FalconWing: An Ultra-Light Indoor Fixed-Wing UAV Platform for Vision-Based Autonomy
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
FalconWing是一款超轻量级室内固定翼无人机平台，通过结合轻量级硬件和基于视觉的仿真系统，实现了高精度的自主飞行控制与实验验证。
2025-11-21 cs.AI cs.RO
Robustness and Adaptability of Reinforcement Learning based Cooperative Autonomous Driving in Mixed-autonomy Traffic
University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校）
本文提出了一种基于多智能体强化学习的方法，用于提高自动驾驶车辆在混合自主交通环境中的鲁棒性和适应性，通过隐式学习人类驾驶行为以优化社会效用和安全性能。
2022-02-02 cs.LG cs.RO
osmAG-Nav: A Hierarchical Semantic Topometric Navigation Stack for Robust Lifelong Indoor Autonomy
ShanghaiTech University（上海科技大学）
本文提出osmAG-Nav导航栈，通过分层语义拓扑地图实现大空间多层环境中的高效导航，降低规划延迟并提升长期定位稳定性。
2026-03-30 cs.RO
NEUROSYMLAND: Neuro-Symbolic Landing-Site Assessment for Robust and Edge-Deployable UAV Autonomy
School of Computing, Macquarie University（麦考瑞大学计算机学院）；Department of Computer Science, University of California（加州大学计算机科学系）
提出NEUROSYMLAND系统，结合轻量感知与符号推理进行着陆点评估，在模拟和硬件在环测试中优于基线方法，实现边缘部署下的鲁棒性与可解释性。
2026-07-20 cs.RO
MMCD: Multi-Modal Collaborative Decision-Making for Connected Autonomy with Knowledge Distillation
University of Maryland, College Park（马里兰大学 College Park 分校）；North Carolina State University（北卡罗来纳州立大学）；Adobe Research（Adobe 研究）
本文提出MMCD框架，通过多模态融合与跨模态知识蒸馏的教师-学生结构，解决连接自主中传感器故障或连接车辆缺失下的稳健决策问题，并在空地协同等实验中显著提升驾驶安全性。
2025-09-19 cs.AI cs.MA cs.RO
AeroGen: Structured Prompting for Low-Code Drone-as-a-Service Mission Composition
本文提出AeroGen框架，通过结构化提示和AeroDaaS SDK实现无人机自主控制程序的可靠生成，验证了其在多种环境下的有效性。
2026-10-20 cs.DC cs.RO
Intelligent Sensing-to-Action for Robust Autonomy at the Edge: Opportunities and Challenges
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；Georgia Institute of Technology（佐治亚理工学院）；Yale University（耶鲁大学）；Purdue University（普渡大学）
本文探讨了边缘自主系统中感知到行动回路的机遇与挑战，提出通过上下文感知的自适应感知、行动引导感知、多智能体协同及神经形态计算等策略，实现复杂环境下高效、鲁棒的实时决策。
2025-02-04 cs.CV cs.LG cs.RO
Towards agricultural autonomy: crop row detection under varying field conditions using deep learning
Lincoln Agri-Robotics Centre（林肯农业机器人中心）；Lincoln Institute for Agri-Food Technology（林肯农业食品技术学院）；University of Lincoln（林肯大学）
本文提出评估作物行检测鲁棒性的新指标，采用深度卷积编码器-解码器网络与后处理算法提取作物行，并在十类田间条件下验证其优劣。
2021-09-16 cs.CV cs.LG cs.RO
