ICRA

Drifting in the Future: Stabilizing Path Following Drifting on High-Latency Vehicle Systems

未来漂移：在高延迟车辆系统上稳定路径跟随漂移

Frederik Werner, Till Heintzenberg, Markus Lienkamp, Johannes Betz

AI总结 针对高延迟和机械耦合执行器的量产车，提出预测补偿、改进控制公式和制动速度稳定方法，实现稳健的圆形和八字漂移，侧向误差1.1米，侧偏角超调0.06弧度。

Journal ref IEEE International Conference on Robotics and Automation (ICRA 2026)

Image-based Geo-localization for Robotics: Are Black-box Vision-Language Models there yet?

基于图像的机器人地理定位：黑盒视觉语言模型是否已经足够？

Sania Waheed, Bruno Ferrarini, Michael Milford, Sarvapali D. Ramchurn, Shoaib Ehsan

机构 * University of Southampton（南安普顿大学） ； MyWay srl ； Queensland University of Technology（昆士兰科技大学） ； University of Essex（埃塞克斯大学） 纠错

AI总结 本文首次系统研究黑盒生成式视觉语言模型作为独立零样本地理定位系统的潜力，发现其在粗粒度定位上表现良好，但在细粒度定位上因现实变化而显著退化。

Comments Accepted to the ICRA 2026 Workshop on Multi-Modal Spatial AI for Robust Navigation and Open-World Understanding (MM-SpatialAI)

Reinforcement Fine-Tuning of Flow-Matching Policies for Vision-Language-Action Models

视觉-语言-动作模型的流匹配策略的强化微调

Mingyang Lyu, Yinqian Sun, Erliang Lin, Huangrui Li, Ruolin Chen, Feifei Zhao, Yi Zeng

机构 * Brain-inspired Cognitive AI Lab, Institute of Automation, Chinese Academy of Sciences, Beijing, China（脑启发认知人工智能实验室，自动化研究所，中国科学院，北京，中国） ； Beijing Institute of AI Safety and Governance, China（北京人工智能安全与治理研究院，中国） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启发智能技术国家重点实验室） ； Beijing Key Laboratory of Safe AI and Superalignment, China（北京安全人工智能与超对齐重点实验室，中国） ； University of Chinese Academy of Sciences (UCAS), Beijing, China（中国科学院大学（UCAS），北京，中国） ； Long-term AI,Beijing,China（长期人工智能，北京，中国） 纠错

AI总结 针对流匹配模型强化微调中重要性采样计算困难的问题，提出流策略优化算法，通过条件流匹配目标、结构感知信用分配等技术实现稳定在线微调，在LIBERO和ALOHA任务上超越基线。

Comments Accepted to ICRA 2026

Causality-Based Parametric Control Barrier Function for Safe Multi-Vehicle Interaction

基于因果关系的参数化控制屏障函数用于安全多车交互

Yiwei Lyu, Caleb Chang, John M. Dolan

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 针对多车交互中因果推断困难导致保守行为的问题，提出基于因果关系的参数化控制屏障函数，实现自适应安全控制，提升任务效率。

Comments accepted ICRA 2026

SurveilNav: Collaborative Object Goal Navigation with Robot and Surveillance System

SurveilNav: 机器人与监控系统协同的目标导航

Ming-Ming Yu, Qunbo Wang, Rongtao Xu, Yanghong Mei, Yirong Yang, Longteng Guo, Wenjun Wu, Jing Liu

机构 * Beihang University（北京航空航天大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Jiaotong University（北京交通大学） ； ATeam ； University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） 纠错

AI总结 提出SurveilNav框架，通过主动摄像头调度、联合2D/3D建图、基于VLM的价值估计和协同目标验证，融合机器人动态局部感知与监控全局视图，在HM3D数据集上实现领先的探索效率和导航成功率。

