期刊&会议
International Conference on Intelligent Robots and Systems · 会议 · Robotics
WayFinder：用于零样本航点生成和低级运动控制的分层视觉-语言-动作框架
机构 * San Diego State University（圣地亚哥州立大学） ； University of California, Irvine（加利福尼亚大学尔湾分校）
AI总结 WayFinder提出分层VLA框架，解耦高级推理与低级控制，零样本生成航点，在AirSim中提升导航成功率最高27.45%，无需微调。
Comments 8 pages, 1 figure, 5 tables, Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
重组机器人学：超越形态的跨域、开放集与终身模块化
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出重组机器人学，旨在通过跨硬件、软件、计算与行为的异构模块重组，最大化集成跨度并最小化集成惯性，以提升机器人基本能力的适应性，并定义问题、结合实例提出开放问题。
Comments 2026 IEEE/RSJ IROS Workshop on Reconfigurable Modular Robots
ProAct-VLM：具有连续感知反馈的故障前视觉语言任务重规划
机构 * Khalifa University（哈利法大学） ； Sereact GmbH（Sereact公司）
AI总结 ProAct-VLM提出一种自适应任务规划框架，通过实时感知反馈循环集成视觉语言模型，在故障发生前持续监控环境并重规划，提高动态长时程操作任务的成功率和效率。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://github.com/moured/ProAct-VLM
RoboFin3D：用于机器人表面处理的仿真到现实平台
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 RoboFin3D是基于Isaac Sim和Newton物理引擎的仿真到现实平台，通过SDF建模工件几何和表面场模拟外观变化，并引入WeldGen生成多样资产，校准后仿真数据提升感知模型性能，如SAM2分割IoU从77.15%提升至97.41%。
Comments Accepted for poster presentation at the IROS 2026 Workshop on Sim2Real and Classical Control: From Rigorous Theory to Data-Driven Robotics
NIDAR：用于可扩展场景无关的LiDAR强度重建的近红外引导的内在分解
AI总结 NIDAR提出一种前馈框架，利用预训练伪近红外转换和层次化内在分解，从RGB和几何合成LiDAR强度，无需目标场景标签，在Waymo和nuScenes上验证了有效性和可扩展性。
Comments 9 pages, 8 figures. Accepted by IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
GlassFormer：利用雷达-深度融合实现实时玻璃分割
机构 * Robotics Research Center, IIIT Hyderabad（海得拉巴国际信息技术学院机器人研究中心） ； IIT-Jodhpur（印度理工学院焦特布尔分校）
AI总结 提出GlassFormer，融合毫米波雷达与RGB-D实现实时玻璃分割，利用雷达反射生成空间先验，在低光下较纯视觉方法显著提升鲁棒性。
Comments Accepted for presentation at IEEE IROS 2026. Code available at https://github.com/Suhani92/GlassFormer
黎曼样条回归模型：用于在任意黎曼流形上学习时间场
AI总结 针对任意黎曼流形上的运动规划，提出一种无需坐标投影的样条回归模型，结合包裹高斯分布样条学习到达时间场，在多个流形上验证了其准确性与模型规模优势。
Comments 5 pages, 2 figures, Spotlight Paper at IEEE/RSJ IROS Workshop on Geometric Representations in Robotics
Gondola：面向泛化机器人操作的具身视觉语言规划
AI总结 针对机器人操作泛化性不足的问题，提出基于LLM的多视图具身视觉语言规划模型Gondola，搭配三类自建训练数据集，在GemBench的四个泛化层级上均超越现有最优方法。
Comments Accepted to IROS 2026
复合自适应控制的收缩动态表示统计学习
机构 * California Institute of Technology (Caltech)（加州理工学院） ； Jet Propulsion Laboratory (JPL)（喷气推进实验室）
AI总结 提出一种统计学习框架，通过硬EM和卡尔曼平滑学习收缩扰动表示，结合贝叶斯滤波实现复合自适应跟踪控制，实验验证了预测能力和性能提升。
Comments 9 pages, including an additional one-page appendix in this arXiv version. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
CoBrush：一种用于人机共绘的分层规划框架
机构 * Delft University of Technology（代尔夫特理工大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 CoBrush提出分层规划框架，将多轮人机共绘分解为语义、空间和执行过程，提升语义对齐、空间稳定性和动作合理性，支持复杂场景的渐进式构建。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
可微物理优化在机器人材料操控中的数值可靠性研究
