IROS

Clustering-Embedded Model Predictive Path Integral Control: Avoiding Averaging-Induced Failure and Enabling Efficient Cluster Selection for Dynamic Obstacles

聚类嵌入模型预测路径积分控制：避免平均诱导失效并实现动态障碍物的高效聚类选择

Zidong Liu, Kaixin Chang, Xu Chen

机构 * University of Washington（华盛顿大学） 纠错

AI总结 研究针对MPPI在杂乱环境中平均诱导失效问题，提出聚类嵌入MPPI框架。通过集成高保真修剪和聚类阶段重新定义控制律，利用DBSCAN等分离可行轨迹模式，结合智能选择逻辑。实验表明该方法能减轻障碍物前犹豫，缩短目标到达时间和末端执行器路径。

Journal ref IROS 2026

Delay-Aware Active Triangulation with Uncertainty-Driven Multi-Agent Reinforcement Learning for Counter-UAS

用于反无人机系统的基于不确定性驱动多智能体强化学习的延迟感知主动三角测量

Seungwook Lee, David Hyunchul Shim

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

AI总结 针对反无人机系统中目标定位问题，提出延迟感知、不确定性驱动的多智能体强化学习框架。通过Dec-POMDP公式、控制比较及多源协方差传播等方法，实验表明该框架能有效提高三角测量有效性，降低RMSE，凸显循环记忆对延迟补偿的关键作用。

Comments Accepted to IROS 2026

Physics-Regularized Machine Learning for Proprioceptive Vehicle Localization Using Onboard Sensors

用于使用车载传感器的本体感受车辆定位的物理正则化机器学习

Abinav Kalyanasundaram, Karthikeyan Chandra Sekaran, Wolfgang Utschick, Michael Botsch

机构 * AImotion Bavaria, Technische Hochschule Ingolstadt（巴伐利亚AImotion公司，英戈尔施塔特技术应用大学） ； Technische Universität München（慕尼黑工业大学） 纠错

AI总结 研究针对自主移动系统中车辆定位问题，提出物理正则化机器学习框架PRML2，结合卡尔曼滤波与数据驱动学习优势，通过可微卡尔曼滤波器实现物理正则化学习，提升定位精度与泛化能力，在公开数据集上验证其性能并引入新数据集。

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