IROS

Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement

关注上下文：通过环境-社会解耦实现社会适配机器人动作的持续学习

Rafal Robert Karpinski, Fethiye Irmak Dogan, Nikhil Churamani, Yiming Luo, Maartje M. A. de Graaf, Davide Dell'Anna, Hatice Gunes

机构 * Utrecht University（乌得勒支大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 该研究针对社交机器人在多样上下文场景下的持续学习问题，提出EDD框架解耦环境与社会知识，缓解遗忘，性能优于现有基线，相关代码已公开。

Comments Extended version of the paper accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Real-World Cooperative Bimanual Dexterous Grasp of Large Objects from Single-View Observations

基于单视图观测的真实场景中大型物体的双臂协同灵巧抓取

Ziming Li, Mingxuan Wu, Jiaqi Zhang, Hongfei Li, Yan Gan, Deqiang Ouyang, Ning Wang

机构 * The University of Auckland（奥克兰大学） ； Chongqing University（重庆大学） ； Southwest University（西南大学） 纠错

AI总结 本文针对机器人双臂抓取大型物体的挑战，提出含多模态数据集、DDPM模块及执行策略的真实场景双臂抓取框架，实验表明其对未见物体抓取成功率高。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics

D3D-GEN：面向社交机器人的机器人感知、领域锚定的交互式3D世界生成

Anh Duc Do, Volodymyr Scherbyna, Tai Duc Nguyen, Spaarsh Thakkar, Zhengcheng Shen, Teham Buiyan, Archan Misra, Linh Kästner

机构 * Singapore Management University（新加坡管理大学） ； Technical University Berlin（柏林工业大学） ； Max Planck Institute（马克斯·普朗克研究所） ； Technical University Braunschweig（布伦瑞克工业大学） 纠错

AI总结 D3D-GEN是一种新型3D世界生成系统，结合领域智能体与RAG流水线，可快速生成领域锚定的交互式3D世界，已构建多领域数据库并生成数十种仿真环境，适配Isaac Sim等仿真器。

Comments 8 pages, 5 figures, and 5 tables. Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Repurposing RGB-based Foundation Model for Depth Estimation on Thermal Images Using Hierarchical Supervision

利用分层监督将基于RGB的基础模型重新用于热图像的深度估计

Jie Hong, Tingtian Li, Xuesong Li, Xiao Li

机构 * The University of Hong Kong（香港大学） ； Commonwealth Scientific and Industrial Research Organisation (CSIRO)（英联邦科学与工业研究组织） 纠错

AI总结 针对热图像深度估计中RGB基础模型分层表示利用不足的问题，提出RGB-HS框架，通过分层监督和基于图像质量的标记加权对齐，在基准上实现了有竞争力的性能。

Comments Accepted in IROS 2026

Latent-Centroid Steering: Single-Pass Classifier-Free Guidance for Command-Aligned Autonomous Driving

隐式质心引导：用于指令对齐自动驾驶的单次无分类器引导

Meibo Hu, Jiamian Wang, Pichao Wang, Zhiqiang Tao

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； NVIDIA（英伟达公司） 纠错

AI总结 针对视觉语言自动驾驶模型的指令跟随差距，提出单次引导机制LCS，降低推理延迟约50%，在Bench2Drive和nuScenes基准上提升指令遵循与驾驶性能。

Comments IROS 2026

RoboHarness: A Memory-Augmented Policy Harness for Vision-Language-Action Model Robustness via In-Context Adaptation

SOMA：通过上下文适应提升视觉-语言-动作模型鲁棒性的战略编排与内存增强系统

Zhuoran Li, Zhiyang Li, Kaijun Zhou, Jinyu Gu

AI总结 SOMA通过对比双记忆检索增强生成（RAG）、归因驱动大语言模型（LLM）编排器和可扩展模型上下文协议（MCP）干预，提升视觉-语言-动作模型在分布外任务中的鲁棒性，实验表明其在长周期任务链中提升了89.1%的绝对成功率。