Belief-Adaptive Online Autonomy for Quadrotor UAV Navigation under GNSS Degradation in Urban Environments
Cranfield University（克兰菲尔德大学）
本文提出一种信念自适应在线自主框架，通过显式GNSS信任建模和延迟感知处理增强EKF，在GNSS退化城市环境中实现更稳定、更准确的四旋翼导航。
2026-09-15 cs.RO cs.SY eess.SY
Framework for Collaborative Operation of Autonomous Delivery Vehicles Within a Marshaling Yard
Autonomous Systems Research Center（自主系统研究中心）；M-City；University Of Michigan（密歇根大学）
本文提出一种基于动态优先级分配的协同框架，通过优化车辆任务分配提升通行效率并减少设施故障。
2026-04-30 cs.MA cs.RO
Modular Autonomy with Conversational Interaction: An LLM-driven Framework for Decision Making in Autonomous Driving
Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（自主车辆系统教授职位，技术大学慕尼黑工程与设计学院，技术大学慕尼黑）
本文提出基于大语言模型的自动驾驶决策框架，通过交互层与Autoware集成，实现乘客高级命令的翻译与执行，提升模块化自动驾驶系统的安全性和扩展性。
2026-01-09 cs.RO
Towards Validation of Autonomous Vehicles Across Scales using an Integrated Digital Twin Framework
Clemson University International Center for Automotive Research（克莱姆森大学国际汽车研究中心）
本文提出一个集成数字孪生框架，对跨3种尺度、面向3个ODDs的4辆自动驾驶车辆进行统一建模与仿真，以部署通用自主软件栈并支持虚拟、混合及物理测试的无缝sim2real迁移。
2024-05-07 cs.RO
Altruistic Autonomy: Beating Congestion on Shared Roads
Stanford University（斯坦福大学）；University of California, Santa Barbara（加州大学圣巴巴拉分校）
交通拥堵造成巨大的经济和社会成本。自动驾驶汽车的引入可以通过增加网络吞吐量和使社会规划者能够激励自动驾驶汽车的用户采取更长的路线来缓解更直接道路上的拥堵，从而潜在地减少这种拥堵。我们正式确定了人类驾驶员和自动驾驶汽车之间共享道路的利他自主性的影响。在这项工作中，我们开发了一个正式的模型的基础上共享道路的交通基本图的道路拥堵。我们考虑一个网络的平行道路，并提供算法，计算最优平衡，是强大的额外的不可预见的需求。当用户有不同程度的利他主义时，我们进一步规划最优路由。我们发现，即使有任意小的利他主义，总延迟可以无限好于没有利他主义，最好的自私的平衡可以无限好于最坏的自私的平衡。我们通过微观交通模拟验证了我们的理论结果，并显示当自动驾驶汽车是利他的时，从最坏情况的自私平衡到最佳平衡的平均延迟降低了4倍。
2018-10-29 cs.RO math.OC
A Cognitive-Driven Trajectory Prediction Model for Autonomous Driving in Mixed Autonomy Environment
University of Macau（澳门大学）；University of Electronic Science and Technology of China（电子科技大学）；Chongqing University（重庆大学）；Beihang University（北京航空航天大学）
本文提出一种融入认知洞察的轨迹预测模型，通过分析混合自动驾驶场景中的交互与行为模式，在多个数据集上显著超越现有基准，并展现出处理边界情况与数据缺失的鲁棒性。
2024-04-26 cs.RO
New Era in Cultural Heritage Preservation: Cooperative Aerial Autonomy
Czech Technical University in Prague（捷克技术大学）
