期刊&会议
Robotics: Science and Systems · 会议 · Robotics
广义运动场上的渐近最优遍历覆盖
机构 * Yale University（耶鲁大学） ； Rutgers University（罗格斯大学） ； University of Edinburgh（爱丁堡大学） ； University of Sydney（悉尼大学）
AI总结 本文提出将自适应搜索建模为遍历覆盖问题，通过考虑领域演变，在动态环境中保证覆盖并实现有效探索，实验验证了方法在海洋探索及生物运动跟踪中的有效性。
Comments 13 pages, 9 figures, 6 tables, Robotics: Science and Systems 2026
自适应平滑切比雪夫注意力用于多目标策略优化
机构 * Indiana University–Bloomington（印第安纳大学布卢明顿分校）
AI总结 本文提出自适应平滑切比雪夫框架，通过动态调节优化景观曲率，解决多目标强化学习中非凸区域解恢复问题，验证于机器人隐身视觉搜索任务，发现非凸区域的帕累托最优策略。
Comments To appear in the Proceedings of Robotics: Science and Systems (RSS) 2026
何时行动、提问或学习：不确定性感知的策略引导
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出不确定性感知策略引导框架，通过联合推理任务语义不确定性和低层动作可行性，选择执行高置信度动作、通过自然语言查询澄清任务歧义或请求动作干预修正低层策略，提升机器人部署性能。
Comments To appear in Robotics: Science and Systems 2026
通过物理感知的联合形状和姿态优化实现仿真准备的杂乱场景估计
机构 * Meta Reality Labs（Meta现实实验室）
AI总结 本文提出了一种基于物理约束的联合形状和姿态优化方法，用于从真实世界观测中估计仿真准备的场景，通过形状可微接触模型和结构稀疏性高效求解，实现了对多个物体的鲁棒重建。
Comments Accepted to RSS 2026, camera-ready version; 17 pages, 15 figures
TeleGate: 通过门控专家选择与运动先验实现全身人形机器人远程操作
机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； AnyWit Robotics Co., Ltd., Shushan District, Hefei, Anhui, China（安徽合肥蜀山 district AnyWit 机器人有限公司）
AI总结 本文提出TeleGate框架，通过门控网络动态激活专家策略，结合VAE运动先验模块预测未来动作，实现高精度动态动作远程操作。
Comments Accepted by RSS 2026. Project page: https://anywitresearch.github.io/TeleGate/
通过约束HJB引导学习实现安全多智能体导航
AI总结 本文提出HJB-GNN框架，通过联合学习控制屏障函数、分布式导航策略和价值函数，实现多智能体导航中的安全约束与目标达成的平衡，验证了其在复杂环境中的优越性能和可扩展性。
Comments Accepted by Robotics: Science and Systems (RSS 2026)
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
机构 * Sheng Xu ； Ruixing Jin ； Huayi Zhou ； Bo Yue ； Guanren Qiao ； Yunxin Tai ； Kui Jia ； Guiliang Liu
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：富含接触的自适应LLM基于控制用于机械臂操作
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）
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
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
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
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：灵活的实时机器人输入输出用于跨躯体机器人学习
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）
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
通过折扣存活公式评估操纵策略的离线策略评估
机构 * University of Southern California（南加州大学） ； Stanford University（斯坦福大学）
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
低可见性无人机的计算设计：基于人类对齐的感知度量
机构 * Northwestern University（西北大学）
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
AR-VLA：面向视觉-语言-动作模型的真自回归动作专家
机构 * KU Leuven, Dept. Mechanical Engineering, Research unit Robotics, Automation and Mechatronics（库勒恩大学，机械工程系，机器人、自动化与机电一体化研究单位） ； KU Leuven, Dept. Electrical Engineering, Research unit Processing Speech and Images（库勒恩大学，电气工程系，语音和图像处理研究单位）
