ICRA

Data-Driven Optimization of Tactile Sensor Configurations for Efficient Dexterous Manipulation

数据驱动的触觉传感器配置优化以实现高效灵巧操作

Haoran Guo, Haoyang Wang, Zhengxiong Li, He Bai, Lingfeng Tao

机构 * ShanghaiTech University, School of Information Science and Technology（上海科技大学信息科学与技术学院） ； University of Alberta（阿尔伯塔大学） ； Oklahoma State University（俄克拉荷马州立大学） ； University of Colorado Denver, Department of Computer Science and Engineering（科罗拉多大学丹佛分校计算机科学与工程系） ； Department of Robotics and Mechatronics Engineering, Kennesaw State University（凯斯西储大学机器人与机电工程系） 纠错

AI总结 提出两阶段框架量化触觉传感器对深度强化学习策略的贡献，将Shadow Hand传感器从92个减少至14个仍保持90%以上性能，并发现中指传感器具有负贡献。

Comments This work has been submitted to the ICRA for possible publication

Sum of Costs Diffusion with Dynamic Guidance for Motion Planning

运动规划的动态引导代价和扩散模型

Aysu Aylin Kaplan, Özgür Erkent

机构 * Computer Engineering Department, Hacettepe University（哈切特佩大学计算机工程系） 纠错

AI总结 提出一种基于扩散模型的高泛化运动规划方法，通过总碰撞代价梯度引导去噪过程并动态选择引导起始步，在Mπnets数据集上取得最优性能。

Comments Accepted at the Frontiers of Optimization for Robotics Workshop at the IEEE International Conference of Robotics & Automation (ICRA), 2026

PoseRefer: Pathway-Local Parameters for Semantically Grounded Reference Resolution

PoseRefer: 用于语义基础指代消解的通路-局部参数

Anna Deichler

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

AI总结 提出PoseRefer架构，通过解耦姿态和文本通路并冻结MiniLM类别嵌入，在MM-Conv数据集上实现31.9%的top-1准确率，并揭示融合准确性可能受类别表示伪影影响。

Comments ICRA 2026 Workshop on Semantics for Reliable Robot Autonomy: From Environment Understanding and Reasoning to Safe Interaction

Novel Algorithms for Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Construction

用于光滑可微且高效可向量化的接触流形构建的新算法

Onur Beker, Andreas René Geist, Anselm Paulus, Georg Martius

机构 * University of Tübingen（图宾根大学） 纠错

AI总结 针对接触丰富场景中机器人行为优化，提出一种以光滑二次可微性和GPU大规模可向量化为优先的新碰撞检测流水线，包括可微SDF表示、宽/窄阶段例程和凸分解接触融合。

Comments This version adds late-breaking results in preparation for the CR2 workshop in ICRA 2026

Vision-Guided Outdoor Flight and Obstacle Evasion via Reinforcement Learning

基于强化学习的视觉引导户外飞行与避障

Shiladitya Dutta, Aayush Gupta, Varun Saran, Avideh Zakhor

机构 * College of Engineering, Department of Electrical Engineering and Computer Science, University of California Berkeley（加州大学伯克利分校工程学院电气工程与计算机科学系） 纠错

AI总结 提出一种基于立体视觉深度和视觉惯性里程计的传感器运动策略，通过强化学习和特权学习在仿真中训练，实现零样本迁移到未知户外环境和无人机平台进行自主避障导航。

Comments Published in IEEE Robotics and Automation Letters, vol 11, no 2. Presented at the IEEE International Conference on Robotics and Automation 2026

MASt3R-Nav: WayPixel Navigation in Relative 3D Maps

MASt3R-Nav: 相对3D地图中的WayPixel导航

Vansh Garg, Rohit Jayanti, Krish Pandya, Sarthak Chittawar, Siddharth Tourani, Muhammad Haris Khan, Sourav Garg, Madhava Krishna

