IROS

Safe-SAGE: Social-Semantic Adaptive Guidance for Safe Engagement through Laplace-Modulated Poisson Safety Functions

Safe-SAGE: 通过拉普拉斯调制泊松安全函数实现安全交互的社会-语义自适应引导

Lizhi Yang, Ryan M. Bena, Meg Wilkinson, Gilbert Bahati, Andy Navarro Brenes, Ryan K. Cosner, Aaron D. Ames

机构 * Caltech MCE（Caltech机械工程系） ； Tufts ME（Tufts大学机械工程系） 纠错

AI总结 提出Safe-SAGE框架，结合泊松安全函数与拉普拉斯引导场，融合多传感器点云与视觉语义分割，通过多层安全滤波器实现腿式机器人在语义丰富动态环境中的安全导航。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Copyright transferred to IEEE

Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing

基于鲁棒紧耦合滤波器的单目视觉惯性状态估计与图优化评估用于自主无人机竞速

Maulana Bisyir Azhari, Donghun Han, Sung Jun Park, David Hyunchul Shim

机构 * Unmanned Systems Research Group (USRG), School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（无人系统研究组（USRG）、电气工程学院、韩国科学技术院（KAIST）） 纠错

AI总结 提出ADR-VINS，一种基于误差状态卡尔曼滤波器的单目视觉惯性框架，通过直接像素重投影误差实现鲁棒状态估计，仅需两个可见角点；并引入ADR-FGO离线图优化生成高保真参考轨迹，用于无GNSS环境下的性能评估。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Self-Curriculum Model-based Reinforcement Learning for Shape Control of Deformable Linear Objects

基于自课程模型的可变形线性物体形状控制强化学习

Zhaowei Liang, Song Wang, Zhao Jin, Shirui Wu, Dan Wu

机构 * Department of Mechanical Engineering, Tsinghua University（清华大学机械工程系） 纠错

AI总结 提出两阶段框架，结合基于模型强化学习与在线视觉伺服，通过自课程目标生成机制实现可变形线性物体高效精确的形状控制，在仿真和真实任务中优于主流方法。

Comments Accepted to IROS 2026

Schur-MI: Fast Mutual Information for Robotic Information Gathering

Schur-MI：用于机器人信息收集的快速互信息

Kalvik Jakkala, Jason O'Kane, Srinivas Akella

机构 * Texas A&M University（德克萨斯农工大学） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） 纠错

AI总结 提出Schur-MI，利用迭代结构和Schur补分解将互信息计算复杂度从O(|V|^3)降至O(|A|^3)，在真实测深数据集上实现最高12.7倍加速，并成功用于自主水面车辆的在线路径规划。

Comments IROS 2026

SHIELD: Safety on Humanoids via CBFs In Expectation on Learned Dynamics

SHIELD: 基于学习动力学期望的控制障碍函数实现人形机器人安全

Lizhi Yang, Blake Werner, Ryan K. Cosner, David Fridovich-Keil, Preston Culbertson, Aaron D. Ames

机构 * Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系） ； Aerospace Engineering and Engineering Mechanics, UT Austin（德克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； Computer Science, Cornell University（康奈尔大学计算机科学系） 纠错

AI总结 提出SHIELD框架，通过训练随机动力学残差模型并利用随机离散时间CBF在概率上保证安全，为黑箱RL控制器添加最小侵入式安全层，在Unitree G1人形机器人上实现安全导航。

Comments Accepted to the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025). Copyright transferred to IEEE. Video at https://youtu.be/-Qv1wR4jfj4

ScanBot: A Benchmark for Precision Robotic Surface Scanning with Industrial Laser Profilers

ScanBot: 一种用于工业激光轮廓仪精密机器人表面扫描的基准

Zhiling Chen, Yang Zhang, Fardin Jalil Piran, Qianyu Zhou, Jiong Tang, Farhad Imani

机构 * University of Connecticut（康涅狄格大学） 纠错

AI总结 提出ScanBot基准，用于机器人工业激光轮廓仪的高精度表面扫描，包含二十个物体、六类任务，评估方法分为传感器参数推荐和轨迹生成两阶段。

Comments 9 pages, 7 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Intent-Handover: Grounding Language in Human-Usage Regions for Trustworthy Robot-to-Human Handovers

Intent-Handover：在人类使用区域中接地语言以实现可信的机器人到人交接

Hanxin Zhang, Abdulqader Dhafer, Hongbiao Dong, Zhou Daniel Hao

机构 * DANiLab, University of Leicester（莱斯特大学DANiLab） ； University of Leicester（莱斯特大学） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） ； School of Metallurgy and Materials, University of Birmingham（伯明翰大学冶金与材料学院） 纠错

AI总结 提出Intent-Handover方法，通过视觉语言模型识别目标物体和人类使用区域，结合抓取优化和人体姿态跟踪，实现安全、可信的机器人到人物体交接。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)