对历史建筑的大型内部进行数字记录是一项令人精疲力竭的任务，因为大多数感兴趣的领域都超出了人类的范围。我们提倡使用多旋翼无人机（UAV）的自主团队，以加快几个数量级的文档编制过程，同时允许可重复，准确和独立于条件的解决方案，能够在很高的高度进行精确的无碰撞操作。所提出的多机器人方法允许在大规模的真实世界的情况下，一个过程以前只适用于小规模的实验室一样的条件下，执行需要动态场景照明的任务。广泛的实验分析范围从单个无人机成像到需要多个无人机精确协调的专门照明技术。该系统的鲁棒性在15个历史古迹的200多个自主飞行中得到了证明，这些历史古迹需要卓越的安全性，同时无法访问外部定位。这一独特的实验活动，与修复者和保护者合作，带来了许多经验教训，可转移到其他安全关键的机器人任务中的文件和检查任务。
2023-03-06 cs.AI cs.MA cs.RO
Satellite Navigation for the Age of Autonomy
Xona Space Systems（索纳空间系统公司）
全球导航卫星系统（GNSS）为大众带来了导航。再加上智能手机，我们手掌上的蓝点永远改变了我们与世界互动的方式。展望未来，自动驾驶汽车和空中机动性等网络物理系统正在推动包括GNSS在内的定位技术所能提供的极限。这场自动化革命需要一个解决方案，为数百万用户提供安全关键型操作、厘米定位和网络安全支持。为了满足这些需求，我们提出了一种低地球轨道（LEO）卫星导航服务，通过更快的运动，更高功率的信号来增加对干扰的鲁棒性，星座自主完整性监测的完整性，以及加密/认证来抵抗欺骗攻击。这种模式是由“新空间”运动实现的，其中高性能的卫星和部件现在是在装配线上制造的，发射成本降低了十倍以上。这种无处不在的定位服务实现了一致和安全的标准，其中可以验证和共享值得信赖的信息，将电子地平线从传感器视线扩展到整个城市。这使得真正的安全操作所需的态势感知能够支持大规模的自主性。
2020-05-19 cs.RO eess.SP
Towards Reliable Aerial Ground Vehicle Collaboration: An Integrated Planning and Autonomy Framework for Field Deployment
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；DEVCOM Army Research Laboratory（陆军研究实验室）
研究针对无人机长时间任务飞行续航受限问题，提出集成规划与自主框架。通过深度强化学习规划器解决协同路由问题，引入标准化API弥合规划与执行差距，还有轻量级重新规划器，经实验验证系统在动态任务中有强大协同导航和适应性。
2026-07-09 cs.RO
Hybrid F' and ROS2 Architecture for Vision-Based Autonomous Flight: Design and Experimental Validation
Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究所）
本文提出一种混合F'与ROS2架构，通过视觉导航验证了其在自主飞行中的实时性能和高效运行能力。
2026-02-17 cs.RO
AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles
University of Toronto（多伦多大学）；Uber ATG（优步先进技术集团）；University of Waterloo（滑铁卢大学）
本文提出对抗性框架AdvSim，通过物理合理地修改actor轨迹并更新LiDAR数据，为完整自动驾驶系统栈生成安全关键场景，实验证明其通用性并能提升系统鲁棒性与安全性。
2023-04-16 cs.AI cs.CV cs.LG
Navigating the Unknown: Uncertainty-Aware Compute-in-Memory Autonomy of Edge Robotics
University of Illinois Chicago (UIC)（伊利诺伊大学芝加哥分校）
针对昆虫级无人机位姿估计的能效与不确定性感知需求，提出基于存内计算的贝叶斯滤波、变分推断加速协同设计方案，可将处理效率提升数个数量级，助力边缘机器人在资源受限下实现鲁棒预测。
2024-01-30 cs.RO
SPIRIT: Perceptive Shared Autonomy for Robust Robotic Manipulation under Deep Learning Uncertainty
SPIRIT通过结合深度学习的不确定性估计与触觉遥控，实现安全稳健的机器人操作，提升性能与可靠性。
2026-03-05 cs.AI cs.RO
Optimizing Mixed Autonomy Traffic Flow With Decentralized Autonomous Vehicles and Multi-Agent RL
UC Berkeley（加州大学伯克利分校）；Paris-Saclay University（巴黎萨克雷大学）；ENS Paris-Saclay（巴黎萨克雷高等师范学院）