机构 * Robotics Research Center, IIIT-Hyderabad, India（1 罗斯科技研究中心，IIIT-海得拉巴，印度） ； University of Heidelberg（2 海德堡大学） ； MBZUAI（3 MBZUAI） 纠错

AI总结 提出一种基于像素相对连接性的地图表示，通过相对3D坐标系中的像素对应构建地图，并利用像素级图进行全局路径规划，训练控制器预测轨迹，实现高精度导航。

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

WideDepth: Millimeter-Accurate Benchmark for Fisheye Depth Estimation

WideDepth: 用于鱼眼深度估计的毫米级精度基准

Ilia Indyk, Ignat Penshin, Ivan Sosin, Maxim Monastyrny, Aleksei Valenkov, Ilya Makarov

机构 * Robotics Center（机器人中心） ； AXXX ； Trusted AI Research Center, RAS（可信人工智能研究中心，俄罗斯科学院） 纠错

AI总结 提出首个室内鱼眼深度估计数据集WideDepth，包含101个场景的5K高分辨率立体对和毫米级真值，并引入基于LiDAR的立体鱼眼图像生成方法，评估多种模型，微调后性能提升高达62%。

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

BridgeTA: Bridging the Representation Gap in Knowledge Distillation via Teacher Assistant for Bird's Eye View Map Segmentation

BridgeTA: 通过教师助手弥合知识蒸馏中表示差距的鸟瞰图分割

Beomjun Kim, Suhan Woo, Sejong Heo, Euntai Kim

机构 * Yonsei University（延世大学） ； Hyundai Motor Company（现代汽车公司） ； Korea Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 提出BridgeTA框架，利用教师助手网络在保持学生模型架构和推理成本不变的情况下，弥合激光雷达-相机融合与纯相机模型之间的表示差距，并通过Young不等式推导蒸馏损失实现稳定优化，在nuScenes数据集上mIoU提升4.2%。

Comments Accepted at ICRA 2026 (8 pages, 6 figures)

Calibration-Informative Region Selection for Online LiDAR--Camera Calibration in Agricultural Environments

农业环境中在线LiDAR-相机标定的标定信息区域选择

Rajitha de Silva, Grzegorz Cielniak

机构 * Lincoln Institute for Agri-Food Technology, University of Lincoln, UK（林肯农业食品技术研究所，林肯大学，英国） 纠错

AI总结 提出一种基于支持图的在线LiDAR-相机标定方法，通过密集标定支持图识别可靠观测区域，提升标定精度。

Comments Accepted to ICRA 2026 Workshop on Agricultural Robotics

LACY: A Vision-Language Model-based Language-Action Cycle for Self-Improving Robotic Manipulation

LACY: 基于视觉-语言模型的语言-动作循环用于自我改进的机器人操作

Youngjin Hong, Houjian Yu, Mingen Li, Changhyun Choi

机构 * Department of Electrical and Computer Engineering, Univ. of Minnesota（电气与计算机工程系，明尼苏达大学） 纠错

AI总结 提出LACY框架，通过联合学习语言到动作、动作到语言和语言一致性验证三个任务，实现机器人操作的自我改进，平均任务成功率提升56.46%。

Comments Accepted to ICRA 2026. Project page: https://vla2026.github.io/LACY/

Perceived Safety of Workers in Encounters with Large Industrial AGVs

工人与大型工业AGV相遇时的安全感知

Ansgar Howey, Tim Schreiter, Andrey Rudenko, Achim J. Lilienthal

AI总结 本文研究了工人在与大型工业AGV共享空间时的安全感知，通过现实世界和虚拟现实环境中的实验，评估了不同通过距离和避障机动形状对安全感知的影响，并探讨了工人自行设定的避障参数。

Comments IEEE ICRA 2026 Workshop Proceedings: 8th Long-term Human Motion Prediction Workshop (LHMP 2026)