机构 * Cardiff University（卡迪夫大学） ； Hohai University（河海大学）
AI总结 本研究通过MPM系统辨识基准，揭示可微物理优化在机器人材料操控中因GPU求和顺序、有限差分不可靠及目标定义差异导致的数值问题，并提出可复现累加与验证建议。
Comments Accepted as an oral presentation at the IROS 2026 workshop: Deformable Objects Manipulation: Research Foundations, Reproducibility and Real-World Challenges
基于步态预测的模型信息安全强化学习用于双足运动
机构 * The Ohio State University（俄亥俄州立大学）
AI总结 提出基于ALIP模板和DECBF安全证书的模型信息强化学习框架，通过训练整形和运行时动作过滤实现双足运动安全，实验表明减少安全违规但存在安全跟踪权衡。
Comments Accepted to IROS 2026
交互式机器人规划中意图消歧的贝叶斯主动学习
机构 * Massachusetts Institute of Technology（麻省理工学院） ； GE Vernova（通用电气维诺瓦）
AI总结 针对交互式机器人规划中指令歧义问题，提出贝叶斯主动学习框架，利用LLM初始化STL规范并优化澄清查询，提升任务满意度并减少澄清轮次。
Comments Accepted by CoRL 2026, also presented at IROS 2026 Human-Robot Dialogue workshop
机器人操作中的测试时空间推理：基于生成式真实到仿真
机构 * Robotics and AI Institute（机器人与人工智能研究所） ； Imperial College London（伦敦帝国理工学院）
AI总结 提出Simify框架，利用生成式真实到仿真重建与大规模并行物理仿真，在测试时进行显式空间推理，通过进化搜索优化物体排列，在真实机器人上实现端到端复杂重排任务，优于先前基础模型方法。
Comments IROS 2026
DeltaSeek：面向不断演化的施工环境中的主动感知
机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校）
AI总结 针对施工环境动态变化导致静态感知失效的问题，提出DeltaSeek框架，形式化具身允许观察集，并通过实验区分感知限制与获取成本，验证腕部相机在解决底盘无法观察的变化上更高效。
Comments 4 pages, 3 figures, IROS Workshop 2026
ReLoc：重新思考用于鲁棒室外基于LiDAR定位的场景坐标回归架构
机构 * Hanyang University（汉阳大学）
AI总结 ReLoc通过重新设计全局嵌入和引入注意力局部特征增强，解决了SCR在室外LiDAR定位中细粒度区分不足和噪声传播问题，实现最先进精度并保持实时性能。
Comments Accepted to IROS 2026
PrefMoE：基于专家混合的鲁棒偏好建模
机构 * Purdue University（普渡大学） ； Beijing University of Chemical Technology（北京化工大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校）
AI总结 PrefMoE通过混合专家框架提升偏好建模鲁棒性，采用轨迹级软路由结合多个专用奖励专家，有效处理异质且部分冲突的偏好监督，提升下游策略学习可靠性。
Comments IROS 2026
DM$^3$-Nav：去中心化多智能体多模态多目标语义导航
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学）
AI总结 DM$^3$-Nav是一种去中心化的多智能体语义导航系统，支持多模态开放词汇目标指定和多目标任务，通过局部通信实现自主协调，验证了在真实办公环境中的有效性。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots & Systems (IROS) 2026
基于AI的珊瑚重新播种设备部署用于大堡礁大规模恢复
机构 * Queensland University of Technology（昆士兰理工大学） ； QUT Centre for Robotics（昆士兰理工大学机器人中心） ； School of Electrical Engineering and Robotics（电气工程与机器人学院） ； Australian Institute of Marine Science（澳大利亚海洋科学研究所）
AI总结 本文提出一个高度可配置的AI管道，用于实时部署珊瑚重新播种设备，通过图像标注方案、分类器和决策模块提升珊瑚礁恢复效率，实测准确率达77.8%。
Comments Published in the Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, 2026. 8 pages, 5 figures
基于仿射空间网络导数的鲁棒高效MuJoCo模型预测控制
机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系）
AI总结 针对MJPC中有限差分导数计算瓶颈，引入仿射空间网络（WASP）导数替代，实现高效稳定的导数计算，在多种机器人任务中实现高达2倍加速，并优于随机采样规划器。
Comments Accepted to 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
利用高效几何感知视觉编码器改进机器人操作
机构 * Department of Computer Vision, Mohammed bin Zayed University of Artificial Intelligence（计算机视觉系，穆罕默德·本·扎耶德人工智能大学） ； AIT Austrian Institute of Technology GmbH（奥地利技术研究所）
