期刊&会议
International Conference on Intelligent Robots and Systems · 会议 · Robotics
通过新视图合成在别名和低纹理环境中从稀疏视图进行视觉重定位
机构 * University of Zaragoza（萨拉戈萨大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
AI总结 针对类行星地形中视觉定位难题，提出基于 3D 高斯溅射构建可微地图表示估计相机姿态的方法，采用结合光度与几何损失的几何感知训练策略，经实验验证能有效提升定位准确性与姿态估计鲁棒性。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
Mag4D-SLAM数据集：用于定位和映射的重复遍历多模态4D地磁数据集
机构 * Department of Robotics and Mechatronics Engineering, DGIST（大邱庆北科学技术院机器人与机电工程系）
AI总结 该研究提出Mag4D-SLAM这一首个大规模室外地磁SLAM数据集，含多传感器同步测量与地面真值姿态。通过重复遍历实验分析磁场重复性等特性，支持偏航漂移缓解等研究，还能开启地磁传感补充其他模态及应对特殊情况的新研究。
Comments Accepted to IROS 2026. 8 pages, 8 figures. *Bibhutibhusan Nayak and Hyoseok Ju contributed equally to this work
StARS：通过推荐系统驱动的方法实现社交适宜的机器人动作
机构 * Bogazici University（博阿齐奇大学） ； University of Cambridge（剑桥大学）
AI总结 研究人机交互中社交适宜动作生成问题，提出模型无关框架StARS，结合协同过滤与可学习场景表示生成用户特定适宜性得分，在多数据集评估中提升性能与一致性，支持个性化动作选择。
Comments IROS 2026
面向非结构化环境的能力感知可通行性导航
机构 * University of São Paulo（圣保罗大学）
AI总结 研究非结构化环境中可通行性估计，提出能力感知可通行性（CAT）框架，将物理限制嵌入空间特征空间，通过交互式标注和SPADE块改进可通行性预测，在多数据集上领先，实现实例感知避障。
Comments 8 pages, 7 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://capability-aware-traversability.github.io/
超越情节性评估：序列式具身问答中的内存架构瓶颈
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究序列式具身问答中不同内存架构表现，发现仅保留现有记忆不足，短视情节数据训练的智能体有时间不匹配问题。强调结构化、基于空间记忆的必要性，实验表明其能打破准确性-效率权衡，对真实机器人连续智能操作至关重要。
Comments Accepted to IROS 2026
GLAM-SLAM：通过流致密化和空间分解实现实时高斯大规模映射
机构 * HERON - Hellenic Robotics Center of Excellence, Athena Research Center（希腊机器人卓越中心 - 阿西娜研究中心） ； Institute of Robotics, Athena Research Center（阿西娜研究中心机器人研究所） ； National Technical University of Athens（雅典国立技术大学）
AI总结 针对现有高斯点云SLAM系统的局限，GLAM-SLAM提出实时解耦系统，用基于特征的前端跟踪，结构化网格映射，引入流致密化和场景划分策略，在多数据集上评估，性能优于同类，提升15%，且保持实时与可扩展性，代码开源。
Comments Accepted to IROS 2026. Project page: https://glamslam.github.io/ Code: https://github.com/pmermigkas/GLAM-SLAM/
抓取、交接、旋转：通过组合扩散和基于能量的优化实现双手物体重新定向
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 研究双手物体重新定向问题，提出基于组合扩散和能量的BiCompoDiff框架，联合优化多方面任务，结合预训练模型与能量模型，通过梯度引导和采样优化抓取姿态，实验表明其成功率和轨迹平滑度优于基线，实现有效模拟到现实转移。
Comments IROS 2026
深度强化学习引导的模型预测控制在自主赛车中防止超车的应用
机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究自主赛车防御性阻挡问题，通过分层强化学习引导的模型预测控制框架，将防御转化为空间占用调节问题。在仿真中提升平均超车时间，减少对手前进距离，使车辆有效利用轮胎力，且求解时间短，支持实时高速对抗。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures
GPS和通信受限环境下用于地面目标保护的分布式无人机群
机构 * Queen’s University（女王大学） ； Universidade Federal da Paraíba（帕拉伊巴联邦大学） ； Czech Technical University in Prague（布拉格捷克技术大学）
AI总结 针对GPS和通信受限环境下地面目标保护问题，提出用无人机自主群的方法，开发卡尔曼滤波器并提出分布式群包围技术，经真实机器人验证，可有效检测、包围和拦截敌对无人机。
Comments Accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
ODeform：使用神经常微分方程学习形状变形的连续4D运动
机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
AI总结 ODeform将神经常微分方程扩展用于3D可变形物体连续4D动力学，把3D点云和物理条件转换到潜在空间，通过求解常微分方程对变形建模为连续流，在未见物理参数配置上评估，提升运动预测精度，能转移到新形状真实物体，可有效插值和外推动力学。