Comments Accepted by ICRA 2026

Pocket-SLAM: Rendering-Area-Aware Pruning for Memory-Efficient 3DGS-SLAM

Pocket-SLAM：面向内存高效的3DGS-SLAM的渲染区域感知剪枝

Leshu Li, Jie Peng, Yang Zhao

机构 * University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 提出一种渲染区域感知的剪枝策略，根据高斯点对有效渲染区域的贡献进行选择性移除，在EuRoC和KITTI数据集上实现超过60%的内存减少和2倍以上的FPS提升，同时保持定位与建图精度。

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

ArtiTwinSplat: Interactable Digital Twin Reconstruction via Gaussian Splatting from RGB-D videos

ArtiTwinSplat：基于RGB-D视频的高斯泼溅实现可交互数字孪生重建

Pranjal Mishra, René Zurbrügg, Max Wilder-Smith, Marco Hutter, Marc Pollefeys, Zuria Bauer, Hermann Blum

机构 * ETH Zürich（苏黎世联邦理工学院） ； Microsoft（微软） ； University of Bonn（波恩大学） 纠错

AI总结 提出ArtiTwinSplat框架，利用3D高斯泼溅从RGB-D视频自动构建可交互的铰接物体数字孪生，无需CAD模型或人工标注，支持实时渲染与交互操作。

Comments Presented at the ICRA 2026 Workshop on Advances and Challenges in AI-Driven Automation and Robotic System Integration with Digital Twins, Vienna, June 2026

Explaining Failures of Cyber-Physical Systems with Actual Causality

用实际因果性解释信息物理系统的故障

Khen Elimelech, Tom Yaacov, David A. Kelly, Hana Chockler, Moshe Y. Vardi

机构 * Rice University（莱斯大学） 纠错

AI总结 提出利用实际因果性框架解释信息物理系统故障，解决理论空白并给出两种实用算法，在神经网络控制的自动驾驶汽车上验证。

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

Fine-Grained Open-Vocabulary Object Detection with Fined-Grained Prompts: Task, Dataset and Benchmark

细粒度开放词汇目标检测与细粒度提示：任务、数据集与基准

Ying Liu, Yijing Hua, Haojiang Chai, Yanbo Wang, TengQi Ye

机构 * department of software engineering, Northeastern University, China（软件工程系，东北大学，中国） 纠错

AI总结 本文提出3F-OVD任务，扩展细粒度监督目标检测至开放词汇场景，引入NEU-171K数据集，并提出简单有效的后处理技术。

Comments 8 pages, 4 figures, 2025 IEEE International Conference on Robotics and Automation (ICRA)

Temporal Logic Guidance for Action-Only Diffusion Policies with World Models

基于时序逻辑的动作扩散策略与世界模型引导

Moritz Zoellner, Anastasios Manganaris, Rohan Paleja

机构 * German Academic Exchange Service (DAAD)（德国学术交流中心（DAAD）） 纠错

AI总结 提出一种利用世界模型实现时序逻辑鲁棒性可微评估的引导方法，在不重新训练的情况下改善动作扩散策略的约束满足，在Robomimic任务中将违规率从80%降至4%。

Comments Accepted at the ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction. 3 pages, 2 figures, 1 table

Technical Report for ICRA 2026 GOOSE 2D Fine-Grained Semantic Segmentation Challenge: Exploring Query-Based Segmentation and Increased Spatial Context for Outdoor Scene Understanding

ICRA 2026 GOOSE 2D细粒度语义分割挑战赛技术报告：探索基于查询的分割和增加空间上下文用于户外场景理解

David Pascual-Hernández, Roberto Calvo-Palomino, Inmaculada Mora-Jiménez, Jose María Cañas-Plaza

机构 * Rey Juan Carlos University（胡安卡洛斯国王大学） 纠错

AI总结 本报告提出基于SegFormer和Mask2Former的细粒度语义分割方法，通过增大训练裁剪尺寸和测试时增强，在GOOSE挑战赛上达到69.6% mIoU，验证了查询式分割和空间上下文的重要性。

