IEEE RA-L

Learning Fine-Grained Correspondence with Cross-Perspective Perception for Open-Vocabulary 6D Object Pose Estimation

学习细粒度对应与跨视角感知用于开放词汇6D物体姿态估计

Yu Qin, Shimeng Fan, Fan Yang, Zixuan Xue, Zijie Mai, Wenrui Chen, Kailun Yang, Zhiyong Li

机构 * School of Artificial Intelligence and Robotics and the National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（人工智能与机器人学院和机器人视觉感知与控制技术国家工程研究中心，湖南大学） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University（自主智能无人系统国家重点实验室，同济大学） ； School of Computer Science and Engineering, Hunan University of Science and Technology（计算机科学与工程学院，湖南科技大学） 纠错

AI总结 提出FiCoP框架，通过物体中心解耦、跨视角全局感知模块和补丁相关预测器，实现空间约束的细粒度对应，显著提升开放世界6D姿态估计的鲁棒性。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L). The source code will be made publicly available at https://github.com/zjjqinyu/FiCoP

Multi-Robot Motion Planning from Vision and Language using Heat-Inspired Diffusion

基于热启发的扩散模型实现从视觉和语言的多机器人运动规划

Jebeom Chae, Junwoo Chang, Seungho Yeom, Yujin Kim, Jongeun Choi

机构 * Department of Artificial Intelligence, Yonsei University（燕山大学人工智能学院） ； School of Mechanical Engineering, Yonsei University（燕山大学机械工程学院） 纠错

AI总结 提出LHD框架，结合CLIP语义先验与碰撞避免扩散核，实现语言条件化的多机器人无碰撞轨迹规划，在成功率上优于先前方法并降低延迟。

Comments 8 pages, 6 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7118-7125, June 2026

OmniVTLA: Vision-Tactile-Language-Action Models with Semantic-Aligned Tactile Sensing

OmniVTLA：具有语义对齐触觉感知的视觉-触觉-语言-动作模型

Zhengxue Cheng, Yiqian Zhang, Anni Tang, Keyu Wang, Wenkang Zhang, Haoyu Li, Hengdi Zhang, Li Song

机构 * Shanghai Jiao Tong University（上海交通大学） ； Paxini Tech（帕辛尼科技） 纠错

AI总结 提出OmniVTLA架构，通过双路径触觉编码器框架和语义对齐触觉ViT，结合新数据集ObjTac，显著提升机器人操作中接触密集任务的成功率和轨迹平滑度。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L). ObjTac dataset: https://readerek.github.io/Objtac.github.io

Robust Fall Recovery for Armless Bipedal-Wheeled Robots Via Force-Guided Learning

无臂双轮足机器人的鲁棒摔倒恢复：基于力引导的学习方法

Haidong Hou, Zhangguo Yu, Tao Han, Hengbo Qi, Khaleel Ghazal, Yu Zhang, Yidong Du, Xuechao Chen, Fei Meng

机构 * Beijing Institute of Technology（北京理工大学） 纠错

AI总结 针对无臂双轮足机器人无法借助外部支撑恢复站立的问题，提出力引导教师-学生框架FTSR，通过约束强化学习逐步减少外力依赖，实现从摔倒到稳定行走的鲁棒恢复。

Comments 8 pages, 6 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, 2026

SA4Depth: Consistent Pose-Depth Scale Alignment for Self-Supervised Monocular Depth Estimation

SA4Depth: 自监督单目深度估计中一致的姿态-深度尺度对齐

Changxuan Li, Nadine Berner, Nassir Navab, Federico Tombari, Stefano Gasperini

机构 * Technical University of Munich（慕尼黑技术大学） ； BMW Group（宝马集团） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； Google（谷歌） ； VisualAIs Labs GmbH（VisualAIs实验室 GmbH） 纠错

