IROS

AdaVLA: Adaptive Step Flow Matching for Training-free Acceleration of Vision-Language-Action Models

AdaVLA：用于无需训练的视觉-语言-动作模型加速的自适应步长流匹配

Sunghwan Han, Youngtae Han, Youngmin Yi

机构 * Sogang University（西江大学） 纠错

AI总结 本研究提出AdaVLA，一种无需训练的自适应框架，通过流匹配轨迹曲率度量动态调整推理步骤与MLP剪枝率，在LIBERO基准等测试中实现VLA模型加速且性能下降可忽略。

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

RoSe-SLAM: Robust Semantic-Aware Gaussian Splatting SLAM from Dynamic Monocular Videos

RoSe-SLAM：面向动态单目视频的鲁棒语义感知高斯溅射SLAM

Wenting Wang, Jiaxin Guo, Wenzhen Dong, Yun-Hui Liu, Charlie C. L. Wang, Yeung Yam

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Manchester（曼彻斯特大学） ； Centre for Perceptual and Interactive Intelligence (CPII) Limited（感知与互动智能中心有限公司） 纠错

AI总结 本研究提出RoSe-SLAM，利用2D基础模型语义特征与时空运动掩码等模块，结合几何与语义线索，在动态单目视频中实现更优的SLAM性能，优于现有动态RGB SLAM基线。

Comments Accepted by IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS & SYSTEMS (IROS), 2026

PrefMoE: Robust Preference Modeling with Mixture-of-Experts Reward Learning

PrefMoE：基于专家混合的鲁棒偏好建模

Ziqin Yuan, Ruiqi Wang, Dezhong Zhao, Baijian Yang, Byung-Cheol Min

机构 * Purdue University（普渡大学） ； Beijing University of Chemical Technology（北京化工大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 PrefMoE通过混合专家框架提升偏好建模鲁棒性，采用轨迹级软路由结合多个专用奖励专家，有效处理异质且部分冲突的偏好监督，提升下游策略学习可靠性。

Comments IROS 2026

D4orm: Multi-Robot Trajectories with Dynamics-aware Diffusion Denoised Deformations

D4orm：基于动力学感知扩散去噪变形的多机器人轨迹生成方法

Yuhao Zhang, Keisuke Okumura, Heedo Woo, Ajay Shankar, Amanda Prorok

机构 * University of Cambridge（剑桥大学） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院） 纠错

AI总结 D4orm是一种基于扩散模型的多机器人轨迹优化方法，无需学习，仅靠动力学模型和适应度函数即可生成无碰撞可行轨迹，速度优于MPPI，已在多旋翼无人机上零样本部署。

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

NGD-SLAM: Towards Real-Time Dynamic SLAM without GPU

NGD-SLAM：无需GPU的实时动态SLAM系统

Yuhao Zhang, Mihai Bujanca, Mikel Luján

机构 * University of Manchester（曼彻斯特大学） ； University of Cambridge（剑桥大学） ； Qualcomm Technologies XR Labs, Austria（Qualcomm Technologies XR 研究所，奥地利） 纠错

AI总结 本文提出仅在CPU运行的实时动态SLAM系统，通过掩码传播机制解耦跟踪与掩码生成，结合ORB特征与光流的混合跟踪策略，在笔记本CPU上实现60 FPS跟踪帧率，保持动态环境高定位精度，代码公开。

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