Diffusion-guided Generalizable Enhancer for Urban Scene Reconstruction

基于扩散的通用增强器用于城市场景重建

Henry Che, Jingkang Wang, Yun Chen, Ze Yang, Sivabalan Manivasagam, Raquel Urtasun

机构 * Waabi ； University of Toronto（多伦多大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出GenRe，一种基于扩散的通用增强器，用于城市场景重建，通过学习不同场景中的生成先验，高效地生成稳健且高保真的表示，能够可靠地泛化到挑战性的未见过的视角，从而在自动驾驶中实现鲁棒和可扩展的传感器模拟。

Comments ICRA 2026. Project page: https://waabi.ai/genre

HITL-D: Human In The Loop Diffusion Assisted Shared Control

HITL-D: 有人参与的扩散辅助共享控制

Riley Zilka, Sergey Khlynovskiy, Allie Wang, Martin Jagersand

机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） 纠错

AI总结 本文提出HITL-D框架，通过结合扩散策略和人类控制，提升多步骤、插入和精细操作任务的用户表现，减少 joystick 控制轴数量，降低认知负荷，并在多任务用户研究中显著提高任务完成速度和用户满意度。

Comments Accepted for presentation at ICRA 2026

roto 2.0: The Robot Tactile Olympiad

roto 2.0：机器人触觉奥林匹克

Elle Miller, Jayaram Reddy, Ayush Deshmukh, Trevor McInroe, David Abel, Oisin Mac Aodha, Sethu Vijayakumar

机构 * University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文提出roto 2.0，一个基于触觉的强化学习基准，旨在通过四种不同的机器人形态（16-DOF到24-DOF）标准化触觉强化学习，专注于端到端的'盲'操作，仅使用本体感觉和触觉传感，不使用状态信息或蒸馏。研究展示了显著的性能提升，盲控代理在10秒内完成13次保定球旋转，比当前最先进的速度快了一个数量级。通过开源环境和经过充分调优的基线，降低了进入门槛，使研究人员能够优先考虑基本算法挑战而非繁琐的强化学习调优。

Comments Accepted to 7th ViTac Workshop, ICRA 2026

From swept contact to pose: Probe-aware registration via complementary-shape docking

从扫掠接触到姿态：通过互补形状对接实现探针感知的注册

Chen Chen, Yunwen Li, Yifan Xu, Xiangjie Yan, Chang Shu, Jianxia Hou, Shiji Song, Xiang Li

机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Tsingscribe Medical Ltd.（Tsingscribe医疗有限公司） ； D-MAVT, ETH Zürich（苏黎世联邦理工学院D-MAVT） ； Peking University School and Hospital of Stomatology（北京大学口腔医学院及口腔医院） ； Institute for Guo Qiang, Tsinghua University（清华大学国强研究院） 纠错

AI总结 本研究提出了一种无需校准的注册方法，通过将接触注册重新表述为物体与探针扫掠体积之间的互补形状对接，显式考虑探针几何形状，并利用接触和非接触证据。该方法通过3D FFT相关性进行全局到局部搜索，然后使用李代数更新和解析接触灵敏度进行连续SE(3)细化，实现了高效的探索和指标级收敛。

Comments 8 pages, 9 figures, accepted to ICRA 2026

Learning Structural Latent Points for Efficient Visual Representations in Robotic Manipulation

为机器人操作中的高效视觉表征学习结构潜在点

Yicheng Jiang, Jiaxu Wang, Junhao He, Zesen Gan, Junhao Li, Qiang Zhang, Jingkai Sun, Jiahang Cao, Mingyuan Sun, Xiangyu Yue, Qiming Shao

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； X-Humanoid Robots（X-Humanoid机器人） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出了一种新的预训练框架，通过学习混合表示-结构潜在点，结合隐式表示的表达能力和显式表示的结构先验，以提高机器人操作中的视觉表征效率和鲁棒性。

Journal ref International Conference on Robotics and Automation 2026

To Select or not to Select, that is the Question: Distilling Robot Skill Prediction into a Small Ensemble

