IROS

Bayesian Retraction Optimization for Tissue Attachment Mapping in Surgical Dissection

用于手术解剖中组织附着映射的贝叶斯回缩优化

Shing-Hei Ho, Bao Thach, Toan Vo, James M. Ferguson, Alan Kuntz

机构 * The Robotics Center and the Kahlert School of Computing at the University of Utah（美国犹他大学机器人中心和卡尔特计算学院） ； School of Computational Science and Engineering, Georgia Institute of Technology（美国佐治亚理工学院计算科学与工程学院） ； Department of Electrical and Computer Engineering and Department of Computer Science, Vanderbilt University（美国范德堡大学电气与计算机工程系和计算机科学系） 纠错

AI总结 针对外科医生短缺，该研究将组织附着识别视为概率问题，提出基于顺序贝叶斯希尔伯特地图和贝叶斯回缩优化的方法，避免显式组织建模，在模拟中验证并实现向实际机器人解剖实验的零样本转移，为自动化手术解剖提供新途径。

Comments IEEE IROS 2026 preprint

NGPS: GPS-Denied Aerial Geo-Localization and 2.5D Reconstruction via Deep Satellite Image Matching and Multi-Rate Sensor Fusion

NGPS：通过深度卫星图像匹配和多速率传感器融合实现无GPS的航空地理定位和2.5D重建

Sanket Sharma

AI总结 研究针对高空无人机视觉地理定位问题，提出NGPS框架，通过深度卫星图像匹配及多速率传感器融合实现无GPS绝对定位，结合多种技术，经实验在五个飞行序列上取得良好效果，相比单目VIO有显著提升，且能实时运行并部分开源。

Comments 9 pages (8-page paper + IEEE copyright/citation cover page), 6 figures. Accepted to IEEE/RSJ IROS 2026

Two-Stage Extrinsic Calibration of a Static Line-Scanning Lidar with a Rotary Platform

基于旋转平台的静态线扫描激光雷达的两阶段外部校准

Vikram Shree, Hike Danakian, Long Nguyen, Rajanish Gokidi, Patrick Nercessian

机构 * SiLC Technologies（SiLC技术公司） 纠错

AI总结 研究基于旋转平台的静态线扫描激光雷达校准问题，探索自动方法静态和动态估计旋转轴变换，通过真实数据集验证算法并研究其收敛特性。

Comments 8 pages, 13 figures. Manuscript accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

DASH Robot: Minimalistic Design and Optimal Aerial-Terrestrial Locomotion via Contact-Implicit Control

DASH机器人：通过接触隐式控制实现简约设计与最优的空陆运动

Ryan Gomes Paiva, Conrad Ho, Jiarong Kang, Kunzhao Ren, Xiangru Xu, Xiaobin Xiong

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Shanghai Innovation Institute (SII)（上海创新研究院） 纠错

AI总结 研究设计新型空陆机器人DASH，通过整合管道风扇同轴体与弹性腿，并采用接触隐式模型预测控制器，实现空中和地面的最优运动，经多种任务验证了其设计与控制的有效性。

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

Beyond Fixed Goal Delivery: Online POMDP Planning for Target Interception in Crowds

超越固定目标交付：人群中目标拦截的在线部分可观测马尔可夫决策过程规划

Himanshu Gupta, Kelvin Aladum, Nisar Ahmed, Bradley Hayes, Zachary Sunberg

机构 * Dept. of Aerospace Engineering Sciences（航空航天工程科学系） ； Dept. of Computer Science, University of Colorado Boulder（科罗拉多大学博尔德分校计算机科学系） 纠错

AI总结 研究拥挤环境中目标拦截问题，将其建模为部分可观测马尔可夫决策过程，用树搜索在线求解。对比顺序路径速度规划器和统一规划器，发现高密度时前者安全拦截率低、耗时多，揭示了空间限制的结构局限性。

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

CR-Solver: GPU-Accelerated Kinematics Solver for Tendon-driven Continuum Robots

CR-Solver：用于腱驱动连续体机器人的GPU加速运动学求解器

Heqing Yang, Yang Yi, Linqing Zhong, Linjiang Huang, Si Liu

机构 * Beihang University（北京航空航天大学） 纠错

AI总结 针对连续体机器人运动规划问题，提出CR-Solver求解器，它基于优化框架统一逆运动学等，利用GPU加速并行优化，在三项任务验证中比传统CPU求解器显著加速，成功率超95%精度达毫米级，且用纯Python实现，为高性能运动规划提供基础。

