期刊&会议
International Conference on Intelligent Robots and Systems · 会议 · Robotics
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
机构 * the National Institute of Advanced Industrial Science and Technology（国立先进工业科学技术研究院）
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：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
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）
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)
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
机构 * New Jersey Institute of Technology（新泽西理工学院） ； Kessler Foundation（凯斯勒基金会）
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)
基于环境偏微分方程的时空场定位方法
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)
用于长 horizon 双臂任务与运动规划的接地视觉语言解释器
机构 * OMRON SINIC X Corporation（OMRON SINIC X公司） ； The University of Tokyo（东京大学） ； University of Hamburg（汉堡大学）
AI总结 针对现有视觉语言机器人规划框架的黑箱缺陷与双臂任务探索不足问题，提出混合规划框架 ViLaIn-TAMP，经烹饪领域任务及实际双臂机器人系统验证，其性能优于基准方法。
Comments IROS 2026
用于样本高效且可泛化的群体机器人控制的局部正则化等变图神经网络
机构 * Princeton University（普林斯顿大学）
AI总结 该研究针对群体控制MARL策略效率低、泛化差的问题，提出LEGO架构，结合正则化与角色感知图编码，搭配MAPPO算法，在多基准测试中提升性能，可跨团队规模迁移，Crazyflie实验中失效后仍可运行。
Comments Accepted at IROS 2026
Mamba Policy：基于混合选择性状态模型的高效3D扩散策略
机构 * Microelectronics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）微电子领域） ； Division of Emerging Interdisciplinary Areas, The Hong Kong University of Science and Technology（香港科技大学新兴交叉领域 division） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for X-Mechanics, Zhejiang University（浙江大学X力学中心）
AI总结 本研究提出Mamba Policy，以XMamba Block融合Mamba与注意力机制，参数量减超80%，在Adroit等数据集上性能优异且计算资源需求低，长 horizon 场景鲁棒性更强。
Comments Accepted to IROS 2025. Project Page: https://sagecao1125.github.io/mamba_policy/
时间策略：用于机器人演示学习的历史初始化动作生成
机构 * University of Alberta（阿尔伯塔大学）
AI总结 本文提出Temporal Policy生成框架，将动作生成为时间耦合传输问题，在降低近一个数量级传输成本的同时匹配基线成功率，实现高频闭环控制。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
面向自主叶片表面重建的滚动时域次最佳视点规划器
机构 * University of Nevada, Reno（内华达大学雷诺分校） ； Missouri University of Science and Technology（密苏里科技大学）
AI总结 本研究针对自主叶片表面重建的规划预算与计算资源限制，提出滚动时域次最佳视点规划器，通过基于质心的信息增益函数优化视点效用，在草莓数据集上使重建精度较基线最高提升10%。
Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
RoboBRIDGE：一种将策略桥接至鲁棒现实世界机器人智能体的模块化框架
机构 * Sungkyunkwan University（成均馆大学）
AI总结 该研究针对视觉-语言-动作模型部署为机器人智能体的缺陷，提出 RoboBRIDGE 模块化框架，通过五大协同模块结合预训练 VLAs 构建鲁棒智能体，在多基准和现实场景中性能优于现有方案。
Comments Accepted to IROS 2026. 8 pages, 6 figures
一种针对无模型统一抓取放置推理的鲁棒放置性度量
机构 * Anonymous Authors（匿名作者） ； Benno Wingender（伯恩诺·温格德尔） ； Nils Dengler（尼尔·登格尔） ； Rohit Menon（罗希特·梅农） ； Sicong Pan（斯冰·潘） ； Maren Bennewitz（马伦·本内维茨）
AI总结 本文提出一种鲁棒的概率放置性度量，通过联合评估稳定性、抓取性和空隙，实现无模型的统一抓取放置推理，并在仿真和真实机器人实验中验证其有效性。
Comments IROS 2026
ARCSnake V2：适用于水陆两栖多领域的螺旋推进蛇形机器人的机械改进
机构 * Mechanical and Aerospace Engineering Department, University of California San Diego（加州大学圣地亚哥分校机械与航空航天工程系） ； Electrical and Computer Engineering Department, University of California, San Diego（加州大学圣地亚哥分校电气与计算机工程系）
