IEEE RA-L

SCOPE: Skeleton Graph-Based Computation-Efficient Framework for Autonomous UAV Exploration

SCOPE：基于骨架图的计算高效框架用于自主无人机探索

Kai Li, Shengtao Zheng, Linkun Xiu, Yuze Sheng, Xiao-Ping Zhang, Dongyue Huang, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

AI总结 SCOPE通过基于骨架图的高效框架，实现了自主无人机探索中的计算效率提升，减少86.9%的计算成本，同时保持与先进全局规划器相当的探索性能。

Comments This paper has been accepted for publication in the IEEE ROBOTICS AND AUTOMATION LETTERS (RA-L). Please cite the paper using appropriate formats

From Prompts to Printable Models: Support-Effective 3D Generation via Offset Direct Preference Optimization

从提示到可打印模型：通过偏移直接偏好优化实现支持有效的3D生成

Chenming Wu, Xiaofan Li, Chengkai Dai

机构 * Axiswise Ltd.（Axiswise有限公司） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） 纠错

AI总结 SEG通过偏移直接偏好优化实现支持有效的3D生成，显著减少支撑材料使用并提升打印可制造性。

Comments Accepted by IEEE Robotics and Automation Letters 2026, preprint version by authors

Super LiDAR Intensity for Robotic Perception

超声波雷达强度用于机器人感知

Wei Gao, Jie Zhang, Mingle Zhao, Zhiyuan Zhang, Shu Kong, Maani Ghaffari, Dezhen Song, Cheng-Zhong Xu, Hui Kong

机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC)（物联网智能城市国家重点实验室） ； Faculty of Science and Technology（科技学院） ； University of Macau（澳门大学） ； School of Computing and Information Systems（计算与信息学院） ； Singapore Management University（新加坡管理大学） ； Department of Naval Architecture and Marine Engineering and Department of Robotics（船舶工程与海洋工程系和机器人系） ； University of Michigan（密歇根大学） ； Department of Robotics（机器人系） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·拉希德智能人工智能大学） 纠错

AI总结 本文提出了一种基于非重复扫描LiDAR的密集强度图像生成方法，以提升低成本LiDAR在机器人感知中的应用。

Comments IEEE Robotics and Automation Letters (RA-L), 2026 (https://ieeexplore.ieee.org/document/11395610). The dataset and code are available at: (https://github.com/IMRL/Super-LiDAR-Intensity)