测控制方法，结合近视野详细全身模型与远视野简化单刚体模型，降低计算复杂度并保持预测能力，在通用MPC框架acados中求解，无需预设足迹位置，在18自由度双足机器人HyPer-2上验证。

Comments Presented at IEEE ICRA 2026 Workshop "2cnd Workshop on Frontiers of Optimization for Robotics"

Journal ref Proceedings of the 2nd ICRA Workshop on Frontiers of Optimization for Robotics, 2026

PerceptTwin: Semantic Scene Reconstruction for Iterative LLM Planning and Verification

PerceptTwin：面向迭代LLM规划与验证的语义场景重建

Charlie Gauthier, Sacha Morin, Liam Paull

机构 * Department of Computer Science and Operations Research, Université de Montréal（蒙特利尔大学计算机科学与运筹学系） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

AI总结 提出PerceptTwin自动管道，从机器人感知的语义场景表示构建交互式仿真，结合LLM法官验证规划正确性与人类偏好，提升规划成功率约39%。

Comments Accepted at ICRA 2026 (Vienna); published on arxiv for archival purposes. See also https://percept-twin.github.io/

CADET: A Modular Platform for Evaluating Distributed Cooperative Autonomy in Connected Autonomous Vehicles

CADET：用于评估网联自动驾驶车辆中分布式协作自主性的模块化平台

Pragya Sharma, Brian Wang, Mani Srivastava

机构 * UCLA ； Amazon Scholar（亚马逊学者） 纠错

AI总结 提出CADET模块化平台，通过解耦自动驾驶堆栈并集成网络与工作负载仿真，系统评估分布式协作自主系统在真实部署条件下的安全性与性能。

Journal ref ICRA 2026

Vectorized Online POMDP Planning

向量化在线POMDP规划

Marcus Hoerger, Muhammad Sudrajat, Hanna Kurniawati

机构 * School of Computing, Australian National University（澳大利亚国立大学计算机学院） 纠错

AI总结 提出向量化在线POMDP规划器（VOPP），通过全向量化计算消除并行瓶颈，实现大规模并行在线规划，计算效率比现有最先进并行求解器高至少20倍。

Comments 8 pages, 3 figures. Accepted at ICRA 2026

Markerless visual servoing on unknown objects for humanoid robot platforms

无标记未知物体的人形机器人视觉伺服

Claudio Fantacci, Giulia Vezzani, Ugo Pattacini, Vadim Tikhanoff, Lorenzo Natale

AI总结 本文提出了一种无标记未知物体的人形机器人视觉伺服框架，通过立体视觉计算可抓取物体的体积，利用递归贝叶斯滤波估计末端执行器的6D姿态，结合非线性约束优化问题计算目标姿态，并通过图像基于视觉伺服控制实现末端执行器的精确控制。

Journal ref IEEE International Conference on Robotics and Automation (ICRA), 2018

Robust Target-relative Localization with Ultra-Wideband Ranging and Communication

利用超宽带测距与通信的稳健目标相对定位

Thien-Minh Nguyen, Abdul Hanif Zaini, Chen Wang, Kexin Guo, Lihua Xie

AI总结 本文提出了一种方法，利用四旋翼无人机上的超宽带测距传感器实现目标的相对定位和跟踪，通过策略性安装传感器融合相对位置和方位信息，采用扩展卡尔曼滤波器估计器融合UWB测距数据和 onboard 传感器数据，并利用UWB通信能力传输目标的方位以处理目标方位与测距数据的耦合，实验结果表明无人机能够自主控制其相对于静态和移动目标的位置。

Comments 2018 International Conference on Robotics and Automation (ICRA 2018)

Journal ref 2018 IEEE International Conference on Robotics and Automation (ICRA)

Autonomous Interpretation of Demonstrations for Modification of Dynamical Movement Primitives

自主解释示范以修改动力学运动原语

Martin Karlsson, Anders Robertsson, Rolf Johansson

机构 * LCCC Linnaeus Center（LCCC林纳尤斯中心） ； ELLIIT Excellence Center（ELLIIT卓越中心） 纠错

AI总结 本文提出了一种框架，使机器人操作员能够直观地调整动力学运动原语（DMPs）。通过使用引导通过编程，操作员可以演示纠正轨迹，从而生成一个结合故障轨迹前部分和纠正轨迹后部分的修改DMP。

Journal ref IEEE International Conference on Robotics and Automation (ICRA), 2017, Singapore

Controller Synthesis for Discrete-time Hybrid Polynomial Systems via Occupation Measures

通过占用测度进行离散时间混合多项式系统的控制器合成

Weiqiao Han, Russ Tedrake

AI总结 本文提出了一种基于占用测度的控制器合成方法，用于稳定具有多个与环境接触的刚体系统，通过解决有限维半正定规划问题来近似无限维线性规划问题，以实现系统稳定。

Comments Accepted by ICRA 2019. Some text overlap with arXiv:1803.09022 in introducing standard notations and preliminary knowledge. arXiv admin note: text overlap with arXiv:1803.09022

Hierarchical Planning of Dynamic Movements without Scheduled Contact Sequences

无调度接触序列的动态运动分层规划

Carlos Mastalli, Ioannis Havoutis, Michele Focchi, Darwin G. Caldwell, Claudio Semini

机构 * Department of Advanced Robotics, Istituto Italiano di Tecnologia（意大利技术研究院先进机器人部） ； Robot Learning and Interaction Group, Idiap Research Institute（伊迪普研究所机器人学习与交互小组） 纠错

AI总结 本文提出了一种分层轨迹优化方法，用于规划无需调度接触序列的动态运动，通过计算能够实现无法通过刚体运动达到的目标的全身运动，首先根据机器人的质心动力学找到可行的质心运动，然后通过应用完整的动力学模型进行优化，利用可行的质心轨迹作为预热起点，通过互补约束描述接触模型，即环境几何和非滑动主动接触，两个优化阶段均作为互补约束数学规划问题（MPCC）进行求解，实验表明该规划方法在一系列具有挑战性的任务中表现出色。

Comments 6 pages, IEEE International Conference on Robotics and Automation (ICRA)

Priority Maps for Surveillance and Intervention of Wildfires and other Spreading Processes

优先地图用于监视和干预野火及其他扩散过程

Vera L. J. Somers, Ian R. Manchester

机构 * Australian Centre for Field Robotics（澳大利亚田径场机器人研究中心） ； University of Sydney（悉尼大学） 纠错

AI总结 本文提出了一种生成优先地图的方法，用于监视或干预动态扩散过程，如野火。该方法利用正系统性质，特别是价值函数的分离结构，提供可扩展的算法。通过16和1000节点示例展示了方法如何响应系统动态变化，并结合旅行商问题进行无人机路径规划。

Comments Accepted for ICRA 2019