AI总结 ARCSnake V2是ARCSnake V1的改进型两栖螺旋推进蛇形机器人，结合超冗余蛇形机器人高机动性与阿基米德螺旋推进的地形适应性，经实验验证具备水下作业能力，可作为多领域探索等任务的多功能平台。
Comments 8 pages, 5 figures, IROS
机构 * School of Electrical Engineering, Aalto University（奥卢大学电气工程学院）
Comments IROS 2025
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 4059-4066
机构 * School of Electrical Engineering, Aalto University（艾尔沃大学电气工程学院）
Comments Accepted to IROS 2025
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 2209-2216
CLAM：基于未标记演示的连续潜在动作模型用于机器人学习
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Electrical and Computer Engineering, University of Southern California（南加州大学电气与计算机工程系）
AI总结 CLAM通过连续潜在动作标签和联合训练动作解码器，有效解决复杂连续控制任务中未标记数据的学习问题，实现在DMControl和MetaWorld等基准及真实机器人上的性能提升。
Comments Latent Action Models, Self-supervised Pretraining, Learning from Videos
Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems 2026
收线：通过线操作实现自主缝合的柔性缝针拾取
机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego Health（加州大学圣迭戈分校健康中心）
AI总结 本研究提出一种基于缝合线辅助的自主缝针拾取框架，通过线操作实现间接拾取，可应对缝针被遮挡或不可接近等场景，提升了自主缝合的鲁棒性。
Comments Accepted to IROS 2026
HeteroPROPMT：一种实时且隐私保护的异构协同感知框架
机构 * Michigan State University（密歇根州立大学）
AI总结 HeteroPROPMT是一种实时隐私保护异构协同感知框架，通过模块化提示与轻量调优对齐异构智能体特征，在OPV2V-H等数据集上性能优于现有方法，且参数效率高、隐私性好。
Comments Accepted to 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 9 pages, 4 figures, 5 tables
基于分层时序逻辑的LLM引导动态任务规划用于人感知多机器人协作
机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong-Shenzhen（香港中文大学（深圳）） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际 Graduate School）
AI总结 本文提出基于分层时序逻辑的神经符号框架，实现动态任务规划以提升多机器人协作的效率和鲁棒性。
Comments Accepted by IROS 2026
机构 * Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science (EEMCS) Faculty, University of Twente（代尔夫特理工大学机器人与机电学系） ； Department of Computer, Control and Management Engineering, Sapienza University of Rome（罗马萨皮恩扎大学计算机、控制与管理工程系）
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
通过前沿评分实现基于零样本目标中心语义导航的房间介导共现
机构 * Robotics Institute, Faculty of Engineering and Information Technology, University of Technology Sydney (UTS)（悉尼科技大学工程与信息技术学院机器人研究所）
AI总结 研究零样本目标中心语义导航，提出通过房间词汇表介导对象关系的无需训练的管道，利用CLIP-derived的RPV计算共现，经洪水填充传播投影到值图排序前沿，相比基线提升了SR和SPL，保留可解释性与灵活性。
Comments 8 pages. Accepted to IROS 2026
通过在最小感知平台上的涌现自适应莱维飞行实现分散式可扩展探索
机构 * National University of Singapore（新加坡国立大学）
AI总结 针对纳米无人机自主探索难题，提出轻量级传感器驱动的莱维飞行控制器，结合离散步长采样与传感器反应策略，各机器人独立采样指数并选航向，实现可扩展多无人机探索，仿真显示覆盖率提升且碰撞减少。
Comments Accepted for publication in the Proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 6 pages, 8 figures
IMPRINT：用于长尾目标导航的图像条件查询增强
机构 * University of Padova（帕多瓦大学） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会）
AI总结 研究针对具身人工智能中ObjectNav依赖纯文本查询可靠性低的问题，提出IMPRINT框架，用网络图像丰富文本查询改善定位，无需训练导航策略。通过新基准HSSD-rare评估，显示图像条件查询可提升导航增益，还指出下游检测质量是关键瓶颈。
Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Project page: https://github.com/JelinR/IMPRINT
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