ICRA

HeRO: Hierarchical 3D Semantic Representation for Pose-aware Object Manipulation

HeRO：用于姿态感知物体操作的分层3D语义表示

Chongyang Xu, Shen Cheng, Haipeng Li, Haoqiang Fan, Ziliang Feng, Shuaicheng Liu

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院） ； Dexmal 纠错

AI总结 HeRO通过分层语义场结合几何与语义，提升姿态感知操作的控制策略，实现多个任务的成功率提升。

Comments Accepted by ICRA 2026

Temporal Action Representation Learning for Tactical Resource Control and Subsequent Maneuver Generation

战术资源控制与后续机动生成的时序动作表示学习

Hoseong Jung, Sungil Son, Daesol Cho, Jonghae Park, Changhyun Choi, H. Jin Kim

机构 * Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 TART通过时序动作表示学习框架，有效整合资源使用与机动生成，提升有限资源下的战术决策能力。

Comments ICRA 2026, 8 pages

Downwash-aware Configuration Optimization for Modular Aerial Systems

面向模块化空中系统的下洗感知配置优化

Mengguang Li, Heinz Koeppl

机构 * Department of Electrical Engineering and Information Technology, Technische Universität Darmstadt（电气工程与信息科技系，德累斯顿技术大学） 纠错

AI总结 本文提出一种面向模块化空中系统的配置优化框架，通过大规模拓扑生成和非线性规划，优化任务特定装配配置以最小化控制输入，同时考虑下洗约束和作动限制。

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

Geometric Backstepping Control of Omnidirectional Tiltrotors Incorporating Servo-Rotor Dynamics for Robustness against Sudden Disturbances

面向 omnidirectional 倾转旋翼的几何反推控制：结合伺服旋翼动力学以提高对突发干扰的鲁棒性

Jaewoo Lee, Dongjae Lee, Jinwoo Lee, Hyungyu Lee, Yeonjoon Kim, H. Jin Kim

机构 * Department of Aerospace Engineering, Seoul National University (SNU)（航空航天工程系，首尔国立大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出了一种结合伺服旋翼动力学的几何反推控制器，用于提高 omnidirectional 多旋翼在突发干扰下的鲁棒性和跟踪性能。

Comments Accepted to ICRA 2026

Have We Mastered Scale in Deep Monocular Visual SLAM? The ScaleMaster Dataset and Benchmark

我们是否在深度单目视觉SLAM中掌握了尺度？ScaleMaster数据集和基准

Hyoseok Ju, Bokeon Suh, Giseop Kim

机构 * Department of Robotics and Mechatronics Engineering, DGIST（机器人与机电工程系，DGIST） 纠错

AI总结 本文提出ScaleMaster数据集和基准，旨在评估深度单目视觉SLAM在大规模室内环境中对尺度一致性问题的处理能力，揭示现有系统在真实场景中的不足。

Comments 8 pages, 9 figures, accepted to ICRA 2026

HiMAP: History-aware Map-occupancy Prediction with Fallback

HiMAP: 基于历史的无跟踪地图占用预测与回退

Yiming Xu, Yi Yang, Hao Cheng, Monika Sester

机构 * Institute of Cartography and Geoinformatics, Leibniz University Hannover（莱比锡大学汉诺威分校制图与地理信息学研究所） ； Institute of Information Processing, Leibniz University Hannover（莱比锡大学汉诺威分校信息处理研究所） ； Faculty of Geo-Information Science and Earth Observation, University of Twente（埃因霍温大学地球信息科学与地球观测系） 纠错

AI总结 HiMAP通过无需跟踪的轨迹预测框架，在MOT失败时提供可靠预测，实现无ID的高精度未来轨迹生成。

Comments Accepted in 2026 IEEE International Conference on Robotics and Automation

Robust Reinforcement Learning-Based Locomotion for Resource-Constrained Quadrupeds with Exteroceptive Sensing

具备外周感知的资源受限四足机器人的鲁棒强化学习运动控制

Davide Plozza, Patricia Apostol, Paul Joseph, Simon Schläpfer, Michele Magno

机构 * Center for Project-Based Learning, ETH Zurich（基于项目学习中心，苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种基于强化学习的鲁棒运动控制器，通过实时海拔映射和深度传感器选择，实现资源受限四足机器人在复杂地形中的稳定运动控制。

Comments This paper has been accepted for publication at the IEEE International Conference on Robotics and Automation (ICRA), Atlanta 2025. The code is available at github.com/ETH-PBL/elmap-rl-controller

MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints

MotionHint: 基于运动约束的自监督单目视觉里程计

Cong Wang, Yu-Ping Wang, Dinesh Manocha

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） 纠错

AI总结 MotionHint通过引入运动约束模型，提升单目视觉里程计的精度，减少ATE误差达28.73%

Comments Accepted by ICRA 2022

Markerless Robot Detection and 6D Pose Estimation for Multi-Agent SLAM

无标记机器人检测与多智能体SLAM的6D位姿估计

Markus Rueggeberg, Maximilian Ulmer, Maximilian Durner, Wout Boerdijk, Marcus Gerhard Mueller, Rudolph Triebel, Riccardo Giubilato

机构 * German Aerospace Center (DLR)（德国航空航天中心） 纠错

AI总结 本文提出基于深度学习的无标记机器人6D位姿估计方法，用于提升多智能体SLAM系统的相对定位精度。

Comments Accepted contribution to ICRA 2026

SIT-LMPC: Safe Information-Theoretic Learning Model Predictive Control for Iterative Tasks

SIT-LMPC：用于迭代任务的安全信息论学习模型预测控制

Zirui Zang, Ahmad Amine, Nick-Marios T. Kokolakis, Truong X. Nghiem, Ugo Rosolia, Rahul Mangharam

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Central Florida（佛罗里达大学） ； Lyric 纠错

AI总结 SIT-LMPC通过信息论方法和归一化流学习，实现对迭代任务中安全性和性能的平衡优化。

Comments 8 pages, 5 figures. Published in IEEE RA-L, vol. 11, no. 1, Jan. 2026. Presented at ICRA 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 1, pp. 986-993, 2026

Estimating Human Muscular Fatigue in Dynamic Collaborative Robotic Tasks with Learning-Based Models

基于学习模型的动态协作机器人任务中人体肌肉疲劳估计

Feras Kiki, Pouya P. Niaz, Alireza Madani, Cagatay Basdogan

机构 * Robotics and Mechatronics Laboratory (RML) and the KUIS AI Center（机器人与机电实验室（RML）和KUIS人工智能中心） 纠错

AI总结 本文提出基于学习模型的动态协作机器人任务中人体肌肉疲劳估计方法，利用sEMG数据通过回归模型预测疲劳周期分数，CNN模型表现最佳，展示了跨任务泛化的潜力。

Comments ICRA 2026 Original Contribution, Vienne, Austria

Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing

具有控制器引导反馈的空间感知自适应轨迹优化用于自动驾驶赛车

Alexander Wachter, Alexander Willert, Marc-Philip Ecker, Christian Hartl-Nesic

机构 * Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） 纠错

AI总结 本文提出一种结合NURBS轨迹表示和控制器引导反馈的空间感知自适应轨迹优化方法，通过空间更新提升轨迹性能，在模拟和真实硬件上均实现了显著的圈速提升。

Comments Accepted at ICRA 2026

SafeFlowMPC: Predictive and Safe Trajectory Planning for Robot Manipulators with Learning-based Policies

SafeFlowMPC: 基于学习策略的机器人机械臂预测与安全轨迹规划

Thies Oelerich, Gerald Ebmer, Christian Hartl-Nesic, Andreas Kugi

AI总结 SafeFlowMPC结合流匹配和在线优化，为机器人机械臂提供安全且灵活的预测轨迹规划方法，通过实验验证其在抓取和人机交互任务中的高效性能。

Comments Accepted at ICRA 2026

ManeuverNet: A Soft Actor-Critic Framework for Precise Maneuvering of Double-Ackermann-Steering Robots with Optimized Reward Functions

ManeuverNet: 一种用于双Ackermann转向机器人精确 maneuvering 的软演员-评论框架与优化奖励函数

Kohio Deflesselle, Mélodie Daniel, Aly Magassouba, Miguel Aranda, Olivier Ly

机构 * Univ. Bordeaux, CNRS, Bordeaux INP, LaBRI, UMR 5800（波尔多大学、国家科学研究中心、波尔多国立理工学院、LaBRI、UMR 5800） ； School of Computer Science, University of Nottingham, UK（nottingham大学计算机科学学院） ； Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza（阿拉贡工程研究所（I3A）、萨拉戈萨大学） 纠错

AI总结 ManeuverNet通过结合Soft Actor-Critic与CrossQ，提出了一种针对双Ackermann系统的DRL框架，利用优化奖励函数提升机器人精确 maneuvering 的性能和鲁棒性。

Comments 8 pages, 5, figures, Accepted for 2026 IEEE International Conference on Robotics & Automation (ICRA)

C^2ROPE: Causal Continuous Rotary Positional Encoding for 3D Large Multimodal-Models Reasoning

C^2ROPE: 3D 大多模态模型推理中的因果连续旋转位置编码

Guanting Ye, Qiyan Zhao, Wenhao Yu, Xiaofeng Zhang, Jianmin Ji, Yanyong Zhang, Ka-Veng Yuen