我们研究了自主车辆的能力，以提高吞吐量的瓶颈，使用一个完全分散的控制方案，在一个混合的自治设置。我们考虑的问题，提高吞吐量的比例模型的旧金山-奥克兰海湾大桥：一个两阶段的瓶颈，四车道减少到两个，然后减少到一个。虽然有大量的工作研究在集中式设置的瓶颈控制的变体，有较少的研究具有挑战性的多智能体设置，其中大量的相互作用的AV导致强化学习方法的显着优化困难。我们应用多智能体增强算法来解决这个问题，并证明了瓶颈吞吐量的显着改善，从20%，在5%的渗透率到33%，在40%的渗透率，可以实现。我们比较我们的结果，手工设计的反馈控制器，并证明我们的结果大幅优于反馈控制器，尽管广泛的调整。此外，我们证明了基于RL的控制器采用了一个强大的策略，工作在整个渗透率，而反馈控制器降低渗透率变化后立即。我们调查的可行性，行动和观察权力下放，并表明，有效的战略是可能的，纯粹使用本地传感。最后，我们在https://github.com/eugenevinitsky/decentralized_bottlenecks上开源了我们的代码。
2020-10-30 cs.LG cs.MA cs.RO
Critical Scenario Generation for Developing Trustworthy Autonomy
Carnegie Mellon University（卡内基梅隆大学）
针对自主系统可信性评估中高质量场景设计难的问题，分析了人工设计、日志回放两类现有场景生成方法的局限，指出需重点覆盖罕见关键场景以验证系统在风险与扰动下的可信性。
2023-04-29 cs.RO
Enabling Faster Locomotion of Planetary Rovers with a Mechanically-Hybrid Suspension
Tohoku University（东北大学）
本文提出一种用于轮式行星机器人的新型全被动机械混合悬挂系统，首次耦合大行程被动摇臂与轮内螺旋弹簧减震器，仿真与野外测试证明其能有效缓解低重力下快速移动产生的振动与冲击。
2023-11-23 cs.RO
Hybrid Autonomy Framework for a Future Mars Science Helicopter
ETH Zurich（苏黎世联邦理工学院）；Jet Propulsion Laboratory / California Institute of Technology（喷气推进实验室/加州理工学院）；Control of Networked Systems Group, University of Klagenfurt（网络控制系统组，克雷格弗特大学）
针对火星探测通信延迟与任务复杂问题，提出融合有限状态机与行为树的混合自主框架，经仿真和实地测试验证鲁棒自适应，可拓展至多领域机器人系统。
2025-09-02 cs.RO cs.SY eess.SY
Robust Deep Learning Control with Guaranteed Performance for Safe and Reliable Robotization in Heavy-Duty Machinery
Business Finland Partnership Project（Business Finland合作伙伴项目）；Tampere（塔尔帕）
本研究提出了一种鲁棒深度学习控制框架，旨在提升重型机械在电气化和自主性转型中的安全性和可靠性，通过模块化设计和分层策略实现性能保障。
2025-12-29 cs.RO cs.SY eess.SY
A Systematic Study of Multi-Agent Deep Reinforcement Learning for Safe and Robust Autonomous Highway Ramp Entry
Flex（弗莱克斯公司）；University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
该研究针对全自动驾驶所需的安全鲁棒高速公路匝道汇入问题，采用博弈论多智能体深度强化学习与自博弈方法，通过多车扩展场景实验验证训练的控制器性能接近理想最优水平。
2025-01-17 cs.AI cs.LG cs.MA
Boxi: Design Decisions in the Context of Algorithmic Performance for Robotics
ETH Zurich（苏黎世联邦理工学院）；University of Oxford（牛津大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
针对移动机器人复杂环境自主性，提出Boxi多模态传感器载荷，通过优化同步、标定与模态选择提升状态估计性能，并提供设计指南与开源代码。
2025-04-25 cs.RO cs.SY eess.SY
CADSim: Robust and Scalable in-the-wild 3D Reconstruction for Controllable Sensor Simulation
Waabi；University of Toronto（多伦多大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出 CADSim，利用少量 CAD 模型的部件感知类别先验与可微渲染，从稀疏嘈杂的野外传感器数据中高效重建带铰接车轮和高质量外观的车辆，以支持可控、真实的传感器仿真。
