ICRA

GGD-SLAM: Monocular 3DGS SLAM Powered by Generalizable Motion Model for Dynamic Environments

GGD-SLAM：基于通用运动模型的单目3DGS SLAM用于动态环境

Yi Liu, Haoxuan Xu, Hongbo Duan, Keyu Fan, Zhengyang Zhang, Peiyu Zhuang, Pengting Luo, Houde Liu

机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统研究所，香港科技大学（广州）） ； School of Cyber Science and Technology, Sun Yat-sen University（网络安全科学与技术学院，中山大学） ； Central Media Technology Institute, Huawei Incorporated Company（中央媒体技术研究院，华为有限公司） 纠错

AI总结 GGD-SLAM通过通用运动模型解决动态环境下定位和密集建图问题，无需预定义语义标注或深度输入，采用FIFO队列和动态特征增强器提升鲁棒性。

Comments 8 pages, Accepted by ICRA 2026

Cognition-Inspired Dual-Stream Semantic Enhancement for Vision-Based Dynamic Emotion Modeling

启发认知的双流语义增强用于基于视觉的动态情绪建模

Huanzhen Wang, Ziheng Zhou, Zeng Tao, Aoxing Li, Yingkai Zhao, Yuxuan Lin, Yan Wang, Wenqiang Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University（上海智能信息处理重点实验室，复旦大学计算机科学与人工智能学院） ； School of Data Science and Engineering, East China Normal University（华东师范大学数据科学与工程学院） 纠错

AI总结 本文提出DuSE模型，通过双流架构模拟认知过程，提升动态面部表情识别的鲁棒性和可解释性。

Comments Accepted by IEEE ICRA 2026

Asymptotically Stable Gait Generation and Instantaneous Walkability Determination for Planar Almost Linear Biped with Knees

平面近线性双足机器人渐近稳定步态生成及瞬时行走性判定

Fumihiko Asano, Ning Lei, Taiki Sedoguchi

机构 * Graduate School of Advanced Science and Technology, Japan Advanced Institute of Science and Technology（日本科学技术大学先进科学与技术研究生院） 纠错

AI总结 本文针对具有膝关节的平面近线性双足机器人，推导了运动方程、约束条件及非弹性碰撞，设计了控制系统并生成稳定步态。通过降维和线性化处理，实现了瞬时行走性判定，并分析了膝关节弯曲角和展开点对线性近似精度的影响。

Comments Accepted for presentation at the IEEE International Conference on Robotics and Automation (ICRA), 2026. This version includes a correction to a typographical error in one equation

Unveiling the Surprising Efficacy of Navigation Understanding in End-to-End Autonomous Driving

揭示端到端自动驾驶中导航理解的惊人效能

Zhihua Hua, Junli Wang, Pengfei LI, Qihao Jin, Bo Zhang, Kehua Sheng, Yilun Chen, Zhongxue Gan, Wenchao Ding

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Didi Chuxing（滴滴出行） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 本文提出SNG框架，通过真实导航模式高效表示全局导航信息，结合导航路径与分步信息，提升自动驾驶的全局与局部规划能力，实现无需辅助损失函数的高精度导航建模。

Comments 8 pages, 6 figures. ICRA 2026. Code available at https://fudan-magic-lab.github.io/SNG-VLA-web

Uncertainty Guided Exploratory Trajectory Optimization for Sampling-Based Model Predictive Control

不确定性引导的探索轨迹优化用于基于采样的模型预测控制

O. Goktug Poyrazoglu, Yukang Cao, Rahul Moorthy, Volkan Isler

机构 * Robotics, Sensing and Networks Laboratory (RSN)（机器人、感知与网络实验室） ； University of Minnesota（明尼苏达大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出UGE-TO算法，通过生成分离样本提升配置空间覆盖，结合动态影响增强轨迹多样性，进一步集成到UGE-MPC中，实验证明在复杂环境中具有更高的探索效率和更快的收敛速度。

Comments This paper has been accepted for presentation at the IEEE International Conference on Robotics and Automation (ICRA) 2026

Bipedal-Walking-Dynamics Model on Granular Terrains

颗粒地形上的双足行走动力学模型

Xunjie Chen, Xinyan Huang, Peter Shan, Jingang Yi, Tao Liu

机构 * Department of Mechanical and Aerospace Engineering, Rutgers University（罗格斯大学机械与航空航天工程系） ； Bridgewater Raritan High School（布里奇沃特-拉里坦高中） ； State Key Lab of Fluid Power Transmission and Control and the School of Mechanical Engineering, Zhejiang University（浙江大学流体动力传动与控制国家重点实验室和机械工程学院） 纠错

AI总结 本文提出一种新的双足行走动力学模型，用于预测在颗粒介质上行走的运动。模型通过动态足部-地形交互模型计算地面反作用力，并引入三个额外自由度以估计足部下沉和滑动，从而改进机器人行走的运动学和动力学分析。

Comments Accepted paper in ICRA 2026

Toward Efficient and Robust Behavior Models for Multi-Agent Driving Simulation

迈向多智能体驾驶仿真中高效且稳健的行为模型

Fabian Konstantinidis, Moritz Sackmann, Ulrich Hofmann, Christoph Stiller

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

AI总结 本文提出一种高效的多智能体驾驶仿真行为模型，通过实例中心场景表示和对称上下文编码提升效率与鲁棒性，实验表明该方法在规模扩展时显著降低训练和推理时间，并在位置精度和稳健性上优于现有基线。

Comments This is the author's accepted version of a paper to appear in the IEEE International Conference on Robotics & Automation (ICRA 2026)

LLM-Guided Task- and Affordance-Level Exploration in Reinforcement Learning

基于大型语言模型的任务与能力层面探索的强化学习

Jelle Luijkx, Runyu Ma, Zlatan Ajanović, Jens Kober

机构 * RWTH Aachen University（亚琛工业大学） 纠错

AI总结 本文提出LLM-TALE框架，利用大型语言模型的规划能力引导强化学习探索，提升学习效率和任务成功率，实验证明在抓取放置任务中表现出更高的样本效率和成功率。

Comments 8 pages, 7 figures, ICRA 2026