AI总结 提出SA4Depth方法，通过可微的视觉特征重投影和姿态细化，对齐自监督深度估计中深度网络和姿态网络估计的场景尺度，提升深度预测精度且不增加推理时间。

Comments Accepted by IEEE RA-L 2026

Redesigning Regularization for Effective Policy Smoothing

重新设计正则化以实现有效的策略平滑

Taisuke Kobayashi, Naoto Yamanaka

机构 * National Institute of Informatics (NII)（国立信息学研究所） ； The Graduate University for Advanced Studies (SOKENDAI)（综合研究大学院大学） 纠错

AI总结 针对强化学习中策略平滑问题，本文指出现有正则化实现的理论与实践差异，提出改进方案，在多个任务和算法中实现平滑运动并提升控制性能，并在四足机器人仿真到现实迁移中验证了平滑性对目标速度突变鲁棒性的提升。

Comments submitted to RA-L

G-MAPP: GPU-accelerated Multi-Agent Planning and Perception for Reactive Motion Generation

G-MAPP: 基于GPU加速的多智能体规划与感知用于反应式运动生成

Tanmay Bishnoi, Riddhiman Laha, Tobias Löw, Jose Alex Chandy, Luis F. C. Figueredo, Sami Haddadin

机构 * Department of Electrical, Computer, and Biomedical Engineering, Toronto Metropolitan University（多伦多都会大学电气、计算机与生物医学工程系） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所） ； Idiap Research Institute（Idiap 研究所） ； EPFL（瑞士联邦理工学院洛桑） ； CHART Group at the School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院 CHART 小组） ； 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 提出GPU加速的框架，通过并行状态探索和紧密耦合感知-动作循环，实现非结构化环境中的实时反应式运动生成，在7自由度机器人上达到5倍加速并成功避障。

Comments The implementation is available at: https://github.com/chart-research/g-mapp

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7516-7523, June 2026

DiskChunGS: Large-Scale 3D Gaussian SLAM Through Chunk-Based Memory Management

DiskChunGS：基于分块内存管理的大规模3D高斯SLAM

Casimir Feldmann, Maximum Wilder-Smith, Vaishakh Patil, Michael Oechsle, Michael Niemeyer, Keisuke Tateno, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（机器人系统实验室，瑞士苏黎世联邦理工学院） ； Google（谷歌） 纠错

AI总结 提出DiskChunGS，通过将场景划分为空间块并将非活跃区域存储于磁盘，突破GPU内存限制，实现大规模3D高斯SLAM，在多个数据集上完成全序列重建并提升视觉质量。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 4, 2026

Making Parameterization and Constrains of Object Landmark Globally Consistent via SPD(3) Manifold and Improved Cost Functions

通过SPD(3)流形和改进的成本函数使物体地标参数化和约束实现全局一致

Yutong Hu, Wei Wang

AI总结 本文通过SPD(3)流形和改进成本函数解决物体级SLAM后端的奇异性问题，提升收敛速度和鲁棒性，实验显示映射精度平均提高22%。

Comments 8 pages, 8 figures, submitted to IROS 2022 & RA-L

Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom

用于腹腔镜胆囊切除术中自动夹子定位的点云分割（在体模上）

Balázs Gyenes, Nikolai Franke, Paul Maria Scheikl, Pit Henrich, Rayan Younis, Gerhard Neumann, Martin Wagner, Franziska Mathis-Ullrich

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health（亥姆霍兹信息与数据科学健康学校） ； Friedrich-Alexander-University, Erlangen-Nuremberg（弗里德里希-亚历山大大学埃尔朗根-纽伦堡） ； University Hospital Carl Gustav Carus and Centre for Tactile Internet with Human-in-the-loop (CeTI), Dresden University of Technology（卡尔·古斯塔夫·卡鲁斯大学医院及德累斯顿工业大学触觉互联网人机共融卓越中心） 纠错

AI总结 提出首个在腹腔镜手术体模上实现自主夹子定位的机器人系统，通过点云分割和样条插值提取目标位置，利用合成数据预训练和两种数据增强克服数据稀缺，达到0.75mm精度和100%成功率。

