IEEE RA-L

ASPIRE-VINS: Adaptive Spline-based Visual-inertial Navigation System With Robust 3D Measurement Residuals

ASPIRE-VINS：具有鲁棒3D测量残差的自适应样条视觉-惯性导航系统

Kwangyik Jung, Eungchang Mason Lee, Taekjun Oh, Hyun Myung

AI总结 ASPIRE-VINS是结合AKP、MRS与3D-MSR的连续时间VINS框架，可自适应轨迹节点分配，在多样运动与传感条件下实现更低或相当的轨迹误差，提升视觉-惯性导航的灵活性与精度。

Comments 8 pages, 5 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L), June 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 9, pp. 10625-10632, 2026

Distributionally Robust Safety Under Arbitrary Uncertainties: A Safety Filtering Approach

在任意不确定性下的分布鲁棒安全：一种安全过滤方法

Daniel M. Cherenson, Haejoon Lee, Taekyung Kim, Dimitra Panagou

AI总结 本文研究如何在分布模糊性下确保非线性系统的概率安全，提出了一种基于备份的安全过滤框架，通过在高性能名义策略和认证备份策略之间切换来保证安全，并采用分布鲁棒方法处理任意不确定性，通过采样方法验证了方法的有效性。

Comments 11 pages, 6 figures, submitted to IEEE Robotics and Automation Letters (RA-L); Project Page: https://dcherenson.github.io/drs-gk

Perception-Aware Autonomous Exploration in Feature-Limited Environments

具备感知能力的自主探索：在特征受限环境中

Moji Shi, Rajitha de Silva, Hang Yu, Riccardo Polvara, Marija Popović

机构 * MAVLab, TU Delft（代尔夫特理工大学MAV实验室） ； Lincoln Center for Autonomous Systems (L-CAS), School of Engineering and Physical Sciences, University of Lincoln（林肯自主系统中心（L-CAS），工程与物理科学学院，林肯大学） 纠错

AI总结 本文提出了一种层级感知-aware的自主探索框架，用于配备立体相机的无人机，在探索过程中考虑特征可见性，通过全局特征图关联候选前沿与预期特征质量，优化连续偏航轨迹以保持稳定特征跟踪，实验证明其在不同纹理环境下的有效性。

Comments accepted to RAL

JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs

JitTrack：面向敏捷无人机的、应对视点抖动的机载多目标跟踪

Yachun Shan, Feitian Zhang

AI总结 针对敏捷无人机机载多目标跟踪的视点抖动难题，提出JitTrack框架，结合语义细化、运动感知查询校正等技术，通过闭环流水线实现鲁棒跟踪，实验验证其有效性。

Comments 9 pages, 7 figures. Submitted to IEEE Robotics and Automation Letters

Sampling-Based Visibility Task Planning

基于采样的可视性任务规划

Stav Ashur, Avishai Sintov

机构 * School of Mechanical Engineering, Tel-Aviv University（特拉维夫大学机械工程学院） 纠错

AI总结 本文针对视觉传感器等可视性设备，提出VisPRM和VisRRT两种新型采样TAMP算法，经仿真与物理实验验证，其成功率和运行效率优于RRT、PRM等适配算法。

Comments Accepted to IEEE RA-L

Targetless LiDAR-Camera Calibration with Neural Gaussian Splatting

无目标激光雷达-摄像头校准与神经高斯点分布

Haebeom Jung, Namtae Kim, Jungwoo Kim, Jaesik Park

机构 * Department of Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能交叉学科项目系，首尔国立大学） ； Department of Artificial Intelligence, Yonsei University（人工智能系，延世大学） 纠错

AI总结 本文提出无目标激光雷达-摄像头校准方法，通过神经高斯点分布优化传感器姿态，实现鲁棒且可推广的校准，优于现有方法并在多数据集上表现优异。

Comments IEEE RA-L 2026. Project page: https://zang09.github.io/tlc-calib-site

Journal ref 2026 IEEE Robotics and Automation Letters

Intuitive Hand Positional Guidance Using McKibben-Based Surface Tactile Sensations to Shoulder and Elbow

