期刊&会议
International Conference on Intelligent Robots and Systems · 会议 · Robotics
SILICA：将扩散先验用于联合玻璃分割和深度估计
机构 * Robotics Research Center (RRC), IIIT Hyderabad（海得拉巴国际信息技术研究所机器人研究中心）
AI总结 研究透明表面深度估计难题，提出SILICA统一管道，利用文本到图像扩散模型先验联合预测玻璃分割和深度，无需真实世界玻璃深度注释，经实验验证其在不同环境中零样本转移性能出色，优于现有模型。
Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
WARL：用于腿部机器人任务无关学习的扳手增强强化学习
机构 * The University of Tokyo（东京大学） ； AI Center, Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院人工智能中心）
AI总结 研究针对腿部机器人强化学习中关节空间动作探索能力有限的问题，提出WARL方法，结合扳手引导探索与课程机制。实验表明该方法能让四足机器人在多样地形和任务中稳健学习，验证了切换课程有效性，指出按机器人结构设计扳手探索是未来挑战。
Comments Accepted at IROS 2026, website-https://keitayoneda.github.io/kleiyn-warl/, youtube-https://youtu.be/l-drMNncQp0
用于在动态杂波中安全飞行的预期风险引导强化学习
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 研究在动态杂波中四旋翼安全飞行问题，提出预期风险引导强化学习框架，利用特权模拟器状态构建风险地图，通过非对称架构训练网络自我预测风险，结合轻量级编码器提取线索，实验证明该方法有效提高安全裕度和飞行效率，且能实现模拟到现实的零样本转移。
Comments 8 pages, 7 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
LEACL：用于长时程操作任务强化学习的大语言模型增强自动课程学习
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Nanyang Technological University（南洋理工大学） ； Sony AI（索尼人工智能）
AI总结 针对长时程操作任务强化学习挑战，提出LEACL框架，结合大语言模型与自动课程学习，用大语言模型分解任务并生成规范，由自动课程学习算法仅依稀疏奖励信号指导学习，在相关任务上取得更好渐近性能。
Comments 8 pages, 4 figures, Published in the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
Sling2Sim2Real：用于无损弹弓策略学习的一次性弹性系统识别
机构 * School of Computing, Korea Advanced Institute of Science and Technology（韩国科学技术院计算机学院）
AI总结 针对弹性物体操纵中校准现实与模拟弹性行为的挑战，提出Sling2Sim2Real框架；通过多起点Real2Sim系统识别方法及模拟策略学习等，从单次无损交互识别弹性参数，实现准确策略学习与稳健泛化，减少现实交互量。
Comments Accepted by IROS 2026
G2DP: 基于时空网格引导的扩散规划
机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； TU Munich（慕尼黑工业大学） ； University of Tübingen（图宾根大学）
AI总结 针对自动驾驶扩散规划器随机性导致的安全与路线保持问题，提出G2DP，通过可微时空代价体积在去噪过程中注入密集梯度，实现无碰撞与路径最优的轨迹生成，在nuPlan等基准上取得最优性能。
Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
变分神经信念参数化用于多模态不确定性下的鲁棒灵巧抓取
机构 * Department of Electrical & Computer Engineering and Institute for Systems Research, University of Maryland, College Park, MD, USA（电气与计算机工程系和系统研究所，马里兰大学，College Park, MD, USA） ； Maryland Applied Graduate Engineering, A. James Clark School of Engineering, University of Maryland, College Park, MD, USA（马里兰应用研究生工程学院，A. James Clark工程学院，马里兰大学，College Park, MD, USA）
AI总结 本文提出变分推理方法，通过可微高斯混合模型表示信念，利用Gumbel-Softmax和位置-尺度重参数化实现平滑采样，提升抓取鲁棒性并减少规划时间。
Comments 11 pages, 10 figures. Accepted for publication at IROS 2026. Code, simulation assets, and dataset at https://github.com/coenwerem/vnb-grasp
OccTrack360: 从环视鱼眼相机实现4D全景占用跟踪
机构 * School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； State Key Laboratory of Extreme Photonics and Instrumentation, Zhejiang University（极端光子学与仪器国家重点实验室，浙江大学） ； National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（机器人视觉感知与控制技术国家工程研究中心，湖南大学）
AI总结 OccTrack360提出新的4D全景占用跟踪基准及FoSOcc框架，解决鱼眼成像中的球面投影和体素定位问题，提升占用跟踪性能。
Comments Accepted to IEEE/RSJ IROS 2026. The benchmark and source code will be made publicly available at https://github.com/YouthZest-Lin/OccTrack360
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