期刊&会议
IEEE Robotics and Automation Letters · 期刊 · Robotics
在任意不确定性下的分布鲁棒安全：一种安全过滤方法
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
具备感知能力的自主探索：在特征受限环境中
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）
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
基于采样的可视性任务规划
机构 * School of Mechanical Engineering, Tel-Aviv University（特拉维夫大学机械工程学院）
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
CLEAR: 一种用于大规模无结构环境的语义-几何地形抽象
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）
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
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
机构 * University of Padua（帕多瓦大学） ； ETH Zurich（苏黎世联邦理工学院）
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：通过探索性采样构建鲁棒数据增强框架用于机器人操控
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）
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
信念感知影响与信任（BAIT）：在人机重复交互中塑造人类信念
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）
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：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
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
Diff2DGS: 通过2D高斯点散布实现遮挡手术场景的可靠重建
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: 基于多标签似然的语义图匹配用于物体级全局定位
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）
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)
基于核回归的SDF库：利用核回归进行实时符号距离函数估计的开源库
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出Kernel-SDF开源库，通过核回归实时估计带不确定性的符号距离函数，提供高精度SDF、梯度和网格构造，适用于机器人应用。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026; code: https://github.com/ExistentialRobotics/kernel_sdf
VPWEM：非马尔可夫视觉-运动策略与工作记忆与事件记忆
机构 * School of Computing and Data Science, University of Hong Kong（计算与数据科学学院，香港大学）
AI总结 VPWEM通过引入工作记忆和事件记忆，提升机器人在非马尔可夫任务中的动作生成性能。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L). \textcopyright 2026 IEEE
应力共享：一种用于模块化航天器分散式故障修复的生物启发方法
机构 * Manifold Research Group（流形研究小组） ； Purdue University（普渡大学） ； School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院）
AI总结 针对模块化航天器结构损坏问题，提出受生物启发的应力共享修复策略，将航天器建模为晶格约束图，利用局部信息自主修复。经模拟评估，该策略能有效整合幸存模块，适合作为大型模块化航天器群体规模修复策略。
Comments 6 pages, 3 figures. Submitted to the IEEE Robotics and Automation Letters
高速策略化：多无人机竞速的学习型模型预测博弈
机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学）
AI总结 针对多无人机竞速中策略深度与计算延迟的权衡问题，提出一种学习型模型预测博弈（LMPG）方法，通过摊销模型预测博弈计算来降低延迟，在仿真和硬件实验中优于模型预测博弈和模型预测控制。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9056-9063, Aug. 2026
ImplicitRDP：一种具有结构快慢学习的端到端视觉-力扩散策略
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd.（诺姆矩阵有限公司）
AI总结 研究人类水平接触操作中视觉与力感测信号整合难题，提出ImplicitRDP策略，用结构快慢学习机制及虚拟目标表示正则化，经实验验证其在丰富接触任务中显著优于基线，有卓越反应性与成功率。
Comments Accepted to RA-L 2026. Project page: https://implicit-rdp.github.io
通过协同收缩实现可变气动阻尼：与可变刚度执行器的动态同构性
机构 * Robotics and Mechatronics, Electrical Engineering, Mathematics, and Computer Science Faculty（代尔夫特理工大学机器人与机电系，电气工程，数学和计算机科学系） ； Department of Computer, Control and Management Engineering（罗马萨皮恩扎大学计算机、控制与管理工程系）
AI总结 本文通过协同收缩在冗余双转子执行器中调节被动气动机械阻尼，保持净力恒定，并证明其与可变刚度执行器的动态同构性。
Journal ref IEEE Robotics and Automation Letters, (2026)
在不确定性中看见：一种基于自由能原理的实时感知适应鲁棒视觉导航方法
机构 * Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； Institute for Infocomm Research (I2R), Agency for Science, Technology and Research (A*STAR)（信息与通信研究院（I2R）、科技研究局（A*STAR）） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 FEP-Nav通过结合自由能原理与实时感知适应，提升机器人在复杂视觉环境中的导航鲁棒性。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L)
在机器人运动强化学习中预训练Actor-Critic算法
机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； Section of Microengineering, EPFL（日内瓦联邦理工学院微工程系） ； ETH AI Center（苏黎世联邦理工学院人工智能中心）
AI总结 本研究提出了一种在机器人运动强化学习中预训练Actor-Critic算法的方法，通过预训练模型提升样本效率和任务性能。
Comments Published in IEEE Robotics and Automation Letters (RA-L)
LEGO-SLAM：语言嵌入的高斯优化SLAM
机构 * Department of Intelligent Robotics, Sungkyunkwan University（智能机器人系，成均馆大学）
