IEEE RA-L

Autonomous Robotic Bone Micro-Milling System with Automatic Calibration and 3D Surface Fitting

自主机器人骨微铣系统与自动校准及3D表面拟合

Enduo Zhao, Xiaofeng Lin, Yifan Wang, Kanako Harada

机构 * Department of Mechanical Engineering, Graduate School of Engineering, The University of Tokyo（东京大学工学研究生院机械工程系） ； School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； Center for Disease Biology and Integrative Medicine, Graduate School of Medicine, The University of Tokyo（东京大学医学研究生院疾病生物学与整合医学中心） 纠错

AI总结 本研究提出了一种自主机器人骨微铣系统，通过集成微立体相机和CNN关键点检测，实现自动校准和3D表面拟合，显著提升小鼠颅窗创建的自动化水平和精度。

Comments 8 pages, 8 figures, accepted by RA-L. Please refer to the DOI to access the accepted version

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 2250-2257 (2026)

Virtual-force Based Visual Servo for Multiple Peg-in-Hole Assembly with Tightly Coupled Multi-Manipulator

基于虚拟力的多机械臂多插孔装配视觉伺服控制

Jiawei Zhang, Chengchao Bai, Wei Pan, Jifeng Guo

机构 * Harbin Institute of Technology, China（哈尔滨工业大学） 纠错

AI总结 本文提出基于虚拟力的多机械臂视觉伺服控制方法，通过整合多机械臂的视觉特征提升多插孔装配任务的精度与鲁棒性。

Comments 8 pages, 11 figures, this paper has been published by IEEE Robotics and Automation Letters

Using Mobile AR for Rapid Feasibility Analysis for Deployment of Robots: A Usability Study with Non-Expert Users

利用移动AR进行机器人部署的快速可行性分析：非专家用户的可用性研究

Krzysztof Zielinski, Slawomir Tadeja, Bruce Blumberg, Mikkel Baun Kjærgaard

机构 * Faculty of Engineering, University of Southern Denmark（南部丹麦大学工程学院） ； Universal Robots A/S（Universal Robots公司） ； Department of Engineering, University of Cambridge（剑桥大学工程学院） 纠错

AI总结 本研究提出了一种基于移动AR的非专家用户可用性工具，用于快速评估机器人部署的可行性，通过实验表明该工具在十分钟内可完成复杂分析，且用户认知负荷低，具有高可用性。

Comments Accepted in IEEE RA-L

E2-BKI: Evidential Ellipsoidal Bayesian Kernel Inference for Uncertainty-aware Gaussian Semantic Mapping

E2-BKI: 基于证据的椭圆贝叶斯核推断的不确定性感知高斯语义映射

Junyoung Kim, Minsik Jeon, Jihong Min, Kiho Kwak, Junwon Seo

机构 * Agency for Defense Development（国防发展局） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 E2-BKI通过证据深度学习和几何对齐核函数，实现不确定性感知的高斯语义映射，提升复杂户外环境中的映射鲁棒性和效率。

Comments Accepted to IEEE RA-L. Our project website can be found at https://kjyoung.github.io/Homepage/#/Projects/E2-BKI

Automated Generation of MDPs Using Logic Programming and LLMs for Robotic Applications

利用逻辑编程和大语言模型自动化生成MDP用于机器人应用

Enrico Saccon, Davide De Martini, Matteo Saveriano, Edoardo Lamon, Luigi Palopoli, Marco Roveri

机构 * Department of Information Engineering and Computer Science, University of Trento（信息工程与计算机科学系，特伦托大学） ； Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学） 纠错

AI总结 本文提出结合大语言模型与形式方法，通过逻辑编程自动生成可执行的MDP策略，用于机器人中的概率规划。

Comments 9 pages, 11 figures, 2 tables, 2 algorithms, accepted for publication in IEEE Robotics and Automation Letters

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 1770-1777, Feb. 2026

Real-time Velocity Profile Optimization for Time-Optimal Maneuvering with Generic Acceleration Constraints

实时速度剖面优化用于满足通用加速度约束的时间最优 maneuvering

Mattia Piazza, Mattia Piccinini, Sebastiano Taddei, Francesco Biral, Enrico Bertolazzi

AI总结 FBGA通过前向-后向算法实现高精度快速的时间最优轨迹规划，适用于复杂加速度约束的自动驾驶赛车应用。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 1674-1681, Feb. 2026