基于 McKibben 表面触觉的肩肘手部位置直观引导

Kenta Yokoe, Yuki Funabora, Tadayoshi Aoyama

AI总结 本研究开发了基于 McKibben 表面触觉的可穿戴致动器，结合特定算法实现肩肘手部位置直观引导，其性能优于合成语音、振动触觉等传统引导方法。

Comments This is the accepted version of an article published in IEEE Robotics and Automation Letters 10(4), 3254-3261 (2025). DOI: 10.1109/LRA.2025.3540579. Open Access under CC BY-NC-ND 4.0

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 4, pp. 3254-3261, 2025

Auditing Instruction-Trajectory Mismatches in Multimodal Robot Demonstrations

多模态机器人演示中指令-轨迹不匹配的审计

Simon Holk, Ryosuke Takanami, Tatsuya Matsushima, Yusuke Iwasawa, Yutaka Matsuo, Yueh-Hua Wu, Kei Ota

机构 * AI Robot Association (AIRoA)（人工智能机器人协会（AIRoA）） ； The University of Tokyo（东京大学） 纠错

AI总结 针对多模态机器人演示中指令-轨迹不匹配问题，提出无需训练的MMPF审计框架，在LIBERO基准及真实机器人数据上实现最优ITM检测与标签修正，可提升下游策略学习性能并展示过滤演示的权衡。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). 8 pages, 3 figures, 7 tables

CLEAR: A Semantic-Geometric Terrain Abstraction for Large-Scale Unstructured Environments

CLEAR: 一种用于大规模无结构环境的语义-几何地形抽象

Pranay Meshram, Charuvahan Adhivarahan, Ehsan Tarkesh Esfahani, Souma Chowdhury, Chen Wang, Karthik Dantu

机构 * Department of Computer Science and Engineering, University at Buffalo（计算机科学与工程系，布法罗大学） ； Department of Mechanical and Aerospace Engineering, University at Buffalo（机械与航空航天工程系，布法罗大学） 纠错

AI总结 CLEAR通过结合边界感知的空间分解与递归平面拟合，实现了大规模无结构环境中的高效地形抽象，提高了路径规划的速度和可靠性。

Comments Accepted in IEEE RA-L August, 2026

C2Dex: Contact-Consistent Reconstruction and Retargeting for Dexterous Manipulation from Monocular Video

C2Dex：基于单目视频的接触一致性重建与灵巧操作重定向

Jie Ren, Zhehao Jiang, Yinhong Yang, Haorui Jia, Han Jiang, Ben Li, Yao Yao, Cheng Lin, Qiu Shen, Zhenshan Bing, Xiao-Xiao Long, Xun Cao

机构 * Nanjing University（南京大学） ； China Mobile Research Institute（中国移动研究院） 纠错

AI总结 C2Dex是基于单目视频的灵巧操作框架，通过聚合物体侧稳定接触实现HOI重建与手物几何保留，在DexYCB、TACO上的轨迹成功率显著优于基线，且真实机器人复现可行。

Comments 9 pages, 5 figures. Submitted to IEEE Robotics and Automation Letters (RA-L). Project page: https://k-jie.github.io/C2Dex/

Are Visual Place Recognition Models Recognizing Places or Conditions? Distractor-Augmented Evaluation and Condition Suppression

视觉地点识别模型识别的是地点还是条件？干扰项增强评估与条件抑制

Beomsu Kim, Minwoo Jung, Giseop Kim

AI总结 该研究针对视觉地点识别模型易受干扰项影响的问题，提出干扰项增强评估方法与条件抑制技术，发现干扰项鲁棒性与标准检索性能不同，可通过抑制条件信息提升模型性能。

Comments 8 pages, 10 figures, 5 tables. Submitted to IEEE Robotics and Automation Letters (RA-L)

TRACE: Learned Proprioceptive Odometry for Legged Robots under Unreliable Contact Conditions

TRACE：不可靠接触条件下四足机器人的学习式本体里程计

Taehyeon Kong, Woojin Kim, Jemin Hwangbo

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）） 纠错

AI总结 本研究提出TRACE模型，通过引入足部感知交叉注意力模块等技术，结合策略随机化与部分现实微调，提升四足机器人在不可靠接触条件下的本体里程计性能，降低位置漂移并改善仿真到现实的迁移效果。