Comments Ranked 5th in the GOOSE 2D Fine-Grained Semantic Segmentation Challenge at the IEEE ICRA 2026 Workshop on Field Robotics

Overcoming Imperfect Kinematics in Surgical Robotics Through Sim-to-Real Visuomotor Learning

通过仿真到现实的视觉运动学习克服手术机器人中的不完美运动学

Zhaoxuan Yan, Kaizhong Deng, Zhaoyang Jacopo Hu, George P. Mylonas, Daniel S. Elson

机构 * Hamlyn Centre for Robotic Surgery, Institute of Global Health Innovation, Imperial College London（伦敦帝国理工学院全球健康创新研究所哈姆林机器人手术中心） ； Department of Surgery and Cancer, Imperial College London（伦敦帝国理工学院外科与癌症系） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系） 纠错

AI总结 提出基于教师-学生框架的视觉运动学习策略，融合不可靠内部读数与精确外部视觉数据，实时补偿运动学误差，在达芬奇研究套件上验证可行性。

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

Real-World Deployment of Massively Parallel Sampling-Based MPC for Contact-Rich Manipulation

大规模并行采样MPC在接触丰富操作中的实际部署

Magnus Dierking, Joao Carvalho, An Thai Le, Georgia Chalvatzaki, Jan Peters

机构 * Intelligent Autonomous Systems Lab, TU Darmstadt（达姆施塔特工业大学智能自主系统实验室） ； Interactive Robot Perception & Learning Lab, TU Darmstadt（达姆施塔特工业大学交互式机器人感知与学习实验室） ； German Research Center for AI (DFKI)（德国人工智能研究中心） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； College of Engineering and Computer Science, VinUniversity（VinUniversity工程与计算机科学学院） 纠错

AI总结 提出基于JAX和MuJoCo MJX的采样MPC框架，在Franka机器人上实现Push-T任务，MTP变体优于CEM等基线，并评估在线域随机化效果。

Comments Presented at ICRA Workshop on Frontiers of Optimization for Robotics, 2nd Edition (OpenReview, 2026) OpenReview: https://openreview.net/forum?id=0KFJunxC8I&noteId=go6pmKSpzr

MAGNIFIED: RL Fine-tuning of Multimodal Large Language Models for Motion Planning

MAGNIFIED: 多模态大语言模型的强化学习微调用于运动规划

Letian Chen, Yiren Lu, Justin Fu, Yichen Xie, Runsheng Xu, Jyh-Jing Hwang, Ben Sapp, Drago Anguelov

机构 * Waymo LLC（Waymo有限责任公司） 纠错

AI总结 提出MAGNIFIED方法，通过强化学习微调多模态大语言模型，利用令牌级奖励优化规划目标，在Waymo数据集上显著降低重叠率和偏离道路率。

Journal ref ICRA 2026

CBF-RL: Safety Filtering Reinforcement Learning in Training with Control Barrier Functions

CBF-RL: 基于控制屏障函数的安全过滤强化学习

Lizhi Yang, Blake Werner, Massimiliano de Sa, Aaron D. Ames

机构 * Caltech MCE（加州理工学院机械工程系） 纠错

AI总结 本文提出CBF-RL框架，通过在训练过程中强制控制屏障函数以生成安全行为，使强化学习策略内在化安全约束，实现无需在线安全过滤的鲁棒安全部署。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026). Copyright transferred to IEEE. Sample code for the navigation example with CBF-RL reward core construction can be found at https://github.com/lzyang2000/cbf-rl-navigation-demo

UMI-on-Air: Embodiment-Aware Guidance for Embodiment-Agnostic Visuomotor Policies

