IEEE RA-L

From Obstacles to Etiquette: Robot Social Navigation with VLM-Informed Path Selection

从障碍到礼仪：基于VLM引导路径选择的机器人社交导航

Zilin Fang, Anxing Xiao, David Hsu, Gim Hee Lee

机构 * School of Computing（计算机学院） ； Smart Systems Institute（智能系统研究所） 纠错

AI总结 本文提出了一种结合几何规划与上下文社交推理的机器人社交导航框架，通过VLM模型优化路径选择，以减少对人类活动的干扰并遵守社会规范。

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

A Generic Service-Oriented Function Offloading Framework for Connected Automated Vehicles

面向连接自动化车辆的通用服务导向功能卸载框架

Robin Dehler, Michael Buchholz

机构 * Institute of Measurement, Control and Microtechnology, Ulm University（测量、控制与微技术研究所，乌尔姆大学） 纠错

AI总结 本文提出了一种面向连接自动化车辆的通用服务导向功能卸载框架，通过基于位置的策略实现任务卸载，提升计算效率并保证服务质量。

Comments 8 pages, 6 figures, 2 tables, published in RA-L

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 5, May 2025)

Chamelion: Reliable Change Detection for Long-Term LiDAR Mapping in Transient Environments

Chamelion：在瞬态环境中实现长期LiDAR映射的可靠变化检测

Seoyeon Jang, Alex Junho Lee, I Made Aswin Nahrendra, Hyun Myung

机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院） ； Department of Electrical Mechanical Systems Engineering, Sookmyung Women’s University（成均馆女子大学电气机械系统工程系） ； KRAFTON 纠错

AI总结 Chamelion通过双头网络实现在线变化检测和长期LiDAR地图维护，利用数据增强策略提升在瞬态环境中的地图更新效率与准确性。

Comments 8 pages, IEEE Robot. Automat. Lett. (RA-L) 2026

Learning to Anchor Visual Odometry: KAN-Based Pose Regression for Planetary Landing

学习锚定视觉里程计：基于KAN的行星着陆姿态回归

Xubo Luo, Zhaojin Li, Xue Wan, Wei Zhang, Leizheng Shu

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences（中国科学院空间利用技术与工程中心） 纠错

AI总结 KANLoc通过基于KAN的姿态回归器和混合定位方案，实现高精度、实时的行星着陆定位，有效减少漂移并提升鲁棒性。

Comments 8 pages, accepted by RA-L

CoCoPlan: Adaptive Coordination and Communication for Multi-robot Systems in Dynamic and Unknown Environments

CoCoPlan：动态和未知环境中的多机器人系统自适应协调与通信

Xintong Zhang, Junfeng Chen, Yuxiao Zhu, Bing Luo, Meng Guo

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Division of Natural and Applied Sciences, Duke Kunshan University（杜克昆山大学自然与应用科学系） 纠错

AI总结 CoCoPlan通过自适应协调与通信框架，提升多机器人系统在动态未知环境中的任务完成效率与通信效率。

Comments 8 pages, 8 figures, published to RA-L

Journal ref IEEE Robotics and Automation Letters, vol. 11, issue 3, pp. 3270-3277, March 2026

A Taxonomy for Evaluating Generalist Robot Manipulation Policies

机器人通用操作策略评估的分类

Jensen Gao, Suneel Belkhale, Sudeep Dasari, Ashwin Balakrishna, Dhruv Shah, Dorsa Sadigh

AI总结 本文提出STAR-Gen分类，旨在系统化评估机器人操作策略的泛化能力，通过视觉、语义和行为三个维度，结合现实案例研究揭示泛化评估的挑战与改进方向。

Comments IEEE Robotics and Automation Letters (RA-L)

Differentiable Inverse Graphics for Zero-shot Scene Reconstruction and Robot Grasping

可微逆图形用于零样本场景重建与机器人抓取

Octavio Arriaga, Proneet Sharma, Jichen Guo, Marc Otto, Siddhant Kadwe, Rebecca Adam

机构 * DFKI GmbH 纠错

AI总结 本文提出了一种可微神经图形模型，通过结合神经基础模型与基于物理的可微渲染，实现零样本场景重建和机器人抓取，无需额外3D数据或测试样本。

Comments Submitted to IEEE Robotics and Automation Letters (RA-L) for review. This version includes the statement required by IEEE for preprints

Doppler-SLAM: Doppler-Aided Radar-Inertial and LiDAR-Inertial Simultaneous Localization and Mapping

Doppler-SLAM：基于多普勒效应的雷达-惯性与激光雷达-惯性同时定位与建图

Dong Wang, Hannes Haag, Daniel Casado Herraez, Stefan May, Cyrill Stachniss, Andreas Nüchter