Comments 8 pages, 10 figures, 4 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page and source code: https://github.com/LZY-1021/RoboHarness

GS-CPE: Unified 6-Degree-of-Freedom Camera Pose Estimation via 3D Gaussian Splatting

GS-CPE：基于3D高斯溅射的统一6自由度相机位姿估计

Huaiyuan Weng, Chul Min Yeum, Su-Min Kang

机构 * University of Waterloo（滑铁卢大学） ； Soongsil University（崇实大学） 纠错

AI总结 该研究提出GS-CPE框架，通过由粗到细策略统一几何粗位姿估计与3D高斯溅射精调，在多数据集上实现最优视觉定位性能，兼顾精度与泛化能力。

Comments 8 pages, accepted at IROS 2026

Neural Introspection Gating for Adaptive KV-Cache Reuse in Vision-Language-Action Models

面向视觉-语言-动作模型的自适应KV缓存复用的神经内部门控机制

Zhijie Wu, Kento Kawaharazuka, Kei Okada

机构 * Graduate School of Information Science and Technology, The University of Tokyo（东京大学情报理工学系研究科） 纠错

AI总结 针对VLA模型视觉标记KV缓存复用未考虑模型不确定性的问题，提出轻量无训练的Gated VLA-Cache，通过监控动作标记对数几率间隔控制缓存，在LIBERO基准上恢复超100%精度并保留80%算力节省。

Comments 6 pages, 5 figures, Accepted in IROS 2026. Project Page: https://zjw4321.github.io/neural-introspection-gating-page/

Navigating the Proximity-Safety Balance: Constraint Decomposition for Human Following in Pedestrian Crowds

权衡 proximity 与安全：人群中跟随目标行人的约束分解方法

Shiting Gong, Jianpeng Yao, Jinfeng Wang, Marco Pavone, Jiachen Li

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of California, Riverside（加州大学河滨分校） ； Stanford University（斯坦福大学） ； NVIDIA Research（英伟达研究院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 该研究针对人群中行人跟随的 proximity 与安全平衡问题，提出多约束强化学习框架，量化行人运动不确定性以增强安全性，经实验和真实机器人部署验证了方法的有效性。

Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026); Project Website: https://nav-ps-balance.github.io/

Removing Infrastructure Barriers in Human-Robot Collaboration Through Wireless Reconfigurable Cells

通过无线可重构工作单元消除人机协作中的基础设施障碍

Emma Takács, Mátyás Hajós, Ádám Juniki, Ádám Fischer, Zoltán Komáromi, Kristóf Abai, Dániel Horváth, Sándor Máthé, Konstantinos Kousias, Bence Tipary

AI总结 本文提出基于5G的无线可重构人机协作系统，集成多传感器平台与增强的计算机视觉模块，在匈、挪两地5G环境中验证了其可用于安全自适应人机协作的性能。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). A supplementary video demonstrating the workcell is available at https://youtu.be/zobin6oytGk

A Height-Constrained 2-Point Minimal Solver for Pose Estimation from Active LED Markers with Event Cameras

带事件相机的主动LED标记点位姿估计的高度约束两点最小求解器

Runze Yuan, Alexander Kappler, Jun Zhang, Kuangyi Chen, Fabio Morbidi, Pascal Vasseur, Cédric Demonceaux, Friedrich Fraundorfer

机构 * Graz University of Technology（格拉茨工业大学） ； University of Picardie Jules Verne（皮卡迪儒勒·凡尔纳大学） ； University of Burgundy（勃艮第大学） 纠错

AI总结 针对空间受限场景的位姿估计难题，提出结合机载传感器高度与倾斜角的事件相机主动LED标记点两点最小求解器，实验显示其精度优于P2P、性能与P3P相当。

Comments 8 pages, 6 figures, accepted by IEEE/RSJ International Conference on INTELLIGENT ROBOTS & SYSTEMS (IROS) 2026

Distilling Vision-Language Models for Robust Traffic Sign Perception in Autonomous Vehicles