2023-11-02 cs.CV cs.LG cs.RO
Evolution of SLAM: Toward the Robust-Perception of Autonomy
Middlesex University（密德萨斯大学）
同时定位和地图（SLAM）是自主机器人构建或更新不确定的非结构化环境的地图，同时估计其中的位姿的问题。目前的趋势对自动驾驶车辆已经影响了强大的SLAM技术的发展在过去的30年。这个问题通过使用标准传感器或传感器阵列（超声波传感器、激光雷达、摄像头、Kinect RGB-D）与传感器融合技术来实现感知步骤来解决。传感方法是通过考虑环境的规格来提取特征。然后讨论了经典的基于滤波器的方法、全局优化方法（其是用于基于视觉的SLAM的流行方法）和基于卷积神经网络的方法（诸如基于深度学习的SLAM）的使用，同时考虑如何克服定位和映射问题。在鲁棒性和可扩展性、长期自治性、性能等新方向上对算法进行了相互比较梳理。本文从传感器到算法开发的判断角度审视了已发表的先前工作，同时讨论了开放的挑战和新的研究前沿。
2023-02-13 cs.RO
Robust Collision-free Lightweight Aerial Autonomy for Unknown Area Exploration
ETRI（韩国电子通信研究院）；KAIST（韩国科学技术院）；NASA-JPL（美国国家航空航天局喷气推进实验室）；California Institute of Technology（加州理工学院）
无碰撞路径规划是在未知环境中进行自主探索的基本要求，特别是在受限空间或障碍物附近时。本研究提出了一种使用小型无人机的自主探索技术。设计了一种基于激光雷达测距的局部端点选择方法，并生成从当前位置到所选端点的路径。采用基于欧氏距离场的网格搜索方法，生成的路径实时显示一致的无碰撞路径。仿真结果一致表明了所提出的路径规划方法的安全性和可靠性。在三个不同的矿井中进行了真实世界的实验，展示了在各种结构条件的环境中成功的自主探测飞行。结果表明，所提出的轻型空中机器人系统的飞行自主框架的高性能。此外，我们的无人机在DARPA地下挑战赛的隧道赛道比赛（第一阶段）中执行自主任务。
2021-03-16 cs.RO
Hybrid Aerial-Ground Vehicle Autonomy in GPS-denied Environments
School of Aerospace, Mechanical and Mechatronic Engineering（航空航天、机械与机电工程学院）；The University of Sydney（悉尼大学）；Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
针对GPS拒止的地下等环境探测需求，本文为空地混合载具Rollocopter研发了具备避障、无定位规划能力的局部规划架构，结合混合移动模式与可通行性分析，经模拟器与多场景测试验证了其通行能力。
2024-09-16 cs.RO
ROAMER: Robust Offroad Autonomy using Multimodal State Estimation with Radar Velocity Integration
Norwegian University of Science and Technology（挪威科技大学）；Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）
针对越野自主导航中状态估计易因感知环境退化失效的问题，提出将FMCW雷达前向速度融入激光雷达-惯性图平滑器的ROAMER方法，经高速越野实车验证提升了无激光雷达数据时的估计鲁棒性。
2024-01-30 cs.RO
From Abstraction to Reality: DARPA's Vision for Robust Sim-to-Real Autonomy
MIT Lincoln Laboratory（麻省理工学院林肯实验室）；Defense Advanced Research Projects Agency (DARPA)（国防高级研究计划局（DARPA））
本文介绍DARPA TIAMAT计划，提出利用多种较低保真仿真和共享语义实现抽象到现实的自主技术迁移，以提升复杂动态场景中的快速鲁棒适应能力。
2025-03-14 cs.AI cs.LG cs.MA
RAPID Hand: A Robust, Affordable, Perception-Integrated, Dexterous Manipulation Platform for Generalist Robot Autonomy
Sun Yat-sen University（中山大学）；University of California, Merced（加州大学默塞德分校）；CASIA（中国科学院自动化研究所）