机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Department of Automation, Shanghai Jiaotong University（上海交通大学自动化系） ； Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） ； School of Computer Science and Technology, USTC（中国科学技术大学计算机科学与技术学院） ； School of Artificial Intelligence and Data Science, USTC（中国科学技术大学人工智能与数据科学学院） 纠错

AI总结 C^2ROPE通过引入空间-时间连续位置编码和切比雪夫因果掩码，解决3D多模态模型中视觉特征连续性和因果关系建模问题。

Comments Accepted in ICRA 2026

Curriculum Multi-Task Self-Supervision Improves Lightweight Architectures for Onboard Satellite Hyperspectral Image Segmentation

课程多任务自监督学习提升轻量级架构用于车载卫星超光谱图像分割

Hugo Carlesso, Josiane Mothe, Radu Tudor Ionescu

机构 * Univ. Toulouse, IRIT, France（法国图卢兹大学IRIT研究所） ； CNRS, France（法国国家科学研究中心） ； CLLE, CNRS, France（法国国家科学研究中心CLLE） ； University of Bucharest, Romania（罗马尼亚布加勒斯特大学） 纠错

AI总结 课程多任务自监督学习提升轻量级架构用于车载卫星超光谱图像分割，通过统一设计解决空间与光谱推理，实现高效且紧凑的模型训练。

Comments Accepted at ICRA 2026

A Generalizable Physics-guided Causal Model for Trajectory Prediction in Autonomous Driving

一种通用的物理引导因果模型用于自动驾驶中的轨迹预测

Zhenyu Zong, Yuchen Wang, Haohong Lin, Lu Gan, Huajie Shao

AI总结 本文提出了一种通用的物理引导因果模型，通过解耦场景编码器和因果ODE解码器提升自动驾驶中的零样本轨迹预测能力。

Comments 8 pages, 4 figures, Accepted by IEEE ICRA 2026

Instance-Guided Unsupervised Domain Adaptation for Robotic Semantic Segmentation

实例引导的无监督领域适应用于机器人语义分割

Michele Antonazzi, Lorenzo Signorelli, Matteo Luperto, Nicola Basilico

机构 * Department of Computer Science, University of Milan（计算机科学系，米兰大学） 纠错

AI总结 本文提出了一种实例引导的无监督领域适应方法，通过生成多视图一致的伪标签并利用基础模型进行细化，提升机器人语义分割的适应性能。

Comments Accepted for publication at ICRA 2026

V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models and Graph-of-Thoughts

V2V-GoT: 基于多模态大语言模型和思维图的车对车协同自动驾驶

Hsu-kuang Chiu, Ryo Hachiuma, Chien-Yi Wang, Yu-Chiang Frank Wang, Min-Hung Chen, Stephen F. Smith

机构 * NVIDIA ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出V2V-GoT框架，结合多模态大语言模型和图-思维方法，提升车对车协同自动驾驶的感知、预测和规划能力。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation). Project: https://eddyhkchiu.github.io/v2vgot.github.io/ Code: https://github.com/eddyhkchiu/V2V-GoT Dataset: https://huggingface.co/datasets/eddyhkchiu/V2V-GoT-QA

V2V-LLM: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models

V2V-LLM：基于多模态大语言模型的车与车协同自动驾驶

Hsu-kuang Chiu, Ryo Hachiuma, Chien-Yi Wang, Stephen F. Smith, Yu-Chiang Frank Wang, Min-Hung Chen

机构 * NVIDIA ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出基于多模态大语言模型的V2V-LLM，通过车与车协同感知提升自动驾驶安全性和性能。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation). Project: https://eddyhkchiu.github.io/v2vllm.github.io/ Code: https://github.com/eddyhkchiu/V2V-LLM Dataset: https://huggingface.co/datasets/eddyhkchiu/V2V-GoT-QA

Model Predictive Control with Gaussian Processes for Flexible Multi-Modal Physical Human Robot Interaction

基于高斯过程的模型预测控制用于柔性多模态人机协作交互

Kevin Haninger, Christian Hegeler, Luka Peternel

AI总结 本文提出基于高斯过程的模型预测控制方法，用于多模态人机协作交互，通过贝叶斯推断和在线控制提升任务灵活性和效率。

Comments Submitted, ICRA 2022. Video: https://youtu.be/0GT1pPpXvt8 Data and code: https://owncloud.fraunhofer.de/index.php/s/kmCZvlKOghclHy9

Journal ref 2022 IEEE International Conference on Robotics and Automation (ICRA), May 2022

Nighttime Autonomous Driving Scene Reconstruction with Physically-Based Gaussian Splatting