机构 * Julius-Maximilians-Universität Würzburg（乌尔姆-马克斯-普朗克大学） ； Zentrum für Telematik e.V.（电信研究中心） ； Nuremberg Institute of Technology Georg Simon Ohm（纽伦堡技术学院 Georg Simon Ohm） ； CARIAD SE（CARIAD SE公司） ； University of Bonn（波恩大学） ； Center for Robotics（机器人中心） ； Lamarr Institute for Machine Learning and Artificial Intelligence（Lamarr机器学习与人工智能研究所） 纠错

AI总结 Doppler-SLAM通过融合多普勒雷达、激光雷达和惯性传感器，提升在复杂环境下的定位与建图精度和鲁棒性。

Comments 8 pages, 7 figures

Journal ref IEEE Robotics and Automation Letters (RA-L), 2025

Safe and Stable Neural Network Dynamical Systems for Robot Motion Planning

用于机器人运动规划的安全稳定神经网络动力学系统

Allen Emmanuel Binny, Mahathi Anand, Hugo T. M. Kussaba, Lingyun Chen, Shreenabh Agrawal, Fares J. Abu-Dakka, Abdalla Swikir

机构 * Indian Institute of Technology Kharagpur（印度理工学院科拉格浦分校） ； Munich Institute of Robotics and Machine Intelligence, Technical University of Munich（慕尼黑机器人与智能机械研究所，慕尼黑技术大学） ； University of Brasilia（巴西大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mechanical Engineering Program at New York University Abu Dhabi（纽约大学阿布扎克分校机械工程项目） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出S$^2$-NNDS框架，通过神经网络学习复杂机器人运动，结合Lyapunov稳定性及屏障安全证书，提供概率保证，有效提升运动规划的安全性和稳定性。

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

MineInsight: A Multi-sensor Dataset for Humanitarian Demining Robotics in Off-Road Environments

MineInsight: 一种多传感器数据集用于野外环境的人道主义排雷机器人

Mario Malizia, Charles Hamesse, Ken Hasselmann, Geert De Cubber, Nikolaos Tsiogkas, Eric Demeester, Rob Haelterman

机构 * Royal Military Academy（皇家军事学院） ； KU Leuven（库尔勒大学） ； ACRO Research Group（ACRO研究组） 纠错

AI总结 MineInsight数据集通过多传感器和多光谱数据为野外环境的人道主义排雷机器人提供基准测试，包含35种目标和多种视角扫描以提升检测性能。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 1650-1657, Feb. 2026

On Your Own: Pro-level Autonomous Drone Racing in Uninstrumented Arenas

自主驾驶：在无仪器赛场上的专业级无人机竞速

Michael Bosello, Flavio Pinzarrone, Sara Kiade, Davide Aguiari, Yvo Keuter, Aaesha AlShehhi, Gyordan Caminati, Kei Long Wong, Ka Seng Chou, Junaid Halepota, Fares Alneyadi, Jacopo Panerati, Giovanni Pau

机构 * Autonomous Robotics Research Center, Technology Innovation Institute（自主机器人研究中心、技术创新院） 纠错

AI总结 该研究提出了一种在无仪器赛场中实现专业级无人机竞速的自主系统，通过受控环境与挑战性环境的对比验证了其性能。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 3, pp. 2674-2681, March 2026

ReloPush-BOSS: Optimization-guided Nonmonotone Rearrangement Planning for a Car-like Robot Pusher

ReloPush-BOSS: 基于优化的非单调重排规划用于车式机器人推手

Jeeho Ahn, Christoforos Mavrogiannis

机构 * Department of Robotics, University of Michigan（机器人系，密歇根大学） 纠错

AI总结 ReloPush-BOSS通过优化预重排和深度优先搜索，实现高效非单调重排规划，适用于密集障碍环境中的车式机器人推手任务。

Comments Preprint of final version, accepted to RA-L 2026

Race Against the Machine: a Fully-annotated, Open-design Dataset of Autonomous and Piloted High-speed Flight

与机器赛跑：一个完全标注、开放设计的自主与驾驶高速飞行数据集

Michael Bosello, Davide Aguiari, Yvo Keuter, Enrico Pallotta, Sara Kiade, Gyordan Caminati, Flavio Pinzarrone, Junaid Halepota, Jacopo Panerati, Giovanni Pau

机构 * Autonomous Robotics Research Center of the Technology Innovation Institute（技术创新研究所自主机器人研究中心） ； University of Bologna（博洛尼亚大学） 纠错