提出软硬件协同优化的 RAPID Hand 灵巧操作平台，集成 20-DoF 手、低延迟多模态感知与高-DoF 遥操作，实现低成本、高质量的真实多指操作数据采集。
2025-06-09 cs.RO
Distributed AI Agents for Cognitive Underwater Robot Autonomy
School of Engineering & Physical Sciences, Heriot-Watt University（工程与物理科学学院，赫里奥特-瓦特大学）
本文提出UROSA架构，利用ROS 2中的分布式大语言模型AI智能体实现水下机器人认知自主，通过灵活角色、检索增强生成和强化学习，在仿真与真实任务中优于传统规则方法。
2025-08-04 cs.AI cs.MA cs.RO
Towards Lifelong Aerial Autonomy: Geometric Memory Management for Continual Visual Place Recognition in Dynamic Environments
Department of Precision Instrument, Tsinghua University（清华大学精密仪器系）；College of Instrument Science and Opto-electronics Engineering, Beijing Information Science and Technology University（北京信息科技大学仪器科学与光电工程学院）；Key Laboratory of Complex System Intelligent Control and Decision Making, Beijing Institute of Technology（北京理工大学复杂系统智能控制与决策重点实验室）；School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学宇航学院）
本文提出一种异构记忆框架，通过静态卫星锚点和动态经验回放缓冲区，提升动态环境中连续视觉地点识别的鲁棒性与泛化能力。
2026-09-04 cs.CV cs.LG cs.RO
Digital Twins Meet the Koopman Operator: Data-Driven Learning for Robust Autonomy
Automation, Robotics and Mechatronics Lab (ARMLab), Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)（自动化、机器人与机电实验室（ARMLab），汽车工程系，克莱姆森大学国际汽车研究中心（CU-ICAR））；Dynamics and Control for Autonomy and Intelligence Lab (DyCo AI Lab), Department of Mechanical Engineering, Clemson University（自主与智能控制实验室（DyCo AI Lab），机械工程系，克莱姆森大学）
提出结合数字孪生与Koopman算子的数据驱动方法，通过仿真生成特定数据建模越野车辆动力学，实现局部运动规划与最优控制，显著提升导航性能并缩小仿真到现实差距。
2025-02-20 cs.RO
FAR-LIO: Enabling High-Speed Autonomy through Fast, Accurate, and Robust LiDAR-Inertial Odometry
NVIDIA Corp., USA（美国英伟达公司）
提出FAR-LIO，一种基于CUDA加速的LiDAR-惯性里程计框架，通过新颖的体素哈希映射和稀疏感知GICP算法实现低延迟和高精度，在高速赛车场景中位置误差降低6.9%，运行时间减少38.4%。
2026-06-25 cs.RO
AS2FM: Enabling Statistical Model Checking of ROS 2 Systems for Robust Autonomy
Bosch Research, Robert Bosch GmbH（博世研究, 罗伯特·博世有限公司）；List, CEA, Universite Paris-Saclay（List, 法国国家科学研究中心, 巴黎-萨克雷大学）
提出AS2FM工具，将ROS 2与行为树系统模型转换为JANI格式，利用统计模型检验在设计时验证自主机器人系统属性，验证时间线性扩展，并在真实案例中一秒钟内发现问题。
2025-08-26 cs.FL cs.RO
Towards Sim2Real Transfer of Autonomy Algorithms using AutoDRIVE Ecosystem
Clemson University（克莱姆森大学）
本文提出开放数字孪生生态系统 AutoDRIVE，通过协同建模、仿真与部署支持自动驾驶算法的 sim2real 迁移，并用自主泊车和行为克隆两个案例验证其有效性。
