IROS

Multi-Agent Next-Best-View Optimization for Risk-Averse Planning

多智能体风险规避规划中的下一最佳视角优化

Amirhossein Mollaei Khass, Vivek Pandey, Guangyi Liu, Athanasios Cosse, Emrah Bayrak, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（莱文大学机械工程与力学系） ； Amazon Robotics（亚马逊机器人） 纠错

AI总结 提出一种分布式、风险感知的多智能体下一最佳视角框架，通过共识ADMM优化信息增益并建模碰撞风险，在降低通信开销的同时接近集中式方法的映射质量和轨迹安全性。

Comments 8 pages, 5 figures. Submitted to IROS 2026

Gait learning for soft microrobots controlled by light fields

基于光场控制的软微机器人步态学习

Alexander von Rohr, Sebastian Trimpe, Alonso Marco, Peer Fischer, Stefano Palagi

机构 * Micro, Nano, and Molecular Systems Group, Max Planck Institute for Intelligent Systems（微、纳、分子系统组，人工智能系统马克斯·普朗克研究所） ； Max Planck ETH Center for Learning Systems（马克斯·普朗克-ETH学习系统中心） 纠错

AI总结 本文提出一种基于贝叶斯优化和高斯过程的概率学习方法，用于优化光场控制的软微机器人步态，通过有限实验预算实现高效且鲁棒的运动性能提升。

Comments 8 pages, 7 figures, to appear in the proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems 2018

Multi-Agent Image Classification via Reinforcement Learning

通过强化学习进行多智能体图像分类

Hossein K. Mousavi, Mohammadreza Nazari, Martin Takáč, Nader Motee

AI总结 本文研究了利用多个能够收集未知环境部分姿态依赖观测的移动智能体进行图像分类的问题，提出了一种网络架构，用于指导智能体形成局部信念、采取局部行动并从原始部分观测中提取相关特征，通过与邻居智能体交换信息更新自身信念，并利用强化学习技术实现分类问题的去中心化实现。

Comments Preprint of the paper to be published in IROS'19 proceedings

Nonlinear Model Predictive Control for 3D Formation of Multirotor Micro Aerial Vehicles with Relative Sensing in Local Coordinates

多旋翼微型飞行器在局部坐标系中基于相对感知的三维编队非线性模型预测控制

I. Kagan Erunsal, Rodrigo Ventura, Alcherio Martinoli

机构 * Institute for Systems and Robotics (ISR), IST, Lisbon, Portugal（系统与机器人研究所（ISR），IST，里斯本，葡萄牙） 纠错

AI总结 本文提出了一种基于相对感知信息的多旋翼微型飞行器三维编队控制方法，采用集中式非线性模型预测控制策略，通过引入六自由度数学模型实现了对编队的鲁棒控制。

Comments 8 pages, 10 figures, IROS'2019 (submitted)

Development of an Autonomous Sanding Robot with Structured-Light Technology

基于结构光技术的自主打磨机器人开发

Yingxin Huo, Diancheng Chen, Xiang Li, Peng Li, Yun-Hui Liu

机构 * CUHK T Stone Robotics Institute（CUHK T Stone机器人研究所） ； Innovation and Technology Commission of Hong Kong（香港创新及科技委员会） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文提出了一种能够自主完成未知物体打磨工作的机器人，通过结构光相机扫描建模、优化运动规划和阻抗模型控制，实现了无需人工干预的自主打磨。

Comments 7 pages, 11 figures, IEEE/RSJ International Conference on Intelligent Robots and Systems 2019

A General Framework for Structured Learning of Mechanical Systems

结构机械系统学习的通用框架

Jayesh K. Gupta, Kunal Menda, Zachary Manchester, Mykel J. Kochenderfer

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种通用框架，用于结构化学习机械系统，通过结合先验知识和训练表达式近似器来提高模型的准确性和效率。

Comments 10 pages, 7 figures. First two authors contributed equally. Submitted to IROS/RA-L. Code at https://github.com/sisl/mechamodlearn/