AI总结 本文提出一个开放设计的自主与驾驶高速飞行数据集，用于支持无人机赛车研究，提供高精度飞行数据和标注信息，促进相关技术的发展和比较。

Comments 8 pages, 7 figures

Journal ref IEEE Robotics and Automation Letters, vol. 9, no. 4, pp. 3799-3806, April 2024

AsterNav: Autonomous Aerial Robot Navigation In Darkness Using Passive Computation

AsterNav：利用被动计算实现自主空中机器人在黑暗中的导航

Deepak Singh, Shreyas Khobragade, Nitin J. Sanket

机构 * Perception and Autonomous Robotics (PeAR) Group, Worcester Polytechnic Institute（感知与自主机器人组，沃思堡技术学院） 纠错

AI总结 AsterNav通过结合红外相机和结构光实现无需外部设备的黑暗中自主导航，成功在现实实验中达到95.5%的成功率。

Comments 8 pages, 10 figures, Published in IEEE Robotics And Automation Letters

Transport and Delivery of Objects with a Soft Everting Robot

具有软翻转机器人的物体运输与交付

Ethan DeVries, Jack Ferlazzo, Mustafa Ugur, Laura H. Blumenschein

机构 * School of Mechanical Engineering, Purdue University（机械工程学院，普渡大学） 纠错

AI总结 本研究提出了一种利用软翻转机器人通过内部运输和部署各类载荷的方法，展示了其在危险环境中的运输能力和灵活性。

Comments 8 pages, 11 figures, Published in IEEE Robotics and Automation Letters Link to publication: https://ieeexplore.ieee.org/abstract/document/11359009 Citation: E. M. DeVries, J. Ferlazzo, M. Ugur and L. H. Blumenschein, "Transport and Delivery of Objects With a Soft Everting Robot," in IEEE Robotics and Automation Letters, vol. 11, no. 3, pp. 2935-2942, March 2026, doi: 10.1109/LRA.2026.3655537

Where Did I Leave My Glasses? Open-Vocabulary Semantic Exploration in Real-World Semi-Static Environments

我放哪里了我的眼镜？在现实世界半静态环境中进行开放式词汇语义探索

Benjamin Bogenberger, Oliver Harrison, Orrin Dahanaggamaarachchi, Lukas Brunke, Jingxing Qian, Siqi Zhou, Angela P. Schoellig

AI总结 本研究提出了一种适用于半静态环境的开放式词汇语义探索系统，通过概率模型和大语言模型推理实现高效对象导航和地图维护。

Journal ref IEEE RA-L, 2026

Soft Robotic Delivery of Coiled Anchors for Cardiac Interventions

用于心脏介入的软机器人输送盘状锚定装置

Leonardo Zamora Yanez, Jacob Rogatinsky, Dominic Recco, Sang-Yoep Lee, Grace Matthews, Andrew P. Sabelhaus, Tommaso Ranzani

机构 * Department of Mechanical Engineering, Boston University（机械工程系，波士顿大学） ； Department of Cardiac Surgery, Boston Children’s Hospital（心脏外科系，波士顿儿童医院） 纠错

AI总结 本研究提出了一种软机器人平台，用于精确输送锚定线圈以实现心脏介入手术。

Comments This work has been submitted to the IEEE for possible publication

Journal ref IEEE Robotics and Automation Letters, 10(12) 2025

Estimating Trust in Human-Robot Collaboration through Behavioral Indicators and Explainability

通过行为指标和可解释性估计人机协作中的信任

Giulio Campagna, Marta Lagomarsino, Marta Lorenzini, Dimitrios Chrysostomou, Matthias Rehm, Arash Ajoudani

机构 * Human-Robot Interaction Lab., Technical Faculty of IT and Design, Aalborg University, Denmark（人机交互实验室，信息技术与设计技术学院，阿alborg大学，丹麦） ； Human-Robot Interfaces and Interaction Lab., Istituto Italiano di Tecnologia (IIT), Italy（人机界面与交互实验室，意大利理工学院（IIT）） ； Smart Production Lab., Faculty of Engineering and Natural Sciences, Aalborg University, Denmark（智能生产实验室，工程与自然科学学院，阿alborg大学，丹麦） 纠错

AI总结 本研究提出了一种数据驱动框架，通过行为指标和可解释性评估人机协作中的信任，实验表明机器学习模型在预测信任水平方面具有高准确率。

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 10, October 2025)

Information-Theoretic Detection of Bimanual Interactions for Dual-Arm Robot Plan Generation