UMI-on-Air：面向无躯体感知的具身化视觉-运动策略的具身感知引导

Harsh Gupta, Xiaofeng Guo, Huy Ha, Chuer Pan, Muqing Cao, Dongjae Lee, Sebastian Scherer, Shuran Song, Guanya Shi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出UMI-on-Air框架，通过手握夹具收集的多样化无约束人类示范训练通用视觉-运动策略，结合高阶UMI策略与低阶具身特定控制器，在推理时实现具身感知的轨迹自适应，提升在复杂环境中的执行效率与鲁棒性。

Comments Result videos can be found at umi-on-air.github.io

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)

GAPartManip: A Large-scale Part-centric Dataset for Material-Agnostic Articulated Object Manipulation

GAPartManip：面向材料无关铰接物体操作的大规模部件中心数据集

Wenbo Cui, Chengyang Zhao, Songlin Wei, Jiazhao Zhang, Haoran Geng, Yaran Chen, Haoran Li, He Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CFCS, School of Computer Science, Peking University（北京大学计算机科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Galbot 纠错

AI总结 提出大规模部件中心数据集GAPartManip，结合照片级材质随机化和部件级交互姿态标注，通过模块化框架提升深度估计与交互姿态预测，在仿真和真实场景中实现鲁棒的铰接物体操作。

Comments Accepted by ICRA 2025. Project page: https://pku-epic.github.io/GAPartManip/

SAM3 Self-Distillation for Fine-Grained GOOSE 2D Semantic Segmentation

SAM3自蒸馏用于细粒度GOOSE 2D语义分割

Xuesong Wang

机构 * Wayne State University（韦恩州立大学） 纠错

AI总结 提出基于SAM3图像编码器与轻量解码器的分割模型，通过自蒸馏、多尺度测试增强和光度畸变迁移，在GOOSE 2D挑战赛达69.73% mIoU。

Comments 4th place in ICRA 2026 GOOSE 2D Semantic Segmentation Challenge

MMD-SLAM: Structure-Enhanced Multi-Meta Gaussian Distribution-Guided Visual SLAM

MMD-SLAM：结构增强的多元高斯分布引导视觉SLAM

Fan Zhu, Ziyu Chen, Peichen Liu, Yifan Zhao, Zhisong Xu, Hui Zhu, Hongxing Zhou, Sixun Liu, Chunmao Jiang

机构 * HFIPS, Chinese Academy of Sciences（中国科学院合肥物质科学研究院） ； University of Science and Technology of China（中国科学技术大学） ； Aarhus University（奥胡斯大学） ； University of Tokyo（东京大学） ； Beijing University of Chemical Technology（北京化工大学） ； North China Electric Power University（华北电力大学） 纠错

AI总结 提出MMD-SLAM，利用亚特兰大世界假设引导多元高斯表示，通过点线融合、主导方向编码和高斯进化策略，提升视觉SLAM的跟踪精度与建图质量。

Comments ICRA 2026

Route-Constrained Robust Fusion Estimation for MEMS/GNSS Integrated Navigation of Unmanned Ground Vehicles in GNSS Degraded Environments

MEMS/GNSS组合导航中无人地面车辆在GNSS退化环境下的路径约束鲁棒融合估计

Jingzhi Cui, Chao Zhang, Yuliang Mao, Shaolin Lü, Dongmei Li, Huan Che, Rong Zhang

机构 * State Key Laboratory of Precision Space-time Information Sensing Technology, Tsinghua University（清华大学精密时空信息感知技术国家重点实验室） ； Xiaomi Inc.（小米公司） 纠错

AI总结 针对GNSS信号严重遮挡下结构化道路环境中无人地面车辆的累积定位漂移，提出一种鲁棒的路径约束状态估计方法，利用历史航位推算轨迹与高精地图匹配生成伪位置观测，通过扩展卡尔曼滤波持续注入道路级约束，抑制位置偏差并改善方位估计。

Comments Accepted workshop paper, 1st Workshop on Robot Meets GNSS and Ranging for Seamless Autonomy, IEEE ICRA 2026

Journal ref 1st Workshop on Robot Meets GNSS and Ranging for Seamless Autonomy, IEEE ICRA 2026, Vienna, Austria, June 5, 2026

