RSS

From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation

从反应到预见：通过代理任务图实现机器人操作的前瞻性故障恢复

Sheng Xu, Ruixing Jin, Huayi Zhou, Bo Yue, Guanren Qiao, Yunxin Tai, Yueci Deng, Kui Jia, Guiliang Liu

机构 * Sheng Xu ； Ruixing Jin ； Huayi Zhou ； Bo Yue ； Guanren Qiao ； Yunxin Tai ； Kui Jia ； Guiliang Liu 纠错

AI总结 本文提出AgentChord系统，通过代理任务图实现前瞻性故障恢复，提升机器人操作的可靠性和自主性。

Comments 18 pages, accepted to RSS 2026

CoRAL: Contact-Rich Adaptive LLM-based Control for Robotic Manipulation

CoRAL：富含接触的自适应LLM基于控制用于机械臂操作

Berk Çiçek, Mert K. Er, Ozgur S. Oguz

机构 * LiRA Lab, Department of Computer Engineering Bilkent University（LiRA实验室，计算机工程系，比尔肯特大学） 纠错

AI总结 CoRAL通过解耦高层推理与低层控制，利用LLM设计成本函数，结合神经符号适应循环和记忆单元，实现接触密集任务的自适应控制，提升成功率50%以上。

Comments 22 pages, 9 figures, 3 tables. Accepted to Robotics: Science and Systems (RSS) 2026. Updated to camera-ready version with appendix and text/formatting revisions

Simulation Distillation: Pretraining World Models in Simulation for Rapid Real-World Adaptation

模拟蒸馏：在模拟中预训练世界模型以实现快速真实世界适应

Jacob Levy, Tyler Westenbroek, Kevin Huang, Fernando Palafox, Patrick Yin, Shayegan Omidshafiei, Dong-Ki Kim, Abhishek Gupta, David Fridovich-Keil

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Washington（华盛顿大学） ； FieldAI 纠错

AI总结 本文提出SimDist框架，利用物理模拟器生成大量动作条件机器人经验，通过蒸馏结构先验提升世界模型性能，实现高效真实世界适应。

Comments Robotics: Science and Systems 2026

RIO: Flexible Real-Time Robot I/O for Cross-Embodiment Robot Learning

RIO：灵活的实时机器人输入输出用于跨躯体机器人学习

Pablo Ortega-Kral, Eliot Xing, Arthur Bucker, Vernon Luk, Junseo Kim, Owen Kwon, Angchen Xie, Nikhil Sobanbabu, Yifu Yuan, Megan Lee, Deepam Ameria, Bhaswanth Ayapilla, Jaycie Bussell, Guanya Shi, Jonathan Francis, Jean Oh

机构 * Carnegie Mellon University（卡内基梅隆大学） ； TU Delft（代尔夫特理工大学） ； Lavoro AI ； Bosch Center for AI（博世人工智能中心） 纠错

AI总结 RIO框架提供灵活的机器人控制和部署组件，支持多种硬件平台和形态，通过开放源代码加速真实机器人学习。

Comments 14 pages, 12 figures, 5 tables. Accepted to Robotics: Science and Systems (RSS) 2026

Offline Policy Evaluation for Manipulation Policies via Discounted Liveness Formulation

通过折扣存活公式评估操纵策略的离线策略评估

Hao Wang, Joshua Bowden, Colton Crosby, Somil Bansal

机构 * University of Southern California（南加州大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出基于存活Bellman算子的离线策略评估框架，解决稀疏奖励下任务完成问题，通过保守固定点值函数降低截断偏差，实验证明在折叠任务中优于传统基线方法。

Comments Published at RSS 2026

Computational Design of a Low-Visibility UAV Using a Human-Aligned Perceptual Metric

低可见性无人机的计算设计：基于人类对齐的感知度量

Jingxian Wang, Chen Yu, David Matthews, Emma Alexander, Sam Kriegman, Michael Rubenstein

机构 * Northwestern University（西北大学） 纠错

AI总结 本文提出Phantom Twist单螺旋桨无人机，通过高速旋转和运动模糊降低可见性，采用两阶段自动化设计流程优化组件布局，基于LPIPS人类对齐感知度量实现低视觉感知度设计。

Comments Accepted by RSS 2026