ICRA

DarkDriving: A Real-World Day and Night Aligned Dataset for Autonomous Driving in the Dark Environment

DarkDriving: 一个用于黑暗环境自动驾驶的真实世界白天和夜晚对齐数据集

Wuqi Wang, Haochen Yang, Baolu Li, Jiaqi Sun, Xiangmo Zhao, Zhigang Xu, Qing Guo, Haigen Min, Tianyun Zhang, Hongkai Yu

机构 * Chang’an University（长安大学） ； Cleveland State University（克利夫兰州立大学） ； A*STAR 纠错

AI总结 本文提出DarkDriving数据集，通过自动日夜间轨迹跟踪基于姿态匹配方法，在真实世界封闭测试场收集了9538对精准对齐的图像，用于研究低光照增强技术及自动驾驶检测任务。

Comments 8 pages, 8 figures. Accepted to ICRA 2026

Design, Mapping, and Contact Anticipation with 3D-printed Whole-Body Tactile and Proximity Sensors

设计、映射与接触预测的3D打印全身触觉与接近传感器

Carson Kohlbrenner, Anna Soukhovei, Caleb Escobedo, Nataliya Nechyporenko, Alessandro Roncone

机构 * Human Interaction and RObotics [HIRO] Group（人机交互与机器人 [HIRO] 团队） 纠错

AI总结 本文提出GenTact-Prox，一种3D打印的人工皮肤，集成了触觉和接近传感以实现接触检测与预测。该平台模块化设计，可适配任意机器人形态，覆盖整个机器人身体，检测范围达18厘米。通过数据驱动框架映射Perisensory Space，实现接触预测。

Comments This work was accepted at the International Conference on Robotics and Automation (ICRA) 2026

ProbeMDE: Uncertainty-Guided Active Proprioception for Monocular Depth Estimation in Surgical Robotics

ProbeMDE: 用于手术机器人单目深度估计的不确定性引导主动触觉

Britton Jordan, Jordan Thompson, Jesse F. d'Almeida, Hao Li, Nithesh Kumar, Susheela Sharma Stern, James Ferguson, Ipek Oguz, Robert J. Webster, Daniel Brown, Alan Kuntz

机构 * The Robotics Center and the Kahlert School of Computing at the University of Utah（犹他大学机器人中心和Kahlert计算学院） 纠错

AI总结 本文提出ProbeMDE，结合RGB图像与稀疏本体感知测量，通过不确定性引导主动触觉提升手术场景中单目深度估计的准确性与鲁棒性。

Comments 8 pages, 5 figures. Accepted at ICRA 2026. Project page: https://brittonjordan.github.io/probe_mde/

PhotoAgent: A Robotic Photographer with Spatial and Aesthetic Understanding

PhotoAgent：一种具有空间与审美理解的机器人摄影师

Lirong Che, Zhenfeng Gan, Yanbo Chen, Junbo Tan, Xueqian Wang

机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（人工智能与机器人中心，深圳国际研究生院，清华大学） 纠错

AI总结 PhotoAgent通过整合大多模态模型与新型控制范式，将主观审美目标转化为几何约束，利用内部视觉模拟实现快速收敛于高质量图像结果。

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

GIFT: Generalizing Intent for Flexible Test-Time Rewards

GIFT：基于意图的灵活测试时间奖励

Fin Amin, Nathaniel Dennler, Andreea Bobu

机构 * NC State（北卡罗来纳州立大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 GIFT通过语言模型推断用户演示中的高层意图，以提升奖励在新环境下的泛化能力，优于基于视觉和语义相似性的基线方法。

Comments To appear at IEEE ICRA '26

Background Fades, Foreground Leads: Curriculum-Guided Background Pruning for Efficient Foreground-Centric Collaborative Perception

背景褪色，前景引领：基于课程学习的背景剪枝用于高效前景导向的协同感知

Yuheng Wu, Xiangbo Gao, Quang Tau, Zhengzhong Tu, Dongman Lee

机构 * KAIST（韩国科学技术院） ； Texas A&M University（德克萨斯A&M大学） 纠错

AI总结 本文提出FadeLead框架，通过课程学习策略在训练中学习将背景上下文压缩为紧凑的前景特征，提升协同感知的效率和效果。

Comments ICRA 2026

Conformal Koopman for Embedded Nonlinear Control with Statistical Robustness: Theory and Real-World Validation