AI总结 AR-VLA提出了一种自回归动作专家，通过长时记忆保持上下文，解决快控与慢思的频率不匹配问题，实现高效预训练和模块化集成，提升动作生成的时空一致性。
Comments RSS 2026 accepted
MOBIUS：一种能够行走、爬行、攀爬和滚动的多模态双足机器人
机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； Robotic Systems Lab（机器人系统实验室） ； Robotics and Mechanisms Laboratory（机器人与机构实验室） ； Department of Mechanical and Aerospace Engineering, University of California, Los Angeles（加州大学洛杉矶分校机械与航空航天工程系）
AI总结 MOBIUS机器人通过四条肢体实现多种运动模式切换，结合强化学习与混合规划架构，实现动态攀爬与负载支撑，拓展了移动操作与抓取能力。
Comments Paper is accepted at the Robotics: Science and Systems conference, held in Sydney, Australia, July 13th-17th, 2026. Alexander Schperberg and Yusuke Tanaka are co-first authors. Both were at the Robotics and Mechanisms Laboratory (RoMeLa) at UCLA when the work started, and are now with Mitsubishi Electric Research Laboratories and ETH Zurich (RSL) respectively
引导式流式随机插值策略
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
AI总结 本文提出引导式流式随机插值策略，通过分析价值函数的时间演化，推导出最优引导项，实现动态目标下的高效控制与障碍避让。
Comments Accepted to Robotics: Science and Systems (RSS) 2026. The first two authors contributed equally
Muninn：你的轨迹扩散模型但更快
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Florida International University（佛罗里达国际大学） ； Providence College（普罗维登斯学院）
AI总结 本文提出Muninn，一种无需训练的缓存包装器，通过利用扩散轨迹规划器的两个信号，减少去噪器计算，实现轨迹扩散模型的实时应用，提升速度并保证性能和安全性。
Comments Accepted to Robotics: Science and Systems 2026
高精度液压挖掘机控制用于重型平整作业
机构 * ETH Zürich, Robotic Systems Lab（苏黎世联邦理工学院机器人系统实验室）
AI总结 本文提出一种自主控制器，实现高精度平整作业，适用于负载传感和负流量控制设备，通过校准过程可适应不同液压系统，精度提升2.6倍，提升设备使用效率。
Comments 12 pages 19 figures, RSS 2026
超越孤立：一个通用导航的统一基准
机构 * AutoLab, SAI, Shanghai Jiao Tong University（自动化实验室、上海交通大学） ； Research Lab, Anyverse Dynamics（Anyverse Dynamics 研究实验室）
AI总结 本文提出OmniNavBench基准，通过复合复杂性、形态通用性和演示质量三大变革，解决通用导航中跨技能协调与跨形态泛化的问题，揭示现有方法在复杂导航任务中的不足。
Comments Accepted at RSS 2026
迈向基于MoE的稳健四足运动的可靠仿真到现实预测性
机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学）
AI总结 本文提出基于MoE的四足运动策略与RoboGauge评估框架，通过仿真测试实现可靠的真实世界迁移，实验显示在复杂地形上具备良好的鲁棒性和泛化能力。
Comments Accepted at Robotics Science and Systems (RSS), 2026. Project Page: https://robogauge.github.io/complete/
温控序贯蒙特卡洛用于具有可微动力学的轨迹和策略优化
机构 * Harvard University（哈佛大学）
AI总结 本文提出温控序贯蒙特卡洛方法，用于在可微动力学下进行有限时间跨度的轨迹和策略优化，通过将控制器设计转化为推断问题，结合退火方案和哈密顿蒙特卡洛方法，提升采样效率和优化性能。
Comments Robotics: Science and Systems 2026
力政策：在交互框架下学习混合力-位置控制策略以进行密集接触 manipulation
机构 * Noematrix ； Flexiv ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出力政策，通过视觉和力反馈实现全局-局部控制，提升接触稳定性和执行质量，适用于复杂接触任务。
Comments accepted by RSS 2026
基于分布式飞行时间传感器的连续机器人定位
