IROS

SKooP: Symmetric Koopman Predictions for Faster and More Generalizable Legged Robot Locomotion with Reinforcement Learning

SKooP：用于强化学习的更快、更通用的有腿机器人运动的对称库普曼预测

Evelyn D'Elia, Weishu Zhan, Giulio Turrisi, Giulio Romualdi, Giuseppe L'Erario, Raffaello Camoriano, Wei Pan, Daniele Pucci

机构 * Italian Institute of Technology (IIT)（意大利理工学院） ； University of Manchester（曼彻斯特大学） ； Dynamic Legged Systems Laboratory, IIT（意大利理工学院动态腿式系统实验室） ； Generative Bionics S.R.L（生成仿生学有限公司） ； DAUIN, Politecnico di Torino（都灵理工大学DAUIN） ； Rehab Technologies Lab, IIT（意大利理工学院康复技术实验室） ； Newcastle University（纽卡斯尔大学） 纠错

AI总结 研究针对强化学习样本效率低问题展开，提出SKooP方法，结合形态对称与库普曼模型优势，在学习策略时学习系统动力学模型，将其预测用于评论家，还纳入群对称，验证了该方法能减少收敛时间并增加学习奖励，且策略可转移。

Comments This paper has been accepted for publication at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Pittsburgh, USA, 2026

REST: Receding Horizon Explorative Steiner Tree for Zero-Shot Object-Goal Navigation

REST：基于零样本目标导航的视界探索Steiner树

Shuqi Xiao, Maani Ghaffari, Chengzhong Xu, Hui Kong

机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（智能城市物联网国家重点实验室，澳门大学） ； University of Michigan（密歇根大学） 纠错

AI总结 REST通过构建开放词汇3D地图、生成以代理为中心的路径树以及利用LLM推理选择最佳路径，在多个基准测试中实现了高成功率和高效路径效率。

Comments Accepted to IROS'26

Bringing Network Coding into Multi-Robot Systems: Interplay Study for Autonomous Systems over Wireless Communications

将网络编码引入多机器人系统：自主系统在无线通信中的相互作用研究

Anil Zaher, Kiril Solovey, Alejandro Cohen

机构 * Viterbi Faculty of Electrical and Computer Engineering, Technion–Israel Institute of Technology（电气与计算机工程学院，技术学院–以色列理工学院） 纠错

AI总结 研究探讨了网络编码在多机器人系统中的应用，通过案例分析展示其在提升通信可靠性和任务执行效率方面的优势。

Comments To appear in IROS 2026

Octopus-inspired Distributed Control for Soft Robotic Arms: A Graph Neural Network-Based Attention Policy with Environmental Interaction

章鱼启发的分布式控制用于软机器人手臂：基于图神经网络的注意力策略与环境交互

Linxin Hou, Qirui Wu, Zhihang Qin, Yongxin Guo, Cecilia Laschi

AI总结 本文提出基于图神经网络的注意力策略，用于软机器人手臂在复杂环境中实现目标接触，通过集中训练分散执行范式提升鲁棒性和性能。

Comments 8 pages, 5 figures, 2 tables, accepted by IROS 2026

PanoAffordanceNet: Towards Holistic Affordance Grounding in 360° Indoor Environments

PanoAffordanceNet：迈向360°室内环境中的整体 affordance 地标

Guoliang Zhu, Wanjun Jia, Caoyang Shao, Yuheng Zhang, Zhiyong Li, Kailun Yang

机构 * School of Artificial Intelligence and Robotics, Hunan University, China（湖南大学人工智能与机器人学院） 纠错

AI总结 PanoAffordanceNet通过DASM和OSDH解决360°室内环境中的整体affordance地标问题，整合多级约束抑制语义漂移，构建360-AGD数据集，提升具身智能的场景感知能力。

Comments Accepted to IEEE/RSJ IROS 2026. The source code and benchmark dataset will be made publicly available at https://github.com/GL-ZHU925/PanoAffordanceNet

Safe-Night VLA: Seeing the Unseen via Thermal-Perceptive Vision-Language-Action Models for Safety-Critical Manipulation

Safe-Night VLA: 通过热感知视觉-语言-动作模型看见未见事物以实现安全关键操作

Dian Yu, Qingchuan Zhou, Bingkun Huang, Majid Khadiv, Zewen Yang

机构 * Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑机器人与机器智能研究所（MIRMI），技术大学慕尼黑（TUM）） 纠错

AI总结 Safe-Night VLA通过整合热感知技术，实现了安全关键操作中的非可见领域感知与稳健执行。

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

Simulating Automotive Radar with Lidar and Camera Inputs

利用激光雷达和相机输入模拟汽车雷达

Peili Song, Dezhen Song, Yifan Yang, Enfan Lan, Jingtai Liu

机构 * Institute of Robotics and Automatic Information System, Nankai University（机器人与自动信息系统研究所，南开大学） ； Tianjin Key Laboratory of Intelligent Robotics（天津智能机器人重点实验室） ； TBI center, Nankai University（南开大学TBI中心） ； Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（人工智能 Mohamed Bin Zayed 大学机器人系） 纠错

AI总结 研究利用相机图像、激光雷达点云和自身速度模拟汽车雷达信号的方法，基于DIS-Net和RSS-Net两个神经网络，经实验验证能生成高保真信号，用其增强数据训练的目标检测网络性能更优，助力基于雷达的自动驾驶研发。

Comments Accepted by 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

OGM-CBF: Occupancy Grid Map-based Control Barrier Function for Safe Mobile Robot Control with Memory of out of View Obstacles

OGM-CBF：基于占用网格地图的控制屏障函数用于具有视 out of View 障碍物记忆的移动机器人安全控制

Golnaz Raja, Miloš Prágr, Topi Reino Johannes Kärki, Teemu Mökkönen, Reza Ghabcheloo

机构 * Faculty of Engineering and Natural Sciences, Tampere University（坦佩雷大学工程与自然科学学院） 纠错

AI总结 本文提出OGM-CBF方法，结合占用网格地图与控制屏障函数，解决移动机器人在未知环境中对已离开视野的障碍物记忆问题，提升安全性。

Comments Submitted to IROS 2026