共形Koopman用于嵌入非线性控制的统计鲁棒性：理论与现实验证

Koki Hirano, Hiroyasu Tsukamoto

机构 * Department of Aerospace Engineering, The Grainger College of Engineering, University of Illinois Urbana-Champaign（航空航天工程系，格拉inger工程学院，伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出一种基于Koopman的全数据驱动框架，用于具有线性嵌入的离散时间非线性系统的统计鲁棒控制，通过共形预测提供分布无关的概率界限，确保安全性和鲁棒性。

Comments 8 pages, 6 figures. Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA). The final published version will be available via IEEE Xplore

EZ-SP: Fast and Lightweight Superpoint-Based 3D Segmentation

EZ-SP：快速且轻量的基于超点的3D分割

Louis Geist, Loic Landrieu, Damien Robert

机构 * LIGM, ENPC, IP Paris, Univ Gustave Eiffel, CNRS（LIGM，ENPC，IP巴黎，巴黎理工大学，CNRS） ； DM3L, University of Zurich（DM3L，苏黎世大学） 纠错

AI总结 本文提出了一种高效的基于超点的3D语义分割方法，通过全GPU分区算法实现13倍更快的处理速度，结合轻量级分类器，达到2MB显存占用，支持实时推理，并在三个领域验证了其准确性。

Comments Accepted at ICRA 2026. Camera-ready version with Appendix

GAPG: Geometry Aware Push-Grasping Synergy for Goal-Oriented Manipulation in Clutter

GAPG：面向目标操作的几何感知推抓取协同

Lijingze Xiao, Jinhong Du, Yang Cong, Supeng Diao, Yu Ren

机构 * College of Automation Science and Engineering, South China University of Technology（华南理工大学自动化科学与工程学院） 纠错

AI总结 本文提出GAPG框架，通过整合点云数据，利用几何关系评估抓取与推动作，提升机器人在杂乱环境中的安全性和效率。

Comments Accepted to ICRA 2026

Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition

基于解剖先验的自主机器人心脏超声标准视图采集框架

Zhiyan Cao, Zhengxi Wu, Yiwei Wang, Pei-Hsuan Lin, Li Zhang, Zhen Xie, Huan Zhao, Han Ding

机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室） ； School of Biomedical Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）生物医学工程学院） ； Information Intelligence Lab, Department of Electrical Engineering, National Chung Hsing University（中原大学电子工程系信息智能实验室） ； Institute of Medical Equipment Science and Engineering, Huazhong University of Science and Technology（华中科技大学医学装备科学与工程研究院） ； Department of Ultrasound Medicine, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院超声医学科） ； Institute of Systems Science (ISS), National University of Singapore (NUS)（新加坡国立大学系统科学研究所） 纠错

AI总结 本文提出结合心脏结构分割与自主探头调整的框架，通过解剖先验引导提升超声标准视图采集的自动化水平，实验表明其在分割精度和探头调整成功率上均有显著提升。

Comments Accepted for publication at the IEEE ICRA 2026. 8 pages, 5 figures, 3 tables

Implementing Robust M-Estimators with Certifiable Factor Graph Optimization

通过可验证因子图优化实现鲁棒M-估计量

Zhexin Xu, Hanna Jiamei Zhang, Helena Calatrava, Pau Closas, David M. Rosen

机构 * Institute for Experiential Robotics（体验机器人研究所） 纠错

AI总结 本文提出通过可验证因子图优化实现鲁棒M-估计量，利用快速局部优化在光滑流形上解决内嵌WLS子问题，提升估计质量并有效扩展到实际问题规模。

Comments The paper was accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Graph-of-Constraints Model Predictive Control for Reactive Multi-agent Task and Motion Planning

基于约束图的模型预测控制：用于反应性多智能体任务与运动规划

Anastasios Manganaris, Jeremy Lu, Ahmed H. Qureshi, Suresh Jagannathan

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） 纠错

AI总结 本文提出基于约束图的模型预测控制（GoC-MPC），用于解决多智能体任务与运动规划中的依赖几何约束序列问题，支持部分有序任务、动态智能体协调及扰动恢复，实现高效鲁棒的多智能体操作。

