IEEE RA-L

Closed-loop Control of Steerable Balloon Endoscopes for Robot-assisted Transcatheter Intracardiac Procedures

闭环控制可操控气囊内窥镜用于机器人辅助经导管心内操作

Max McCandless, Jonathan Hamid, Sammy Elmariah, Nathaniel Langer, Pierre E. Dupont

机构 * Department of Cardiac Surgery, Boston Children’s Hospital, Harvard Medical School, Boston, MA, USA（心脏外科部，波士顿儿童医院，哈佛医学院，马萨诸塞州波士顿，美国） ； Department of Medicine, Cardiology Division, University of California San Francisco, San Francisco, CA, USA（医学部，心脏病学分会，加州大学旧金山分校，旧金山，加利福尼亚州，美国） ； Department of Cardiac Surgery, Massachusetts General Hospital, Boston, MA, USA（心脏外科部，麻省总医院，波士顿，马萨诸塞州，美国） 纠错

AI总结 本文提出了一种可操控气囊内窥镜，通过闭环控制实现心内手术中工具的精确导航与稳定方向控制。

Comments 8 pages, 11 figures

Journal ref IEEE Robotics and Automation Letters, Volume 11, Issue 4, Pages 4211-4218, 2026

SelfOccFlow: Towards end-to-end self-supervised 3D Occupancy Flow prediction

SelfOccFlow：迈向端到端自监督3D占用流预测

Xavier Timoneda, Markus Herb, Fabian Duerr, Daniel Goehring

机构 * Onboard Fusion team at CARIAD SE, Volkswagen Group（CARIAD SE 车辆集团 onboard 融合团队） ； Dahlem Center for Machine Learning and Robotics group at Freie Universität Berlin（柏林自由大学 Dahlem 机器学习与机器人学小组） 纠错

AI总结 SelfOccFlow提出了一种端到端自监督方法，通过分解场景为静态和动态符号距离场并利用特征余弦相似性，实现无需人工标注的3D占用流估计。

Comments Accepted version. Final version is published in IEEE Robotics and Automation Letters, DOI: 10.1109/LRA.2026.3665447

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 4, pp. 4331-4338, 2026

SCOPE: Skeleton Graph-Based Computation-Efficient Framework for Autonomous UAV Exploration

SCOPE：基于骨架图的计算高效框架用于自主无人机探索

Kai Li, Shengtao Zheng, Linkun Xiu, Yuze Sheng, Xiao-Ping Zhang, Dongyue Huang, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

AI总结 SCOPE通过基于骨架图的高效框架，实现了自主无人机探索中的计算效率提升，减少86.9%的计算成本，同时保持与先进全局规划器相当的探索性能。

Comments This paper has been accepted for publication in the IEEE ROBOTICS AND AUTOMATION LETTERS (RA-L). Please cite the paper using appropriate formats

From Prompts to Printable Models: Support-Effective 3D Generation via Offset Direct Preference Optimization

从提示到可打印模型：通过偏移直接偏好优化实现支持有效的3D生成

Chenming Wu, Xiaofan Li, Chengkai Dai

机构 * Axiswise Ltd.（Axiswise有限公司） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） 纠错

AI总结 SEG通过偏移直接偏好优化实现支持有效的3D生成，显著减少支撑材料使用并提升打印可制造性。

Comments Accepted by IEEE Robotics and Automation Letters 2026, preprint version by authors

Super LiDAR Intensity for Robotic Perception

超声波雷达强度用于机器人感知

Wei Gao, Jie Zhang, Mingle Zhao, Zhiyuan Zhang, Shu Kong, Maani Ghaffari, Dezhen Song, Cheng-Zhong Xu, Hui Kong

机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC)（物联网智能城市国家重点实验室） ； Faculty of Science and Technology（科技学院） ； University of Macau（澳门大学） ； School of Computing and Information Systems（计算与信息学院） ； Singapore Management University（新加坡管理大学） ； Department of Naval Architecture and Marine Engineering and Department of Robotics（船舶工程与海洋工程系和机器人系） ； University of Michigan（密歇根大学） ； Department of Robotics（机器人系） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·拉希德智能人工智能大学） 纠错

AI总结 本文提出了一种基于非重复扫描LiDAR的密集强度图像生成方法，以提升低成本LiDAR在机器人感知中的应用。

Comments IEEE Robotics and Automation Letters (RA-L), 2026 (https://ieeexplore.ieee.org/document/11395610). The dataset and code are available at: (https://github.com/IMRL/Super-LiDAR-Intensity)