An Informative Planning Framework for Target Tracking and Active Mapping in Dynamic Environments with ASVs

面向动态环境的目标跟踪与主动建图的 informative 规划框架

Sanjeev Ramkumar Sudha, Marija Popović, Erlend M. Coates

机构 * Norwegian University of Science and Technology (NTNU)（挪威科学与技术大学） ； MAVLab, Faculty of Aerospace Engineering, TU Delft（MAVLab，航空航天工程学院，代尔夫特理工大学） 纠错

AI总结 本文提出了一种结合动态占用网格建图和信息规划方法的框架，用于在动态环境中主动跟踪和建图漂浮目标，通过时空预测网络提升目标跟踪性能。

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

CausalNav: A Long-term Embodied Navigation System for Autonomous Mobile Robots in Dynamic Outdoor Scenarios

CausalNav: 一种面向动态户外场景的自主移动机器人长期具身导航系统

Hongbo Duan, Shangyi Luo, Zhiyuan Deng, Yanbo Chen, Yuanhao Chiang, Yi Liu, Fangming Liu, Xueqian Wang

机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（人工智能与机器人中心，深圳国际研究生院，清华大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 CausalNav是一种基于场景图的语义导航框架，通过构建多级语义场景图实现动态户外环境中的稳健导航与远距离规划。

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

VisuoTactile 6D Pose Estimation of an In-Hand Object using Vision and Tactile Sensor Data

利用视觉和触觉传感器数据进行手持物体的6D位姿估计

Snehal s. Dikhale, Karankumar Patel, Daksh Dhingra, Itoshi Naramura, Akinobu Hayashi, Soshi Iba, Nawid Jamali

机构 * Honda Research Institute USA, Inc.（本田美国研究院） ； Honda R&D Co., Ltd.（本田研发公司） ； Department of Mechanical Engineering, University of Washington（华盛顿大学机械工程系） 纠错

AI总结 本文提出利用视觉和触觉数据融合方法，提高机器人在手物体的6D位姿估计精度。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), January 2022. Presented at ICRA 2022. This is the author's version of the manuscript

Journal ref IEEE Robotics and Automation Letters, vol. 7, no. 2, pp. 2228-2235, April 2022

Stairway to Success: An Online Floor-Aware Zero-Shot Object-Goal Navigation Framework via LLM-Driven Coarse-to-Fine Exploration

通往成功的阶梯：一种通过LLM驱动的粗到细探索的在线楼层感知零样本物体-目标导航框架

Zeying Gong, Rong Li, Tianshuai Hu, Ronghe Qiu, Lingdong Kong, Lingfeng Zhang, Guoyang Zhao, Yiyi Ding, Junwei Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出ASCENT框架，通过LLM驱动的粗到细探索实现在线楼层感知零样本物体-目标导航，无需预建地图或重新训练，适用于多楼层环境。

Comments Accepted to IEEE Robotics and Automation Letters (RAL). Project Page at https://zeying-gong.github.io/projects/ascent

Priority-Aware Multi-Robot Coverage Path Planning

优先感知多机器人覆盖率路径规划

Kanghoon Lee, Hyeonjun Kim, Jiachen Li, Jinkyoo Park

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Korea Military Academy (KMA)（韩国军事学院） ； University of California, Riverside (UCR)（加州大学河滨分校） ； Omelet 纠错

AI总结 本文提出优先感知多机器人覆盖率路径规划方法，通过两阶段框架结合贪心分配与局部搜索，有效减少优先区域延迟并优化完成时间。

Comments IEEE Robotics and Automation Letters, 8 pages, 10 figures

Simultaneous Extrinsic Contact and In-Hand Pose Estimation via Distributed Tactile Sensing

通过分布式触觉感知同时估计外在接触和手持姿态

Mark Van der Merwe, Kei Ota, Dmitry Berenson, Nima Fazeli, Devesh K. Jha

机构 * Robotics Department, University of Michigan（密歇根大学机器人系） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室） 纠错

AI总结 本文提出了一种基于分布式触觉感知的方法，通过结合局部观察与物理约束，实现外在接触和手持姿态的同步估计。

Comments 8 pages. IEEE Robotics and Automation Letters, 2026

Transformer Driven Visual Servoing for Fabric Texture Matching Using Dual-Arm Manipulator