2023-09-18 cs.RO
STARNet: Sensor Trustworthiness and Anomaly Recognition via Approximated Likelihood Regret for Robust Edge Autonomy
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
本文提出STARNet，利用近似似然遗憾这一无梯度框架，在低复杂度边缘硬件上检测LiDAR和相机等传感器流中的不可信数据，通过过滤异常流在恶劣天气和传感器故障场景下将预测准确率提升约10%。
2023-09-20 cs.CV cs.RO
Toward Efficient Task Assignment and Motion Planning for Large Scale Underwater Mission
Flinders University（弗林德斯大学）
自主水下航行器（Autonomous Underwater Vehicle，AUV）在大规模作业环境中，为了顺利完成水下任务，并保证其在任务各个阶段的安全，需要具有一定的自主性。本文提出了一种新的组合式无冲突任务分配策略，该策略由局部路径规划器和自适应全局路径规划器的交互参与组成。该方法是建立在粒子群优化（PSO）算法的启发式搜索的潜力，以解决路由任务分配方法的离散性和NP-难路径规划问题的复杂性。所提出的混合方法是非常有效的，有一个反应式的指导框架，保证成功完成任务，特别是在混乱的环境。为了研究该方法在任务生产率，任务时间管理和车辆安全性方面的性能，进行了一系列的仿真研究。仿真结果表明，该方法是可靠的和强大的，特别是在处理不确定性，它可以显着提高车辆的自主水平，依靠其反应的性质和能力，提供快速可行的解决方案。
2016-06-15 cs.AI cs.RO
MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams
FZI Forschungszentrum für Informatik, Karlsruhe, Germany（弗赖堡信息研究中心，卡尔斯鲁厄，德国）；Robotic Systems Lab (RSL), ETH Zürich, Zürich, Switzerland（机器人系统实验室（RSL），苏黎世联邦理工学院，苏黎世，瑞士）；Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT), Karlsruhe, Germany（机器智能与机器人实验室（MaiRo），卡尔斯鲁厄技术学院（KIT），卡尔斯鲁厄，德国）；European Space Agency (ESA), Noordwijk, Netherlands（欧洲航天局（ESA），诺德威克，荷兰）
研究针对多机器人科学探索，提出MOSAIC框架，基于兴趣点统一任务抽象与多层自主性，依机器人能力动态分配任务，经模拟月球探测实验验证，可实现强鲁棒性、可扩展的多机器人科学探索。
2026-07-07 cs.RO
PyGemini: Unified Software Development towards Maritime Autonomy Systems
Norwegian University of Science and Technology (NTNU)（挪威科学技术大学）
PyGemini 是一个 Python 原生框架，通过配置驱动开发融合 BDD、数据导向设计和容器化，统一碎片化的海上自主系统开发工具链，并提供仿真、场景生成和生成式 AI 等工具，为海上自主研究奠定可扩展、可维护的基础。
2025-06-06 cs.RO cs.SE cs.SY
INTACT: Inducing Noise Tolerance through Adversarial Curriculum Training for LiDAR-based Safety-Critical Perception and Autonomy
University of Illinois at Chicago (UIC)（伊利诺伊大学芝加哥分校）
本文提出INTACT框架，通过元学习生成鲁棒显著性图并结合对抗性课程训练，逐步增强深度网络对LiDAR噪声的容忍能力，在KITTI等基准上将检测、跟踪和分类鲁棒性提升最高20%。
2025-02-04 cs.CV cs.RO
AI Space Cortex: An Experimental System for Future Era Space Exploration
California Institute of Technology（加州理工学院）；Jet Propulsion Laboratory（喷气推进实验室）
本文提出REASIMO框架，通过AI辅助、个性驱动的星载自主实现海洋世界任务中的异常检测与恢复及预训练行为执行，并在NASA JPL着陆器-机械臂平台上验证自主采样能力。
2025-07-21 cs.RO
