ICRA

Data-Efficient Hierarchical Goal-Conditioned Reinforcement Learning via Normalizing Flows

通过归一化流实现数据高效的分层目标条件强化学习

Shaswat Garg, Matin Moezzi, Brandon Da Silva

机构 * ArenaX Labs（ArenaX实验室） 纠错

AI总结 本文提出基于归一化流的分层隐式Q学习框架，通过提升策略表达能力与数据效率，实现更稳健的长周期任务学习。

Comments 9 pages, 3 figures, IEEE International Conference on Robotics and Automation 2026

Omnidirectional Dual-Arm Aerial Manipulator with Proprioceptive Contact Localization for Landing on Slanted Roofs

全方位双臂空中机械臂配备本体感觉接触定位用于斜屋顶着陆

Martijn B. J. Brummelhuis, Nathan F. Lepora, Salua Hamaza

机构 * BioMorphic Intelligence Lab, Dept. Control & Operations, Faculty of Aerospace Engineering, TU Delft（德鲁特技术大学航空航天工程学院控制与运营系生物形态智能实验室） ； School of Engineering Mathematics and Technology, and Bristol Robotics Laboratory, University of Bristol（布里斯托大学工程数学与技术学院及布里斯托机器人实验室） 纠错

AI总结 本文提出了一种具备本体感觉接触定位的双臂空中机械臂，通过物理交互实现斜屋顶着陆的精准倾斜度检测，实验验证了其在高倾斜角度下的稳健性能。

Comments Accepted into 2026 International Conference on Robotics and Automation (ICRA) in Vienna

Morphogenetic Assembly and Adaptive Control for Heterogeneous Modular Robots

形态生成与自适应控制用于异构模块化机器人

Chongxi Meng, Da Zhao, Yifei Zhao, Minghao Zeng, Yanmin Zhou, Zhipeng Wang, Bin He

机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University, Shanghai, China（上海智能自主系统研究院，同济大学，上海，中国） ； Department of Mechanical and Automation Engineering and T Stone Robotics Institute, The Chinese University of Hong Kong, Hong Kong（机械与自动化工程系和T Stone机器人研究院，香港中文大学，香港） 纠错

AI总结 本文提出了一种闭环自动化框架，用于异构模块化机器人，通过分层规划和退火-方差MPPI控制器实现高效动态组装与实时运动控制。

Comments Accepted by ICRA 2026

HOGraspFlow: Taxonomy-Aware Hand-Object Retargeting for Multi-Modal SE(3) Grasp Generation

HOGraspFlow: 一种基于分类意识的多模态SE(3)抓取生成方法

Yitian Shi, Zicheng Guo, Rosa Wolf, Edgar Welte, Rania Rayyes

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

AI总结 HOGraspFlow通过多模态SE(3)抓取生成方法，在无需显式几何先验的情况下实现高保真的抓取合成。

Comments Accepted to ICRA 2026

ADGaussian: Generalizable Gaussian Splatting for Autonomous Driving via Multi-modal Joint Learning

ADGaussian：通过多模态联合学习实现自动驾驶的通用高斯点云重建

Qi Song, Chenghong Li, Haotong Lin, Sida Peng, Rui Huang

机构 * School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（中国香港中文大学（深圳）科学与工程学院） ； Zhejiang University（浙江大学） 纠错

AI总结 ADGaussian通过多模态联合学习实现自动驾驶场景的高斯点云重建，提升零样本泛化能力。

Comments The paper is accepted by ICRA 2026 and the project page can be found at https://maggiesong7.github.io/research/ADGaussian/