Comments 8 pages, 5 figures, accepted to IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 8, August 2025)

Self-Supervised Multisensory Pretraining for Contact-Rich Robot Reinforcement Learning

面向接触丰富机器人强化学习的自监督多感官预训练

Rickmer Krohn, Vignesh Prasad, Gabriele Tiboni, Georgia Chalvatzaki

机构 * Interactive Robot Perception & Learning (PEARL) Lab, TU Darmstadt, Germany（图腾机器人感知与学习实验室，图腾施塔德大学，德国） ； Hessian.AI（海斯堡人工智能） ； Robotics Institute Germany (RIG)（德国机器人研究所（RIG）） 纠错

AI总结 提出MSDP框架，通过掩码自编码和跨模态预测学习多感官表示，并采用非对称架构（评论家使用交叉注意力提取动态特征，演员使用稳定池化表示）加速策略学习，在模拟和真实机器人任务中展现出鲁棒性和高效性。

Comments 8 pages, 11 figures

Journal ref IEEE Robotics and Automation Letters, 2026, Vol. 11, No. 6, pp. 6799-6806

Learning Ordinal Response Policies in Rank-Based Stochastic Prize-Collecting Games

基于排序的随机奖品收集博弈中的序数响应策略学习

Malintha Fernando, Petter Ögren, Silun Zhang

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

AI总结 提出随机奖品收集定向越野博弈（SPCOG），扩展团队定向越野问题至自利代理场景，利用序数排名（OR）作为强归纳偏置，并设计虚拟序数响应学习（FORL）算法实现收敛策略。

Comments Submitted to IEEE Robotics and Automation Letters

Geometry-Aware Fisheye-LiDAR Fusion for Robust 3D Object Detection in Low-Overlap Setups

几何感知鱼眼-激光雷达融合用于低重叠设置下的鲁棒3D目标检测

Xiangzhong Liu, Xihao Wang, Hao Shen

机构 * Technical University of Munich（慕尼黑工业大学） 纠错

AI总结 针对稀疏视角下鱼眼相机与激光雷达的几何畸变和低重叠问题，提出几何感知混合融合框架，通过畸变感知LSS模块和双注意力校正模块实现极坐标与笛卡尔特征融合，在三个基准上提升检测精度。

Comments 8 pages, 4 figures, submitted to RA-L

Human-Exoskeleton Kinematic Calibration to Improve Hand Tracking for Dexterous Teleoperation

人-外骨骼运动学校准以提高手部跟踪用于灵巧遥操作

Haiyun Zhang, Stefano Dalla Gasperina, Saad N. Yousaf, Toshimitsu Tsuboi, Tetsuya Narita, Ashish D. Deshpande

机构 * Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学机械工程系） ； Sony Group Corporation, Tokyo, Japan（索尼集团公司，日本东京） ； Meta Reality Labs Research, Redmond, WA, USA（Meta现实实验室研究） 纠错

AI总结 本文提出一种针对手部外骨骼的个性化校准框架，通过残差加权优化估计虚拟链接参数，减少关节和指尖跟踪误差，提升遥操作精度。

Comments 8 pages, 10 figures, 1 supplementary video, submitted to RA-L

DIJIT: A Robotic Head for an Active Observer

DIJIT: 面向主动观察者的机器人头部

Mostafa Kamali Tabrizi, Mingshi Chi, Bir Bikram Dey, Kelly Yuan, Markus D. Solbach, Yiqian Liu, Michael Jenkin, John K. Tsotsos

机构 * Department of Electrical Engineering and Computer Science, York University（电气与计算机科学系，约克大学） 纠错

AI总结 提出DIJIT双目机器人头部，具有9个机械自由度和4个光学自由度，实现类人眼/头运动，用于主动视觉研究，其扫视精度接近人类。

Journal ref IEEE Robotics and Automation Letters, Vol. 11, No. 6, pp. 7038-7045, June 2026