AI总结 本文提出从VGGT蒸馏的高效几何感知视觉编码器eVGGT，在保持3D推理能力的同时将速度提升近9倍、体积缩小5倍，并在ACT和DP等模仿学习框架中使操作成功率最高提升6.5%。
Comments IROS 2026. Project page: https://evggt.github.io/
PHASE：基于柔顺触觉的少样本插装学习相位检索
机构 * The University of Tokyo（东京大学） ； OMRON SINIC X Corporation（欧姆龙SINIC X公司）
AI总结 针对接触丰富插入任务少样本学习难的问题，提出PHASE框架，利用柔顺腕部触觉信号进行相位感知分割与检索，在真实销孔插入中成功率提升13个百分点，未见位置下提升30个百分点。
Comments Accepted ro IROS 2026. Project page: https://omron-sinicx.github.io/phase/
野外空中操纵：机载感知、策略学习与全身控制
机构 * Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 针对户外空中操纵的挑战，提出集成模仿学习、机载激光雷达-惯性状态估计和全身MPC的框架，实验验证了其在物理平台上的有效性。
Comments 5 pages, 4 figures. Accepted by 5th Workshop on Mobile Manipulation and Embodied Intelligence (MoMA.v5) at IROS 2026
触觉传感阵列用于人形手多指节感知
机构 * New Jersey Institute of Technology (NJIT)（新泽西理工学院）
AI总结 本研究提出一种基于Velostat的低成本人形手指触觉阵列，实现多指节接触感知，并通过结构优化将恢复时间缩短74%，为抓取操作提供可靠反馈。
Comments Accepted to be presented at IROS Workshop Touch2Action
超越最终任务成功率：如何审计机器人中的视觉经验检索
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Centific
AI总结 本文提出一种审计机器人视觉经验检索的方法，通过穷举执行所有经验来区分选择规则与经验库质量，发现视觉规则易集中于单一经验且排序能力有限，并建议报告经验分布与事后最佳经验成功率。
Comments Accepted to the IROS 2026 Workshop on Embodied Neuro-Symbolic AI for Reliable and Safe Robotics (ReS AI)
机器人工人的施工任务活动分类学
机构 * University of California-Irvine（加利福尼亚大学欧文分校） ； UCInspire
AI总结 该研究提出基于职业的TARCAT分类学，定义施工任务的动作基元，在机械臂上演示相关基元，为通用施工机器人开发提供通用词汇。
Comments Accepted at "IROS 2026 5th Workshop on Future of Construction"
用于实时紧密四旋翼编队飞行的保平坦度残差学习
机构 * GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）
AI总结 针对紧密编队飞行四旋翼受空气动力学相互作用影响问题，提出基于物理的残差动力学学习框架，设计高效反馈线性化控制器，经硬件实验验证其能降低跟踪误差，在低计算量下达到NMPC跟踪性能，且短训练数据和低循环速率可实现稳定编队飞行。
Comments Accepted at IROS 26'
具有事后训练可达性验证的安全强化学习用于机器人导航
机构 * University of Liverpool（利物浦大学） ； Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
AI总结 本文提出一种基于条件价值风险约束的强化学习框架，通过训练对高成本尾部结果敏感的策略，并在训练后利用神经网络可达性验证评估其安全边际，实验表明该方法在导航任务中实现了更高的安全验证率。
Comments Accepted to IROS 2026
基于历史条件的时空视觉令牌剪枝用于高效视觉-语言导航
机构 * Department of Computer and Information Sciences at the University of Delaware（德克萨斯大学达勒姆分校计算机与信息科学系） ； University of Maryland’s Department of Computer Science（马里兰大学计算机科学系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出一种无需训练的时空视觉令牌剪枝框架，通过空间令牌选择和时空压缩减少冗余计算，在保持导航精度的同时显著提升推理效率，并在真实机器人上验证了低延迟指令跟随导航。
Comments International Conference on Intelligent Robots and Systems (IROS) 2026
成对近似可能选出错误的多机器人计划
机构 * National University of Singapore（新加坡国立大学） ； Singapore Technologies Engineering（新加坡科技工程有限公司）
AI总结 针对多机器人计划评分中忽略高阶项的问题，本文通过对比成对近似与实际覆盖函数，发现成对近似常导致错误选择，且低重建误差不保证低选择遗憾。
Comments 6 pages, 4 figures, 1 table. Accepted at the IROS 2026 Workshop on Intelligent Information Gathering. Code: https://github.com/williamteo/pairwise-regret
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