ICRA

Reducing Oracle Feedback with Vision-Language Embeddings for Preference-Based RL

通过视觉语言嵌入减少Oracle反馈用于基于偏好的强化学习

Udita Ghosh, Dripta S. Raychaudhuri, Jiachen Li, Konstantinos Karydis, Amit Roy-Chowdhury

机构 * AWS AI Labs（AWS AI实验室） 纠错

AI总结 本文提出ROVED框架，结合视觉语言嵌入与针对性Oracle反馈，通过过滤机制减少不确定性样本的Oracle查询，提升鲁棒性与效率，实验证明在机器人任务中显著降低Oracle调用次数。

Comments Accepted at ICRA 2026. Project page:https://roved-icra-2026.github.io/

Flip Stunts on Bicycle Robots using Iterative Motion Imitation

使用迭代运动模仿实现自行车机器人翻转特技

Jeonghwan Kim, Shamel Fahmi, Seungeun Rho, Sehoon Ha, Gabriel Nelson

机构 * RAI Institute（RAI研究所） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文通过强化学习实现自行车机器人前翻转，提出迭代运动模仿（IMI）方法，通过迭代模仿生成轨迹训练出可行敏捷行为，在UMV上实现地面到地面和地面到桌子的翻转，优于单次动作模仿，首次实现无辅助空中翻转。

Comments 8 Pages, Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026

Benchmarking Multi-View BEV Object Detection with Mixed Pinhole and Fisheye Cameras

基于混合针孔和鱼眼相机的多视图鸟眼图物体检测基准测试

Xiangzhong Liu, Hao Shen

机构 * Machine Learning Group, fortiss GmbH（fortiss GmbH机器学习组） 纠错

AI总结 本文提出混合相机配置下的多视图鸟眼图检测基准，通过转换KITTI-360为nuScenes格式，评估了三种BEV架构在不同策略下的性能，证明投影自由架构更抗鱼眼畸变。

Comments 8 pages,5 figures, IEEE International Conference on Robotics and Automation (ICRA),Vienna, Austria, 1-5 June 2026

Spectral Decomposition of Inverse Dynamics for Fast Exploration in Model-Based Manipulation

逆动力学的谱分解用于基于模型的操纵快速探索

Solvin Sigurdson, Benjamin Riviere, Joel Burdick

机构 * California Institute of Technology（加州理工学院） ； New York University（纽约大学） 纠错

AI总结 本文提出利用逆动力学方程的谱分解生成轨迹的方法，通过正交成分高效探索复杂接触动态，实现长时域规划，展示了在高复杂度领域中的实时能力。

Comments 8 pages, 8 figures, accepted to the 2026 IEEE International Conference on Robotics and Automation

TerraSkipper: A Centimeter-Scale Robot for Multi-Terrain Skipping and Crawling

TerraSkipper: 一种用于多地形跳跃和爬行的厘米级机器人

Shashwat Singh, Sheri Zhang, Spencer Matonis, Zeynep Temel

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Edulis Therapeutics 纠错

AI总结 受泥蛙启发，设计了一种厘米级多地形跳跃和爬行机器人，通过侧鳍和旋转弹簧尾实现多种地形移动，实验表明跳跃在黏性及颗粒介质中速度更优。

Comments 8 pages, 9 figures, Accepted - IEEE International Conference on Robotics & Automation (ICRA), Vienna, Austria, 2026

Rainbow-DemoRL: Combining Improvements in Demonstration-Augmented Reinforcement Learning

Rainbow-DemoRL: 结合演示增强强化学习的改进方法

Dwait Bhatt, Shih-Chieh Chou, Nikolay Atanasov

机构 * University of California San Diego（加州大学圣地亚哥分校） ； National Sun Yat-sen University（国立中山大学） 纠错

AI总结 本文通过分类和实证研究，探讨了演示增强强化学习中不同策略的优劣及组合效果，发现直接复用离线数据和行为克隆初始化在提升在线样本效率方面表现更优。

Comments Accepted to ICRA 2026

Grip as Needed, Glide on Demand: Ultrasonic Lubrication for Robotic Locomotion

按需抓握，按需滑动：超声波润滑用于机器人运动

Mostafa A. Atalla, Daan van Bemmel, Jack Cummings, Paul Breedveld, Michaël Wiertlewski, Aimée Sakes

机构 * Department of BioMechanical Engineering, Delft University of Technology (TU Delft)（代尔夫特理工大学生物力学工程系） ； Department of Cognitive Robotics, Delft University of Technology (TU Delft)（代尔夫特理工大学认知机器人学系） 纠错

AI总结 本文提出超声波润滑作为主动摩擦控制方法，通过共振结构实现接触界面的抓握与滑动状态切换，提升机器人运动效率和适应性。

Comments Accepted for publication in the 2026 IEEE International Conference on Robotics and Automation (ICRA) in Vienna