期刊&会议
International Conference on Intelligent Robots and Systems · 会议 · Robotics
SSI-Policy: 学习用于视觉语言机器人操作的结构化场景接口
机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng Laboratory（鹏城实验室） ； The University of Hong Kong（香港大学） ； LimX Dynamics
AI总结 提出SSI-Policy框架，通过统一的结构化场景接口（SSI）联合编码单目深度、语言锚定的物体布局和指令条件化的2D运动轨迹，实现从少量演示中学习机器人操作，在LIBERO基准上仅用10个演示即提升15%性能。
Comments Accepted by 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
安全关键场景下基于蒸馏视觉语言模型的事件自适应运动规划
机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Manifold Tech Limited（曼孚科技股份有限公司）
AI总结 提出事件自适应运动规划（EAMP）框架，通过可配置语义事件触发器、蒸馏视觉语言模型和语义模型预测控制，在安全关键场景中实现高层推理与底层控制的协同，提升动态安全裕度并保持实时性。
Comments 8 pages, 8 figures, 4 tables. Accepted by IROS 2026
RigPI: 通过VLM种子可微仿真进行刚体动力学参数辨识
机构 * Way-Robotics（Way-机器人）
AI总结 提出RigPI框架，结合视觉语言模型初始化和可微物理仿真梯度优化，两步策略实现刚体与多连杆刚体动力学参数精确辨识，实验验证了其鲁棒性和预测有效性。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2027)
模拟到现实迁移预算应如何分配？
机构 * Purdue University（普渡大学）
AI总结 研究在模拟到现实迁移中，系统辨识与域随机化之间的预算分配权衡，发现少量辨识数据即可弥合大部分迁移差距，且基于估计参数训练优于宽随机化。
Comments Both authors contributed equally and share first authorship. Submitted to IEEE IROS First Workshop on Sim2Real and Classical Control 2026. Code is available: https://github.com/YTomar79/sim2real_budget
基于历史条件的时空视觉令牌剪枝用于高效视觉-语言导航
机构 * Department of Computer and Information Sciences at the University of Delaware（德克萨斯大学达勒姆分校计算机与信息科学系） ； University of Maryland’s Department of Computer Science（马里兰大学计算机科学系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出一种无需训练的时空视觉令牌剪枝框架，通过空间令牌选择和时空压缩减少冗余计算，在保持导航精度的同时显著提升推理效率，并在真实机器人上验证了低延迟指令跟随导航。
Comments International Conference on Intelligent Robots and Systems (IROS) 2026
残差强化学习-模型预测控制用于时变流下鲁棒微机器人细胞推送
机构 * Department of Mechanical Engineering, University of Delaware（德克萨斯大学达勒姆分校机械工程系）
AI总结 针对微流控中接触式细胞推送易受扰动的问题，提出混合控制器，将标称MPC与SAC训练的残差策略结合，通过接触门控施加2D速度修正，提升非平稳流下的鲁棒性和跟踪精度。
Comments 8 pages, 8 figures. Accepted by IEEE/RSJ IROS 2026. Revised manuscript with reviewer feedback
FAR-LIO：通过快速、准确和鲁棒的LiDAR-惯性里程计实现高速自主
机构 * NVIDIA Corp., USA（美国英伟达公司）
AI总结 提出FAR-LIO，一种基于CUDA加速的LiDAR-惯性里程计框架，通过新颖的体素哈希映射和稀疏感知GICP算法实现低延迟和高精度，在高速赛车场景中位置误差降低6.9%，运行时间减少38.4%。
Comments 8 pages, accepted for publication at IROS2026 (IEEE/RSJ International Conference on Intelligent Robots and Systems 2026)
Calousel: 基于纯旋转的非重叠多相机系统外参标定
机构 * Seoul National University（首尔国立大学）
AI总结 提出一种利用纯旋转运动和非重叠视场多相机系统外参标定方法，仅需单个静态标定板，通过全局优化框架中的潜转台帧和SE(3)三维误差实现高精度标定。
Comments Accepted to IROS 2026. 8 pages, 7 figures
GROVE: 基于自然语言的地面行人仿真用于交互式社交机器人导航
机构 * Singapore Management University（新加坡管理大学） ； Technical University Berlin（柏林工业大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出GROVE框架，通过自然语言指令生成逼真且具有社交挑战性的行人仿真场景，结合多种SotA方法模拟长时人类行为、中时行人导航和短时机器人社交交互，缩小仿真到现实的差距。
Comments Accepted at IROS 26
SAGE-Nav：利用LLM规划与对齐融合的分层场景图引导导航
机构 * Zhejiang University（浙江大学）
AI总结 提出SAGE-Nav分层框架，结合大语言模型与动态场景图，通过解耦全局语义规划与高频反应控制，实现高效目标导航，在i-THOR和RoboTHOR中达到最优性能。
Comments Accepted by IROS 2026
面向低延迟视觉语言模型：在自我中心视觉理解中实现双重正确预测
机构 * Dolby Laboratories, Inc.（杜比实验室公司） ； University of Delaware（特拉华大学）
AI总结 针对人机协作中低延迟需求，提出基于双重正确预测的剪枝策略，在保持证据定位的同时提升预测准确性，在自我中心视频数据集上实现最高精度与双重正确性。
