期刊&会议
International Conference on Robotics and Automation · 会议 · Robotics
SpeedTuning：用轻量强化学习加速策略执行
机构 * Stanford University（斯坦福大学）
AI总结 SpeedTuning是一种轻量强化学习框架，可预测动作最优执行速度，在无需额外数据采集的情况下，将机器人操作策略加速超2.4倍且保持足够成功率，适用于多种动态精确任务。
Comments 10 pages, 12 figures. This arXiv version includes an appendix with qualitative simulation rollouts and additional ablations. Published at ICRA 2025
Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA), pp. 1184-1192, 2025
通过信息瓶颈和向量量化实现带宽高效的多智能体通信
机构 * Department of Electrical and Computer Engineering, University of Arkansas at Little Rock（电气与计算机工程系，阿肯色大学小岩分校）
AI总结 本研究通过信息瓶颈与向量量化方法，实现多智能体通信的带宽高效优化，提升协调性能并减少带宽消耗。
Comments Accepted at IEEE ICRA 2026, Vienna, Austria. 8 pages, 4 figures, 4 tables. v2: replaces v1 with the accepted camera-ready version and corrects a typo in the bandwidth reduction (41.4% -> 71.4%) in the abstract, Sec. I, Fig. 2 caption, Sec. VI and Sec. VII. Sec. V-A and Table I (800 vs 2800 bits/episode) were already correct; no results or conclusions changed
用于高带宽透明物理交互的超低阻抗机器人夹爪
机构 * Sogang University（西江大学）
AI总结 该研究提出新型9自由度三指差动直接驱动夹爪，结合低减速比差动传动，实现低阻抗、高带宽透明物理交互，解决力矩与硬件复杂度的权衡，为无传感器力估计提供基础。
Comments ICRA 2027 (Late Breaking Rsult Poster)
基于离线大语言模型的机械臂多模态交互控制
机构 * University of Tokyo（东京大学）
AI总结 该研究提出“Socratic Models-ChatGLM”算法，基于离线开源大语言模型与PyBullet平台实现机械臂多模态交互控制，可降低成本并解决复杂多步骤机械操作任务。
Comments This research work has been accepted for poster presentation at ICRA 2026 MEI (Multimodal Embodied Interaction in Robots) Workshop. (Here is the workshop-version short paper.)
Journal ref https://ieeexplore.ieee.org/abstract/document/11371765; 2025
AquaJEPA：面向水下机器人动力学的动作条件多模态预测表示
机构 * ITMO University（ITMO大学）
AI总结 该研究提出动作条件多模态预测模型AquaJEPA，在Stonefish环境中对比多种基线，经120个带计划DVL损失的配对环境实验，其闭环性能最优，配对最终误差显著优于多数基线。
Comments Submitted to IEEE ICRA 2027
优雅降级：缓解机器人不可避免故障的影响
机构 * George Mason University（乔治梅森大学） ； RobotiXX Lab（RobotiXX实验室）
AI总结 针对家庭服务机器人不可避免的故障，本文提出一种评估故障影响概率与严重程度的安全公式，结合FailBench模拟框架，为开发更安全的机器人运动规划及学习策略提供基础。
Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)
单未来，每机器人：采用去中心化JEPA的标签高效集体状态预测
机构 * ITMO University（ITMO大学）
AI总结 该研究提出CS-JEPA架构，解决群体机器人去中心化共享状态预测问题，在多类场景下提升预测误差、一致性及相关指标，为去中心化群体预测提供标签高效基元。
Comments Submitted to IEEE ICRA 2027
如您所愿：利用LLM在精准农业中进行形式化验证的任务规划
机构 * University of California, Merced（加州大学默塞德分校）
AI总结 针对自然语言歧义性，提出基于线性时序逻辑（LTL）反馈循环的LLM任务规划系统，通过双LLM分工实现规范生成与验证，提升精准农业任务规划的可靠性。
Journal ref Published in Proceedings of 2026 International Conference on Robotics and Automation (ICRA)
基于图神经网络的多机器人通信受限的无标签运动规划与预测控制
机构 * New York University（纽约大学） ； University of California Berkeley（加州大学伯克利分校）
AI总结 本文提出一种分层框架，结合图注意力规划器和分布式非线性模型预测控制器，以解决多机器人在通信受限环境下同时分配目标和生成安全轨迹的问题，通过图神经网络方法实现可扩展的去中心化解决方案。
Comments 8 pages, 6 figures, Accepted at the IEEE International Conference on Robotics and Automation (ICRA) 2026
稀疏与稠密结合：基于对应关系的刚-柔交互机器人操纵方法
机构 * School of Computer Science, PKU（北京大学计算机学院） ； School of EECS, PKU（北京大学电子工程与计算机科学学院） ； CFCS（计算与数字科学中心）
AI总结 针对刚-柔交互操纵任务，提出混合对应关系表征方法，结合稀疏关键点与稠密对应关系，实现少量演示下的新任务一次性迁移，实验验证其有效性与适用性。
Comments ICRA 2026 conference paper
柔顺球格接触：基于球的机器人表示的分布式接触建模
AI总结 该研究针对基于球的机器人接触模型物理准确性不足的问题，提出CSLC分布式接触模型，通过弹簧连接的柔顺球格实现空间接触区域建模，经验证可提升抓取稳定性。
