IEEE T-RO

Uncertainty Quantification for Visual Object Pose Estimation: S-Lemma Ellipsoidal Bounds

视觉目标姿态估计的不确定性量化

Lorenzo Shaikewitz, Charis Georgiou, Luca Carlone

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 SLUE通过凸优化方法为视觉目标姿态估计提供高概率的椭球不确定性界，有效缩小平移界限并保持方向精度。

Comments 18 pages, 9 figures. Code available: https://github.com/MIT-SPARK/PoseUncertaintySets. Published in IEEE Transactions on Robotics

NeuPAN: Direct Point Robot Navigation with End-to-End Model-based Learning

NeuPAN: 基于端到端模型学习的直接点机器人导航

Ruihua Han, Shuai Wang, Shuaijun Wang, Zeqing Zhang, Jianjun Chen, Shijie Lin, Chengyang Li, Chengzhong Xu, Yonina C. Eldar, Qi Hao, Jia Pan

AI总结 提出NeuPAN，一种实时、高精度、无地图、易部署的机器人运动规划器，通过紧耦合感知-控制框架和端到端模型学习，直接处理原始点云生成无碰撞运动，避免感知到控制的误差传播。

Comments Accepted by TRO 2025; project website: https://hanruihua.github.io/neupan_project/

Adaptive Model-Predictive Control of a Soft Continuum Robot Using a Physics-Informed Neural Network Based on Cosserat Rod Theory

基于Cosserat杆理论物理信息神经网络的软体连续机器人自适应模型预测控制

Johann Licher, Max Bartholdt, Henrik Krauss, Tim-Lukas Habich, Thomas Seel, Moritz Schappler

机构 * Institute of Mechatronic Systems, Leibniz University Hannover（机械系统研究所，汉诺威莱布尼茨大学） ； Department of Advanced Interdisciplinary Studies, The University of Tokyo（先进跨学科研究部，东京大学） ； Institute of Assembly Technology and Robotics, Leibniz University of Hannover（组装技术与机器人研究所，汉诺威莱布尼茨大学） 纠错

AI总结 提出一种基于域解耦物理信息神经网络（DD-PINN）的实时非线性模型预测控制框架，实现软体连续机器人的高精度动态控制，位置误差低于3 mm。

Comments Submitted to IEEE Transactions on Robotics, 20 pages, 14 figures