选择还是不选择，这是个问题：将机器人技能预测蒸馏成一个小集成

Haechan Mark Bong, Simon Roy, Euhid Aman, Giovanni Beltrame

机构 * Department of Computer Engineering and Software Engineering, Polytechnique Montréal（蒙特利尔理工学院计算机工程与软件工程系） ； MILA（蒙特利尔人工智能研究所） ； National Taiwan University of Science and Technology (NTUST)（台湾科技大学） 纠错

AI总结 本文研究了机器人技能预测问题，通过合成数据集和微调句子编码器，提出了一种小规模专用模型，在零样本提示下优于大型通用LLM，在机器人队伍任务路由中表现更佳。

Journal ref ICRA 2026 Workshop on Synthetic Data for Robot Learning

TERDNet: Transformer Encoder-Recurrent Decoder Network for Scene Change Detection

TERDNet: 用于场景变化检测的Transformer编码器-递归解码器网络

Jiae Yoon, Ue-Hwan Kim

机构 * Department of AI Convergence, Gwangju Institute of Science and Technology (GIST)（人工智能融合系，全州科学技术院（GIST）） 纠错

AI总结 本文提出TERDNet，一种用于场景变化检测的Transformer编码器-递归解码器网络，通过多级特征提取、特征融合模块、递归解码器和上采样模块，提升了场景变化检测的精度和鲁棒性。

Comments 8 pages, 4 figures. Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026

A Semantic and Occlusion-Aware GM-PHD Filter

一种语义和遮挡感知的GM-PHD滤波器

Jovan Menezes, Mark Campbell

机构 * Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学机械与航空航天工程系） 纠错

AI总结 本文提出了一种包含从深度学习中提取的语义信息的新出生模型，以创建一种遮挡感知的高斯混合概率假说密度（GM-PHD）滤波器。与以往依赖简单或统一假设的方法不同，所提出的语义-遮挡感知（S-OA）出生模型通过显式考虑遮挡区域并利用环境的语义信息来定义初始化项。这使滤波器能够准确表示新物体更可能出现的位置，从而在复杂和高密度的驾驶场景中提高跟踪性能。该方法通过蒙特卡洛模拟和KITTI数据集的实验进行评估。性能通过测量首次检测与跟踪初始化之间的延迟、平均绝对数量误差以及最优子模式分配（OSPA）度量来评估。结果表明，S-OA出生模型在遮挡密集的环境中减少了初始化延迟，在约70%的情况下匹配或优于最强基线。还提供了出生模型权重的敏感性分析。总体而言，研究结果强调了在自动驾驶中将遮挡推理和语义先验整合到贝叶斯跟踪框架中的优势。

Comments Accepted at ICRA 2026

Depth Completion in Unseen Field Robotics Environments Using Extremely Sparse Depth Measurements

在未见过的田间机器人环境中使用极稀疏深度测量进行深度补全

Marco Job, Thomas Stastny, Eleni Kelasidi, Roland Siegwart, Michael Pantic

机构 * Autonomous Systems Lab, ETH Zürich（瑞士苏黎世联邦理工学院自主系统实验室） ； Field Robotics Lab, NTNU（挪威特罗姆瑟大学场 robotics 实验室） 纠错

AI总结 本研究提出了一种深度补全模型，通过合成数据训练和极稀疏的深度传感器测量，在未见过的田间机器人环境中预测密集的度量深度，解决了低成本相机在田间机器人中应用受限的问题。

Comments Accepted to ICRA 2026

Enhancing Graph-Based SLAM in GNSS-Denied environments by leveraging leg odometry

