IROS

Catch, Throw, Repeat: Planning for Human-Robot Partner Juggling

接住、抛出、重复：人机搭档杂耍的规划

Jonathan Rainer Lippert, Kai Ploeger, Abir Chowdhury, Hermann Müller, Jan Peters, Alap Kshirsagar

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； Justus-Liebig University Gießen（吉森尤斯 - 李比希大学） ； German Research Center for AI (DFKI)（德国人工智能研究中心（DFKI）） ； Robotics Institute Germany（德国机器人研究所） ； Indian Institute of Technology Delhi - Abu Dhabi（印度理工学院德里分校 - 阿布扎比） 纠错

AI总结 研究人机搭档杂耍问题，提出实时规划和控制架构，集成多种技术实现同步多球杂耍。通过用户研究，证明系统能达成三球级联共享，参与者成绩超此前最佳，提升了人机物理交互和共享自主性。

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

KineFuse: Kinematic-Aware Haptic Fusion for In-Hand Occluded-Object Pose Tracking

KineFuse：用于手中遮挡物体姿态跟踪的运动感知触觉融合

Chanyoung Ahn, Jaesung Lee, Sungwoo Park, Donghyun Hwang

机构 * Center for Humanoid Research, KIST（韩国科学技术院人形机器人研究中心） ； Korea University（韩国大学） 纠错

AI总结 研究如何利用多手指手上的稀疏触觉信号补充预训练视觉姿态跟踪器以应对遮挡，提出运动感知手指级编码器，经多级别评估对比，验证其能提升跟踪成功率，在下游任务表现更好并提供真实世界演示。

Comments 8 pages, 10 figures. Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

BridgeFlow: Fast and Robust SE(2)-Equivariant Motion Planning with Flow Matching

BridgeFlow：基于流匹配的快速且鲁棒的 SE(2) 等变运动规划

Xinzhe Zhou, Xuyang Wang, Xiaoming Duan, Jianping He

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） 纠错

AI总结 研究针对机器人运动规划中刚体变换等变性难题，提出BridgeFlow框架，通过轻量级模块实现等变性，结合布朗桥信息先验与最优传输加速推理，并嵌入环境感知，相比基线有速度和轨迹率优势，可稳健泛化。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures

Reinforcement Learning for the Full Strawberry Harvesting Process: Obstacle Separation, Detachment, and Placement

用于完整草莓收获过程的强化学习：障碍物分离、采摘和放置

Changyou Miao, Teng Li, Ya Xiong

机构 * Beijing Academy of Agriculture and Forestry Sciences（北京市农林科学院） ； Huazhong Agricultural University（华中农业大学） 纠错

AI总结 针对机器人草莓采摘中复杂接触动力学问题，开发含启发式阶段协调的强化学习框架，通过共享策略、观察空间及分层架构实现任务，采用相关技术支持模拟到现实转移，实验验证了该方法在不同平台的有效性。

Comments Accepted to IROS 2026

NavCMPO: Critic-Guided MeanFlow Policy Optimization for Adaptive Navigation

NavCMPO：用于自适应导航的评论家引导的平均流策略优化

Junjie An, Yi Wu, Xiao Liu, Yiqun Zhou, Yuechen Wu, Xiaoqing Guan, You Wang, Guang Li

机构 * Zhejiang University（浙江大学） ； Shandong University（山东大学） 纠错

AI总结 研究针对无地图视觉导航中策略的问题，提出NavCMPO框架，结合平均流轨迹生成、评论家引导细化和强化学习微调。在InternVLA - N1基准上有高成功率且降低推理延迟，并在Unitree Go2上实现有效模拟到现实的迁移。

Comments Accepted for presentation at IROS 2026

SoftNav: Injecting 3D Scene Tokens into VLMs for Embodied Navigation

SoftNav：将3D场景令牌注入视觉语言模型以进行具身导航

Yi Wu, Junjie An, Xiao Liu, Yiqun Zhou, Yuechen Wu, Xiaoqing Guan, Shuyang Yu, You Wang, Guang Li