Rapid co-design of Buoyancy-assisted robots for Challenging Locomotion using Gaussian Evolutionary Specialists

基于高斯进化专家的浮力辅助机器人快速协同设计以应对挑战性运动

Ankit Sinha, Nitish Sontakke, Dennis Hong, Yusuke Tanaka, Sehoon Ha

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 提出高斯进化专家（GES）框架，通过解耦设计空间划分与策略学习，在浮力辅助轻量腿单元（BALLU）上实现5-25%性能提升，并缩短37%设计优化时间。

Comments Submitted to RA-L

Breaking Time: A Fully Gaussian Framework for Distributed and Continuous-Time SLAM

打破时间：一种用于分布式和连续时间SLAM的全高斯框架

Davide Ceriola, Simone Ferrari, Luca Di Giammarino, Leonardo Brizi, Giorgio Grisetti

机构 * Department of Computer, Control, and Management Engineering "Antonio Ruberti", Sapienza University of Rome（计算机、控制与管理工程系（Antonio Ruberti）, 罗马萨皮恩扎大学） ； University of Stuttgart（斯图加特大学） 纠错

AI总结 提出G-solver，结合高斯信念传播和高斯过程运动先验的分布式连续时间轨迹估计框架，支持异构异步传感器和多相机场景。

Comments To be published in RA-L. Open-source implementation is released at https://github.com/rvp-group/gsolver

Enhancing Multi-Robot Exploration Using Probabilistic Frontier Prioritization with Dirichlet Process Gaussian Mixtures

利用概率前沿优先级与狄利克雷过程高斯混合模型增强多机器人探索

John Lewis Devassy, Meysam Basiri, Mário A. T. Figueiredo, Pedro U. Lima

机构 * Institute for Systems and Robotics / LARSyS and Instituto Superior Técnico, Universidade de Lisboa（系统与机器人研究所 / LARSyS 和里斯本大学理工学院） ； Instituto de Telecomunicações and Instituto Superior Técnico, Universidade de Lisboa（电信研究所和里斯本大学理工学院） 纠错

AI总结 本文提出了一种基于概率前沿优先级和狄利克雷过程高斯混合模型的改进方法，以提升多机器人探索的效率，通过在两种先进的多智能体探索算法中集成该方法，实现了在不同环境复杂度、通信限制和团队规模下的性能提升，实验结果表明平均性能提升了10%至14%。

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

Distribution-Free Risk-Aware Planning and Control Under Uncertainty Using Conformal Spectral Risk Control

基于共形谱风险控制的免分布风险感知规划与控制

Junsik Eom, Tulga Ersal

机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） 纠错

AI总结 提出一种免分布的风险感知模型预测控制框架，通过扩展共形风险控制到谱风险度量，生成预测集以在不确定性下保证风险低于用户指定阈值，并在车辆避障仿真中验证了安全性和效率提升。

Comments Submitted to IEEE Robotics and Automation Letters

Continuum Robot State Estimation with Actuation Uncertainty

具有驱动不确定性的连续体机器人状态估计

James M. Ferguson, Alan Kuntz, Tucker Hermans

机构 * Department of Electrical and Computer Engineering and Department of Computer Science, Vanderbilt University（电气与计算机工程系和计算机科学系，范德比尔特大学） ； Kahlert School of Computing and Robotics Center, University of Utah（计算与机器人中心，犹他大学） ； NVIDIA（英伟达） 纠错

AI总结 针对连续体机器人在未知交互力和模型不确定性下的形状估计问题，提出一种基于机械原理的驱动先验的离散Cosserat杆模型，联合估计机器人形状、外部载荷和驱动输入，并通过稀疏因子图实现高效非线性优化。

Comments Public preprint for IEEE RAL. Accepted May 2026

Dynamic Policy Learning for Legged Robot with Simplified Model Pretraining and Model-Homotopy-Inspired Transfer