信息论视角下的双臂交互检测用于双臂机器人计划生成

Elena Merlo, Marta Lagomarsino, Arash Ajoudani

机构 * Human-Robot Interfaces and Interaction (HRII) Laboratory, Istituto Italiano di Tecnologia（人机交互（HRII）实验室，意大利技术研究院） ； Dept. of Informatics, Bioengineering, Robotics, and Systems Engineering, University of Genoa（信息学、生物工程、机器人学和系统工程系，热那亚大学） 纠错

AI总结 本文提出基于信息论的双臂交互检测方法，通过单视频生成双臂机器人执行计划，提升双臂协调任务的编程效率。

Journal ref in IEEE Robotics and Automation Letters, vol. 10, no. 5, pp. 4532-4539, May 2025

PALM: Enhanced Generalizability for Local Visuomotor Policies via Perception Alignment

PALM：通过感知对齐提升局部视觉-运动策略的泛化能力

Ruiyu Wang, Zheyu Zhuang, Danica Kragic, Florian T. Pokorny

机构 * Division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院） 纠错

AI总结 PALM通过感知对齐提升局部视觉-运动策略的泛化能力，有效减少非分布条件下的性能下降。

Journal ref IEEE Robotics and Automation Letters 2026

Close-Fitting Dressing Assistance Based on State Estimation of Feet and Garments with Semantic-based Visual Attention

基于足部与衣物状态估计的近身穿衣辅助

Takuma Tsukakoshi, Tamon Miyake, Tetsuya Ogata, Yushi Wang, Takumi Akaishi, Shigeki Sugano

机构 * Creative Science and Engineering Faculty, Waseda Univ.（早稻田大学创意科学与工程学部） ； Future Robotics Organization, Waseda Univ.（早稻田大学未来机器人组织） ； Faculty of Science and Engineering, Waseda Univ.（早稻田大学科学与工程学部） ； The National Institute of Advanced Science and Technology（日本国家先进科学与技术研究院） 纠错

AI总结 本研究提出基于语义信息的穿衣辅助方法，通过多模态数据融合实现对足部和衣物状态的精准估计，成功帮助10名受试者穿袜子，优于其他方法。

Comments Accepted at RA-L, 2026

Strip-Fusion: Spatiotemporal Fusion for Multispectral Pedestrian Detection

Strip-Fusion：多光谱行人检测的时空融合

Asiegbu Miracle Kanu-Asiegbu, Nitin Jotwani, Xiaoxiao Du

机构 * Department of Mechanical Engineering, University of Michigan（机械工程系，密歇根大学） ； Electrical Engineering and Computer Science Department, University of Michigan（电气工程与计算机科学系，密歇根大学） ； Robotics Department, University of Michigan（机器人学系，密歇根大学） 纠错

AI总结 Strip-Fusion通过时空融合网络提升多光谱行人检测性能，解决对齐误差和光照变化问题。

Comments This work has been accepted for publication in IEEE Robotics and Automation Letters (RA-L). Code available at: https://github.com/akanuasiegbu/stripfusion

Accurate Calibration and Robust LiDAR-Inertial Odometry for Spinning Actuated LiDAR Systems

精确校准与鲁棒的激光雷达-惯性里程计用于旋转驱动的激光雷达系统

Zijie Chen, Xiaowei Liu, Yong Xu, Shenghai Yuan, Jianping Li, Lihua Xie

机构 * Engineering Research Center of Low-Altitude Perception and Detection Technology & Intelligent IoT, Ministry of Education, School of Automation, Guangdong University of Technology（低空感知与探测技术及智能物联网工程研究中心，教育部，自动化学院，广东工业大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程学院，南洋理工大学） 纠错

AI总结 本文提出了一种无目标的激光雷达-电机校准方法和环境自适应的激光雷达-惯性里程计，以提高旋转驱动激光雷达系统的校准精度和定位鲁棒性。

Comments This article has been accepted for publication in IEEE Robotics and Automation Letters (RA-L). Personal use is permitted. All other uses require IEEE permission

A physics-informed, vision-based method to reconstruct all deformation modes in slender bodies

一种融合物理的基于视觉的方法用于重建细长体的全部变形模式

Seung Hyun Kim, Heng-Sheng Chang, Chia-Hsien Shih, Naveen Kumar Uppalapati, Udit Halder, Girish Krishnan, Prashant G. Mehta, Mattia Gazzola

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Twentieth Century Fox（二十世纪福克斯） ； Starfleet Academy（星际舰队学院） ； Tyrell Inc.（泰勒尔公司） 纠错

AI总结 本文提出了一种融合物理的基于视觉的方法，用于准确重建细长柔性体的全部变形模式，通过实验验证其在软机器人中的应用效果。

Comments This work has been submitted to the IEEE RA-L with ICRA 2022 for possible publication. For associated data and code, see https://github.com/GazzolaLab/BR2-vision-based-smoothing

