IROS

Beyond Episodic Evaluation: Memory Architectural Bottlenecks in Sequential Embodied Question Answering

超越情节性评估：序列式具身问答中的内存架构瓶颈

Zikui Cai, Kaushal Janga, Tan Dat Dao, Seungjae Lee, Shivin Dass, Mingyo Seo, Kaiyu Yue, Mintong Kang, Nandhu Pillai, Monte Hoover, Aadi Palnitkar, Ruchit Rawal, Ruijie Zheng, Bo Li, Yuke Zhu, Roberto Martín-Martín, Tom Goldstein, Furong Huang

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 研究序列式具身问答中不同内存架构表现，发现仅保留现有记忆不足，短视情节数据训练的智能体有时间不匹配问题。强调结构化、基于空间记忆的必要性，实验表明其能打破准确性-效率权衡，对真实机器人连续智能操作至关重要。

Comments Accepted to IROS 2026

GLAM-SLAM: Real-time Gaussian Large-scale Mapping via Flow Densification and Spatial Decomposition

GLAM-SLAM：通过流致密化和空间分解实现实时高斯大规模映射

Panagiotis Mermigkas, Argyris Manetas, Petros Maragos

机构 * HERON - Hellenic Robotics Center of Excellence, Athena Research Center（希腊机器人卓越中心 - 阿西娜研究中心） ； Institute of Robotics, Athena Research Center（阿西娜研究中心机器人研究所） ； National Technical University of Athens（雅典国立技术大学） 纠错

AI总结 针对现有高斯点云SLAM系统的局限，GLAM-SLAM提出实时解耦系统，用基于特征的前端跟踪，结构化网格映射，引入流致密化和场景划分策略，在多数据集上评估，性能优于同类，提升15%，且保持实时与可扩展性，代码开源。

Comments Accepted to IROS 2026. Project page: https://glamslam.github.io/ Code: https://github.com/pmermigkas/GLAM-SLAM/

Grasp, Handover, Rotate: Bimanual Object Reorientation via Compositional Diffusion and Energy-Based Optimization

抓取、交接、旋转：通过组合扩散和基于能量的优化实现双手物体重新定向

Wun Lam Yeung, Wenjun Liu, Yui Cheung Yu, Zhengyan Lambo Qin, Qijin She, Heng Li, Ziqi Wang, Ping Tan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 研究双手物体重新定向问题，提出基于组合扩散和能量的BiCompoDiff框架，联合优化多方面任务，结合预训练模型与能量模型，通过梯度引导和采样优化抓取姿态，实验表明其成功率和轨迹平滑度优于基线，实现有效模拟到现实转移。

Comments IROS 2026

Deep Reinforcement-Learning-Guided Model Predictive Control for Preventing Overtakes in Autonomous Racing

深度强化学习引导的模型预测控制在自主赛车中防止超车的应用

Yufei Xi, Yijie Liao, Tulga Ersal

机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 研究自主赛车防御性阻挡问题，通过分层强化学习引导的模型预测控制框架，将防御转化为空间占用调节问题。在仿真中提升平均超车时间，减少对手前进距离，使车辆有效利用轮胎力，且求解时间短，支持实时高速对抗。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures

Decentralized UAV Swarms for Ground Target Protection in GPS- and Communication-Denied Environments

GPS和通信受限环境下用于地面目标保护的分布式无人机群

Dimitria Silveria, Paulo Ricardo Marques de Araujo, Tiago Nascimento, Sidney Givigi

机构 * Queen’s University（女王大学） ； Universidade Federal da Paraíba（帕拉伊巴联邦大学） ； Czech Technical University in Prague（布拉格捷克技术大学） 纠错

AI总结 针对GPS和通信受限环境下地面目标保护问题，提出用无人机自主群的方法，开发卡尔曼滤波器并提出分布式群包围技术，经真实机器人验证，可有效检测、包围和拦截敌对无人机。

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

ODeform: Learning Continuous 4D Motion for Shape Deformation with Neural ODEs

ODeform：使用神经常微分方程学习形状变形的连续4D运动

Yordanka Velikova, Mahdi Saleh, Liming Kuang, Benjamin Busam

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

AI总结 ODeform将神经常微分方程扩展用于3D可变形物体连续4D动力学，把3D点云和物理条件转换到潜在空间，通过求解常微分方程对变形建模为连续流，在未见物理参数配置上评估，提升运动预测精度，能转移到新形状真实物体，可有效插值和外推动力学。

Comments Accepted at IROS 2026

Enhancing Glass Surface Reconstruction via Depth Prior for Robot Navigation

通过深度先验增强玻璃表面重建以提升机器人导航

Jiamin Zheng, Jingwen Yu, Guangcheng Chen, Hong Zhang

机构 * Shenzhen Key Laboratory of Robotics and Computer Vision（机器人与计算机视觉深圳重点实验室） ； Southern University of Science and Technology（南方科技大学） ； CKS Robotics Institute（CKS机器人研究院） 纠错

AI总结 本文提出一种无需训练的框架，利用深度基础模型作为结构先验，结合鲁棒的局部RANSAC对齐方法，融合原始传感器深度数据，从而避免错误的玻璃测量污染，恢复准确的度量尺度，并引入新的RGB-D数据集用于玻璃区域的几何真实值。

Comments 9 pages, 8 figures, Accepted by IROS 2026

Force-Aware Residual DAgger via Trajectory Editing for Precision Insertion with Impedance Control

具备力感知的残差数据集聚合轨迹编辑用于阻抗控制的精确插入

Yiou Huang, Ning Ma, Weichu Zhao, Zinuo Liu, Jun Sun, Qiufeng Wang, Yaran Chen

机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） 纠错

AI总结 本文提出TER-DAgger框架，通过优化轨迹编辑学习残差策略，减少协变量偏移，结合力感知的失败预判机制和阻抗控制框架，提升精确插入任务的成功率。

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