Comments 8 pages, 7 figures. Submitted to IEEE Robotics and Automation Letters (RA-L)

Robust Scene Transfer for PointGoal Navigation via Privileged Sensor Guided Contrastive Learning

基于特权传感器引导对比学习的点目标导航鲁棒场景迁移

Amirhossein Zhalehmehrabi, Tiziano Tezze, Alberto Castelini, Alessandro Farinelli

机构 * University of Padua（帕多瓦大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 提出一种传感器引导的自适应对比学习框架，利用特权LiDAR传感器在训练时引导视觉编码器学习导航相关结构，并通过解耦表征学习与策略优化以及跨阶段域不匹配来提升策略级场景迁移能力。

Comments 8 pages, Accepted to IEEE Robotics and Automation Letters (RA-L)

RESample: A Robust Data Augmentation Framework via Exploratory Sampling for Robotic Manipulation

RESample：通过探索性采样构建鲁棒数据增强框架用于机器人操控

Yuquan Xue, Guanxing Lu, Zhenyu Wu, Chuanrui Zhang, Bofang Jia, Zhengyi Gu, Ziwei Wang

机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 本文提出RESample框架，通过探索性采样机制提升VLA训练数据分布覆盖，有效解决分布外场景下的能力瓶颈问题，实验证明在LIBERO基准和真实机器人任务中性能提升12%。

Comments 8 pages, submitted to RA-L

Lightweight 3D Object Detection via Mamba-Based Knowledge Distillation

基于Mamba知识蒸馏的轻量型3D目标检测

Quoc Cuong Ninh, Huy Xuan Pham, Anh Tung Nguyen, Dinh Hoan Trinh

AI总结 本研究提出基于Mamba的知识蒸馏框架，通过选择性体素空间特征对齐实现轻量型3D目标检测，在保持精度的同时显著降低计算负载。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026

Adaptive Human-Robot Collaborative Painting Combining Preference-Based Optimization and Dynamic Motion Primitives

结合基于偏好的优化与动态运动基元的自适应人机协作绘画

C. Cella, M. Ristic, M. Faroni, A. M. Zanchettin, P. Rocco

机构 * Politecnico di Milano（米兰理工大学） 纠错

AI总结 本研究提出整合PBO与DMPs的人机协作绘画框架，通过GLISp算法优化控制参数，改进DMPs提升适应性，经实验验证可降低操作者工作量并优化绘画结果。

Comments 8 pages, 8 figures

Journal ref IEEE Robotics and Automation Letters, 2026

Diffusion-Based Body Schema Learning Enabling Abnormal-State Adaptation in Musculoskeletal Robots

基于扩散模型的身体模式学习：实现肌肉骨骼机器人的异常状态适应

Kento Kawaharazuka, Shuhei Ikemoto

机构 * The University of Tokyo（东京大学） ； Kyushu Institute of Technology（九州工业大学） 纠错

AI总结 本研究针对肌肉骨骼机器人传统身体模式学习方法难以处理异常状态的问题，提出基于扩散模型的身体模式学习框架，通过仿真实验验证了其异常状态下自适应估计肌肉参数的有效性。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L), website - https://haraduka.github.io/muscle-diffusion/

RIT*: Riemannian Informed Trees for Cost-Adaptive Optimal Motion Planning

RIT*：适用于成本自适应最优运动规划的黎曼知情树

Muhayy Ud Din, Ahmed Nadar, Jan Rosell, Irfan Hussain

机构 * Center for Autonomous Robotic Systems, Khalifa University（哈利法大学自主机器人系统中心） ； Institute of Industrial and Control Engineering, Universitat Politècnica de Catalunya（加泰罗尼亚理工大学工业与控制工程研究所） 纠错

AI总结 该研究提出RIT*规划框架，以黎曼原语替代批量知情搜索的欧几里得原语，结合CARM优化度量，在高维各向异性运动规划中显著降低成本，性能优于BIT*等基准方法。