基于双臂机械臂的Transformer驱动视觉伺服织物纹理匹配

Fuyuki Tokuda, Akira Seino, Akinari Kobayashi, Kai Tang, Kazuhiro Kosuge

机构 * JC STEM Lab of Robotics for Soft Materials, Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（机器人柔性材料联合实验室、电气与电子工程系、工程学院、香港大学） 纠错

AI总结 本文提出基于Transformer的视觉伺服方法，利用双臂机械臂实现织物纹理匹配，通过差分提取注意力模块提升姿态预测精度，实现零样本部署。

Comments 8 pages, 11 figures. Accepted to IEEE Robotics and Automation Letters (RA-L)

AORRTC: Almost-Surely Asymptotically Optimal Planning with RRT-Connect

AORRTC: 几乎确定性渐进最优规划与RRT-Connect

Tyler Wilson, Wil Thomason, Zachary Kingston, Jonathan Gammell

AI总结 AORRTC通过扩展RRT-Connect实现几乎确定性渐进最优规划，以高效且可靠的方式解决高自由度机器人运动规划问题。

Comments IEEE Robotics and Automation Letters (RA-L). 8 pages, 4 figures, 1 table. A video of AORRTC can be found at https://www.youtube.com/watch?v=j1itxP3KuiM . Information on the implementation of AORRTC is available at https://robotic-esp.com/code/aorrtc/

Journal ref IEEE Robotics and Automation Letters, vol. 10 num. 12, (2025). Pages 13375-13382

Tracing Energy Flow: Learning Tactile-based Grasping Force Control to Prevent Slippage in Dynamic Object Interaction

追踪能量流动：学习基于触觉的抓取力控制以防止动态物体交互中的滑动

Cheng-Yu Kuo, Hirofumi Shin, Takamitsu Matsubara

机构 * Graduated School of Science and Technology（科学技术研究生学校） ； Nara Institute of Science and Technology（奈良科学技术大学） ； Honda R&D, Ltd.（本田研发有限公司） 纠错

AI总结 本文提出了一种基于触觉的抓取力控制方法，通过能量抽象和模型学习，在动态交互中有效防止滑动，无需外部传感或先验知识。

Comments 8 pages. Accepted by IEEE Robotics and Automation Letters (RA-L)

DRO-EDL-MPC: Evidential Deep Learning-Based Distributionally Robust Model Predictive Control for Safe Autonomous Driving

DRO-EDL-MPC：基于证据深度学习的分布鲁棒模型预测控制用于安全自动驾驶

Hyeongchan Ham, Heejin Ahn

机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（电气工程学院，韩国科学技术院） 纠错

AI总结 DRO-EDL-MPC通过结合证据深度学习和分布鲁棒优化，提升自动驾驶中的安全性和控制可靠性。

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

Affordance RAG: Hierarchical Multimodal Retrieval with Affordance-Aware Embodied Memory for Mobile Manipulation

语义可感知的多模态检索：基于具身记忆的层次化移动操作

Ryosuke Korekata, Quanting Xie, Yonatan Bisk, Komei Sugiura

机构 * Keio University（keio大学） ； Keio AI Research Center（keio人工智能研究中心） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本研究提出Affordance RAG框架，通过构建具有可操作性的具身记忆，提升机器人在开放词汇移动操作中的检索性能和任务成功率。

Comments Accepted to IEEE RA-L, with presentation at ICRA 2026

TakeAD: Preference-based Post-optimization for End-to-end Autonomous Driving with Expert Takeover Data

TakeAD: 基于偏好的端到端自动驾驶后优化方法与专家接管数据

Deqing Liu, Yinfeng Gao, Deheng Qian, Qichao Zhang, Xiaoqing Ye, Junyu Han, Yupeng Zheng, Xueyi Liu, Zhongpu Xia, Dawei Ding, Yifeng Pan, Dongbin Zhao

机构 * The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Automation and Electrical Engineering, University of Science and Technology Beijing（北京科技大学自动化与电气工程学院） ； Chongqing Chang’an Technology Co., Ltd.（重庆长安科技有限公司） 纠错

AI总结 TakeAD通过基于偏好的后优化框架利用专家接管数据，提升端到端自动驾驶闭环性能。

Comments This work has been accepted by IEEE RA-L. Manuscript submitted: July, 8, 2025; Accepted: November, 24, 2025