Comments 8 main content pages, 4 main content figures, camera ready version submitted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Implicit Maximum Likelihood Estimation for Real-time Generative Model Predictive Control

隐式最大似然估计用于实时生成模型预测控制

Grayson Lee, Minh Bui, Shuzi Zhou, Yankai Li, Mo Chen, Ke Li

机构 * School of Computing Science, Simon Fraser University（计算科学系，西蒙弗雷泽大学） 纠错

AI总结 本文提出隐式最大似然估计（IMLE）作为生成模型的替代方法，实现快速推理和强模式覆盖，适用于实时MPC任务。

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

Reactive Slip Control in Multifingered Grasping: Hybrid Tactile Sensing and Internal-Force Optimization

多指抓取中的反应滑移控制：混合触觉感知与内部力优化

Théo Ayral, Saifeddine Aloui, Mathieu Grossard

机构 * Université Grenoble Alpes, CEA, Leti（格勒诺布尔大学、CEA、LETI） ； Université Paris-Saclay, CEA, List（巴黎-萨克雷大学、CEA、LIST） 纠错

AI总结 本文提出一种结合学习触觉滑移检测与模型内部力控制的混合方法，用于多指抓取的稳定控制，通过触觉反馈实现快速滑移检测与力优化，实验验证了在外部扰动下的抓取稳定性。

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

DYMO-Hair: Generalizable Volumetric Dynamics Modeling for Robot Hair Manipulation

DYMO-Hair: 通用的体积动力学建模用于机器人头发操控

Chengyang Zhao, Uksang Yoo, Arkadeep Narayan Chaudhury, Giljoo Nam, Jonathan Francis, Jeffrey Ichnowski, Jean Oh

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人学院） ； Epic Games, Inc.（Epic Games公司） ； Meta Codec Avatars Lab（Meta编码人像实验室） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

AI总结 DYMO-Hair通过体积动力学建模和动作条件化潜在状态编辑机制，实现了对多样化发型的通用化机器人头发护理系统，实验表明其在未见过的发型上表现更优。

Comments To appear in ICRA 2026. Project page: https://dymohair.github.io/

AERO-MPPI: Anchor-Guided Ensemble Trajectory Optimization for Agile Mapless Drone Navigation

AERO-MPPI：基于锚点的轨迹优化用于无地图无人机敏捷导航

Xin Chen, Rui Huang, Longbin Tang, Lin Zhao

机构 * Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） 纠错

AI总结 本文提出AERO-MPPI框架，通过GPU加速统一感知与规划，利用多分辨率LiDAR点云提取锚点，构建多项式轨迹引导，提升无人机在复杂环境中的敏捷导航能力。

Comments Accepted by ICRA 2026

Multi-Robot Learning-Informed Task Planning Under Uncertainty

多机器人学习引导的任务规划在不确定性下

Abhish Khanal, Abhishek Paudel, Hung Pham, Gregory J. Stein

机构 * Department of Computer Science, George Mason University（乔治·马歇尔大学计算机科学系） 纠错

AI总结 本文提出一种多机器人规划方法，结合学习估计不确定环境因素与基于模型的长期协调规划，以高效完成复杂任务。

Comments 8 pages, 8 figures. Accepted at ICRA 2026

Beyond Scalar Rewards: Distributional Reinforcement Learning with Preordered Objectives for Safe and Reliable Autonomous Driving

超越标量奖励：用于安全可靠自动驾驶的预序目标分布强化学习

Ahmed Abouelazm, Jonas Michel, Daniel Bogdoll, Philip Schörner, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

AI总结 本文提出预序多目标MDP框架，通过引入量化主导指标提升自动驾驶安全性和可靠性，实验表明其在Carla中表现出更优的性能和更稳健的策略。

Comments First and Second authors contributed equally; Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

SPOT: Point Cloud Based Stereo Visual Place Recognition for Similar and Opposing Viewpoints

