ICRA

Geometry-Aware Control Barrier Functions for Collision Avoidance via Bernstein Polynomial Approximations

基于Bernstein多项式近似的几何感知控制障碍函数用于碰撞避免

Siwon Jo, Yanze Zhang, Yupeng Yang, Wenhao Luo

机构 * GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） ； Department of Computer Science, University of Illinois Chicago（伊利诺伊大学芝加哥分校计算机科学系） ； Department of Computer Science, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机科学系） 纠错

AI总结 提出一种基于Bernstein多项式符号距离场的几何感知控制障碍函数，统一表示障碍物与机器人，利用多项式可微性实现闭环控制约束，保证单机器人和异构多机器人碰撞避免的安全性与效率。

Comments 8 pages; Accepted by 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Exploiting Chordal Sparsity for Globally Optimal Estimation with Factor Graphs

利用弦稀疏性实现因子图的全局最优估计

Avinash Subramanian, Connor Holmes, Timothy D. Barfoot, Frank Dellaert, Frederike Dümbgen

机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） ； Robotics Institute, University of Toronto（多伦多大学机器人研究所） ； Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） 纠错

AI总结 本文提出在GTSAM框架中自动构建凸半定规划松弛，并利用贝叶斯树分解加速求解，实现因子图的全局最优估计。

Journal ref ICRA 2026 WORKSHOP ON FRONTIERS OF OPTIMIZATION FOR ROBOTICS

Caspar: CUDA Accelerator for Symbolic Programming with Adaptive Reordering

Caspar: 基于自适应重排序的符号编程CUDA加速器

Emil Martens, Aaron Miller, Matias Varnum, Annette Stahl

机构 * Norwegian University of Science and Technology（挪威科学与技术大学） ； Skydio 纠错

AI总结 提出Caspar库，通过自动生成优化CUDA内核，实现从Python符号表达式到GPU高性能运行时的桥梁，并在大规模BA数据集上实现5-20倍加速。

Comments Accepted at ICRA 2026

Notes-to-Self: Scratchpad Augmented VLAs for Memory Dependent Manipulation Tasks

笔记到自我：带草稿本的增强型VLA用于依赖记忆的操作任务

Sanjay Haresh, Daniel Dijkman, Apratim Bhattacharyya, Roland Memisevic

机构 * Qualcomm AI Research（高通AI研究） 纠错

AI总结 本文通过在视觉-语言-动作模型中加入语言草稿本来赋予其空间和时间记忆，从而提升其在依赖记忆的长时域操作任务上的泛化能力。

Comments To appear at ICRA 2026

Learning Generalizable Robot Policy with Human Demonstration Video as a Prompt

以人类演示视频为提示学习可泛化的机器人策略

Xiang Zhu, Yichen Liu, Hezhong Li, Jianyu Chen

机构 * Tsinghua University, China（清华大学，中国） ； Shanghai Qi Zhi Institute, China（上海启智研究院，中国） 纠错

AI总结 提出两阶段框架，利用人类演示视频学习可泛化机器人策略，无需遥操作数据或微调即可执行新任务。

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