用于自动驾驶汽车鲁棒交通标志感知的视觉-语言模型蒸馏

Pedram MohajerAnsari, Amir Salarpour, Mert D. Pesé

机构 * Clemson University（克莱姆森大学） 纠错

AI总结 本研究提出LAMDA框架，通过冻结OpenCLIP文本编码器构建原型库监督视觉特征，在GTSRB和LISA数据集上，可同时提升TSR模型对三类物理攻击的鲁棒性且不降低干净准确率。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

OmniV2X: A Generative Foundation Planner for Efficient End-to-End Cooperative Driving

OmniV2X：一种用于高效端到端协同驾驶的生成式基础规划器

Juntong Peng, Juanwu Lu, Yupeng Zhou, Can Cui, Yaobin Chen, Ziran Wang

机构 * Purdue University（普渡大学） 纠错

AI总结 提出OmniV2X生成式基础模型，通过端到端监督训练和交叉注意力注入，利用多模态多智能体上下文实现高效协同驾驶，在DAIR-V2X-Seq数据集上以少于10%微调数据和1%通信带宽达到最优性能。

Comments Accepted to IROS 2026

AnyCamVLA: Zero-Shot Camera Adaptation for Viewpoint Robust Vision-Language-Action Models

AnyCamVLA: 零样本相机适应用于视角鲁棒的视觉-语言-动作模型

Hyeongjun Heo, Seungyeon Woo, Sang Min Kim, Junho Kim, Junho Lee, Yonghyeon Lee, Young Min Kim

机构 * Department of Electrical and Computer Engineering, Seoul National University（电子与计算机工程系，首尔国立大学） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（机械工程系，麻省理工学院） 纠错

AI总结 AnyCamVLA通过零样本相机适应提升视觉-语言-动作模型在视角变化下的鲁棒性，适用于任何RGB策略。

Comments Accepted to IROS 2026

Learning Fault-Tolerant Locomotion with Adaptive Gait Timing

通过自适应步态时序学习容错运动

Giovanbattista Gravina, Luca Rossini, Carlo Rizzardo, Arturo Laurenzi, Nikos Tsagarakis

机构 * Italian Institute of Technology（意大利技术研究院） 纠错

AI总结 针对大型四足机器人执行器动力损失的容错运动问题，提出带潜在对齐损失的非对称Actor-Critic深度强化学习方法，通过自适应步态频率实现容错，经仿真与真实实验验证有效。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Vernata: Self-Supervised Learning of LiDAR Point Representations

Vernata：激光雷达点表示的自监督学习

Oliver Lemke, Alexander Liniger, Abel Gawel, Marco Hutter

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力

Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata

SyncSBC: Decentralized Swarm Behavior Prediction for Synchronized Autonomous Control

SyncSBC：用于同步自主控制的去中心化群体行为预测

Varun Raveendra, Connor Mattson, Daniel S. Brown

机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） 纠错

AI总结 SyncSBC 是一种去中心化方法，结合机器学习与分布式共识实现群体行为分类及决策同步，准确率高、延迟低，可用于机器人异常识别与行为协同。

Comments 8 pages, 10 figures, IROS 2026

Efficient Swept Volume-Based Trajectory Generation for Arbitrary-Shaped Ground Robot Navigation

高效扫掠体积基轨迹生成用于任意形状地面机器人导航

Yisheng Li, Longji Yin, Yixi Cai, Jianheng Liu, Fangcheng Zhu, Mingpu Ma, Siqi Liang, Haotian Li, Fu Zhang

机构 * Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； Division of Robotics, Perception, and Learning, KTH Royal Institute of Technology（皇家理工学院机器人、感知与学习 division） 纠错

AI总结 本文提出了一种高效扫掠体积基轨迹生成方法，通过粗到细的框架提升任意形状地面机器人在复杂环境中的导航效率和碰撞避免能力。

Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems 2025

Unified Planning-Learning Framework for Robust UUV Navigation Under Partial Observability