Neuro-Symbolic Generation of Explanations for Robot Policies with Weighted Signal Temporal Logic

神经符号生成机器人策略的解释性说明以加权信号时序逻辑

Mikihisa Yuasa, Ramavarapu S. Sreenivas, Huy T. Tran

机构 * The Grainger College of Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院） 纠错

AI总结 本文提出神经符号生成方法，通过加权信号时序逻辑生成简洁、一致且严格的解释，提升机器人策略的可解释性和安全性。

Journal ref IEEE Robotics and Automation Letters, vol. 11, pp. 3963-3970, 2026

Anomaly detection for generic failure monitoring in robotic assembly, screwing and manipulation

通用故障监控中机器人装配、拧螺钉和操作中的异常检测

Niklas Grambow, Lisa-Marie Fenner, Felipe Kempkes, Philip Hotz, Dingyuan Wan, Jörg Krüger, Kevin Haninger

机构 * Department of Automation at Fraunhofer IPK（弗劳恩霍夫研究所自动化部门） ； Department of Industrial Automation Technology at TU Berlin（柏林技术大学工业自动化技术部门） 纠错

AI总结 本文提出了一种适用于多种机器人任务的异常检测方法，通过比较不同自编码器方法，验证了其在不同任务和控制策略中的泛化能力，并展示了在布线和拧螺钉任务中高可靠性的检测效果。

Comments 8 pages, 5 figures, 4 tables, the paper has been accepted for publication in the IEEE Robotics and Automation Letters

Diffusion Trajectory-guided Policy for Long-horizon Robot Manipulation

用于长时程机器人操作的扩散轨迹引导策略

Shichao Fan, Quantao Yang, Yajie Liu, Kun Wu, Zhengping Che, Qingjie Liu, Min Wan

机构 * School of Mechanical Engineering and Automation, BeiHang University（机械工程与自动化学院，北航） ； School of Computer Science and Engineering, BeiHang University（计算机科学与工程学院，北航） ； Beijing Innovation Center of Humanoid Robotics（人形机器人创新中心） ； Division of Robotics, Perception and Learning (RPL), KTH Royal Institute of Technology（机器人、感知与学习 division，皇家理工学院） 纠错

AI总结 本文提出DTP框架，通过生成轨迹减少模仿学习中的误差累积，提升长时程机器人任务的性能。

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

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

Mixed-Reality Digital Twins: Leveraging the Physical and Virtual Worlds for Hybrid Sim2Real Transition of Multi-Agent Reinforcement Learning Policies

混合现实数字孪生：利用物理与虚拟世界实现多智能体强化学习策略的混合仿真到现实过渡

Chinmay Vilas Samak, Tanmay Vilas Samak, Venkat Narayan Krovi

机构 * Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)（汽车工程系，克莱姆森大学国际汽车研究中心（CU-ICAR）） 纠错

AI总结 本文提出混合现实数字孪生框架，通过并行化和域随机化技术，显著提升多智能体强化学习策略的训练效率和仿真到现实迁移性能。

Comments Accepted in IEEE Robotics and Automation Letters (RA-L) and additionally accepted to be presented at IEEE International Conference on Robotics and Automation (ICRA) 2026

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 9, pp. 9040-9047, Sept. 2025

Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL)

迈向机械取栓的AI自主导航：基于分层模块多智能体强化学习（HM-MARL）

Harry Robertshaw, Nikola Fischer, Lennart Karstensen, Benjamin Jackson, Xingyu Chen, S. M. Hadi Sadati, Christos Bergeles, Alejandro Granados, Thomas C Booth

AI总结 本研究提出分层模块多智能体强化学习框架，实现机械取栓中双设备自主导航，展示体外导航能力及泛化挑战。

Comments Published in IEEE Robotics and Automation Letters

Journal ref IEEE Robotics and Automation Letters (2026)

View Invariant Learning for Vision-Language Navigation in Continuous Environments

连续环境中视觉语言导航的视角不变学习

Josh Qixuan Sun, Huaiyuan Weng, Xiaoying Xing, Chul Min Yeum, Mark Crowley

机构 * Department of Electrical and Computer Engineering, University of Waterloo（电气与计算机工程系，滑铁卢大学） ； Department of Civil and Environmental Engineering, University of Waterloo（土木与环境工程系，滑铁卢大学） ； Department of Electrical and Computer Engineering, Northwestern University（电气与计算机工程系，西北大学） 纠错