Event Spectroscopy: Event-based Multispectral and Depth Sensing using Structured Light

事件光谱：基于事件的多光谱和深度感知使用结构光

Christian Geckeler, Niklas Neugebauer, Manasi Muglikar, Davide Scaramuzza, Stefano Mintchev

机构 * Environmental Robotics Laboratory, Dep. of Environmental Systems Science, ETH Zurich（环境机器人实验室，环境系统科学系，苏黎世联邦理工学院） ； Swiss Federal Institute for Forest, Snow and Landscape Research (WSL)（瑞士森林、雪和景观研究联邦研究所） ； Robotics and Perception Group, University of Zurich（机器人与感知小组，苏黎世大学） 纠错

AI总结 本研究提出了一种基于事件的多光谱和深度感知系统，利用结构光实现高分辨率、低延迟的深度重建和多光谱成像，在森林环境中提升UAV的感知与数据收集能力。

Comments This work has been accepted for publication in IEEE Robotics and Automation Letters

GUIDEd Agents: Enhancing Navigation Policies through Task-Specific Uncertainty Abstraction in Localization-Limited Environments

GUIDEd Agents: 通过在定位受限环境中任务特定的不确定性抽象增强导航策略

Gokul Puthumanaillam, Paulo Padrao, Jose Fuentes, Leonardo Bobadilla, Melkior Ornik

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Providence College（普罗维登斯学院） ； Florida International University（佛罗里达国际大学） 纠错

AI总结 GUIDE通过任务特定不确定性抽象提升机器人在定位受限环境中的导航策略，实现任务完成与不确定性管理的平衡。

Comments Accepted for publication at RAL (Robotics and automation letters). Updated with the final version

Hybrid Dynamics Modeling and Trajectory Planning for a Cable-Trailer System with a Quadruped Robot

混合动力学建模与电缆-拖车系统四足机器人的轨迹规划

Wentao Zhang, Shaohang Xu, Gewei Zuo, Bolin Li, Jingbo Wang, Lijun Zhu

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（人工智能与自动化学院，华中科技大学） ； Department of Data Science, City University of Hong Kong（数据科学系，城市大学） ； Embodied AI Center of Shanghai AI Lab（上海人工智能实验室具身智能中心） 纠错

AI总结 本文提出了一种混合动力学模型和搜索算法，用于四足机器人与电缆-拖车系统的轨迹规划，通过几何多边形碰撞避免约束实现安全高效的运动控制。

Comments 8 pages, 8 figures, Accept by RA-L 2025

Benchmarking the Sim-to-Real Gap in Cloth Manipulation

在织物操控中评估仿真到现实的差距基准测试

David Blanco-Mulero, Oriol Barbany, Gokhan Alcan, Adrià Colomé, Carme Torras, Ville Kyrki

AI总结 本文提出一个开源基准数据集，用于评估织物操控中仿真与现实之间的差距，测试四个主流模拟器的性能与稳定性。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L). 8 pages, 6 figures. Supplementary material available at https://sites.google.com/view/cloth-sim2real-benchmark

SIGN: Safety-Aware Image-Goal Navigation for Autonomous Drones via Reinforcement Learning

SIGN：通过强化学习实现安全的图像目标导航用于自主无人机

Zichen Yan, Rui Huang, Lei He, Shao Guo, Lin Zhao

机构 * Department of Electrical and Computer Engineering, National University of Singapore（电子与计算机工程系，新加坡国立大学） 纠错

AI总结 本文提出了一种基于强化学习的仿真到现实框架，实现无人机的安全图像目标导航，通过直接速度控制和深度安全模块实现自主探索与避障。

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

Journal ref IEEE Robotics and Automation Letters, 2025

VERM: Leveraging Foundation Models to Create a Virtual Eye for Efficient 3D Robotic Manipulation

VERM：利用基础模型创建虚拟眼睛以实现高效的3D机器人操作

Yixiang Chen, Yan Huang, Keji He, Peiyan Li, Liang Wang

机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别新技术实验室，多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； FiveAges ； Shandong University（山东大学） 纠错