Comments International Conference on Intelligent Robots and Systems (IROS) 2026
FAST-LIVGO：一种退化鲁棒的LiDAR-惯性-视觉-GNSS融合里程计
机构 * College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） ； Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院）
AI总结 提出一种基于误差状态迭代卡尔曼滤波的紧耦合LiDAR-惯性-视觉-GNSS融合框架，通过动态时间规整的时空对齐模块、多普勒和时差载波相位观测模型以及退化感知的双模式异常值拒绝策略，在长期大尺度动态环境中实现高精度鲁棒的状态估计。
Comments Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
TACTFUL: 受限环境中的触觉驱动探索用于物体定位与识别
机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履约技术与机器人） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 提出无视觉触觉探索框架TACTFUL，使多指机器人通过动态奖励策略平衡全局探索与局部表面细化，实现物体自主发现与识别，平均重建误差0.015米，成功率77%。
Comments IROS 2026
NoContactNoWorries: 通过视觉和本体感觉估计手内灵巧操作的接触
机构 * Robotics Research Center (RRC), International Institute of Information Technology (IIIT), Hyderabad, India（印度海得拉巴国际信息技术研究所机器人研究中心） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系）
AI总结 提出一种基于Transformer的多模态框架，融合RGB-D视觉和机器人本体感觉推断二值接触状态，作为手物交互的伪触觉信号，支持下游强化学习实现手内物体重定向并泛化至新物体。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS) 2026
DynaWM: 基于世界模型和动量目标的动力学感知蒸馏实现连续楼梯上的平滑运动
机构 * School of Mechatronical Engineering, Beijing Institute of Technology（北京理工大学机电学院）
AI总结 提出DynaWM框架，通过世界模型正则化增强地形编码，并利用动量目标编码器稳定知识蒸馏，使双足轮式机器人在连续楼梯上实现高适应性和平滑运动。
Comments Comments: 8 pages, 7 figures, accepted by IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS),2026
Prior Reinforce: 有限试验下的目标条件动态操控
机构 * IIIS, Tsinghua University（清华大学智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Spirit AI
AI总结 提出Prior Reinforce框架，利用条件扩散模型从少量演示学习运动流形，并在低维条件空间通过反馈驱动优化适应新目标，实现少至十次试验内的动态操控。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
基于自注意力的策略梯度用于无模型分布式非线性多智能体博弈
机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Department of Electrical and Computer Engineering, University of California San Diego（电气与计算机工程系，加州大学圣地亚哥分校） ； RoPeRt group, at DIIS - I3A, Universidad de Zaragoza（RoPeRt组，DIIS - I3A，阿拉贡大学）
AI总结 提出一种分布式策略结构，通过策略梯度学习，利用自注意力层处理时变通信拓扑，解决无模型非线性多智能体博弈问题，在多种场景中表现优异。
Comments The paper has been accepted and will be presented at IEEE/RSJ IROS 2026
MuTRAP: 攻击机器人任务规划系统的多触发器木马
机构 * Binghamton University (SUNY)（宾夕法尼亚州立大学布林顿分校）
AI总结 提出首个针对LLM辅助机器人任务规划器的多触发器木马攻击MuTRAP，通过少量任务特定参数注入后门，并优化触发器词以激活特定恶意行为，揭示当前基于LLM的规划器的安全漏洞。
Comments Accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
从像素到概念：利用基础模型构建丰富的3D语义场景图森林
机构 * FZI Research Center for Information Technology（FZI信息技术研究中心） ； Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT)（卡尔斯鲁厄理工学院机器智能与机器人实验室）
AI总结 提出利用基础模型构建具有开放语义关系的3D场景图森林，通过VLM和LLM推理抽象概念节点与关系，提升机器人场景理解与任务执行能力。
Comments To be published in the Proceedings of the IEEE/RSJ International Conference on Intelligent Robots & Systems (IEEE IROS 2026)
FPAS：基于前沿的自适应采样路径规划用于大规模未知环境
机构 * Seoul National University（首尔大学）
AI总结 提出FPAS框架，通过前沿概念引导目标导向任务，并基于前沿开放度自适应采样，在保持高目标到达性能的同时显著提升计算效率。
Comments IROS 2026
基于强化学习的可扩展多任务数据生成用于语言条件双手灵巧操作
机构 * TU Darmstadt（达姆施塔特工业大学） ； Honda Research Institute Europe GmbH（本田欧洲研究院有限公司） ； DFKI（德国人工智能研究中心）
AI总结 提出基于强化学习的系统化数据生成流程，结合通用奖励设计、域随机化和语言条件任务标注，合成高质量双手灵巧操作数据集，训练语言条件多任务策略，提升跨任务泛化能力。
Journal ref IROS 2026