AI总结 本文提出VIL框架，通过对比学习和教师-学生机制提升连续环境中视觉语言导航的视角鲁棒性，实验表明其在多个基准数据集上性能优越。

Comments This paper is accepted to RA-L 2026

IMPACT: Behavioral Intention-aware Multimodal Trajectory Prediction with Adaptive Context Trimming

IMPACT: 基于适应性上下文修剪的多模态轨迹预测：行为意图感知

Jiawei Sun, Xibin Yue, Jiahui Li, Tianle Shen, Chengran Yuan, Shuo Sun, Sheng Guo, Quanyun Zhou, Marcelo H Ang

机构 * National University of Singapore（新加坡国立大学） ； Xiaomi EV（小米电动车） 纠错

AI总结 IMPACT提出了一种基于适应性上下文修剪的多模态轨迹预测框架，通过联合预测行为意图和轨迹，提升预测精度、可解释性和效率，并在Waymo数据集上取得优异成绩。

Comments accepted by IEEE Robotics and Automation Letters

SurgRAW: Multi-Agent Workflow with Chain of Thought Reasoning for Robotic Surgical Video Analysis

SurgRAW：基于链式推理的多智能体工作流用于机器人手术视频分析

Chang Han Low, Ziyue Wang, Tianyi Zhang, Zhu Zhuo, Zhitao Zeng, Evangelos B. Mazomenos, Yueming Jin

机构 * National University of Singapore（国立新加坡大学） ； Bioinformatics Institute (BII), Agency for Science, Technology and Research (A*STAR)（生物信息研究所（BII），科技研究局（A*STAR）） ； Wellcome/EPSRC Centre for Interventional and Surgical Sciences (WEISS) and the Department of Medical Physics and Biomedical Engineering, University College London（Wellcome/EPSRC介入与外科科学中心（WEISS）及伦敦大学学院医学物理与生物医学工程系） 纠错

AI总结 SurgRAW通过基于链式推理的多智能体工作流，在机器人手术视频分析中实现零样本多任务推理，提升准确性和临床相关性。

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

SIT-LMPC: Safe Information-Theoretic Learning Model Predictive Control for Iterative Tasks

SIT-LMPC：用于迭代任务的安全信息论学习模型预测控制

Zirui Zang, Ahmad Amine, Nick-Marios T. Kokolakis, Truong X. Nghiem, Ugo Rosolia, Rahul Mangharam

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Central Florida（佛罗里达大学） ； Lyric 纠错

AI总结 SIT-LMPC通过信息论方法和归一化流学习，实现对迭代任务中安全性和性能的平衡优化。

Comments 8 pages, 5 figures. Published in IEEE RA-L, vol. 11, no. 1, Jan. 2026. Presented at ICRA 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 1, pp. 986-993, 2026

Efficient Knowledge Transfer for Jump-Starting Control Policy Learning of Multirotors through Physics-Aware Neural Architectures

通过物理感知神经架构高效知识转移以加速多旋翼控制策略学习

Welf Rehberg, Mihir Kulkarni, Philipp Weiss, Kostas Alexis

机构 * Department of Engineering Cybernetics at the Norwegian University of Science and Technology（工程 cybernetics 系挪威科学与技术大学） 纠错

AI总结 本研究提出了一种物理感知神经架构，通过库初始化方案实现多旋翼控制策略的高效知识转移，显著减少环境交互，提升控制性能。

Comments 8 pages. Accepted to IEEE Robotics and Automation Letters

BoundPlanner: A convex-set-based approach to bounded manipulator trajectory planning

BoundPlanner: 一种基于凸集的有界机械臂轨迹规划方法

Thies Oelerich, Christian Hartl-Nesic, Florian Beck, Andreas Kugi

机构 * Automation and Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） 纠错

AI总结 BoundPlanner通过基于凸集的轨迹规划方法，实现机械臂在考虑运动学和碰撞约束下的高效在线轨迹规划。

Comments Published at RA-L

Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration

自主机器人组织触诊及异常特征表征 via 耐久性探索

Luca Beber, Edoardo Lamon, Matteo Saveriano, Daniele Fontanelli, Luigi Palopoli

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 本文提出了一种基于耐久性探索的自主机器人触诊框架，通过结合力反馈与高斯过程回归，实现对组织弹性特性的高精度实时映射，提升异常特征的检测能力。