Comments IROS 2026

VOFA: Visual Object Goal Pushing with Force-Adaptive Control for Humanoids

VOFA：基于力适应控制的人形机器人视觉目标推动

Zichao Hu, Zifan Xu, Dongsik Chang, He Yin, Linh Tran, Roberto Martín-Martín, Peter Stone, Jingyu Qiao, Joydeep Biswas

机构 * Department of Computer Science, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系） ； Amazon Inc.（亚马逊公司） ； Sony AI（索尼人工智能） 纠错

AI总结 本文提出VOFA系统，通过视觉引导实现对未知物理属性物体的精准推动，解决重物操控中的未知质量和地面摩擦问题，实现在仿真和现实中的高成功率表现。

Comments Accepted at IROS 2026. Project website: https://amrl.cs.utexas.edu/VOFA

EquiBim: Learning Symmetry-Equivariant Policy for Bimanual Manipulation

EquiBim: 学习双臂操作的对称等变策略

Zhiyuan Zhang, Aditya Mohan, Seungho Han, Wan Shou, Dongyi Wang, Yu She

机构 * Purdue University（普渡大学） ； University of Arkansas（阿肯色大学） 纠错

AI总结 本文提出EquiBim框架，通过强制对称性等变性提升双臂操作的性能和鲁棒性，适用于多种感知与动作表示。

Comments Accepted to IROS 2026. Project page: https://zhangzhiyuanzhang.github.io/equibim-website/

Uncertainty-Aware Multi-Robot Task Allocation With Strongly Coupled Inter-Robot Rewards

具有强耦合互机器人奖励的不确定性感知多机器人任务分配

Ben Rossano, Jaein Lim, Jonathan P. How

机构 * Aerospace Controls Lab, Massachusetts Institute of Technology（麻省理工学院航空航天控制实验室） ； Charles Stark Draper Laboratory（查尔斯·斯坦德·德拉珀实验室） 纠错

AI总结 本文提出一种基于拍卖的任务分配算法，通过强耦合形式将任务分配给可能具备所需能力的机器人，以提高任务完成效率和减少延迟，实验表明相比冗余方法，使命价值提高了15%。

Comments 8 pages, 4 figures, accepted to IROS 2026

CONTACT: CONtact-aware TACTile Learning for Robotic Disassembly

CONTACT: 基于接触感知的触觉学习用于机器人拆解

Yosuke Saka, Jyun-Chi Hu, Adeesh Desai, Zhiyuan Zhang, Bihao Zhang, Quan Khanh Luu, Md Rakibul Islam Prince, Minghui Zheng, Yu She

机构 * Department of Industrial Engineering, Purdue University（工业工程系，普渡大学） ； Department of Mechanical Engineering, Texas A&M University（机械工程系，德克萨斯农工大学） 纠错

AI总结 CONTACT通过对比视觉、触觉RGB和触觉力场三种感知配置，发现触觉力场在机器人拆解任务中表现最佳，尤其在接触依赖和变形场景中效果显著。

Comments Accepted to IROS 2026. Project page: https://vict0rhu.github.io/CONTACT-Website/

Scaling Cross-Embodiment World Models for Dexterous Manipulation

为灵巧操作扩展跨实体世界模型

Zihao He, Bo Ai, Tongzhou Mu, Yulin Liu, Weikang Wan, Jiawei Fu, Yilun Du, Henrik I. Christensen, Hao Su

机构 * UC San Diego（UC圣迭戈大学） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hillbot 纠错

AI总结 研究跨实体学习中不同形态机器人数据共享和控制转移问题，提出将人类和机器人手表示为3D粒子集，在随机交互数据上训练基于图的世界模型并与模型预测控制集成，实验表明该方法能提高泛化能力、有效结合数据并实现不同机器人手的控制。

Comments Accepted to IROS 2026, Project Page: https://alan-heoooh.github.io/dexwm.html

Learning to Assess Danger from Movies for Cooperative Escape Planning in Hazardous Environments

学习从电影中评估危险以进行合作逃离规划在危险环境中

Vikram Shree, Sarah Allen, Beatriz Asfora, Jacopo Banfi, Mark Campbell

AI总结 本文提出利用电影数据训练机器人评估危险，结合多模态信息提升人机合作逃离效率。

Comments 8 pages, 8 figures Accepted for publication at 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)