Journal ref ICRA 2026 Workshop on Contact-Rich Control and Representation
CoorGrasp：不确定性下自适应灵巧抓取的协调接触控制
机构 * BNRist（北京信息科学与技术国家研究中心）
AI总结 研究在形状和位置不确定时灵巧抓取执行问题，提出触觉驱动模型预测控制器，强调多接触协调，有协调感知相分离等三个创新点，经仿真和实验验证，提高了抓取成功率并减少物体不必要移动。
Comments Accepted by ICRA 2026. Best Poster Award at ICRA 2026 Workshop on Dexterity with Multifingered Hands: Hardware, Sensing, and Skills. Project Website: https://ada-grasp-ctrl.github.io/
QuASH：使用自然语言启发式方法查询视觉语言机器人地图
AI总结 本文提出QuASH方法，利用自然语言启发式处理查询相关的语言空间，训练分类器划分环境，提升地图和图像的可查询性，该方法与表示及编码器无关且训练量有限。
Comments ICRA 2026
Good Weights：用于连续鲁棒视觉SLAM的主动自适应航位推算融合算法
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Institute of Robotics and Intelligent Machines（机器人与智能机械研究所） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Good Weights算法，通过自适应融合航位推算与被动视觉SLAM，解决纹理缺失等环境下视觉SLAM位姿估计差、跟踪丢失的问题，提升了视觉SLAM的性能与鲁棒性。
Comments 8 pages, 9 figures, 1 table. Accepted to ICRA 2026
ARMOR：面向无人机物理攻击的鲁棒强化学习控制
机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 ARMOR是一种抗攻击的无模型强化学习控制器，通过两阶段训练框架学习鲁棒状态表示，可保障无人机在传感器受攻击时的安全运行，泛化能力更强且训练成本更低。
Comments Published at ICRA'2026
一种学习高效查找农田中非均匀分布目标的无人机：从仿真到现实世界
机构 * Wageningen University and Research（瓦赫宁根大学和研究学院）
AI总结 本文提出一种基于强化学习的无人机路径规划器，结合仿真训练与真实部署，可缩短农田目标检测飞行路径，虽召回率略降但效率提升，适用于非均匀分布目标的农业场景。
Comments Accepted to the Novel Approaches for Precision Agriculture and Forestry with Autonomous Robots IEEE ICRA Workshop - 2025
评论家架构的重要性：双评论家与统一评论家在人形机器人移动操作中的对比
机构 * Department of Computer Engineering（计算机工程系） ； Çukurova University（丘布亚大学）
AI总结 针对人形机器人多目标强化学习，对比统一评论家与双评论家架构，实验表明双评论家策略在到达速度、吞吐量和成功率上显著优于统一评论家，且架构选择比奖励工程影响更大。
Comments Accepted at the ICRA 2026 Workshop on Reinforcement Learning for Imitation Learning (RL4IL), Vienna. 5 pages, 2 figures. v2: corrects the unified-critic run's curriculum level (10 of 40) and per-run environment counts, adds a Confounding Factors section, and softens the causal framing; measurements unchanged. https://mturan33.github.io/critic-architecture-matters/
笛卡尔栅格地图中二维可见性问题的高效解决方案及其在启发式路径规划中的应用
AI总结 本文提出一种高效的二维栅格可见性求解方法，将其作为启发式函数实现无局部极小值的路径规划器，性能优于传统光线投射算法。
Comments 7 pages, 5 figures, IEEE ICRA 2024
针对空中操作的抗冲击姿态优化
机构 * Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science (EEMCS) Faculty, University of Twente（代尔夫特理工大学机器人与机电系，电气工程、数学与计算机科学（EEMCS）系，特文特大学） ； Cognitive Robotics (CoR) Department, Delft University of Technology（认知机器人（CoR）系，代尔夫特理工大学） ； CNRS, Univ Rennes, Inria, IRISA（法国国家科学研究中心（CNRS）、里尔大学、法国国家信息与自动化研究所（Inria）、IRISA） ； Department of Computer, Control and Management Engineering, Sapienza University of Rome（计算机、控制与管理工程系，萨皮恩扎罗马大学）
AI总结 本研究提出了一种基于min-max优化的抗冲击姿态优化方法，通过梯度基运动任务提升空中操作器在碰撞中的鲁棒性和安全性。
Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)
非线性预测控制用于悬吊可变形电缆的连续和混合动力学用于空中拾取与放置
机构 * Department of Computer, Control and Management Engineering, Sapienza University of Rome（计算机、控制与管理工程系，罗马萨皮恩扎大学） ； Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science (EEMCS) Faculty, University of Twente（机器人与机电系，电气工程、数学与计算机科学（EEMCS） faculty，特文特大学）
AI总结 本文提出了一种结合高保真模型和降阶模型的非线性预测控制框架，用于实现无人机携带悬吊柔性电缆的实时动态控制。
Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026
Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)
超越任务与运动规划：基于通用技能的分层机器人规划
AI总结 本文提出了一种基于通用技能的分层机器人规划框架，通过可组合交互原语整合运动规划与闭合回路控制器，实现在复杂长期任务中的高效执行。
Comments ICRA 2026
PolygMap：用于人形机器人爬楼梯的感知式运动框架
机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院） ； Electronic science and technology, Guangdong University of Technology（广东技术大学电子科学与技术学院） ； Leju robotics（乐居机器人）
AI总结 本文提出PolygMap框架，通过多传感器融合构建多边形楼梯平面语义地图，在NVIDIA Orin上实现20-30Hz全身运动规划，经真实场景实验验证可高效鲁棒地完成人形机器人爬楼梯任务。
Comments Accepted by ICRA 2026
结合部分姿态测量的不变扩展卡尔曼滤波：理论推导及在自主水面船舶中的应用
机构 * Brigham Young University ； Carnegie Mellon University
AI总结 本文提出融合部分姿态测量的InEKF框架，结合地平线横滚俯仰与双天线GPS航向测量，经对比实验验证其在开阔海域自主水面船舶状态估计中有效且鲁棒。
Comments Originally presented at the 2025 IEEE ICRA Workshop on Field Robotics, extended to cover real world experiments. 13 pages, 8 figures, 3 tables
CADENCE：预测实际MAPF执行时间超越成本总和
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CADENCE框架，通过分析原始运动负担和交互感知协调特征，发现原始运动负担能显著提高多智能体路径规划执行时间的预测精度，超越传统成本总和指标。
Comments 7 pages, 4 figures, 3 tables and this paper was accepted at Multi-Agent Robotic Systems: Real-World Collaboration and Interaction a workshop at the international conference of robotics and automation (ICRA 2026)
通过单轴可行、间隙严重性引导分解的完整无人机覆盖路径规划
机构 * University of Notre Dame（内布拉斯加大学）
AI总结 针对完整无人机在应急响应中覆盖路径规划面临的问题，提出用递归双轴单调性标准及累积间隙严重性度量引导切割的分解策略，搭配全局优化器，降低路径长度和完成时间开销，优于其他15种CPP管道。
Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)
手术室工作流程数据集的手术重演
机构 * TUM University Hospital（慕尼黑工业大学附属医院） ； TUM School of Medicine and Health（慕尼黑工业大学医学与健康学院） ； TUM School of Computation, Information, and Technology（慕尼黑工业大学计算、信息与技术学院） ； University of Alberta（阿尔伯塔大学）
AI总结 针对获取手术室工作流程真实数据集的难题，提出在重建手术室中重演手术程序的方法，结合多种方式创建可重复注释的数据集，用于训练模型等，还为其他团队提供采用建议。
Comments Accepted at the 4th "Robot-Assisted Medical Imaging" (RAMI) workshop as part of ICRA 2026
精度的诅咒：高精度机器人操作的数据缩放定律
机构 * Tsinghua University（清华大学） ； OpenMind (WuHu) Robotics Co., Ltd.（芜湖悟灵机器人有限公司）
AI总结 研究机器人装配等封闭世界任务中数据与精度的关系，提出新缩放定律log(N) ∝ 1/(P - c)，揭示极限精度c是系统涌现属性，经实验验证，为精度提供理论框架和评估指标，指导高精度操作系统开发调试。
Comments 8 pages, 4 figures. Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)
鲁棒多模态动态目标分割
机构 * Meituan UAV（美团无人机） ； University of Delaware（特拉华大学）
AI总结 研究针对动态目标分割难题，提出整合多模态线索的框架，设计结合Transformer与特征聚类模块的网络进行分类，引入新后处理方法，在动态目标分割和静态场景重建任务中取得最优性能。
Comments Accepted by IEEE International Conference on Robotics & Automation ICRA 2026
利用两个机器人手臂实现紧密装配性能提升
机构 * Blavatnik School of Computer Science and Artificial Intelligence, Tel-Aviv University（特拉维夫大学布拉瓦特尼克计算机科学与人工智能学院）
AI总结 该研究针对两个机器人手臂执行装配操作给出端到端框架，分析两臂同时操作优势，方法在模拟和实际机器人中实现，能减少执行时间、提升轨迹质量、加速搜索有效放置，还确定了机器人工作单元尺寸界限。
Comments Appeared in the 2026 IEEE International Conference on Robotics and Automation (ICRA)
结合里程计与稀疏距离采样的动态室内环境终身定位
机构 * Blavatnik School of Computer Science and Artificial Intelligence, Tel-Aviv University（特拉维夫大学布拉瓦尼克计算机科学与人工智能学院）
AI总结 研究动态室内环境中机器人定位问题，提出结合里程计与稀疏距离采样的终身定位框架，能实时解决绑架机器人问题，在静态和动态环境中均收敛到真实姿态，少量距离样本即可实现与SLAM相当的定位，具多方面优势。
Comments Appeared in the 2026 IEEE International Conference on Robotics and Automation (ICRA)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