基于简化模型预训练与模型同伦启发迁移的足式机器人动态策略学习

Dongyun Kang, Min-Gyu Kim, Tae-Gyu Song, Hajun Kim, Sehoon Ha, Hae-Won Park

机构 * Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（机械工程系，韩国科学技术院（KAIST）） ； School of Interactive Computing, Georgia Institute of Technology（交互计算学院，佐治亚理工学院） 纠错

AI总结 提出一种延续学习框架，结合简化模型预训练和模型同伦启发迁移，高效生成和优化足式机器人的复杂动态行为，并在真实四足机器人上验证了翻转和墙面辅助等动态任务。

Comments 8 pages

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8068-8075, July 2026

A data-efficient geometrically inspired polynomial kernel for robot inverse dynamics

一种数据高效且受几何启发的多项式核用于机器人逆动力学

Alberto Dalla Libera, Ruggero Carli

AI总结 本文提出了一种基于高斯过程回归的数据驱动逆动力学估计器，引入了几何启发多项式核（GIP），该核在合适输入空间上将逆动力学描述为多项式函数，并证明其定义了有限维的再生核希尔伯特空间，包含刚体动力学计算的逆动力学函数，实验表明该方法在数据效率和泛化能力上优于其他数据驱动方法，同时相比模型驱动方法需要更少的先验信息且不受模型偏差影响。

Journal ref IEEE Robotics and Automation Letters, vol. 5, no. 1, pp. 24-31, Jan. 2020

Simultaneous Contact, Gait and Motion Planning for Robust Multi-Legged Locomotion via Mixed-Integer Convex Optimization

通过混合整数凸优化实现鲁棒多足运动的同步接触、步态和运动规划

Bernardo Aceituno-Cabezas, Carlos Mastalli, Hongkai Dai, Michele Focchi, Andreea Radulescu, Darwin G. Caldwell, Jose Cappelletto, Juan C. Grieco, Gerardo Fernandez-Lopez, Claudio Semini

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA 30332 USA（电气与计算机工程系，佐治亚理工学院，亚特兰大，GA 30332 USA） ； Twentieth Century Fox, Springfield, USA（二十世纪福克斯，斯普林菲尔德，USA） ； Starfleet Academy, San Francisco, CA 96678 USA（星际舰队学院，旧金山，CA 96678 USA） ； Tyrell Inc., 123 Replicant Street, Los Angeles, CA 90210 USA（泰勒尔公司，123 复制人街，洛杉矶，CA 90210 USA） 纠错

AI总结 本文提出了一种混合整数凸优化方法，用于同时规划多足机器人的接触位置、步态转换和运动，以提高运动的通用性并保持低计算时间。

Comments 8 pages, IEEE Robotics and Automation Letters

A General Framework for Structured Learning of Mechanical Systems

结构机械系统学习的通用框架

Jayesh K. Gupta, Kunal Menda, Zachary Manchester, Mykel J. Kochenderfer

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种通用框架，用于结构化学习机械系统，通过结合先验知识和训练表达式近似器来提高模型的准确性和效率。

Comments 10 pages, 7 figures. First two authors contributed equally. Submitted to IROS/RA-L. Code at https://github.com/sisl/mechamodlearn/

ConFusion: Sensor Fusion for Complex Robotic Systems using Nonlinear Optimization

ConFusion：利用非线性优化的复杂机器人系统传感器融合

Timothy Sandy, Lukas Stadelmann, Simon Kerscher, Jonas Buchli

机构 * Agile & Dexterous Robotics Lab, ETH Zurich（敏捷与灵活机器人实验室，苏黎世联邦理工学院） 纠错

AI总结 本文提出ConFusion，一种用于机器人应用的开源传感器融合框架，通过非线性优化实现灵活的传感器融合设计，并展示了其在视觉惯性跟踪和移动机械臂上的性能。

Journal ref IEEE Robotics and Automation Letters, 2019, Volume 4, Number 2, Pages 1093-1100