通过利用腿部里程计增强基于图的SLAM在GNSS受限环境中的性能

Léon Perruchot-Triboulet, Luc Jaulin, Kai Xiao

机构 * LinxAI Tech（LinxAI科技） 纠错

AI总结 本文提出了一种基于因子图的架构，通过结合本体感觉腿部里程计和激光雷达-惯性里程计，有效减少了GNSS受限环境中视觉漂移，提高了SLAM的鲁棒性。

Comments 4 pages, 3 figures, 2 tables, for ICRA workshop on Robot Meets GNSS and Ranging for Seamless Autonomy

VL-DPO: Vision-Language-Guided Finetuning for Preference-Aligned Autonomous Driving

VL-DPO：基于视觉语言的偏好对齐自动驾驶微调

Zhefan Xu, Ghassen Jerfel, Marina Haliem, Qi Zhao, Jeonhyung Kang, Khaled S. Refaat

机构 * Waymo 纠错

AI总结 本文提出VL-DPO，一种基于视觉语言模型的框架，通过零样本推理生成偏好对来微调自动驾驶模型，以提升与人类驾驶偏好的对齐程度，实验表明该方法在RFS和ADE指标上均优于基线模型。

Comments Published in International Conference on Robotics and Automation (ICRA), 2026 8 pages, 6 figures, 4 tables

A Practical Framework of Key Performance Indicators for Multi-Robot Lunar and Planetary Field Tests

多机器人月球和行星实地测试的关键绩效指标实用框架

Julia Richter, David Oberacker, Gabriela Ligeza, Valentin T. Bickel, Philip Arm, William Talbot, Marvin Grosse Besselmann, Florian Kehl, Tristan Schnell, Hendrik Kolvenbach, Rüdiger Dillmann, Arne Roennau, Marco Hutter

机构 * Robotic Systems Lab (RSL), ETH Zürich（罗伯特系统实验室（RSL），苏黎世联邦理工学院） ； FZI Research Center for Information Technology（信息技术研究所以及中心） ； Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT)（机器智能与机器人实验室（MaiRo），卡尔斯鲁厄理工学院） ； Department of Environmental Sciences, University of Basel（巴塞尔大学环境科学系） ； European Space Agency/ESTEC（欧洲航天局/ESTEC） ； Center for Space and Habitability, University of Bern（伯尔尼大学空间与宜居性中心） ； Space Instruments Group, University of Zürich（苏黎世大学空间仪器组） ； Space Science and Technology, ETH Zürich（苏黎世联邦理工学院空间科学与技术） 纠错

AI总结 本文提出了一种基于多机器人月球场景的KPI框架，用于评估和比较不同实地测试的性能，强调效率、鲁棒性和精度的场景依赖性优先级，并通过实地测试验证了其在实际应用中的有效性。

Comments Presented at ICRA 2026 Workshop on Multi-Agent Robotic Systems: Real-World Collaboration and Interaction

D-CLING: Prior-Preserving Depth-Conditioned Fine-Tuning for Navigation Foundation Models

D-CLING: 保留先验知识的深度条件细调方法用于导航基础模型

Shintaro Nakaoka, Takayuki Kanai, Kazuhito Tanaka

机构 * Frontier Research Center, Toyota Motor Corporation（丰田电机公司前沿研究中心） 纠错

AI总结 本文提出了一种新的细调方法，通过利用大规模预训练同时高效学习新环境或相机配置等新设置，从而在保留预训练知识的同时提升导航模型的鲁棒性和准确性。

Comments This paper has been accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026), which will be held in Vienna, Austria, from June 1 to 5, 2026

Neural Operators for Design-Space Surrogate Modeling of Tendon-Actuated Continuum Robots

神经运算符用于腱驱动连续机器人设计空间的代理建模

Branden Frieden, James M. Ferguson, Alan Kuntz, Varun Shankar

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） ； The Departments of Computer Science and Electrical and Computer Engineering at Vanderbilt University（范德比大学计算机科学与电气与计算机工程系） 纠错

AI总结 本文提出了一种基于神经运算符的学习方法，用于腱驱动连续机器人的设计空间代理建模，通过映射机器人设计参数和腱驱动输入到最终配置，实现跨大量机器人设计的泛化能力。