机构 * Zhejiang University（浙江大学） ； Shandong University（山东大学） 纠错

AI总结 研究针对具身导航中3D场景理解与导航推理协同问题，提出SoftNav方法，通过轻量级投影仪将3D连续表示作为软令牌注入VLM隐藏空间，在HM3D-OVON上超越先前方法，且能零样本转移到其他场景，弥合表征差距实现可转移导航。

Comments 8 pages, 6 figures. Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers

超越隐式力：在使用Transformer的动作分块中评估显式力-扭矩代理

King Hang Wong, Lingqiao Liu, Feras Dayoub

机构 * Australian Institute for Machine Learning (AIML), Adelaide University（澳大利亚机器学习研究所（AIML），阿德莱德大学） 纠错

AI总结 研究在动作分块中ACT的力感知是否依赖遥操作隐式线索，引入以观察为中心的变体，评估简单关节扭矩代理。去除隐式线索致力关键阶段失败，扭矩增强策略可恢复接触行为并改进基础策略，证明隐式线索是力感知可恢复来源。

Comments Accepted to IROS 2026

Safe Execution of RL Policies Via Acceleration-Based CBF-QP Constraint Enforcement for Real-World Robotic Deployments

通过基于加速度的CBF-QP约束执行实现强化学习策略在实际机器人部署中的安全执行

Bastien Muraccioli, Alice Cariou, Pierre-Alexandre Leziart, Mathieu Celerier, Arnaud Demont, Gentiane Venture, Mehdi Benallegue

机构 * CNRS–AIST Joint Robotics Laboratory (JRL)（法国国家科学研究中心与日本产业技术综合研究所联合机器人实验室） ； AIST（日本产业技术综合研究所） ； The University of Tokyo（东京大学） 纠错

AI总结 研究针对强化学习缺乏安全保障限制硬件部署的问题，提出基于加速度的CBF-QP安全过滤器Acc-CBF-QP，能在运行时约束策略于安全集，减少约束违反，保留标称任务性能，在机器人实验中效果显著，且流程开源。

Comments 8 pages, 4 figures. Accepted for publication at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Mixed-Agent Museum Tour Guide Design Improves Gendered Learning Outcomes and Visitor Preferences

混合智能体博物馆导游设计提升性别化学习成果及游客偏好

Annette M. Masterson, Wonse Jo, Helena C. Sieh, Lionel P. Robert,, Dawn Tilbury

机构 * University of Michigan（密歇根大学） ； Incheon National University（仁川国立大学） 纠错

AI总结 研究博物馆中机器人导游，提出结合实体与虚拟智能体的混合导游系统，经30人受试者内研究验证，发现其提升女性学习表现，各条件下参与度和体验质量一致，且无论性别参与者都更偏好混合智能体团队。

Comments Accepted on IROS 2026, 8 pages

Chat2Scenic: An Iterative RAG-Based Framework for Scenario Generation in Autonomous Driving

Chat2Scenic：一种基于迭代检索增强生成的自动驾驶场景生成框架

Yuan Gao, Wenting Miao, Mattia Piccinini, Haoyu Wang, Qunying Song, Johannes Betz

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； University College London（伦敦大学学院） 纠错

AI总结 研究自动驾驶场景生成难题，提出Chat2Scenic这一基于迭代检索增强生成的框架，通过聊天机器人界面及RAG技术生成DSL场景脚本，构建开放基准，评估结果显示其性能优于现有方法。

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

3D Lane Detection with Odometry for High-Speed Vehicle Racing

用于高速赛车的带里程计的3D车道检测

Omoruyi Atekha, John Subosits, Marcus Greiff

AI总结 研究高速赛车场景下的3D车道检测问题，通过新数据集比较多种方法，提出改进措施，利用多摄像头集成及里程计等提升性能，相比其他方法提高了F1分数并降低误差，在车辆部署中取得良好指标。

Comments 14 pages, IROS paper, includes extended abstract