T-PFC: A Trajectory-Optimized Perturbation Feedback Control Approach

T-PFC：一种轨迹优化扰动反馈控制方法

Karthikeya S Parunandi, Suman Chakravorty

AI总结 本文提出了一种基于轨迹优化的扰动反馈控制方法，通过分离开环计划与闭环反馈增益，解决了动作不确定性下的最优控制问题，其性能在第三阶近似下接近最优，并通过大量数值模拟验证了其在中等噪声水平下的广泛适用性。

Comments Submitted to a RA-L with IROS

An integrated localization-navigation scheme for distance-based docking of UAVs

一种用于基于距离的无人机对接的集成定位-导航方案

Thien-Minh Nguyen, Zhirong Qiu, Muqing Cao, Thien Hoang Nguyen, Lihua Xie

AI总结 本文研究了使用一个放置在任意未知位置的单一地标来解决无人机的基于距离的对接问题，提出了一种集成的估计-控制方案，同时在有界速度下实现离散时间积分器的相对定位和导航任务，包括非线性自适应估计方案用于估计地标相对位置，以及精细的控制方案确保估计收敛和渐近对接，通过离散时间LaSalle不变原理证明收敛性，并在无GPS环境中使用配备超宽带测距传感器和光学流传感器的四旋翼无人机验证了理论发现。

Journal ref 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Tactile Regrasp: Grasp Adjustments via Simulated Tactile Transformations

触觉重抓：通过模拟触觉变换进行抓取调整

Francois R. Hogan, Maria Bauza, Oleguer Canal, Elliott Donlon, Alberto Rodriguez

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种新的重抓控制策略，利用触觉传感进行局部抓取调整。该方法通过虚拟搜索局部触觉测量变换来提高抓取质量。首先，使用深度卷积神经网络构建基于触觉的抓取质量度量，该网络在超过2800次抓取上进行训练。每个抓取的质量是一个介于0和1之间的连续值，通过实验测量其对外部扰动的抵抗性来确定。其次，通过刚体变换模拟机器人运动相对于初始抓取的触觉印记，新生成的触觉印记与学习的抓取质量网络进行评估，选择最大化抓取质量的重抓动作。结果表明，抓取质量网络在已知物体上的平均准确率为85%，在12个物体的交叉验证集上的准确率为75%。重抓控制策略在8个物体的测试集上将抓取动作的成功率提高了70%。

Comments Francois R. Hogan and Maria Bauza contributed equally to this work. 8 pages, 7 figures

Journal ref IROS 2018

Passive Compliance Control of Aerial Manipulators

空载合规控制的空中机械臂

Min Jun Kim, Ribin Balachandran, Marco De Stefano, Konstantin Kondak, Christian Ott

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

AI总结 本文提出了一种空载合规控制方法，通过合理选择末端执行器坐标和时间域被动技术，确保空中机械臂在无动力驱动情况下实现稳定环境交互。

Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2018

Probabilistic Learning of Torque Controllers from Kinematic and Force Constraints

基于概率学习的扭矩控制器从运动学和力约束中学习

João Silvério, Yanlong Huang, Leonel Rozo, Sylvain Calinon, Darwin G. Caldwell

机构 * Department of Advanced Robotics, Istituto Italiano di Tecnologia（意大利先进机器人研究所机器人部） ； Idiap Research Institute（Idiap研究 institute） 纠错

AI总结 本文提出一种概率方法，同时学习和合成扭矩控制命令，考虑任务空间、关节空间和力约束，通过概率学习不同扭矩控制器的相关性，结合高斯分布特性生成满足任务特征的新扭矩命令。

Comments Accepted for publication at 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Reach-Avoid Problems via Sum-of-Squares Optimization and Dynamic Programming

通过平方和优化与动态规划解决可达-回避问题

Benoit Landry, Mo Chen, Scott Hemley, Marco Pavone

AI总结 本文结合平方和优化与动态规划，提出一种保守解法，保证系统在可达与回避之间的切换，适用于多项式动力学和一般问题设置，并在计算效率上优于传统方法。

Comments International Conference on Intelligent Robots & Systems (IROS), 2018

Multi-Robot Transfer Learning: A Dynamical System Perspective

多机器人迁移学习：动态系统视角

Mohamed K. Helwa, Angela P. Schoellig

AI总结 本文从动态系统角度研究多机器人迁移学习中的最优转移映射性质，提出无需详细动力学知识的算法，通过实验验证该算法在四旋翼平台间迁移学习中减少60-70%的误差。