Comments Accepted in Robotics and Automation Letters

FlowPilot: Real-Time World-Action Modeling for Agile UAV Navigation

FlowPilot：面向敏捷无人机导航的实时世界-动作建模

Runqing Wang, Ding Yu, Pengyuan Min, Xinhong Zhang, Wei Xiao, Yu Hu, Jie Chen, Fu Zhang, Gang Wang

机构 * Beijing Institute of Technology（北京理工大学） ； Zhongguancun Academy（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 FlowPilot是一种基于流匹配的紧凑世界-动作模型，采用双流混合Transformer，在三级深度金字塔数据上训练，可实现敏捷无人机实时导航，性能优于基线，能在杂乱环境中以5.5m/s速度运行。

Comments 8 pages, 9 figures, 2 tables, submitted to IEEE Robotics and Automation Letters (RA-L)

Belief-Aware Influence and Trust (BAIT): Shaping Human Belief During Repeated Human-Robot Interaction

信念感知影响与信任（BAIT）：在人机重复交互中塑造人类信念

Ye-Ji Mun, Mahsa Golchoubian, Shahabedin Sagheb, Yan Bai, Tianhao Ji, Dylan P. Losey, Katherine Driggs-Campbell

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Toronto（多伦多大学） ； Virginia Tech（弗吉尼亚理工大学） 纠错

AI总结 研究针对重复人机交互问题，提出BAIT控制器将分层粒子滤波器与信念感知规划器集成，能推断人类信念变化，优化长期影响与人类信任的权衡，在多场景实验中任务性能与基线相当且用户信任更高。

Comments 9 pages, 4 figures, submitted to IEEE Robotics and Automation Letter (RA-L)

DPL: Depth-only Perceptive Humanoid Locomotion via Realistic Depth Synthesis and Cross-Attention Terrain Reconstruction

DPL：基于真实深度合成与交叉注意力地形重建的仅深度感知人形机器人运动

Jingkai Sun, Gang Han, Pihai Sun, Wen Zhao, Jiahang Cao, Jiaxu Wang, Qiang Zhang, Yijie Guo

AI总结 该研究提出整合地形感知运动策略、多模态交叉注意力Transformer及真实深度图像合成方法的DPL框架，在人形机器人上实现高效训练与多样地形下的自适应运动。

Comments 8 pages, 8 figures. Published in IEEE Robotics and Automation Letters (RA-L), 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9407-9414, 2026

STAGE: STyle-controllable Action GEneration for personalized autonomous driving

STAGE：面向个性化自动驾驶的风格可控动作生成

Zihao Liu, Xing Liu, Yizhai Zhang, Panfeng Huang

机构 * Northwestern Polytechnical University（西北工业大学） ； School of Astronautics（航天学院） ； Research Center for Intelligent Robotics（智能机器人研究中心） ； National Key Laboratory of Aerospace Flight Dynamics（航空航天飞行动力学重点实验室） 纠错

AI总结 本文针对自动驾驶系统难以匹配用户个性化驾驶风格的问题，提出STAGE风格可控动作生成方法，通过模仿学习与偏好学习实现风格控制，实验验证其风格对齐与安全性能。

Comments Accepted for publication in IEEE Robotics and Automation Letters

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 2130-2137, Feb. 2026

Homotopy-Aware Corridor Generation without Predefined Reference Paths

无预定义参考路径的同伦感知走廊生成

Haoze Dong, Minghan Li, Meng Guo, Zhongkui Li

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） 纠错

AI总结 该研究提出一种无预定义参考路径的自适应多尺度凸集图框架，用于生成同伦感知安全走廊，经数值与硬件实验验证，其图构造高效、轨迹性能稳定，同伦感知轨迹更短且能应对未知障碍物。

Comments 8 pages, 8 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L)

Automated Straight-line Sewing of Stretchable Fabrics with Different Lengths

不同长度可拉伸织物的自动直线缝纫

Bingchen Jin, Akinari Kobayashi, Dipankar Bhattacharya, Akira Seino, Fuyuki Tokuda, Norman Chihnan Tien, Kazuhiro Kosuge

机构 * The University of Hong Kong（香港大学） ； Centre for Transformative Garment Production（创新服装生产中心） 纠错

