IROS

Task-Adaptive Design of Modular Aerial Manipulators Under Airflow Exposure Constraints

气流暴露约束下模块化空中机械手的任务自适应设计

Mengguang Li, Heinz Koeppl

机构 * Technische Universität Darmstadt（达姆施塔特工业大学） 纠错

AI总结 针对多旋翼平台空中操作中旋翼气流限制问题，提出基于优化的模块化空中机械手设计框架，联合考虑任务、末端执行器及气流约束，引入新分类与模型，通过重新配置优化适应多样任务需求，实验验证了框架有效性。

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

One-Shot Multimodal Learning from Demonstration with Force-Constrained Elastic Maps

基于力约束弹性映射的一次性多模态示范学习

Brendan Hertel, Jonathan Spanos, Navya Garg, Reza Azadeh

AI总结 针对多数示范学习方法忽视力与环境相互作用的问题，提出一次性多模态LfD框架。通过多模态概率分割提取力感知运动原语，扩展弹性映射表示并结合外力约束学习轨迹模型，经实验验证该方法具有多模态分割、力感知再现及跨平台通用性。

Comments 8 pages, 6 figures, 4 tables. Accepted for publication at IROS 2026

Hydra++: Real-Time Hierarchical 3D Scene Graph Construction With Object-Level Shape Estimation

Hydra++：通过对象级形状估计进行实时分层3D场景图构建

Hyungtae Lim, Nathan Hughes, Xihang Yu, Ruihan Xu, Yun Chang, Jingnan Shi, Rajat Talak, Luca Carlone

机构 * Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） 纠错

AI总结 研究如何将基于学习的对象形状估计器集成到分层3D场景图管道中，提出Hydra++系统。它结合形状估计和一致性检查，默认配置可在线构建场景图，支持混合配置应对室外挑战，实验证明其提高了对象和场景级重建质量。

Comments 8 pages, 12 figures, accepted in Proc. IEEE/RSJ IROS

StereoSplat+: Feed-Forward Stereo Gaussian Splatting with Diffusion-Assisted Progressive Inference

StereoSplat+：具有扩散辅助渐进推理的前馈立体高斯点云渲染

Zihua Liu, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） 纠错

AI总结 研究从单目立体观察恢复高质量3DGS场景的问题，提出StereoSplat+框架，包含StereoSplat估计器及扩散增强单步渐进推理方案，实验表明该方法提升了新视图渲染质量和几何精度，优于现有前馈3DGS基线。

Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)

OIPP: Object-Adaptive Impact Point Predictor for Catching Diverse In-Flight Objects

OIPP: 用于捕捉多样飞行物体的物体自适应冲击点预测器

Ngoc Huy Nguyen, Kazuki Shibata, Takamitsu Matsubara

机构 * Division of Information Science, Graduate School of Science and Technology, Nara Institute of Science and Technology (NAIST)（信息科学系，科技研究生学校，科学技术国立研究所（NAIST）） 纠错

AI总结 OIPP通过物体自适应编码器和冲击点预测器，提升飞行物体捕捉的准确性和多样性。

Comments Accepted to IEEE/RSJ IROS 2026

GraphSeg: Segmented 3D Representations via Graph Edge Addition and Contraction

GraphSeg: 通过图边添加和收缩实现分段3D表示

Haozhan Tang, Tianyi Zhang, Oliver Kroemer, Matthew Johnson-Roberson, Weiming Zhi

机构 * Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） 纠错

AI总结 GraphSeg通过图边添加和收缩实现高效的3D对象分割，提升机器人环境下的分割精度和一致性。

Journal ref Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026