IROS

Robots Ask the Way: Communication-Enabled Social Navigation

机器人问路：支持通信的社交导航

Valentino Sacco, Luca Scofano, Indro Spinelli, Fabio Galasso

机构 * Sapienza University of Rome（罗马大学） 纠错

AI总结 提出CommNav任务，让机器人通过主动与居民通信获取信息来定位目标个体，在Habitat 3.0c环境中评估，通信模块使导航成功率提升10个百分点，且对自然语言鲁棒。

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

Robust Operational Space Control with Conformal Disturbance Bounds for Safe Redundant Manipulation

具有共形扰动边界的鲁棒操作空间控制用于安全冗余操作

Wenhua Liu, Fan Zhang, Qin Lin

机构 * Department of Engineering Technology and the Department of Electrical and Computer Engineering, University of Houston（工程科技系和电气与计算机工程系，休斯顿大学） 纠错

AI总结 提出结合扩展状态观测器和共形预测的鲁棒操作空间控制框架，在动态不确定性下实现冗余机械臂的精确任务空间跟踪与安全保证。

Comments Paper accepted to IROS 2026

What's Hidden Matters: Identifying Planning-Critical Occluded Agents using Vision-Language Models

隐藏之物至关重要：使用视觉语言模型识别规划关键性的被遮挡智能体

Amirhosein Chahe, Tyler Naes, Jovin D'sa, Faizan M. Tariq, Sangjae Bae, Lifeng Zhou, David Isele

AI总结 提出利用视觉语言模型（VLM）识别对自车轨迹影响最大的被遮挡智能体，通过规划KL散度（PKL）度量进行排序，并微调VLM以提升性能，实验表明该方法比随机采样提升约30%。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 9 pages, 5 figures, 5 tables

HydraCollab: Adaptive Collaborative-Perception for Distributed Autonomous Systems

HydraCollab：面向分布式自主系统的自适应协同感知

Luke Chen, Cheng-Ju Wu, David R. Martin, Qilin Ye, Pramod Khargonekar, Mohammad Abdullah Al Faruque

机构 * Department of Electrical Engineering and Computer Science, University of California, Irvine, USA（电气工程与计算机科学系，加州大学尔湾分校） 纠错

AI总结 提出HydraCollab框架，通过选择性传输最信息丰富的传感器特征和基于空间置信度图动态切换协作策略，在带宽受限下实现感知精度与通信开销的最佳权衡。

Comments Accepted at IROS 2026

Learning Expert Strategy for Autonomous Robotic Endovascular Intervention via Decoupled Procedural Execution

通过解耦程序执行学习自主机器人血管内介入的专家策略

Yanxi Chen, Tianliang Yao, Shaolong Tang, Jiyuan Zhao, Hengyu Hu, Zhaoxing Li, Antonio J. Sánchez Egea, Peng Qi

机构 * Tongji University（同济大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai University（上海大学） ； Universitat Politècnica de Catalunya (UPC)（加泰罗尼亚理工大学） 纠错

AI总结 提出一种基于学习的专家策略，通过将高层策略决策与低层程序执行解耦，实现自主血管内导航，在仿真和真实机器人上达到>96%成功率并减少29.3%操作步骤。

Comments This paper has been accepted by IEEE/RSJ IROS 2026. 8 pages, 4 figures, 3 tables

Decentralized Geometric Control for Cable-Suspended Payload Transport with Adaptive Mass Estimation

基于自适应质量估计的缆绳悬挂载荷运输的分散几何控制

Hadi Hajieghrary, Benedikt Walter, Paul Schmitt, Miguel Hurtado

机构 * MassRobotics 纠错

AI总结 提出GPAC四层分层架构，通过隐式协调实现多四旋翼无中心协调运输缆绳悬挂载荷，结合几何控制、自适应质量估计和CBF安全滤波，仿真显示低计算成本下平均跟踪误差33.8厘米。

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

3D HAMSTER: Bridging Planning and Control in Hierarchical Vision Language Action Models through 3D Trajectory Guidance

3D HAMSTER：通过3D轨迹引导在分层视觉语言动作模型中桥接规划与控制

Dongyoon Hwang, Byungkun Lee, Dongjin Kim, Hyojin Jang, Hoiyeong Jin, Jueun Mun, Minho Park, Hojoon Lee, Hyunseung Kim, Jaegul Choo

机构 * Kim Jaechul Graduate School of AI, KAIST（韩国科学技术院金载哲人工智能研究生院） ； Graduate School of Artificial Intelligence, POSTECH（浦项工业大学人工智能研究生院） ； KRAFTON AI 纠错

AI总结 提出3D HAMSTER框架，通过让规划器直接输出度量可靠的3D轨迹，弥合2D引导与3D低层策略之间的差距，在3D轨迹预测、仿真和真实操作中优于现有方法。

Comments Published in IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026. Code: https://github.com/DAVIAN-Robotics/3D_HAMSTER. Project page: https://davian-robotics.github.io/3D_HAMSTER/

PhyPush: One Push is All You Need for Sensorless Physical Property Estimation with Physics-Guided Transformers

PhyPush：基于物理引导的Transformer，一次推动即可实现无传感器物理属性估计

Koyo Fujii, Luis Figueredo, Praminda Caleb-Solly, Ivan Boschi, Edoardo Ida', Marco Carricato, Aly Magassouba

机构 * School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； Dept. of Industrial Engineering, University of Bologna（博洛尼亚大学工业工程系） 纠错

AI总结 提出PhyPush框架，利用物理引导的Transformer从单次推动的末端执行器速度估计物体质量和摩擦系数，通过牛顿第二定律和库仑摩擦模型约束提升物理一致性和泛化能力。

Comments Accepted to 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems

Planning over MAPF Agent Dependencies via Multi-Dependency PIBT

通过多依赖PIBT规划MAPF智能体依赖关系

Zixiang Jiang, Yulun Zhang, Rishi Veerapaneni, Jiaoyang Li

机构 * University Of Melbourne（墨尔本大学） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 提出多依赖PIBT（MD-PIBT）框架，通过搜索智能体依赖关系来规划多智能体路径，在拥挤环境中高效处理多达10000个智能体，支持多种运动学约束。

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

VolumeDP: Modeling Volumetric Representation for Manipulation Policy Learning

VolumeDP: 用于操作策略学习的体积表示建模

Tianxing Zhou, Feiyang Xue, Zhangchen Ye, Tianyuan Yuan, Hang Zhao, Tao Jiang

机构 * IIIS, Tsinghua University（清华大学智能产业研究院） ； Galaxea AI 纠错

AI总结 提出VolumeDP策略架构，通过体积表示显式3D推理解决2D-3D不匹配问题，在LIBERO基准上达到88.8%平均成功率，比最强基线提升14.8%。

Comments Accepted to IROS 2026

NOVA: Next-step Open-Vocabulary Autoregression for 3D Multi-Object Tracking in Autonomous Driving

NOVA：自动驾驶中3D多目标跟踪的下一步开放词汇自回归

Kai Luo, Xu Wang, Rui Fan, Kailun Yang

机构 * College of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与运载工程学院） ； State Key Laboratory of Intelligent Autonomous Systems, Tongji University（同济大学智能自主系统国家重点实验室） 纠错

AI总结 提出NOVA方法，通过自回归关联将3D多目标跟踪转化为轨迹条件时空语义序列完成，利用大语言模型实现开放词汇泛化，在nuScenes等数据集上显著提升新类别跟踪性能。

Comments Accepted to IROS 2026. Code will be available at https://github.com/xifen523/NOVA