Comments 7 pages, 6 figures, accepted at the 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems

A Framework for Multi-Vehicle Navigation Using Feedback-Based Motion Primitives

多车辆导航的反馈基运动元器件框架

Marijan Vukosavljev, Zachary Kroeze, Mireille E. Broucke, Angela P. Schoellig

AI总结 本文提出了一种混合控制框架，利用有限的低级运动元器件生成复杂运动，通过 maneuver automaton 约束运动序列，通过最短路径非确定算法生成控制策略，实现多无人机在2D或3D空间中的鲁棒导航。

Comments 7 pages, 12 figures, to appear in Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems, 2017

Trajectory Tracking Using Motion Primitives for the Purcell's Swimmer

基于运动元的普尔彻游泳者轨迹跟踪

Sudin Kadam, Kedar Joshi, Naman Gupta, Pulkit Katdare, Ravi Banavar

AI总结 本文提出了一种新型原型和算法，用于基于李代数的3连杆平面普尔彻游泳者在低雷诺数下的运动控制，实现了基于视觉定位的开环控制系统，能够跟踪游泳者基链接合位置和姿态的任意连续轨迹。

Comments 8 pages, submitted to IROS 2017

Circular formation control of fixed-wing UAVs with constant speeds

固定翼无人机恒速圆形成形控制

Hector Garcia de Marina, Zhiyong Sun, Murat Bronz, Gautier Hattenberger

AI总结 本文提出了一种稳定固定翼无人机恒速圆形成形的算法，通过跟踪不同半径的圆来控制车辆相对于目标圆周的相位，确保团队在特定区域内保持约束。

Comments 6 pages, submitted to IROS 2017

Sensor Fusion for Robot Control through Deep Reinforcement Learning

通过深度强化学习实现机器人控制的传感器融合

Steven Bohez, Tim Verbelen, Elias De Coninck, Bert Vankeirsbilck, Pieter Simoens, Bart Dhoedt

AI总结 本文提出通过深度强化学习实现机器人传感器信息融合，提升机器人在搜索和拾取任务中的鲁棒性和性能。

Comments 6 pages, 6 figures, submitted to IROS 2017

Decentralized 2-D Control of Vehicular Platoons under Limited Visual Feedback

车辆编队的二维去中心化控制在有限视觉反馈下

Christos K. Verginis, Charalampos P. Bechlioulis, Dimos V. Dimarogonas, Kostas J. Kyriakopoulos

AI总结 本文研究了车辆编队在二维平面上的前导-跟随控制问题，设计了一种去中心化运动控制协议，通过本地信息和车载摄像头实现车辆自主控制，避免碰撞和连接断裂，通过仿真验证有效性。

Comments Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (IROS), 2015

Route Swarm: Wireless Network Optimization through Mobility

路由蜂群：通过移动性实现无线网络优化

Ryan K. Williams, Andrea Gasparri, Bhaskar Krishnamachari

AI总结 本文提出一种混合架构，用于协调网络化机器人在传感和信息路由中的应用。通过动态重构机器人网络，确保静态无线节点间的高质量路由，实现信息流与物理控制的解耦。

Comments 9 pages, 4 figures, submitted to the IEEE International Conference on Intelligent Robots and Systems (IROS) 2014

Correct-by-synthesis reinforcement learning with temporal logic constraints

通过时序逻辑约束的正确性合成强化学习

Min Wen, Ruediger Ehlers, Ufuk Topcu

AI总结 本文提出一种通过时序逻辑约束的正确性合成强化学习方法，结合最大许可策略和maximin-Q学习算法，实现系统满足规格的同时优化未知性能指标。

Comments 8 pages, 3 figures, 2 tables, submitted to IROS 2015