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

Rigidity-Based Multi-Finger Coordination for Precise In-Hand Manipulation of Force-Sensitive Objects

基于刚性的多指协调用于力敏感物体的精确手握操作

Xinan Rong, Changhuang Wan, Aochen He, Xiaolong Li, Gangshan Jing

机构 * School of Automation, Chongqing University（重庆大学自动化学院） ； Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系） 纠错

AI总结 本文提出双层框架实现多指协调，通过关节控制无需触觉反馈实现高精度力敏感物体操作。

Comments This paper has been accepted by IEEE Robotics and Automation Letters. The experimental video is avaialable at: https://www.youtube.com/watch?v=kcf9dVW0Dpo

DeCo: Task Decomposition and Skill Composition for Zero-Shot Generalization in Long-Horizon 3D Manipulation

DeCo：用于长周期3D操作零样本泛化任务分解与技能组合

Zixuan Chen, Junhui Yin, Yangtao Chen, Jing Huo, Pinzhuo Tian, Jieqi Shi, Yiwen Hou, Yinchuan Li, Yang Gao

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Huawei Noah’s Ark Lab (AI Lab), China（华为诺亚实验室（AI实验室）） 纠错

AI总结 DeCo通过任务分解与技能组合提升长周期3D操作任务的零样本泛化能力，显著提高多个模型在新任务上的成功率。

Comments RAL 2026

Planning Human-Robot Co-manipulation with Human Motor Control Objectives and Multi-component Reaching Strategies

基于人类运动控制目标和多组件抓取策略的人机协同规划

Kevin Haninger, Luka Peternel

机构 * Department of Automation, Fraunhofer IPK（自动化系，弗劳恩霍夫IPK研究所） 纠错

AI总结 本文提出基于人类运动控制模型和多组件抓取策略的人机协同规划方法，以实现更自然的人机交互。

Comments 10 Pages

Journal ref IEEE Robotics and Automation Letters, Volume 10, Issue 2, February 2025

A Pragmatist Robot: Learning to Plan Tasks by Experiencing the Real World

务实型机器人：通过体验现实世界学习任务规划

Kaixian Qu, Guowei Lan, René Zurbrügg, Changan Chen, Christopher E. Mower, Haitham Bou-Ammar, Marco Hutter

机构 * Robotic Systems Lab, ETH Zürich（瑞士联邦理工学院机器人系统实验室） ； ETH AI Center, ETH Zürich（瑞士联邦理工学院人工智能中心） ； Huawei Noah’s Ark Lab, London, UK（华为诺亚实验室，伦敦，英国） ； UCL Centre for AI, London, UK（伦敦大学学院人工智能中心） 纠错

AI总结 PragmaBot 通过现实世界经验学习任务规划，利用 STM 自我反思和 RAG 提高任务成功率

Comments Accepted to RA-L

PA-MPPI: Perception-Aware Model Predictive Path Integral Control for Quadrotor Navigation in Unknown Environments

PA-MPPI：感知-aware的模型预测路径积分控制用于未知环境中的四旋翼导航

Yifan Zhai, Rudolf Reiter, Davide Scaramuzza

机构 * University of Zurich（苏黎世大学） 纠错

AI总结 PA-MPPI通过结合感知信息，提升了四旋翼在未知环境中的导航能力，能够有效探索未知区域并规划替代路径。

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

LAMP: Implicit Language Map for Robot Navigation

LAMP：机器人导航的隐式语言地图

Sibaek Lee, Hyeonwoo Yu, Giseop Kim, Sunwook Choi

机构 * Department of Intelligent Robotics, Sungkyunkwan University（智能机器人学系，全北国立大学） ； NAVER LABS ； Department of Robotics and Mechatronics Engineering, DGIST（机器人与机电工程系，韩国科学技术院） 纠错

AI总结 LAMP通过隐式语言地图实现高效机器人导航，结合隐式神经场与稀疏图进行粗到细路径优化，提升大环境下的内存效率和目标精度。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). Project page: https://lab-of-ai-and-robotics.github.io/LAMP/

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

An Anatomy-Aware Shared Control Approach for Assisted Teleoperation of Lung Ultrasound Examinations

一种具有解剖意识的共享控制方法用于辅助肺部超声检查的远程操作

Davide Nardi, Edoardo Lamon, Daniele Fontanelli, Matteo Saveriano, Luigi Palopoli