机构 * University of Toronto Robotics Institute, Canada（多伦多大学机器人研究所，加拿大） ； Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所，英国） ； Toronto Metropolitan University, Canada（多伦多 Metropolitan 大学，加拿大）
AI总结 本文提出了一种利用小型低分辨率飞行时间传感器进行连续机器人定位的方法，通过融合传感器数据与机器人形状先验信息，实现了在复杂环境中高精度的定位与建图。
Comments Print version, to be published at Robotics: Science and Systems (RSS) 2026
HAIC：通过动态感知世界模型实现人形敏捷物体交互控制
机构 * Tsinghua University（清华大学） ； HKUST(Guangzhou)（香港科技大学（广州）） ； ETH Zurich（苏黎世联邦理工学院） ； Xiaomi Robotics Lab（小米机器人实验室）
AI总结 本文提出HAIC框架，通过动态预测和空间优先级构建动态占用地图，实现人形机器人在复杂动态环境下与不同物体的稳健交互，提升敏捷任务和多物体长周期任务的完成能力。
Comments RSS 2026. Webpage: https://haic-humanoid.github.io/
Dr-BA：直接雷达束调整与定位的可分离优化
机构 * Robotics Institute, University of Toronto（多伦多大学机器人研究所）
AI总结 本文提出Dr-BA框架，通过直接处理2D旋转雷达强度图像实现雷达束调整与定位，利用雷达抗雨优势，解决稠密地图与传感器姿态联合估计问题，实现最先进的雷达束调整与跨会话定位性能。
Comments Accepted for presentation at RSS 2026
asRoBallet：通过摩擦感知强化学习闭合仿真到现实的差距
机构 * ETH-type omni-wheels（ETH型全向轮） ； humanoid ballbot hardware platform（人形球形机器人硬件平台） ； quadruped（四足机器人） ； smartphone-based computing（基于智能手机的计算）
AI总结 本文提出asRoBallet，首个端到端强化学习策略应用于人形球形动力学硬件平台，通过高保真模拟和摩擦感知强化学习实现零样本仿真到现实迁移。
Comments 10 pages, 9 figure, accepted for RSS2026. For Supplementary Videos, see https://bionicdl.ancorasir.com/?p=2238
Robo3R：通过精确的前馈3D重建增强机器人操作
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 Robo3R通过前馈3D重建模型，直接从RGB图像和机器人状态实时预测高精度场景几何，提升机器人操作的精度与一致性。
Comments Published at Robotics: Science and Systems (RSS) 2026
FreeOcc: 无需训练的具身开放词汇占用预测
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； MBZUAI
AI总结 FreeOcc通过四层流程实现无需3D标注的开放词汇占用预测，相比传统方法在EmbodiedOcc-ScanNet上提升IoU和mIoU超过2倍，并引入ReplicaOcc基准测试新环境性能。
Comments RSS 2026
CLAMP: 基于对比学习的3D多视角动作条件机器人操控预训练
机构 * Google DeepMind（谷歌DeepMind） ； University of Southern California（南加州大学）
AI总结 CLAMP通过3D点云和机器人动作进行预训练，利用对比学习提升机器人操控精度与效率，优于现有基线方法。
Comments Accepted to the Robotics: Science and Systems (RSS) 2026
R2RGEN：用于空间通用操作的实现实体3D数据生成
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Beijing Key Laboratory of Embodied Intelligence Systems（北京智能体智能系统重点实验室） ； Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学智能体与机器人研究院） ； GigaAI
AI总结 本文提出R2RGen框架，通过实现实体3D数据生成提升空间通用操作的鲁棒性，采用统一三阶段方法增强数据效率，适用于移动操作场景。
Comments Accepted to RSS 2026. Project page: https://r2rgen.github.io/
KinDER：机器人学习与规划的运动学与动力学推理基准
机构 * Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Tech（佐治亚理工学院） ； University of Cambridge（剑桥大学） ； NVIDIA（英伟达） ； MIT（麻省理工学院）
AI总结 KinDER基准针对机器人学习与规划中的物理推理挑战，包含25个生成环境、Python库和评估套件，旨在通过系统比较不同方法提升机器人物理推理能力。
Comments Project website: https://prpl-group.com/kinder-site/. 21 pages, 8 figures. Accepted to Robotics Science and Systems (RSS), 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