部分可观测条件下用于自主水下航行器（UUV）鲁棒导航的统一规划-学习框架

Md Ether Deowan, Eleni Kelasidi

机构 * NTNU（挪威科技大学） 纠错

AI总结 该研究提出统一规划-学习框架，结合占用地图构建、规划与控制，通过行为树蒸馏等技术提升UUV在部分可观测动态水下环境的导航鲁棒性与安全性，经仿真验证优于基线方法。

Comments 8 pages, 6 figures. Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026), Philadelphia, PA, USA

VLAff: Vision-Language-Affordance Model for Unified Actionable Affordances

VLAff：用于统一可操作 affordance 的视觉-语言-affordance 模型

Jihoon Oh, Kento Kawaharazuka, Kei Okada

机构 * University of Tokyo（东京大学） 纠错

AI总结 本研究提出 VLAff 模型，结合 EgoAffordance 数据集，解决人类与机器人 embodiment 不匹配问题，实现视觉 affordance 预测及真实机器人零样本操作等应用。

Comments 8 pages, 5 figures. Accepted to IEEE/RSJ IROS 2026. Project page: https://ojh6404.github.io/vlaff/

MapTCL: Temporal Consistency Learning via Bidirectional Alignment for Vectorized HD Map Construction

MapTCL：用于矢量化高清地图构建的双向对齐时序一致性学习

Hyeonseo Kim, Juyeb Shin, Hyeonjun Jeong, Hiwon Shin, Dongsuk Kum

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 针对动态城市环境下在线高清地图构建的时序稳定性问题，提出即插即用模块MapTCL，通过双向矢量一致性学习与栅格地图一致性学习联合训练，在两个基准上显著提升基线模型性能且无额外推理开销。

Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Recti-Q: Feature-Space Rectification for Out-of-Distribution-Robust Quantized Perception in Edge Robotics

Recti-Q：用于边缘机器人中分布外鲁棒量化感知的特征空间校正

Hamidreza Yaghoubi Araghi, Parastoo Pilevar, Ming C. Lin

AI总结 研究针对边缘机器人中PTQ在分布变化下可靠性降低的问题，提出轻量级特征空间校正框架Recti-Q，它冻结量化主干，仅用源数据训练小型分类器头LoRA适配器，与架构无关，能恢复鲁棒性，节省内存且实现低带宽OTA弹性修补。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

NavTrust: Benchmarking Trustworthiness for Embodied Navigation

NavTrust：体感导航的可信度基准测试

Huaide Jiang, Yash Chaudhary, Yuping Wang, Zehao Wang, Raghav Sharma, Manan Mehta, Yang Zhou, Lichao Sun, Zhiwen Fan, Zhengzhong Tu, Jiachen Li

机构 * Trustworthy Autonomous Systems Laboratory at the University of California, Riverside（加州大学河滨分校可信自主系统实验室） ； University of Michigan（密歇根大学） ； Workday ； University of Southern California（南加州大学） ； Texas A&M University（德克萨斯A&M大学） ； Lehigh University（莱斯大学） 纠错

AI总结 NavTrust通过系统性地对输入模态进行腐蚀，评估体感导航性能的鲁棒性，揭示了现有方法在真实环境中的性能缺陷，并提出改进策略。

Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026); Project Website: https://navtrust.github.io

Unified Visuomotor Targets: Supervising VLAs Beyond Physical Actions

统一视觉运动目标：监督视觉语言智能体（VLA）超越物理动作

Zhenyang Feng, Unnat Jain

AI总结 本研究针对VLA模型训练中视觉语言高级表示与机器人低级动作的不匹配问题，提出UVT统一视觉运动目标，无需改动架构或额外数据，在仿真与真实双臂任务中提升了VLA的训练效率、性能与鲁棒性

Comments Accepted at IROS 2026. Project page: https://unified-visuomotor-targets.github.io/

PLS-Calib: A Partial Least Squares Framework for Event Camera and Odometry Calibration under Ground Motion Constraints