AI总结 VERM通过利用基础模型创建虚拟视图，提升3D机器人操作的效率和准确性，实现训练和推理速度的显著提升。

Comments Accepted at RA-L 2025

DualMap: Online Open-Vocabulary Semantic Mapping for Natural Language Navigation in Dynamic Changing Scenes

DualMap: 用于动态变化场景中自然语言导航的在线开放词汇语义映射

Jiajun Jiang, Yiming Zhu, Zirui Wu, Jie Song

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

AI总结 DualMap通过自然语言查询实现动态环境中的高效语义映射与导航，采用混合分割前端和对象级状态检查提升效率，展现先进性能。

Comments 14 pages, 14 figures. Published in IEEE Robotics and Automation Letters (RA-L), 2025. Code: https://github.com/Eku127/DualMap Project page: https://eku127.github.io/DualMap/

Journal ref IEEE Robotics and Automation Letters, Vol. 10, No. 12, pp. 12612-12619, 2025

Communication-Efficient Module-Wise Federated Learning for Grasp Pose Detection in Cluttered Environments

面向杂乱环境抓取姿态检测的通信高效模块式联邦学习

Woonsang Kang, Joohyung Lee, Seungjun Kim, Jungchan Cho, Yoonseon Oh

机构 * Department of Electronic Engineering, Hanyang University（电子工程系，翰阳大学） ； Department of Computing, Gachon University（计算系，加恩大学） ； Department of Artificial Intelligence, Hanyang University（人工智能系，翰阳大学） 纠错

AI总结 本文提出一种模块式联邦学习框架，通过识别抓取姿态检测模型中收敛较慢的模块，优化通信效率，提升在杂乱环境中的抓取性能。

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

Feedback-MPPI: Fast Sampling-Based MPC via Rollout Differentiation -- Adios low-level controllers

反馈-MPPI: 通过轨迹微分实现快速采样-based MPC -- Adios低级控制器

Tommaso Belvedere, Michael Ziegltrum, Giulio Turrisi, Valerio Modugno

AI总结 Feedback-MPPI通过局部反馈增益提升MPPI性能，实现高频稳定控制，适用于复杂机器人系统。

Journal ref IEEE Robotics and Automation Letters, 2026, 11 (1), pp.1 - 8

Mastering Diverse, Unknown, and Cluttered Tracks for Robust Vision-Based Drone Racing

掌握多样化、未知和杂乱的赛道以实现基于视觉的无人机赛车稳健性

Feng Yu, Yu Hu, Yang Su, Yang Deng, Linzuo Zhang, Danping Zou

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出了一种两阶段学习框架，通过软碰撞训练和硬碰撞细化，提升无人机在多样化、未知和杂乱环境中的稳健性与泛化能力。

Comments 8 pages, 9 figures, accepted to Robotics and Automation Letters

Flow-Aided Flight Through Dynamic Clutters From Point To Motion

通过动态障碍物的飞行：从点到运动的流辅助飞行

Bowen Xu, Zexuan Yan, Minghao Lu, Xiyu Fan, Yi Luo, Youshen Lin, Zhiqiang Chen, Yeke Chen, Qiyuan Qiao, Peng Lu

机构 * Adaptive Robotic Controls Lab (ArcLab), Department of Mechanical Engineering, The University of Hong Kong（机械工程系，香港大学） 纠错

AI总结 本文提出了一种基于单LiDAR传感和强化学习的自主飞行系统，通过动态环境感知和动作生成方法，实现从点到运动的高效飞行控制。

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

Scale-invariant and View-relational Representation Learning for Full Surround Monocular Depth

尺度不变与视图关系的表示学习用于全环绕单目深度估计

Kyumin Hwang, Wonhyeok Choi, Kiljoon Han, Wonjoon Choi, Minwoo Choi, Yongcheon Na, Minwoo Park, Sunghoon Im

机构 * Department of Electrical Engineering & Computer Sciences, Daegu Gyeongbuk Institute of Science and Technology (DGIST)（电子工程与计算机科学系，大邱庆北科学技术大学） ； Department of Autonomous Driving Perception Technology Vanguard Team, Hyundai Motor Company（自动驾驶感知技术先锋团队，现代汽车公司） 纠错

AI总结 本文提出了一种结合尺度不变与视图关系的知识蒸馏方法，用于提升全环绕单目深度估计的性能与效率。

Comments Accepted at IEEE Robotics and Automation Letters (RA-L) 2026