Learning to Annotate Delayed and False AEB Events: A Practical System for Extreme Class Imbalance and Asymmetric Label Noise

学习标注延迟和误报AEB事件：针对极端类别不平衡和非对称标签噪声的实用系统

Mengxiang Hao, Xin Jiang, Xinghao Huang, Wenliang Su, Zhiteng Wang, Junjie Rao, Xiaotian Yang, Wei Liao, Chengyu Han, Gen Liang, Yulun Song, Zhitao Xu, Xianpeng Lang

机构 * Li Auto 纠错

AI总结 提出首个自动化AEB标注框架，通过特定数据增强和噪声抑制技术，解决极端类别不平衡和非对称标签噪声问题，将延迟/误报触发召回率提升80%，人工工作量减少50%。

Comments 8 pages, 5 figures, accepted by IEEE International Conference on Robotics and Automation (ICRA)

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)

Spatially Stratified Distillation for Heterogeneous Radar Place Recognition

空间分层蒸馏用于异构雷达位置识别

Sagun Singh Shrestha, Samuel Harding, Abdelwahed Khamis, Saimunur Rahman, Peyman Moghadam

机构 * CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人实验室） ； University of Queensland（昆士兰大学） 纠错

AI总结 针对4D汽车雷达与密集旋转雷达之间的异构位置识别，提出空间分层蒸馏（SSD）方法，通过基于雷达回波的物理空间非对称对齐，在重叠区域强制特征对齐，在稀疏区域降低蒸馏权重，在HeRCULES数据集上达到最先进性能。

Comments IEEE ICRA Workshop on Open Challenges for Rigorous Robot Perception 2026

R2BC: Multi-Agent Imitation Learning from Single-Agent Demonstrations

R2BC: 从单智能体演示进行多智能体模仿学习

Connor Mattson, Varun Raveendra, Ellen Novoseller, Nicholas Waytowich, Vernon J. Lawhern, Daniel S. Brown

机构 * Kahlert School of Computing, University of Utah（犹他大学凯勒尔计算学院） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

AI总结 提出R2BC方法，通过轮换单智能体演示训练多机器人系统，无需联合动作空间演示，在模拟和实物任务中性能媲美或超越基于特权同步演示的基线方法。

Comments 8 pages, 6 figures. In Proceedings: IEEE International Conference on Robotics & Automation (ICRA 2026)

GOOSE-M2F: Adapting Mask2Former for High-Fidelity, Long-Tailed Fine-Grained Semantic Segmentation in Unstructured Outdoor Terrain

GOOSE-M2F：适配Mask2Former用于非结构化户外地形的高保真、长尾细粒度语义分割

Jyothiraditya Lingam, Nikhileswara Rao Sulake, Sai Manikanta Eswar Machara

机构 * Rajiv Gandhi University of Knowledge Technologies, Nuzvid, India（拉吉夫·甘地知识技术大学，努兹维德，印度） 纠错

AI总结 针对非结构化户外地形长尾细粒度语义分割挑战，提出GOOSE-M2F，通过200个对象查询、特征精炼模块和辅助监督头，结合多阶段训练策略，在GOOSE基准上达到70.08%复合mIoU。

Comments This solution has got 3rd position at GOOSE 2D Fine-Grained Semantic Segmentation (FGSS) Challenge at ICRA~2026

CrossMaps: Confidence-Aware Open-Vocabulary Semantic Mapping for Rover Navigation

CrossMaps: 用于漫游车导航的置信度感知开放词汇语义地图

Jan-Niklas Klein, Sona Ghahremani, Christian Medeiros Adriano, Holger Giese

机构 * Hasso Plattner Institute for Digital Engineering, Potsdam, Germany（哈索·普拉特纳数字工程研究所（德国波茨坦）） 纠错

