IROS

TravKAN: Fast and Interpretable Nonlinear Traversability Analysis with Kolmogorov-Arnold Networks

TravKAN：基于Kolmogorov-Arnold网络的快速可解释非线性可通行性分析

Daniel Fusaro, Simone Mosco, Wanmeng Li, Alberto Pretto

AI总结 本文提出基于Kolmogorov-Arnold网络的TravKAN框架，结合LiDAR反射率手工特征，在公开数据集上性能优于传统深度模型，兼具可解释性与高效性，适用于安全关键的机器人可通行性分析。

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

KING: Embodiment-Aware Kinematic Graph Neural Network for Unified Motion Representation of Legged and Wheeled Robots

KING：具身感知运动图神经网络，用于轮式与腿式机器人的统一运动表示

Taku Okawara, Aoki Takanose, Kenji Koide, Shuji Oishi, Masashi Yokozuka

机构 * the National Institute of Advanced Industrial Science and Technology（国立先进工业科学技术研究院） 纠错

AI总结 本文针对现有运动模型对新机器人具身泛化能力差的问题，提出基于GNN的KING模型，实现轮式与腿式机器人的统一运动表示，仅需少量数据即可适配新具身并实现高精度里程计估计。

Comments IROS 2026

Push-Wiper: Toward General-Purpose Robotic Cleaning across Varied Stains and Surfaces with Segmented Pushing Trajectories

Push-Wiper：基于分段推动轨迹的通用机器人清洁方案，用于处理不同污渍与表面

Renhao Lu, Mingxin Wang, Chenyang Cao, Yang Yang, Guoping Pan, Kangkang Dong, Yi Cheng, Houde Liu

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Z-Lab, Zerith Robotics（Zerith机器人公司Z-Lab实验室） ； University of Toronto（多伦多大学） 纠错

AI总结 Push-Wiper 框架将粘性污渍清洁转化为聚合问题，通过分段推动轨迹结合 Diffusion Policy 与 ASPI 控制器，清洁得分比基线高130%，可零样本泛化至多种污渍与表面。

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

Staged Multi-Agent Training (SMAT) for Hip Exoskeletons: Metabolic and Biomechanical Validation of a Simulation-Trained Co-Adaptive Controller

用于髋部外骨骼的分阶段多智能体训练（SMAT）：仿真训练的协同自适应控制器的代谢与生物力学验证

Yifei Yuan, Jakob Wolf, Ghaith Androwis, Xianlian Zhou

机构 * New Jersey Institute of Technology（新泽西理工学院） ； Kessler Foundation（凯斯勒基金会） 纠错

AI总结 本研究提出分阶段多智能体训练（SMAT）策略，将其部署于髋部外骨骼并经8名健康成人测试，证实该策略可显著降低代谢率，且在不同步行速度和地形上具备泛化性。

Comments 14 pages, 9 figures. Extended version of a paper to appear at IROS 2026 (arXiv:2603.07618)

Localization in Spatiotemporal Fields via Environmental PDEs

基于环境偏微分方程的时空场定位方法

Jose Fuentes, Abdullah Al Redwan Newaz, Ana Cavalcanti, Leonardo Bobadilla

AI总结 该研究提出基于PDE控制的环境时空场的定位框架，采用Rao-Blackwellized粒子滤波器分解车辆状态，仿真与实验表明其定位精度优于标准粒子滤波器，验证了环境场用于实际定位的可行性。

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