ICRA

Unleashing the Power of Discrete-Time State Representation: Ultrafast Target-based IMU-Camera Spatial-Temporal Calibration

释放离散时间状态表示的潜力：超快基于目标的IMU-相机空间-时间校准

Junlin Song, Antoine Richard, Miguel Olivares-Mendez

AI总结 本文提出了一种基于离散时间状态表示的高效IMU-相机空间-时间校准方法，以提高校准效率并解决连续时间表示的计算成本问题。

Comments Accepted by ICRA 2026

Seeing Farther and Smarter: Value-Guided Multi-Path Reflection for VLM Policy Optimization

看得更远且更聪明：基于价值引导的多路径反射用于VLM策略优化

Yanting Yang, Shenyuan Gao, Qingwen Bu, Li Chen, Dimitris N. Metaxas

机构 * Rutgers University（罗格斯大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究提出了一种基于价值引导的多路径反射方法，用于提升VLM在机器人操作任务中的策略优化性能，通过解耦状态评估与动作生成，提高决策鲁棒性并减少推理时间。

Comments ICRA 2026

MultiDiffSense: Diffusion-Based Multi-Modal Visuo-Tactile Image Generation Conditioned on Object Shape and Contact Pose

MultiDiffSense: 基于扩散的多模态视觉-触觉图像生成，基于物体形状和接触姿态

Sirine Bhouri, Lan Wei, Jian-Qing Zheng, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、帝国理工学院伦敦分校） ； CAMS-Oxford Institute, University of Oxford（CAMS-牛津研究所、牛津大学） 纠错

AI总结 MultiDiffSense是一种基于扩散的多模态视觉-触觉图像生成模型，通过双条件化实现可控且物理一致的多模态生成，提升了触觉传感数据集的生成效率和跨模态学习能力。

Comments Accepted by 2026 ICRA

Design and Control of Modular Magnetic Millirobots for Multimodal Locomotion and Shape Reconfiguration

模块化磁性微机器人多模态运动与形状重构设计与控制

Erik Garcia Oyono, Jialin Lin, Dandan Zhang

机构 * Department of Bioengineering, Imperial College London（帝国理工学院生物工程系） 纠错

AI总结 本研究提出一种模块化磁性微机器人平台，通过多模块协同实现多模态运动与形状重构，展示了在受限环境中稳健控制的潜力。

Comments Accepted by 2026 ICRA

The Price Is Not Right: Neuro-Symbolic Methods Outperform VLAs on Structured Long-Horizon Manipulation Tasks with Significantly Lower Energy Consumption

价格并不合理：神经符号方法在结构化长周期操作任务中优于VLA，且能耗显著更低

Timothy Duggan, Pierrick Lorang, Hong Lu, Matthias Scheutz

机构 * Human-Robot Interaction Lab, Tufts University（Tufts大学人机交互实验室） ； AIT Austrian Institute of Technology GmbH（奥地利技术研究所） 纠错

AI总结 神经符号方法在结构化长周期操作任务中表现优于VLA，且能耗更低。

Comments Accepted at the 2026 IEEE International Conference on Robotics & Automation (ICRA 2026)

Order Matters: On Parameter-Efficient Image-to-Video Probing for Recognizing Nearly Symmetric Actions

顺序至关重要：关于参数高效图像到视频探测在识别近似对称动作中的应用

Thinesh Thiyakesan Ponbagavathi, Alina Roitberg

机构 * Institute for Artificial Intelligence, University of Stuttgart（人工智能研究所，斯图加特大学） ； Intelligent Assistive Systems Lab, University of Hildesheim（智能辅助系统实验室，希尔德斯海姆大学） 纠错

AI总结 STEP通过轻量级探测扩展，利用帧级位置编码等方法提升对近似对称动作的识别精度，优于PEFT和全微调模型。

Comments Accepted to ICRA 2026

Mixed-Reality Digital Twins: Leveraging the Physical and Virtual Worlds for Hybrid Sim2Real Transition of Multi-Agent Reinforcement Learning Policies

混合现实数字孪生：利用物理与虚拟世界实现多智能体强化学习策略的混合仿真到现实过渡

Chinmay Vilas Samak, Tanmay Vilas Samak, Venkat Narayan Krovi

机构 * Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)（汽车工程系，克莱姆森大学国际汽车研究中心（CU-ICAR）） 纠错

AI总结 本文提出混合现实数字孪生框架，通过并行化和域随机化技术，显著提升多智能体强化学习策略的训练效率和仿真到现实迁移性能。

Comments Accepted in IEEE Robotics and Automation Letters (RA-L) and additionally accepted to be presented at IEEE International Conference on Robotics and Automation (ICRA) 2026

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 9, pp. 9040-9047, Sept. 2025

Learning from Imperfect Demonstrations with Self-Supervision for Robotic Manipulation

通过自监督学习从不完美示范中学习用于机器人操作

Kun Wu, Ning Liu, Zhen Zhao, Di Qiu, Jinming Li, Zhengping Che, Zhiyuan Xu, Jian Tang

机构 * Syracuse University（苏利文大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Peking University（北京大学） ； Shanghai University（上海大学） 纠错

AI总结 本文提出SSDF框架，通过自监督学习利用不完美示范数据提升机器人操作任务的性能。

Comments 8 pages, 4 figures

Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA)

TactEx: An Explainable Multimodal Robotic Interaction Framework for Human-Like Touch and Hardness Estimation

TactEx：一种可解释的多模态机器人交互框架，用于类人触觉和硬度估计

Felix Verstraete, Lan Wei, Wen Fan, Dandan Zhang

AI总结 TactEx通过融合视觉、触觉和语言模态，实现类人触觉和硬度估计，展示了在水果成熟度评估中的高任务成功率和可解释性。

Comments Accepted by 2026 ICRA

HeRO: Hierarchical 3D Semantic Representation for Pose-aware Object Manipulation

HeRO：用于姿态感知物体操作的分层3D语义表示

Chongyang Xu, Shen Cheng, Haipeng Li, Haoqiang Fan, Ziliang Feng, Shuaicheng Liu

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院） ； Dexmal 纠错

AI总结 HeRO通过分层语义场结合几何与语义，提升姿态感知操作的控制策略，实现多个任务的成功率提升。

Comments Accepted by ICRA 2026

Temporal Action Representation Learning for Tactical Resource Control and Subsequent Maneuver Generation

战术资源控制与后续机动生成的时序动作表示学习

Hoseong Jung, Sungil Son, Daesol Cho, Jonghae Park, Changhyun Choi, H. Jin Kim

机构 * Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 TART通过时序动作表示学习框架，有效整合资源使用与机动生成，提升有限资源下的战术决策能力。

Comments ICRA 2026, 8 pages