IEEE RA-L

Gaze-Aware Task Progression Detection Framework for Human-Robot Interaction Using RGB Cameras

基于RGB摄像头的 gaze-aware 任务进度检测框架用于人机交互

Linlin Cheng, Koen Hindriks, Artem V. Belopolsky

机构 * Department of Computer Science, Vrije Universiteit Amsterdam（范德比尔特大学阿姆斯特丹计算机科学系） ； Department of Movement Sciences, Vrije Universiteit Amsterdam（范德比尔特大学阿姆斯特丹运动科学系） 纠错

AI总结 本文提出一种无需校准的框架，利用RGB摄像头和先进的眼动估计技术，通过任务界面与机器人面部的注意力模式检测任务进度，实验表明其在任务完成检测中准确率达77.6%。

Comments 9 pages, 7 figures. This article has been accepted for publication in IEEE Robotics and Automation Letters

DefVINS: Visual-Inertial Odometry for Deformable Scenes

DefVINS：用于变形场景的视觉-惯性里程计

Samuel Cerezo, Javier Civera

机构 * Departamento de Informática e Ingeniería de Sistemas, Universidad de Zaragoza（信息与系统工程系，萨拉戈萨大学） 纠错

AI总结 本文提出DefVINS，一种针对变形场景的视觉-惯性里程计，通过分解里程状态为刚性IMU锚定部分和非刚性场景变形图，解决传统VIO对变形场景的不足。同时引入VIMandala基准测试集，并通过实验验证其优于传统方法。

Comments 4 figures, 2 tables. Submitted to RA-L

4D Radar-Inertial Odometry based on Gaussian Modeling and Multi-Hypothesis Scan Matching

基于高斯建模和多假设扫描匹配的4D雷达-惯性里程计

Fernando Amodeo, Luis Merino, Fernando Caballero

机构 * Service Robotics Laboratory, Universidad Pablo de Olavide（服务机器人实验室， Pablo de Olavide 大学） 纠错

AI总结 本文提出基于高斯分布的4D雷达场景表示方法，通过全局优化提升注册精度，并通过多假设优化避免局部最优，实验表明其在雷达-惯性里程计任务中表现优异。

Comments Our code and results can be publicly accessed at: https://github.com/robotics-upo/gaussian-rio-cpp Accepted for publication in IEEE Robotics and Automation Letters