ICRA

Mapping Pamir: Multi-Session Visual-Inertial SLAM and 3D Reconstruction of an Underwater Shipwreck

绘制帕米尔：水下沉船的多会话视觉惯性SLAM与3D重建

Michalis Chatzispyrou, Luke Horgan, Hyunkil Hwang, Harish Sathishchandra, Chinmay Burgul, Monika Roznere, Alberto Quattrini Li, Philippos Mordohai, Ioannis Rekleitis

机构 * University of Delaware（特拉华大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Binghamton University（宾汉姆顿大学） ； Dartmouth College（达特茅斯学院） 纠错

AI总结 该研究利用经济相机与潜水计算机数据，基于SVIn2和COLMAP框架，提出水下环境多会话映射框架，实现巴巴多斯海岸沉船的多会话映射，首次对沉船内外进行映射，第三个会话采用双相机拓宽视野。

Comments 8 pages, 12 figures. Accepted to ICRA 2026, Vienna, Austria

Compositional Context Fine-Tuning Vision-Language Model for Complex Assembly Action Understanding from Videos

用于从视频理解复杂装配动作的组合上下文微调视觉语言模型

Hao Zheng, Jinyi Huang, Tiantian Zheng, Xun Xu, Tuka Alhanai

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； The University of Auckland（奥克兰大学） 纠错

AI总结 针对装配动作理解难题，提出组合上下文微调方法及层划分交替训练方法，将动作分解为语义元素并微调视觉语言模型，创建相关数据集，实验证明该方法优于基线且能提供可解释预测，助力人机协作装配。

Comments Accepted by ICRA 2026. Video Understanding; Vision Language Model; Multi-modal LLM; Action Recognition; Assembly