SPOT：基于点云的立体视觉位置识别用于相似和对立视角

Spencer Carmichael, Rahul Agrawal, Ram Vasudevan, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Department of Robotics and the Department of Mechanical Engineering, University of Michigan（机器人学系和机械工程系，密歇根大学） 纠错

AI总结 本文提出SPOT技术，利用立体视觉里程计估计的结构进行对立视角视觉位置识别，通过双距离矩阵序列匹配方法提升识别精度，实验表明在不同光照条件下，SPOT在对立视角识别中达到91.7%的召回率，且存储和运行效率优于现有方法。

Comments Expanded version with added appendix. Published in ICRA 2024. Project page: https://umautobots.github.io/spot

The Robot's Inner Critic: Self-Refinement of Social Behaviors through VLM-based Replanning

机器人的内在批评者：通过基于视觉语言模型的重新规划实现社会行为的自我完善

Jiyu Lim, Youngwoo Yoon, Kwanghyun Park

机构 * KwangWoon University（匡文大学） ； ETRI（电子技术研究院） 纠错

AI总结 本文提出CRISP框架，通过基于视觉语言模型的重新规划，使机器人自主评估并优化其社会行为，提高灵活性和自主性，适用于多种平台。

Comments Accepted to ICRA 2026. 8 pages, 9 figures, Project page: https://limjiyu99.github.io/inner-critic/

Dual Prompt-Driven Feature Encoding for Nighttime UAV Tracking

双提示驱动的夜间无人机跟踪特征编码

Yiheng Wang, Changhong Fu, Liangliang Yao, Haobo Zuo, Zijie Zhang

机构 * Pratt School of Engineering, Duke University（杜克大学工程学院） ； School of Mechanical Engineering, Tongji University（同济大学机械工程学院） ； Shanghai Key Laboratory of Wearable Robotics and Human Machine Interaction, Tongji University（同济大学可穿戴机器人与人机交互重点实验室） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） 纠错

AI总结 本文提出双提示驱动特征编码方法，通过多尺度频率感知光照提示和动态视角提示器提升夜间无人机跟踪的鲁棒性。

Comments Accepted to IEEE International Conference on Robotics and Automation 2026

FD-VLA: Force-Distilled Vision-Language-Action Model for Contact-Rich Manipulation

FD-VLA：力感知的视觉-语言-动作模型用于接触密集的 manipulation

Ruiteng Zhao, Wenshuo Wang, Yicheng Ma, Xiaocong Li, Francis E. H. Tay, Marcelo H. Ang, Haiyue Zhu

机构 * Advanced Robotics Centre, National University of Singapore（新加坡国立大学先进机器人中心） ； School of Electrical & Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； College of Information Science and Technology, Eastern Institute of Technology（东部技术学院信息科学与技术学院） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） ； Advanced Robotics Centre at National University of Singapore（新加坡国立大学先进机器人中心） ； Singapore Institute of Manufacturing Technology, Agency for Science, Technology and Research (A*STAR)（新加坡制造技术研究所，科技研究局（A*STAR）） 纠错

AI总结 本文提出FD-VLA模型，通过力蒸馏模块在不依赖物理力传感器的情况下实现接触密集任务的力感知，提升机器人视觉-语言-动作的鲁棒性与实用性。

Comments ICRA 2026 Accepted

Latent Action Diffusion for Cross-Embodiment Manipulation

潜在动作扩散用于跨躯体操控

Erik Bauer, Elvis Nava, Robert K. Katzschmann

机构 * mimic robotics ； ETH AI Center ； Soft Robotics Lab ； Institute of Neuroinformatics 纠错

AI总结 本文提出通过潜在动作空间学习实现跨躯体操控，利用对比损失训练编码器统一不同末端执行器动作，提升多机器人控制效率和技能迁移效果。

Comments 8 pages, 5 figures. Accepted to the 2026 IEEE International Conference on Robotics & Automation (ICRA). Website: https://mimicrobotics.github.io/lad/

Mash, Spread, Slice! Learning to Manipulate Object States via Visual Spatial Progress

Mash, Spread, Slice! 通过视觉空间进展学习操控物体状态

Priyanka Mandikal, Jiaheng Hu, Shivin Dass, Sagnik Majumder, Roberto Martín-Martín, Kristen Grauman