PLS-Calib：一种在地面运动约束下用于事件相机与里程计校准的偏最小二乘框架

Guangyu Li, Xiao Li, Yujie Wu, Changshuo Wang, Prayag Tiwari, Jiang Cai, Fangwen Yu, Mingkun Xu

AI总结 针对地面约束机器人的传感器校准难题，提出PLS-Calib框架，利用PLS回归建模传感器流相关性，结合极性感知事件表示，在合成与真实数据集上验证其校准鲁棒性和精度优于现有最优方法。

Comments 8 pages, 10 figures, 4 tables. Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Structure-Aware Robust Fine-Tuning: Defending Vision-Language-Action Robots Against Physical Attention Hijacking

结构感知鲁棒微调：防御视觉-语言-动作机器人抵御物理注意力劫持

Jinquan Zhang, Dongfu Yin, Run Yang, Yufeng Yan, Zhen Tian, F. Richard Yu

AI总结 本研究针对视觉-语言-动作机器人面临的物理注意力劫持攻击，提出注意力引导语义破坏攻击方法，并开发结构感知鲁棒微调防御方法，大幅降低攻击失败率并提升真实机械臂操控成功率。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

POMDPs for Autonomous Science Exploration

用于自主科学探测的POMDP

Daniel Guirguis, Nathan Wallace, Hanna Kurniawati, Salah Sukkarieh

AI总结 该研究提出SHM-POMDP模型，解决高维观测下POMDP规划融入科学表征的难题，在RockSample域和Cuprite地质探测任务中，其性能优于传统POMDP与信息论基线方法。

Comments 8 pages, 3 figures, 2 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

MVP-Tac: A Miniaturized Dual-Modal Vision and Photoelastic Tactile Sensor for Robot-Assisted Minimally Invasive Surgery

MVP-Tac：一种用于机器人辅助微创手术的小型化双模态视觉与光弹性触觉传感器

Md Rakibul Islam Prince, Jaeeun Kim, Yuhao Zhou, Mason Vrshek, Shivani Reddy Sama, Adyaa Khera, Sheeraz Athar, Zijie Xu, Jiabin Liu, Shaoting Lin, Wei Li, Yu She

机构 * Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学埃尔莫尔电气与计算机工程学院） ； Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） ； Robotics Engineering Technology, Purdue University（普渡大学机器人工程技术学院） ； Department of Civil Engineering, Stony Brook University（石溪大学土木工程系） ； Department of Mechanical Engineering, Michigan State University（密歇根州立大学机械工程系） 纠错

AI总结 研究针对机器人辅助微创手术缺乏触觉反馈问题，介绍了MVP-Tac传感器，它采用反射光弹性成像，能在视觉触觉间切换，经力校准及肿瘤触诊等实验验证其有效性，为恢复RMIS中触诊并保持视觉反馈提供实用途径。

Comments 8 pages, 8 figures. To appear in IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

Stiffness Copilot: An Impedance Policy for Contact-Rich Teleoperation

刚性助手：一种用于接触丰富的远程操作的阻抗策略

Yeping Wang, Zhengtong Xu, Pornthep Preechayasomboon, Ben Abbatematteo, Amirhossein H. Memar, Nick Colonnese, Sonny Chan

AI总结 本文提出Stiffness Copilot，一种基于视觉的共享控制策略，通过在线调整机器人刚度实现安全高效的接触丰富任务远程操作。

Comments Accepted to IROS 2026. Project website: https://stiffness-copilot.github.io

TravKAN: Fast and Interpretable Nonlinear Traversability Analysis with Kolmogorov-Arnold Networks

TravKAN：基于Kolmogorov-Arnold网络的快速可解释非线性可通行性分析

Daniel Fusaro, Simone Mosco, Wanmeng Li, Alberto Pretto

AI总结 本文提出基于Kolmogorov-Arnold网络的TravKAN框架，结合LiDAR反射率手工特征，在公开数据集上性能优于传统深度模型，兼具可解释性与高效性，适用于安全关键的机器人可通行性分析。

Comments This paper has been accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)