夜间自动驾驶场景重建与基于物理的高斯点云

Tae-Kyeong Kim, Xingxin Chen, Guile Wu, Chengjie Huang, Dongfeng Bai, Bingbing Liu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出基于物理的高斯点云方法，提升自动驾驶夜间场景重建质量，实现实时渲染并优于现有方法。

Comments ICRA 2026

VividFace: Real-Time and Realistic Facial Expression Shadowing for Humanoid Robots

VividFace: 人形机器人实时逼真面部表情阴影生成

Peizhen Li, Longbing Cao, Xiao-Ming Wu, Yang Zhang

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； Anuradha and Vikas Sinha Department of Data Science, University of North Texas（北卡罗来纳州立大学数据科学系） 纠错

AI总结 VividFace通过优化的模仿框架和实时推理管道，实现人形机器人逼真面部表情阴影生成，提升人机交互的真实感和实用性。

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

Integrated Exploration and Sequential Manipulation on Scene Graph with LLM-based Situated Replanning

基于场景图的LLM定位再规划集成探索与顺序操作

Heqing Yang, Ziyuan Jiao, Shu Wang, Yida Niu, Si Liu, Hangxin Liu

机构 * Beihang University（北航大学） ； State Key Laboratory of General Artificial Intelligence（一般人工智能国家重点实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

AI总结 EPoG通过结合基于图的全局规划器与LLM的定位局部规划器，实现探索与顺序操作规划的无缝结合，有效提升机器人在部分已知环境中的任务执行效率。

Comments 8 pages, 7 figures; accepted by ICRA 2026

MASAR: Motion-Appearance Synergy Refinement for Joint Detection and Trajectory Forecasting

MASAR: 运动-外观协同细化用于联合检测与轨迹预测

Mohammed Amine Bencheikh Lehocine, Julian Schmidt, Frank Moosmann, Dikshant Gupta, Fabian Flohr

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Munich University of Applied Sciences（慕尼黑应用科学大学） 纠错

AI总结 MASAR通过联合编码外观和运动特征，提升自动驾驶中的3D检测与轨迹预测性能，实现超过20%的精度提升。

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

Scaling Single Human Demonstrations for Imitation Learning using Generative Foundational Models

通过生成基础模型扩展单人示范用于模仿学习

Nick Heppert, Minh Quang Nguyen, Abhinav Valada

机构 * Computer Science, University of Freiburg（弗赖堡大学计算机科学系） ； Zuse School ELIZA（泽乌斯学校ELIZA） 纠错

AI总结 通过生成基础模型扩展单人示范用于模仿学习，实现从单人示范到机器人任务的高效训练与泛化

Comments ICRA 2026, 8 pages, 6 figures, 4 tables

R3DPA: Leveraging 3D Representation Alignment and RGB Pretrained Priors for LiDAR Scene Generation

R3DPA：利用3D表示对齐和RGB预训练先验知识进行LiDAR场景生成

Nicolas Sereyjol-Garros, Ellington Kirby, Victor Besnier, Nermin Samet

AI总结 R3DPA通过结合3D表示对齐和RGB预训练先验知识，实现LiDAR场景生成的先进性能。

Comments ICRA 2026

Hallucinating 360°: Panoramic Street-View Generation via Local Scenes Diffusion and Probabilistic Prompting

生成360°全景图：通过局部场景扩散与概率提示的街道视图生成

Fei Teng, Kai Luo, Sheng Wu, Siyu Li, Pujun Guo, Jiale Wei, Jiaming Zhang, Kunyu Peng, Kailun Yang

机构 * School of Artificial Intelligence and Robotics and the National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（人工智能与机器人学院和机器人视觉感知与控制技术国家工程研究中心，湖南大学） ； Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（人机学与机器人研究所，卡尔斯鲁厄技术大学） 纠错

AI总结 本文提出Percep360方法，通过局部场景扩散与概率提示技术，实现自动驾驶中的可控全景图像生成，提升真实场景下的鸟瞰图分割性能。

Comments Accepted to ICRA 2026. The source code will be publicly available at https://github.com/FeiT-FeiTeng/Percep360

Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking

Eva-Tracker: 无ESDF更新、基于可见性的规划与目标重新获取的稳健空中跟踪

Yue Lin, Yang Liu, Dong Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

AI总结 Eva-Tracker通过无ESDF更新和基于可见性的路径规划，实现更稳健的空中目标跟踪，降低计算开销。

Comments Accepted by ICRA 2026

ArmGS: Composite Gaussian Appearance Refinement for Modeling Dynamic Urban Environments

ArmGS：复合高斯外观细化用于动态城市环境建模

Guile Wu, Dongfeng Bai, Bingbing Liu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 ArmGS通过复合高斯溅射与多粒度外观细化，提升动态城市环境自动驾驶场景建模的精度与效率。

Comments ICRA 2026