AI总结 本研究针对不同长度可拉伸织物的直线自动化缝纫难题，提出新型机器人缝纫系统DLRoSS，通过四阶段流程实现对齐缝纫，实验验证其可完成不同材料和长度织物的高质量缝纫。

Comments 9 pages. Published in IEEE Robotics and Automation Letters, 2025

Journal ref IEEE Robot. Autom. Lett. 10 (2025) 12165-12172

Failure Detection for Surgical Robot Imitation Policies via Flow-Matching World Modeling

基于流匹配世界建模的外科机器人模仿策略故障检测

Zhefeng Huang, Yilin Cai, Ankit Patel, Mohammad Hajiha, Brendan Browne, Yue Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） 纠错

AI总结 该研究针对外科机器人模仿策略的故障检测难题，提出FoMo-FD方法，利用流匹配世界模型实现无故障演示的视觉-动作不一致性窗口级检测，在dVRK的模拟与真实实验中表现优于基线方法。

Comments 9 pages, 6 figures. Submitted to IEEE Robotics and Automation Letters (RA-L)

Event-Grounding Graph: Unified Spatio-Temporal Scene Graph from Robotic Observations

事件接地图：从机器人观测中统一的时空场景图

Phuoc Nguyen, Francesco Verdoja, Ville Kyrki

机构 * School of Electrical Engineering, Aalto University（艾尔沃斯大学电气工程学院） 纠错

AI总结 本文提出事件接地图（EGG）框架，通过统一时空场景图实现机器人对复杂时空查询的感知与响应。

Comments Accepted to RA-L

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 5, pp. 5286-5293, May 2026

MoDeSuite: Robot Learning Task Suite for Benchmarking Mobile Manipulation with Deformable Objects

Yuying Zhang, Kevin Sebastian Luck, Francesco Verdoja, Ville Kyrki, Joni Pajarinen

机构 * Department of Electrical Engineering and Automation, Aalto University（艾尔沃斯大学电气工程与自动化系） ； Faculty of Science, Vrije Universiteit Amsterdam（阿姆斯特丹自由大学科学学院） 纠错

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 6903-6910, June 2026

Tripody: An Overconstrained 3-SPR-like Parallel Robot for High-Reach Construction Tasks

三脚架：一种用于高空施工任务的过约束3-SPR类并联机器人

Julien Kindle, Jakub Raczy, Riccardo Balbi, Andrea Alessandretti, Cesar Cadena, Marco Hutter

AI总结 研究针对天花板施工任务依赖重型串联机械手的问题，提出用万向节取代基座球形关节的过约束3-SPR类并联机器人Tripody，介绍其机械设计与控制堆栈，通过实验验证其性能，支持该架构用于轻型、高空、毫米级精确施工机器人。

Comments 8 pages, 11 figures, Accepted in July 2026 at IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 9, pp. 10497-10504, Jul. 2026

Diff2DGS: Reliable Reconstruction of Occluded Surgical Scenes via 2D Gaussian Splatting

Diff2DGS: 通过2D高斯点散布实现遮挡手术场景的可靠重建

Tianyi Song, Danail Stoyanov, Evangelos Mazomenos, Francisco Vasconcelos

AI总结 Diff2DGS通过两阶段框架提升遮挡手术场景的3D重建精度，结合扩散模型和可学习变形模型，实现更准确的几何和外观重建。

Comments This work has been accpeted by the IEEE Robotics and Automation Letters(RA-L)

MSG-Loc: Multi-Label Likelihood-based Semantic Graph Matching for Object-Level Global Localization

MSG-Loc: 基于多标签似然的语义图匹配用于物体级全局定位

Gihyeon Lee, Jungwoo Lee, Juwon Kim, Young-Sik Shin, Younggun Cho

机构 * Electrical and Computer Engineering, Inha University（信息与通信技术规划与评估机构，延世大学） ； Depart. of AI Machinery, Korea Institute of Machinery and Materials（人工智能机械系，韩国机械材料研究院） 纠错

AI总结 本文提出基于多标签似然的语义图匹配框架，用于解决物体级全局定位中的语义模糊性和误分类问题。

Comments Accepted in IEEE Robotics and Automation Letters (2025)