Frequency-Aware Model Predictive Control

频率感知模型预测控制

Ruben Grandia, Farbod Farshidian, Alexey Dosovitskiy, René Ranftl, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（机器人系统实验室，苏黎世联邦理工学院） ； Intel Labs, Munich, Germany（英特尔实验室，德国慕尼黑） 纠错

AI总结 本文提出频率形状成本函数，用于在腿足机器人最优控制中实现鲁棒解决方案，通过仿真和硬件实验展示了运动计划与执行器带宽限制的兼容性，并在未建模合规性地形上实现了稳健行走。

Journal ref IEEE Robotics and Automation Letters 2019

Provably Robust Learning-Based Approach for High-Accuracy Tracking Control of Lagrangian Systems

具有证明鲁棒性的基于学习的方法用于拉格朗日系统高精度跟踪控制

Mohamed K. Helwa, Adam Heins, Angela P. Schoellig

机构 * Dynamic Systems Lab（动态系统实验室） ； Institute for Aerospace Studies（航空航天研究院） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出基于高斯过程的新型学习控制方法，确保系统稳定性与高精度跟踪，通过不确定性界保证鲁棒性，并在仿真和实验中验证有效性。

Comments 8 pages, 4 figures, 2 tables, submitted to IEEE Robotics and Automation Letters (RA-L) and the 2019 International Conference on Robotics and Automation (ICRA) (created: March 2018; updated: September 2018)

Decentralized Ergodic Control: Distribution-Driven Sensing and Exploration for Multi-Agent Systems

去中心化恒定控制：面向多智能体系统的分布驱动感知与探索

Ian Abraham, Todd D. Murphey

机构 * Neuroscience and Robotics Laboratory（神经科学与机器人实验室） 纠错

AI总结 本文提出一种去中心化恒定控制策略，用于解决多智能体非线性动态系统的时间变化区域覆盖问题，通过共识实现完全去中心化的多智能体控制政策，并展示了其在多智能体地形映射和目标定位中的应用。

Comments 8 pages, Accepted for publication in IEEE Robotics and Automation Letters

Journal ref IEEE Robotics and Automation Letters, vol. 3, no. 4, pp. 2377-3766, 2018

An Inversion-Based Learning Approach for Improving Impromptu Trajectory Tracking of Robots with Non-Minimum Phase Dynamics

基于逆向学习的方法用于改进具有非最小相位动态的机器人即兴轨迹跟踪

Siqi Zhou, Mohamed K. Helwa, Angela P. Schoellig

机构 * Dynamic Systems Lab（动态系统实验室） ； Institute for Aerospace Studies（航空航天研究 institute） ； University of Toronto（多伦多大学） ； Cairo University（开罗大学） 纠错

AI总结 本文提出一种基于学习的方法，用于改进非最小相位系统的即兴轨迹跟踪，通过直接从输入输出数据学习稳定近似逆向，验证了方法的稳定性与高精度跟踪效果。

Comments Accepted for publication in the IEEE Robotics and Automation Letters (RA-L), July 2018

Partially Observable Adversarial Patch Attacks on Vision-Language-Action Models in Robotics

部分可观测的对抗性补丁攻击在机器人视觉-语言-动作模型上的应用

Xiaofei Wang, Mingliang Han, Tianyu Hao, Yi Yang, Yun-Bo Zhao, Keke Tang

机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） ； SmartMore Corporation（SmartMore公司） ； Cyberspace Institute of Advanced Technology, Guangzhou University（广西亚技术空间研究所，广州大学） ； th Medical Center of Chinese PLA General Hospital（中国人民解放军总医院第八医学中心） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） 纠错

AI总结 针对机器人VLA模型，提出部分可观测威胁模型下的两阶段攻击框架，利用注意力图定位关键区域并优化补丁以破坏语义接地和增加动作轨迹曲率，导致长期任务失败。

Comments Accepted by IEEE Robotics and Automation Letters, 2026