Comments Accepted at IROS 2026
通过深度先验增强玻璃表面重建以提升机器人导航
机构 * Shenzhen Key Laboratory of Robotics and Computer Vision（机器人与计算机视觉深圳重点实验室） ； Southern University of Science and Technology（南方科技大学） ； CKS Robotics Institute（CKS机器人研究院）
AI总结 本文提出一种无需训练的框架，利用深度基础模型作为结构先验，结合鲁棒的局部RANSAC对齐方法，融合原始传感器深度数据，从而避免错误的玻璃测量污染，恢复准确的度量尺度，并引入新的RGB-D数据集用于玻璃区域的几何真实值。
Comments 9 pages, 8 figures, Accepted by IROS 2026
具备力感知的残差数据集聚合轨迹编辑用于阻抗控制的精确插入
机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 本文提出TER-DAgger框架，通过优化轨迹编辑学习残差策略，减少协变量偏移，结合力感知的失败预判机制和阻抗控制框架，提升精确插入任务的成功率。
Comments 8 pages, 3 figures. Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
使用软外翻藤蔓机器人部署的分布式声学定位阵列
机构 * University of Notre Dame（圣母大学） ； Pontifical Catholic University of Chile（智利天主教大学） ； Lincoln Laboratory, Massachusetts Institute of Technology（麻省理工学院林肯实验室）
AI总结 研究在受限非结构化环境中用软外翻藤蔓机器人定位灾难受害者，提出动态转向响应功率与相位变换框架，通过实验测量不同放置和配置下的定位准确性，展示藤蔓机器人生长定位声源能力，凸显分布式声学传感潜力。
Comments Sebastian Lorca Godoy, Ciera McFarland, Michael Val, Antonio Alvarez Valdivia, Nathaniel Hanson, and Margaret McGuinness, "Distributed Acoustic Localization Array Deployed Using a Soft Everting Vine Robot", in IEEE International Conference on Intelligent Robots and Systems, 2026
V2F：用于枣果损伤感知机器人处理的视觉辅助抓握力预测
机构 * King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
AI总结 研究针对枣果处理难题，开发V2F框架，结合计算机视觉与物理信息残差神经网络，将视觉描述符和品种元数据映射来预测抓握力，平均验证性能\(R^2 \approx 0.7\)，实验表明可稳定操作枣果，实现更安全的机器人处理。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
基于多分辨率体素化地图的立体视觉惯性里程计
机构 * Huazhong University of Science and Technology（华中科技大学） ； AI Chip Center for Emerging Smart Systems (AC-CESS)（新兴智能系统人工智能芯片中心）
AI总结 研究视觉惯性里程计中姿态估计问题，提出多分辨率先验地图构建方法及基于地图的VIO系统，通过体素化地图、锥形索引策略和DDA算法，减少数据传输量与计算负载，实验证明该系统能在少数据传输下实现准确姿态估计。
Comments 9 pages, 4 figures, 6 tables. Accepted to appear in the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
拥挤环境中的拥塞感知机器人巡视规划
机构 * Istituto Italiano di Tecnologia（意大利理工学院） ； Università di Genova（热那亚大学） ； University of Birmingham（伯明翰大学）
AI总结 提出一种基于概率的巡视规划器，通过学习人流预测模型并在线构建马尔可夫决策过程，在拥挤环境中高效规划机器人路径，减少拥塞影响。
Comments Accepted to IEEE IROS 2026
Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
不要愚弄我两次：通过经验驱动推理在野外适应逆境
机构 * Department of Engineering Design, Indian Institute of Technology, Madras（印度理工学院工程设计系，马德拉斯） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 提出一种持续学习框架，使移动机器人能够在线从干扰中学习，通过语义将异常行为归因于原因，从而更好地预测和规划未来。
Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
基于努力的临界度量指标用于评估自动驾驶中的3D感知误差
机构 * CARIAD SE ； University of Freiburg（弗莱堡大学）
AI总结 本文提出基于努力的临界度量指标，通过FSR、MDR和LEA量化自动驾驶中3D感知误差的严重性，揭示非关键性误差占比高，验证新指标能捕捉安全关键信息。
Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
VG3S：基于视觉几何的高斯散射用于语义占用预测
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学）
AI总结 VG3S 通过引入视觉基础模型的几何 grounding 能力，提升语义占用预测的准确性与泛化能力。
