IROS

NEUROSYMLAND: Neuro-Symbolic Landing-Site Assessment for Robust and Edge-Deployable UAV Autonomy

NEUROSYMLAND: 面向鲁棒且可边缘部署的无人机自主着陆的神经符号着陆点评估

Weixian Qian, Tianyi Yang, Sebastian Schroder, Yao Deng, Jiaohong Yao, Xiao Cheng, Richard Han, Xi Zheng

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） ； Department of Computer Science, University of California（加州大学计算机科学系） 纠错

AI总结 提出NEUROSYMLAND系统，结合轻量感知与符号推理进行着陆点评估，在模拟和硬件在环测试中优于基线方法，实现边缘部署下的鲁棒性与可解释性。

Comments Accepted to the IROS 2026

Journal ref roceedings of the ACM on Software Engineering, Vol. 3, FSE, Article FSE146, July 2026. Article FSE146 (July 2026)

Where Will They Go? Modelling Multimodal Pedestrian Manoeuvres from Ego-centric Videos

他们将去哪里？从自我中心视频建模多模态行人机动

Yuxuan Xie, Nicolas Pugeault, Chongfeng Wei, Hubert P. H. Shum, Edmond S. L. Ho

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） ； Department of Computer Science, Durham University（杜伦大学计算机科学系） 纠错

AI总结 提出MMPM框架，通过行为感知交互模块和基于CVAE的模态感知轨迹预测器，分别建模行人过马路和不过马路两种模式，提升自我中心视角下多模态轨迹预测准确性。

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

Energy-Aware Collaborative Exploration for a UAV-UGV Team

面向能耗的无人机-地面车辆协同探索

Cahit Ikbal Er, Saikiran Juttu, Yasin Yazicioglu

机构 * Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） ； Departments of Mechanical and Industrial Engineering and Electrical and Computer Engineering at Northeastern University（东北大学机械与工业工程系和电气与计算机工程系） 纠错

AI总结 本文提出一种面向能耗的无人机-地面车辆协同探索框架，通过密度感知分层概率路标实现稀疏耦合空地路标，将路线选择建模为耦合导向问题以最大化信息增益，同时满足会合约束。

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

MuxGel: Simultaneous Dual-Modal Visuo-Tactile Sensing via Spatially Multiplexing and Deep Reconstruction

MuxGel: 通过空间复用和深度重建实现同时双模视觉触觉感知

Zhixian Hu, Zhengtong Xu, Sheeraz Athar, Juan Wachs, Yu She

机构 * Edwardson School of Industrial Engineering, Purdue University（工业工程系，普渡大学） 纠错

AI总结 MuxGel通过空间复用和深度重建实现双模视觉触觉感知，提升机器人抓取任务的感知能力。

Comments Accepted by IROS 2026

Connectivity Maintenance and Recovery for Multi-Robot Motion Planning

多机器人运动规划中的连通性维持与恢复

Yutong Wang, Lishuo Pan, Yichun Qu, Tengxiang Wang, Nora Ayanian

机构 * Brown University（布朗大学） 纠错

AI总结 本文提出了一种基于贝塞尔曲线的实时运动规划算法，用于多机器人系统中维持和恢复连通性，提升在障碍物环境中导航的成功率。

Comments 8 pages, 3 figures. To appear in the Proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026), Pittsburgh, PA, USA

Passive Phase-Oriented Impedance Shaping for Rapid Acceleration in Soft Robotic Swimmers

被动相导向阻抗塑造用于软机器人游动中的快速加速

Qimin Feng, Orion A. Roberts, Qiang Zhong

机构 * Department of Mechanical Engineering, Iowa State University（机械工程系，爱荷华州立大学） 纠错

AI总结 本研究通过被动相导向阻抗塑造技术，显著提升了软机器人游动的加速能力和终端速度。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Camera-ready version

Robust and Efficient MuJoCo-based Model Predictive Control via Web of Affine Spaces Derivatives

基于仿射空间网络导数的鲁棒高效MuJoCo模型预测控制

Chen Liang, Daniel Rakita

机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系） 纠错

AI总结 针对MJPC中有限差分导数计算瓶颈，引入仿射空间网络（WASP）导数替代，实现高效稳定的导数计算，在多种机器人任务中实现高达2倍加速，并优于随机采样规划器。

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

A Systematic Study of Large Language Models for Task and Motion Planning With PDDLStream

基于PDDLStream的任务与运动规划大语言模型的系统研究

Jorge Mendez-Mendez

机构 * Stony Brook University（石溪大学） 纠错

AI总结 研究大语言模型在机器人任务与运动规划中的应用，开发16种用LLMs替代关键TAMP组件的算法，通过实验发现基于LLM的规划器成功率低、规划时间长，提供几何细节会增加任务规划错误，多数情况下直接LLM变体表现更好。

Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 8 pages, 6 figures

Sym2Real: Symbolic Dynamics with Residual Learning for Data-Efficient Adaptive Control

Sym2Real：用于数据高效自适应控制的基于残差学习的符号动力学

Easop Lee, Samuel A. Moore, Boyuan Chen

AI总结 Sym2Real框架解决符号回归在实际控制中因对噪声敏感而受限的问题，先从低保真模拟学习，再用少量真实数据残差自适应弥合模拟到现实差距，仅约10条轨迹就实现对四旋翼和赛车的鲁棒控制及模拟到现实转移。

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