An Autonomous Reactive Architecture for Efficient AUV Mission Time Management in Realistic Severe Ocean Environment
Flinders University（弗林德斯大学）
今天，AUV的操作仍然局限于非常特殊的任务，由于电池的限制，真正的自主性很低。有效的运动规划和任务调度是提高自主性和促进车辆处理远程操作的基本要求。单一车辆无法在大规模地形中执行所有任务;因此，它需要一定程度的自主性来执行强大的决策和对任务/环境的感知，以在要完成的任务之间进行权衡，管理可用时间，并确保在任务的所有阶段安全部署。在这方面，本研究介绍了一个模块化的控制结构，包括高/低层次的规划，其中较高层次的模块负责提高任务的生产力，分配优先任务，同时引导车辆向其最终目的地在地形覆盖的几个航路点;下层则负责在较小尺度下航行器在时变海流和不同的不确定静动力条件下的安全部署。移动障碍物类似于实际的海洋环境。更高和更低级别模块之间的同步被有效地配置为管理任务时间并保证任务的按时终止。分别采用蚁群算法和萤火虫优化算法对高、低两级模块的性能和精度进行了测试和验证。毕竟，在10个不同的任务场景中研究了该架构的整体性能。从不同的模拟任务的捕获结果的分析确认的效率和固有的鲁棒性的引入架构在有效的时间管理，安全部署，并提供有益的操作，根据任务时间适当的优先级的任务。
2016-06-15 cs.RO
Unified Planning-Learning Framework for Robust UUV Navigation Under Partial Observability
NTNU（挪威科技大学）
该研究提出统一规划-学习框架，结合占用地图构建、规划与控制，通过行为树蒸馏等技术提升UUV在部分可观测动态水下环境的导航鲁棒性与安全性，经仿真验证优于基线方法。
2026-08-07 cs.RO
Robust Execution of Contact-Rich Motion Plans by Hybrid Force-Velocity Control
Carnegie Mellon University（卡内基梅隆大学）
在混合力-速度控制中，机器人可以在某些方向上使用速度控制来遵循轨迹，同时在其他方向上执行力控制以保持与环境的接触，而不管位置误差如何。我们称这种执行方式为轨迹混合伺服。我们提出了一种算法来计算混合力-速度控制行动的混合伺服。我们量化的控制动作的鲁棒性，并制定控制合成优化问题之间的权衡不同的要求。我们的方法可以有效地计算力和速度控制的尺寸，方向和大小。我们通过实验证明了我们的方法在几个接触丰富的操作任务的有效性。视频链接：https://youtu.be/KtSNmvwOenM。
2019-03-07 cs.RO
A Simulation Platform for Flapping-Wing Vehicles
University of Turku（图尔库大学）
针对扑翼飞行器仿真与现实差距大的问题，提出FWAV-Sim高保真仿真平台，集成复合气动模型、湍流生成和真实传感器模拟，提升自主系统开发效果。
2026-06-01 cs.RO
Census-Based Population Autonomy For Distributed Robotic Teaming
Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）；Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学Sibley机械与航空航天工程学院）
本文提出一种分层多机器人自主性模型，结合基于普查的非线性意见动力学与区间规划多目标行为优化，实现集体与个体决策，并通过自主水面艇实验验证了其在子群分配等场景中的有效性。
2026-10-09 cs.MA cs.RO cs.SY
Efficient Autonomy Validation in Simulation with Adaptive Stress Testing
Stanford University（斯坦福大学）
在无人驾驶汽车等自动驾驶系统的开发过程中，描述最有可能导致故障的场景非常重要。自适应压力测试（AST）提供了一种以马尔可夫决策过程（MDP）的形式搜索最可能的故障场景的方法。我们之前的工作使用了深度强化学习（DRL）求解器来识别可能的故障场景。然而，求解器的前馈神经网络与可能的初始条件的离散化空间的使用提出了两个主要问题。首先，系统不被视为黑盒，因为它需要分析系统的内部状态，这导致相当大的实现复杂性。其次，为了模拟真实的设置，需要为每个初始条件运行求解器的新实例。为每个初始条件运行新的求解器不仅显著增加了计算复杂性，而且忽略了相似初始条件之间的潜在关系。我们提供了一个解决方案，这两个问题，采用一个经常性的神经网络，从一个连续的空间作为输入的初始条件。这种方法能够鲁棒和有效地检测故障，因为该解决方案在整个初始条件空间中推广。通过模拟一个自动驾驶汽车在行人过马路时行驶的例子，我们证明了求解器现在能够为以前难以解决的问题找到解决方案。
2019-07-16 cs.LG cs.RO cs.SE