利用触觉感知和本体感觉进行工具操作中外在接触轨迹的几何重建
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Korea Institute of Machinery and Materials（韩国机械与材料研究院）
AI总结 提出一种基于触觉感知和机器人本体感觉重建工具尖端外在接触轨迹的方法，通过单点接触假设和校准段估计全局接触位置，结合连续接触下的相对运动估计，实现实时轨迹重建。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
DeformX: 一种用于可变形线性物体的多功能协同仿真框架
机构 * The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） ； School of Ocean and Civil Engineering, Shanghai Jiao Tong University（上海交通大学海洋与土木工程学院） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学致远学院） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院）
AI总结 提出DeformX框架，集成Cosserat杆物理引擎与NVIDIA Isaac Sim，实现可变形线性物体的物理精确与视觉真实仿真，支持机器人学习，在真实线缆分割和绳索摆动任务中验证了仿真到现实的迁移能力。
Comments 11 pages, 11 figures, 5 tables, IROS 2026. Website: https://deformx.github.io/
CoRDE：面向机器人操作结构泛化的概念先验路由扩散专家
机构 * College of Information Science and Technology, Eastern Institute of Technology, Ningbo（宁波东方理工大学（暂名）信息科学与技术学院） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology, Ningbo（浙江省工业智能与数字孪生重点实验室，宁波东方理工大学（暂名）） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统学域） ； Faculty of Science and Engineering, University of Nottingham Ningbo China（宁波诺丁汉大学理工学院）
AI总结 提出CoRDE框架，通过概念先验引导路由和低秩专家池，解决扩散模型在多任务长时程操作中的结构泛化不足和路由崩溃问题。
Comments 8 pages, 3 figures, Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
SurGE: 基于代理梯度引导的并行弹性腿式机器人协同设计进化
机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
AI总结 提出SurGE框架，通过可微运动动力学模型和设计感知控制策略计算代理梯度，并注入CMA-ES实现非可微协同设计，在跳跃机器人上降低37.65%的设计目标。
Comments 8 pages, 7 figures. Accepted for publication at IROS 2026. Website at https://arcad-lab-um.github.io/surge-codesign/
THREAD: 面向混合刚柔机械臂的环境感知扩散轨迹规划
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland College Park（马里兰大学帕克分校）
AI总结 提出首个基于扩散的混合刚柔机械臂轨迹规划器THREAD，通过物理启发损失联合约束刚柔段，实现狭窄环境穿行，任务成功率92.4%，碰撞减少5倍。
Comments Project Page: https://robot-thread.github.io, IROS 2026
可编程磁控软体机器人：可控运动与定向液体货物释放
机构 * Bio-integrated Robotics Lab at Mechanical Engineering（机械工程系生物集成机器人实验室） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校）
AI总结 提出一种优化磁化分布策略，实现磁控软体机器人的定向液体释放，同时保持形状变形和运动能力，为胃肠道靶向药物递送奠定基础。
Comments This manuscript has been accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
Boundary-by-Mask: 基于掩码条件边界学习的少样本实例分割用于弱纹理工业零件
机构 * Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科） ； Cybermedia Center, Osaka University（大阪大学网络媒体中心）
AI总结 提出Boundary-by-Mask框架，通过监督边界而非内部外观，利用基础模型编码器和轻量级SDF头实现弱纹理工业零件的少样本实例分割，支持灵活定义实例目标。
Comments 8 pages, 8 figures, accepted to IROS 2026
Spectral GS-SLAM：面向实时3D高斯泼溅SLAM的可观测性感知与退化鲁棒跟踪
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）
AI总结 提出Spectral GS-SLAM，通过自适应补偿退化场景中的欠约束方向，结合ICP与特征约束实现鲁棒跟踪，并利用高斯感知平面性加权机制融合几何信息，在无结构/纹理环境中保持实时性能（40.14 FPS）。
Comments This work has been accepted to IROS 2026
面向组合泛化的因子感知混合专家与预训练编码器
机构 * Tsinghua University（清华大学） ； SunRisingAI Ltd.（日升AI有限公司） ； EFORT Intelligent Robot Co., Ltd.（埃夫特智能机器人有限公司）
AI总结 提出FAME框架，结合因子感知混合专家与预训练编码器，通过三阶段训练实现视觉机器人操作在多变环境中的组合泛化，在Meta-World和真实任务中分别提升34%和35%。
Comments 8 pages, 9 figures, accepted by the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
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