IROS

Learning Fault-Tolerant Locomotion with Adaptive Gait Timing

通过自适应步态时序学习容错运动

Giovanbattista Gravina, Luca Rossini, Carlo Rizzardo, Arturo Laurenzi, Nikos Tsagarakis

机构 * Italian Institute of Technology（意大利技术研究院） 纠错

AI总结 针对大型四足机器人执行器动力损失的容错运动问题，提出带潜在对齐损失的非对称Actor-Critic深度强化学习方法，通过自适应步态频率实现容错，经仿真与真实实验验证有效。

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

Vernata: Self-Supervised Learning of LiDAR Point Representations

Vernata：激光雷达点表示的自监督学习

Oliver Lemke, Alexander Liniger, Abel Gawel, Marco Hutter

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力

Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata

SyncSBC: Decentralized Swarm Behavior Prediction for Synchronized Autonomous Control

SyncSBC：用于同步自主控制的去中心化群体行为预测

Varun Raveendra, Connor Mattson, Daniel S. Brown

机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） 纠错

AI总结 SyncSBC 是一种去中心化方法，结合机器学习与分布式共识实现群体行为分类及决策同步，准确率高、延迟低，可用于机器人异常识别与行为协同。

Comments 8 pages, 10 figures, IROS 2026