Safety on the Fly: Constructing Robust Safety Filters via Policy Control Barrier Functions at Runtime

飞行中的安全性：通过运行时策略控制屏障函数构建稳健的安全过滤器

Luzia Knoedler, Oswin So, Ji Yin, Mitchell Black, Zachary Serlin, Panagiotis Tsiotras, Javier Alonso-Mora, Chuchu Fan

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空宇航工程系，麻省理工学院） ； D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（Guggenheim航空航天工程学院，佐治亚理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室） 纠错

AI总结 本文提出鲁棒策略CBF方法，通过在线估计价值函数构建稳健的安全过滤器，用于高相对阶输入约束系统的安全控制。

Comments Accepted in RAL. The project page can be found at www.oswinso.xyz/rpcbf/

Journal ref IEEE Robotics and Automation Letters, Volume 10, Issue 10, 2025, pages 10058-10065

Allocating Corrective Control to Mitigate Multi-agent Safety Violations Under Private Preferences

为缓解多智能体安全违规分配纠正控制

Johnathan Corbin, Sarah H. Q. Li, Jonathan Rogers

AI总结 本文提出一种基于隐私保护拍卖机制的多智能体安全纠正控制框架，通过规避信用机制实现高效安全纠正分配。

Comments 8 pages, 3 figures, Submitted to IEEE Robotics and Automation Letters (RA-L)

Super-LIO: A Robust and Efficient LiDAR-Inertial Odometry System with a Compact Mapping Strategy

超LIO：一种鲁棒且高效的激光雷达-惯性里程计系统，具有紧凑的映射策略

Liansheng Wang, Xinke Zhang, Chenhui Li, Dongjiao He, Yihan Pan, Jianjun Yi

机构 * Department of Mechanical Engineering, East China University of Science and Technology（东华大学机械工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Hong Kong（香港大学） 纠错

AI总结 Super-LIO通过紧凑的OctVox映射结构和启发式引导的KNN策略，实现了高效的鲁棒LIO系统，显著提升了处理速度和资源利用率。

Comments 8 pages, 5 figures

Journal ref IEEE Robotics and Automation Letters (RA-L), 2026

Learning Quadrupedal Locomotion for a Heavy Hydraulic Robot Using an Actuator Model

为重载液压机器人学习四足运动的致动器模型

Minho Lee, Hyeonseok Kim, Jin Tak Kim, Sangshin Park, Jeong Hyun Lee, Jungsan Cho, Jemin Hwangbo

机构 * Robotics and Artificial Intelligence Lab, KAIST（机器人与人工智能实验室，韩国科学技术院） ； Robotics Team, HYUNDAI Rotem（HYUNDAI Rotem机器人团队） ； Hydraulic Robot Laboratory, Human-Centric Robotics R&D Department, Korea Institue of Industrial Technology（液压机器人实验室，人本机器人研发部门，韩国工业技术研究院） 纠错

AI总结 本研究提出了一种基于液压动力学的分析致动器模型，用于重载液压四足机器人在RL中的运动控制，实现了稳定的sim-to-real转移。

Comments 9 pages, Accepted to IEEE Robotics and Automation Letters (RA-L) 2025

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 12, December 2025)

Learning on the Fly: Rapid Policy Adaptation via Differentiable Simulation

实时学习：通过可微模拟实现快速策略适应

Jiahe Pan, Jiaxu Xing, Rudolf Reiter, Yifan Zhai, Elie Aljalbout, Davide Scaramuzza

机构 * Robotics and Perception Group, Department of Informatics, University of Zurich（机器人感知组，信息学院，苏黎世大学） 纠错

AI总结 本文提出了一种基于可微模拟的在线自适应学习框架，通过持续优化动力学模型实现快速策略适应，有效提升了四旋翼在现实环境中的控制性能。

Journal ref IEEE Robotics and Automation Letters (RA-L), 2026

Ensemble-Based Event Camera Place Recognition Under Varying Illumination

基于集成方法的事件相机在光照变化下的地点识别

Therese Joseph, Tobias Fischer, Michael Milford

机构 * QUT Centre for Robotics, School of Electrical Engineering and Robotics, Queensland University of Technology（昆士兰理工大学机器人中心，电气与机器人工程学院，昆士兰理工大学） 纠错

AI总结 本文提出了一种基于集成方法的事件相机地点识别方法，通过融合多重建结果、特征提取器和时间分辨率，提升在光照变化下的鲁棒性，实现Recall@1的显著提升。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 1290-1297, Feb. 2026