AI总结 研究将语言特征集成到基于3DGS的SLAM系统的问题，提出LEGO-SLAM框架，利用场景自适应自动编码器压缩语言嵌入，实现语言引导剪枝和回环检测，提升映射质量和跟踪精度，具备开放词汇能力且达15FPS。
Comments Project page :https://lab-of-ai-and-robotics.github.io/LEGO-SLAM/ Submitted to IEEE RA-L
通过从正向演示中学习逆向任务进行任务参数外推
机构 * Bogazici University（博雅科技大学） ； University of Trento（特伦托大学） ； The University of Tokyo（东京大学）
AI总结 本文提出了一种基于任务逆向学习的联合学习方法，通过利用辅助正向演示实现准确且高效的知识转移，以解决机器人学习中的泛化问题。
Comments Accepted for publication in IEEE RA-L
动态环境中无碰撞轨迹的在线生成
机构 * Faculty of Electrical Engineering, University of Sarajevo（萨拉热窝大学电气工程学院）
AI总结 提出一种在线方法，将任意几何路径转换为运动学可行、加加速度受限的轨迹，支持实时环境适应并提供条件性停止安全保证。
Journal ref IEEE Robotics and Automation Letters, 2026
在重返工作场景中实现机器人在线交互以适应人类上肢运动障碍
机构 * Human-Robot Interfaces and Interaction (HRII) Laboratory, Istituto Italiano di Tecnologia（人类-机器人接口与交互（HRII）实验室，意大利技术研究院）
AI总结 针对工作环境对上肢残疾人士缺乏包容性的问题，提出将特定关节运动模型集成到分层最优控制器的人机交互框架，经测试能使交互个性化，适应受损运动范围，鼓励关节使用。
Journal ref IEEE Robotics and Automation Letters, 2026
被动可变阻抗用于共享控制
机构 * German Aerospace Center (DLR), Robotics and Mechatronics Center（德国航空航天中心（DLR），机器人与机电中心）
AI总结 本文研究了共享控制中可变刚度和控制器仲裁的稳定性，通过加权叠加输出力矩实现整体框架，解决闭环系统中的被动性问题，验证了方法的有效性。
Comments submitted for publication at the IEEE Robotics and Automation Letters (RA-L)
3D Cal：用于基于视觉的触觉传感器深度重建的开源软件库
机构 * McCormick School of Engineering, Center for Robotics and Biosystems, Northwestern University（麦科姆ick工程学院，机器人与生物系统中心，西北大学）
AI总结 介绍3D Cal开源库，将低成本3D打印机变为自动探测设备，为校准基于视觉的触觉传感器生成大量标记训练数据，还提供端到端管道训练自定义卷积网络进行深度重建，给出校准准则并展示良好性能。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). Project page: https://rohankotanu.github.io/3DCal/
面向专业级机器人乒乓球的仿真到现实迁移的物理模型
机构 * Sony AI, Tokyo, Japan（索尼人工智能，东京，日本） ； Sony AI, Zürich, Switzerland（索尼人工智能，苏黎世，瑞士）
AI总结 提出空气动力学、球桌碰撞和球拍接触的物理模型，精确捕捉高速高旋球行为，首次训练出能与专业选手对战的机器人乒乓球AI智能体。
Comments 8 pages, 7 figures, additional information: https://ace.ai.sony/, Submitted to IEEE Robotics and Automation Letters (RA-L)
PROBE: 具有解析平移鲁棒性的概率占用BEV编码用于3D地点识别
机构 * SK Intellix
AI总结 提出无学习的LiDAR地点描述符PROBE，通过极坐标雅可比解析边缘化连续平移，实现距离自适应角度不确定性，在跨传感器泛化中取得高精度。
Comments 8 pages, 8 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L). (c) 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses
基于安全盾牌强化学习的高速度视觉飞行在杂乱环境中
机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院工业控制技术研究所） ； Differential Robotics（微分机器人）
AI总结 提出一种结合模型安全机制的端到端强化学习框架，通过物理信息奖励和实时安全滤波器实现高速飞行与严格避障，在杂乱环境和森林中速度达7.5 m/s。
Comments Published in IEEE Robotics and Automation Letters
Journal ref IEEE Robotics and Automation Letters, 2026
用自然语言提示机器人团队
机构 * Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） ； Department of Mechanical and Process Engineering, ETH Zurich（苏黎世联邦理工学院机械与过程工程系）
AI总结 提出利用语言模型将高层任务分解为子任务，并蒸馏为循环神经网络（RNN）以支持多机器人团队的去中心化实时执行，通过图神经网络控制策略实现协作。
Comments This paper has been accepted for publication at IEEE Robotics and Automation Letters. Please, when citing the paper, refer to the official version
CycleRL：面向鲁棒自主自行车控制的仿真到现实深度强化学习
机构 * School of Electronics and Communication Engineering and Shenzhen Key Laboratory of Navigation and Communication Integration, Sun Yat-sen University（电子工程学院和深圳导航通信集成重点实验室，中山大学）
AI总结 提出CycleRL框架，利用高保真仿真环境和域随机化，通过PPO算法实现自主自行车的平衡、速度跟踪和转向控制，在仿真中达到99.90%平衡成功率，并成功迁移到真实硬件。
Comments 8 pages, 7 figures, 8 tables. Accepted for publication in IEEE Robotics and Automation Letters (L-RA). See: https://ieeexplore.ieee.org/document/11568521
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9343-9350, 2026
FC-Vision：未知环境中无遮挡空中目标结构扫描的实时可见性感知重规划
机构 * Dept. of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学）
AI总结 提出FC-Vision框架，通过双层分解（无遮挡视点修复和分段清洁感知连接）实时施加密集表面可见性约束，在保持覆盖率和效率的同时主动防止目标遮挡，实现55.32%的覆盖率提升和73.17%的遮挡率降低。
Comments Accepted by IEEE Robotics and Automation Letters. 8 pages, 8 figures, 3 tables. Code: https://github.com/FC-Family/FC-Vision. Video: https://www.youtube.com/watch?v=H3C42zlDOAI
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