AI总结 提出CrossMaps，一种实时置信度感知开放词汇语义地图构建流水线，通过多尺度CLIP嵌入、置信度融合和双记忆架构生成可查询语义地图，用于漫游车导航。

Comments IEEE International Conference on Robotics and Automation (ICRA) 2026: ROSE International Workshop on Robotics Software Engineering, June 01, 2026, Vienna, Austria

A Deployment Case Study in Robotic Apparel Automation: Digital Twin Integration, Interoperability, and Workforce Enablement

机器人服装自动化部署案例研究：数字孪生集成、互操作性与劳动力赋能

Gokul Narayanan, Abhiroop Ajith, Jonathan Zornow, Carlos Calle, Auralis Herrero Lugo, Jose Luis Susa Rincon, Chengtao Wen, Eugen Solowjow

机构 * Siemens Corporation（西门子股份公司） ； Sewbo ； Levi's（李维斯） ； Bluewater Defense 纠错

AI总结 针对织物柔性导致的机器人操作难题，本文通过牛仔布制造案例，提出集成数字线程、数字孪生、互操作层及运行时监控的机器人缝纫系统，实现快速部署与鲁棒性提升。

Comments 4 pages, 3 figures, IEEE ICRA 2026 Workshop Paper

XMedFusion: A Knowledge-Guided Multimodal Perception and Reasoning Framework for Autonomous Medical Systems

XMedFusion：面向自主医疗系统的知识引导多模态感知与推理框架

Hamza Riaz, Arham Haroon, Maha Baig, Muhammad Dawood Rizwan, Muhammad Naseer Bajwa, Muhammad Moazam Fraz

机构 * National University of Sciences and Technology (NUST)（巴基斯坦国立科技大学） ； University of Oxford（牛津大学） 纠错

AI总结 提出XMedFusion模块化AI框架，通过视觉感知、知识图谱构建和检索引导生成等智能体协同，增强放射学报告生成的视觉基础与临床发现捕捉能力，在公共数据集上显著优于基线模型。

Comments Accepted at the 2026 International Conference on Robotics and Automation in Industry (ICRAI)

Journal ref 2026 International Conference on Robotics and Automation in Industry (ICRAI), pp. 1-6, May 2026

Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation

自主智能体导航中学习非线性模型预测控制的贝叶斯优化

Lorenzo Ortolani, Gabriel Voss, Gabriele Beltrami, Francesco Dorati, Tommaso Felice Banfi

机构 * Talos Robotics AI 纠错

AI总结 提出一种无地图框架，结合滚动时域规划与非线性MPC，利用贝叶斯优化自动调参，在仿真和实物四足机器人上实现高效导航。

Comments Published at the IEEE ICRA 2026 Xplore Workshop (Oral), Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning, and Search

DemoDiffusion: One-Shot Human Imitation using pre-trained Diffusion Policy

DemoDiffusion: 使用预训练扩散策略的一次性人类模仿

Sungjae Park, Homanga Bharadhwaj, Shubham Tulsiani

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

AI总结 提出DemoDiffusion方法，通过单次人类演示和预训练扩散策略，无需任务特定训练即可使机器人执行操作任务，在8项任务中平均成功率达83.8%。

Comments 11 pages. Published at ICRA 2026

HiCrowd: Hierarchical Crowd Flow Alignment for Dense Human Environments

HiCrowd：密集人群环境中的分层人群流对齐

Yufei Zhu, Shih-Min Yang, Martin Magnusson, Allan Wang

机构 * Robot Navigation and Perception Lab, AASS Research Center, Örebro University, Sweden（奥雷布罗大学机器人导航与感知实验室，AASS研究中心，瑞典） ； Miraikan – The National Museum of Emerging Science and Innovation, Japan（日本新兴科学与创新国家博物馆——Miraikan） 纠错

AI总结 提出HiCrowd分层框架，结合强化学习与模型预测控制，通过跟随人群流解决机器人冻结问题，在真实和合成数据集上提升导航效率与安全性。

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