Comments Accepted to ICRA 2026

COMPASS: Confined-space Manipulation Planning with Active Sensing Strategy

COMPASS：基于主动感知策略的受限空间操作规划

Qixuan Li, Chen Le, Dongyue Huang, Jincheng Yu, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，中国深圳） ； Department of Electronic Engineering, and the Institute for Embodied Intelligence and Robotics, Tsinghua University, Beijing, China（清华大学电子工程系，以及 embodied intelligence and robotics 研究院，中国北京） ； The School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院，新加坡） 纠错

AI总结 本文提出COMPASS框架，通过主动感知策略在受限和杂乱环境中实现安全操作，提高了操作成功率。

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

Dexora: Open-source VLA for High-DoF Bimanual Dexterity

Dexora: 开源的高自由度双臂灵巧性VLA系统

Zongzheng Zhang, Jingrui Pang, Zhuo Yang, Kun Li, Minwen Liao, Saining Zhang, Guoxuan Chi, Jinbang Guo, Huan-ang Gao, Modi Shi, Dongyun Ge, Yao Mu, Jiayuan Gu, Rui Chen, Hao Dong, Huazhe Xu, Li Yi, Yixin Zhu, Hang Zhao, Pengwei Wang, Shanghang Zhang, Guocai Yao, Jianyu Chen, Hongyang Li, Hao Zhao

机构 * Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； ShanghaiTech University（上海科技大学） ； Peking University（北京大学） 纠错

AI总结 本文提出Dexora，首个开源的VLA系统，旨在双臂双手高自由度操作，通过混合遥控管道分离粗臂运动和精细手指运动，结合物理平台和数字孪生，构建大规模训练数据集，并提出数据质量感知训练方法，实验证明其在基础和灵巧任务上的优越性能。

Comments Accpeted by ICRA 2026

Dynamic robotic cloth folding with efficient Koopman operator-based model predictive control

动态机器人布料折叠与高效的Koopman算子基于模型预测控制

Edoardo Caldarelli, Franco Coltraro, Adrià Colomé, Lorenzo Rosasco, Carme Torras

机构 * Istituto Italiano di Tecnologia（意大利技术研究院） ； Institut de Robòtica i Informàtica Industrial（机器人与信息技术研究所） ； MaLGa Center, DIBRIS, Università degli Studi di Genova（MaLGa中心，DIBRIS，热那亚大学） 纠错

AI总结 本文提出了一种基于Koopman算子的模型预测控制方法，用于快速生成布料折叠轨迹，结合物理仿真和高效的核基Koopman算子回归，以提高折叠任务的效率和精度。

Comments Accepted for presentation at the 2026 IEEE International Conference on Robotics and Automation (ICRA)

COLSON: Controllable Learning-Based Social Navigation via Diffusion-Based Reinforcement Learning

COLSON: 通过基于扩散的强化学习实现可控的社会导航

Kohei Matsumoto, Yuki Tomita, Yuki Hyodo, Ryo Kurazume

AI总结 本文提出了一种基于扩散的强化学习方法，用于社会导航，通过灵活的动作分布提高了导航的适应性和可控性，同时能够适应未见过的场景。

Comments ICRA 2026

Confidence-Gated Robot Autonomy: When Does Uncertainty Actually Help?

置信度门控机器人自主性：不确定性何时真的有帮助？

Johannes A. Gaus, Jhon P. F. Charaja, Daniel Haeufle

机构 * Hertie Institute for Clinical Brain Research & Center for Integrative Neuroscience, University of Tübingen（赫尔特研究所临床脑研究与整合神经科学中心，图宾根大学） 纠错

AI总结 本文研究了不确定性在机器人自主性决策中的作用，发现当基础模型具备一定能力时，简单的不确定性代理足以实现选择性门控，但无法用于语义新颖性检测。

Comments ICRA 2026 workshop paper