ICRA

Risk-Aware Human-in-the-Loop Framework with Adaptive Intrusion Response for Autonomous Vehicles

具有自适应入侵响应的风险感知人机协同框架用于自动驾驶车辆

Dawood Wasif, Terrence J. Moore, Seunghyun Yoon, Hyuk Lim, Dan Dongseong Kim, Frederica F. Nelson, Jin-Hee Cho

机构 * Virginia Tech（弗吉尼亚理工大学） ； U.S. Army Research Laboratory（美国陆军研究实验室） ； KENTECH ； The University of Queensland（昆士兰大学） 纠错

AI总结 RAIL通过风险感知和自适应入侵响应，提升自动驾驶车辆在复杂环境中的安全性和性能。

Comments Submitted to ICRA 2026 (under review)

Monotone Subsystem Decomposition for Efficient Multi-Objective Robot Design

单调子系统分解用于高效多目标机器人设计

Andrew Wilhelm, Nils Napp

机构 * Department of Electrical and Computer Engineering, Cornell University（电气与计算机工程系，康奈尔大学） 纠错

AI总结 本文提出单调子系统分解方法，用于高效解决多目标机器人设计问题，通过优化子系统帕累托前沿实现大规模设计优化。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2025

Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA), pp. 8114-8120