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 SPARTA框架首次统一处理物体状态变化任务，通过空间进展和物体中心变化生成结构化策略观察和密集奖励，提升机器人操控效率和准确性。

Comments Accepted at ICRA 2026

A Passive Elastic-Folding Mechanism for Stackable Airdrop Sensors

一种用于叠放式气流传感器的被动弹性折叠机制

Damyon Kim, Yuichi Honjo, Tatsuya Iizuka, Naomi Okubo, Naoto Endo, Hiroshi Matsubara, Yoshihiro Kawahara, Naoto Morita, Takuya Sasatani

机构 * Graduate School of Engineering, The University of Tokyo（东京大学工学系研究生院） ； NTT Space Environment and Energy Laboratories（NTT空间环境与能源实验室） 纠错

AI总结 本文提出一种被动弹性折叠铰链机制，将传感器从扁平可叠形式转换为三维结构，通过单步烘烤工艺实现规模化生产，实验验证了其在环境监测中的可靠性和广域传感潜力。

Comments 8 pages, 8 figures, The 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Accelerated Multi-Modal Motion Planning Using Context-Conditioned Diffusion Models

利用上下文条件扩散模型加速多模态运动规划

Edward Sandra, Lander Vanroye, Dries Dirckx, Ruben Cartuyvels, Jan Swevers, Wilm Decré

机构 * Department of Mechanical Engineering, KU Leuven（卢森堡鲁文大学机械工程系） ； Department of Computer Science, KU Leuven（卢森堡鲁文大学计算机科学系） 纠错

AI总结 本文提出CAMPD模型，通过上下文感知的扩散模型实现高效的多模态运动规划，适用于多样场景且无需重新训练，展示出在未见环境中生成高质量轨迹的能力。

Comments Accepted for publication at the 2026 IEEE International Conference on Robotics & Automation (ICRA 2026)

UDON: Uncertainty-weighted Distributed Optimization for Multi-Robot Neural Implicit Mapping under Extreme Communication Constraints

UDON：在极端通信限制下基于不确定性加权的多机器人神经隐式映射分布式优化

Hongrui Zhao, Xunlan Zhou, Boris Ivanovic, Negar Mehr

机构 * Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系） ； School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； NVIDIA Research（NVIDIA研究） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

AI总结 UDON提出一种实时多智能体神经隐式映射框架，通过引入不确定性加权分布式优化，在极端通信退化条件下实现高质量映射，实验表明其在低至1%通信成功率下仍能保持高保真重建。

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

Rapid Adaptation of Particle Dynamics for Generalized Deformable Object Mobile Manipulation

粒子动力学快速适应用于广义变形物体移动操作

Bohan Wu, Roberto Martín-Martín, Li Fei-Fei

机构 * Stanford University（斯坦福大学） ； 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RAPiD方法，通过学习视觉-运动策略和动态嵌入推理，实现变形物体移动操作的高成功率。

Comments 8 pages, ICRA 2026

AdaptPNP: Integrating Prehensile and Non-Prehensile Skills for Adaptive Robotic Manipulation

AdaptPNP: 集成抓取与非抓取技能以实现适应性机器人操控

Jinxuan Zhu, Chenrui Tie, Xinyi Cao, Yuran Wang, Jingxiang Guo, Zixuan Chen, Haonan Chen, Junting Chen, Yangyu Xiao, Ruihai Wu, Lin Shao

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； RoboScience（机器人科学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出AdaptPNP框架，通过视觉-语言模型整合抓取与非抓取技能，实现复杂机器人操控任务的规划与执行。

Journal ref ICRA 2026

An HMDP-MPC Decision-making Framework with Adaptive Safety Margins and Hysteresis for Autonomous Driving

具有自适应安全边际和滞回机制的HMDP-MPC决策框架用于自动驾驶

Siyuan Li, Chengyuan Liu, Wen-Hua Chen

AI总结 本文提出一种整合混合马尔可夫决策过程与模型预测控制的决策框架，结合速度依赖的安全边际和预测感知的滞回机制，通过双层恢复方案提升决策连续性与鲁棒性，经多场景测试验证其在异构交通中的适应性与安全性。

Comments 8 pages, 6 figures, to be published in ICRA 2026 proceedings