机构 * Interdepartmental Robotics Labs (IDRA), Università di Trento（跨部门机器人实验室（IDRA），特伦托大学） 纠错

AI总结 本文提出了一种解剖意识的远程肺部超声操作框架，通过3D建模和实时反馈提升操作精度和效率，减少20%以上的执行时间。

Journal ref IEEE Robotics and Automation Letters (Volume: 11, Issue: 3, March 2026)

GSO-SLAM: Bidirectionally Coupled Gaussian Splatting and Direct Visual Odometry

GSO-SLAM：双向耦合的高斯点云与直接视觉里程计

Jiung Yeon, Seongbo Ha, Hyeonwoo Yu

机构 * Department of Intelligent Robotics, Sungkyunkwan University（智能机器人系，成均馆大学） 纠错

AI总结 GSO-SLAM通过双向耦合视觉里程计与高斯点云，实现实时单目密集SLAM，提升场景重建的几何和光度保真度。

Comments 8 pages, 6 figures, RA-L accepted

Fitts' List Revisited: An Empirical Study on Function Allocation in a Two-Agent Physical Human-Robot Collaborative Position/Force Task

Fitts列表重审：一项关于两人agent物理人机协作位置/力任务功能分配的实证研究

Nicky Mol, J. Micah Prendergast, David A. Abbink, Luka Peternel

机构 * Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 本文通过实证研究验证Fitts列表在物理人机协作中功能分配的适用性，发现人类控制位置提升性能和用户满意度，而机器人控制力减少过度混合和用户不适。

Comments 8 pages, 6 figures, published in IEEE Robotics and Automation Letters, col. 11, no. 1, January 2026

Journal ref IEEE Robotics and Automation Letters, Volume 11, Issue 1, January 2026

Proactive Local-Minima-Free Robot Navigation: Blending Motion Prediction with Safe Control

主动避障的机器人导航：融合运动预测与安全控制

Yifan Xue, Ze Zhang, Knut Åkesson, Nadia Figueroa

机构 * Department of Mechanical Engineering and Applied Mechanics, University of Pennsylvania（机械工程与应用力学系，宾夕法尼亚大学） ； Department of Electrical Engineering, Chalmers University of Technology（电气工程系，查尔姆斯理工大学） 纠错

AI总结 本文提出一种结合运动预测与安全控制的主动避障导航方法，通过在线学习屏障函数和自适应参数调节，提升机器人在复杂动态环境中的安全性和效率。

Comments Co-first authors: Yifan Xue and Ze Zhang; Accepted by IEEE RA-L 2026

Fast Task Planning with Neuro-Symbolic Relaxation

快速任务规划与神经符号放松

Qiwei Du, Bowen Li, Yi Du, Shaoshu Su, Taimeng Fu, Zitong Zhan, Zhipeng Zhao, Chen Wang

机构 * Spatial AI & Robotics Lab, Department of Computer Science and Engineering, University at Buffalo（空间人工智能与机器人实验室，计算机科学与工程系，布法罗大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 Flax通过结合神经重要性预测与符号扩展，实现快速可靠的复杂环境任务规划。

Comments 8 pages, 6 figures

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

Decentralized Reinforcement Learning for Multi-Agent Multi-Resource Allocation via Dynamic Cluster Agreements

通过动态聚类协议实现多智能体多资源分配的去中心化强化学习

Antonio Marino, Esteban Restrepo, Claudio Pacchierotti, Paolo Robuffo Giordano

AI总结 本文提出了一种基于动态聚类的去中心化强化学习方法，用于多智能体多资源分配问题，实现了更稳定和鲁棒的协调性能。

Journal ref IEEE Robotics and Automation Letters, 2025, 10 (8), pp.8123-8130

Robotic Depowdering for Additive Manufacturing Via Pose Tracking

通过姿态跟踪的机器人去粉用于增材制造

Zhenwei Liu, Junyi Geng, Xikai Dai, Tomasz Swierzewski, Kenji Shimada

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） 纠错

AI总结 本文提出了一种基于视觉的机器人去粉系统，通过姿态跟踪实时去除3D打印部件表面的未熔合粉末，无需预处理即可适应不同形状的部件。

Comments Github link: https://github.com/zhenweil/Robotic-Depowdering-for-Additive-Manufacturing-Via-Pose-Tracking Video link: https://www.youtube.com/watch?v=AUIkyULAhqM

Journal ref 2022 IEEE Robotics and Automation Letters