IEEE RA-L

Certifiable Alignment of GNSS and Local Frames via Lagrangian Duality

通过拉格朗日对偶实现GNSS与局部框架的可验证对齐

Baoshan Song, Matthew Giamou, Penggao Yan, Chunxi Xia, Li-Ta Hsu

机构 * Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University, China（航空与航空工程系，香港理工大学，中国） ； Department of Computing and Software, McMaster University, Canada（计算与软件系，麦斯特大学，加拿大） ； School of Geodesy and Geomatics, Wuhan University, China（测绘学院，武汉大学，中国） 纠错

AI总结 本文提出了一种全局最优求解器，通过将原始伪距或多普勒测量转换为凸松弛问题，实现了GNSS与局部框架的可验证对齐，解决了传统方法在GNSS退化环境下的局限性。

Comments Final version in RA-L

Learn2Decompose: Learning Problem Decomposition for Efficient Sequential Multi-object Manipulation Planning

Learn2Decompose: 为高效连续多物体操作规划学习问题分解

Yan Zhang, Teng Xue, Amirreza Razmjoo, Sylvain Calinon

机构 * Idiap Research Institute（Idiap研究 institute） ； Ecole Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑分校） 纠错

AI总结 本文提出了一种高效的任务与运动重计划方法，用于动态环境中连续多物体操作的规划。通过从示范中学习问题分解来加速TAMP求解器，核心方法包括目标分解学习、计算距离学习和物体减少，有效提升了重计划效率。

Comments Extension of RAL version: added PR2 Whole-body kitchen task and detailed discussion on limitations in main text; added pseudocode and robustness analysis of our approach, and formal analysis on why and when task goals are decomposable in appendix

EpiDiffVO: Geometry-Aware Epipolar Diffusion for Robust Visual Odometry

EpiDiffVO: 一种基于几何的视差扩散用于鲁棒视觉里程计

Prateeth Rao

机构 * International Institute of Information Technology Bangalore（国际信息科技学院班加罗尔） 纠错

AI总结 本文提出了一种稀疏视差匹配框架，通过优化几何一致性来减少冗余，并结合视差扩散过程和图神经网络实现高效的视觉里程计。

Comments 8 pages, 5 figures, in revision to be submitted to IEEE RA-L