Comments Accepted by IROS 2026
视觉地点识别中可靠操作点选择的分位数迁移
机构 * QUT Centre for Robotics（昆士兰理工大学机器人中心） ； School of Electrical Engineering and Robotics（电气工程与机器人学院） ； Queensland University of Technology（昆士兰理工大学）
AI总结 提出一种通过分位数归一化迁移阈值的方法，自动选择视觉地点识别系统的操作点，在100%精度下最大化召回率，无需手动调参。
Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
PGTT：用于感知式有腿运动的相位引导地形遍历
机构 * Laboratory of Automation and Robotics (LAR) in the Department of Electrical & Computer Engineering, University of Patras（自动化与机器人实验室（LAR）（电气与计算机工程系，帕特拉斯大学）） ； Archimedes/Athena RC, Greece（阿基米德/雅典娜RC，希腊） ； Athena - Research and Innovation Center in Information, Communication and Knowledge Technologies, Xanthi, Greece（雅典娜信息、通信和知识技术研究中心（Xanthi，希腊）） ； Computational Intelligence Laboratory (CILab), Department of Mathematics, University of Patras（计算智能实验室（CILab）（数学系，帕特拉斯大学））
AI总结 研究针对有腿机器人感知强化学习控制器的不足，提出相位引导地形遍历（PGTT）方法，通过奖励塑造强化步态结构，编码腿相位等，在特定训练下，该方法在多种场景成功率高且速度跟踪可比，还能跨平台转移。
Comments 8 pages, 9 figures, 3 tables, Accepted at IROS 2026
轮廓误差：用于 3D 多目标跟踪性能评估的自我中心匹配
机构 * CARIAD SE - Volkswagen Group（大众集团CARIAD分公司） ； Department of Computer Science, University of Freiburg（弗赖堡大学计算机科学系）
AI总结 研究自动驾驶 3D 多目标跟踪开环性能评估问题，提出基于豪斯多夫型推理的轮廓误差（CE）自我中心匹配标准，相比现有方法，CE 能提供分级方向敏感性，评估显示其可提高匹配率，是改善开环感知评估的主要因素。
Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
用于手术解剖中组织附着映射的贝叶斯回缩优化
机构 * The Robotics Center and the Kahlert School of Computing at the University of Utah（美国犹他大学机器人中心和卡尔特计算学院） ； School of Computational Science and Engineering, Georgia Institute of Technology（美国佐治亚理工学院计算科学与工程学院） ； Department of Electrical and Computer Engineering and Department of Computer Science, Vanderbilt University（美国范德堡大学电气与计算机工程系和计算机科学系）
AI总结 针对外科医生短缺，该研究将组织附着识别视为概率问题，提出基于顺序贝叶斯希尔伯特地图和贝叶斯回缩优化的方法，避免显式组织建模，在模拟中验证并实现向实际机器人解剖实验的零样本转移，为自动化手术解剖提供新途径。
Comments IEEE IROS 2026 preprint
NGPS：通过深度卫星图像匹配和多速率传感器融合实现无GPS的航空地理定位和2.5D重建
AI总结 研究针对高空无人机视觉地理定位问题，提出NGPS框架，通过深度卫星图像匹配及多速率传感器融合实现无GPS绝对定位，结合多种技术，经实验在五个飞行序列上取得良好效果，相比单目VIO有显著提升，且能实时运行并部分开源。
Comments 9 pages (8-page paper + IEEE copyright/citation cover page), 6 figures. Accepted to IEEE/RSJ IROS 2026
基于旋转平台的静态线扫描激光雷达的两阶段外部校准
机构 * SiLC Technologies（SiLC技术公司）
AI总结 研究基于旋转平台的静态线扫描激光雷达校准问题，探索自动方法静态和动态估计旋转轴变换，通过真实数据集验证算法并研究其收敛特性。
Comments 8 pages, 13 figures. Manuscript accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
DASH机器人：通过接触隐式控制实现简约设计与最优的空陆运动
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Shanghai Innovation Institute (SII)（上海创新研究院）
AI总结 研究设计新型空陆机器人DASH，通过整合管道风扇同轴体与弹性腿，并采用接触隐式模型预测控制器，实现空中和地面的最优运动，经多种任务验证了其设计与控制的有效性。
Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
超越固定目标交付：人群中目标拦截的在线部分可观测马尔可夫决策过程规划
机构 * Dept. of Aerospace Engineering Sciences（航空航天工程科学系） ； Dept. of Computer Science, University of Colorado Boulder（科罗拉多大学博尔德分校计算机科学系）
AI总结 研究拥挤环境中目标拦截问题，将其建模为部分可观测马尔可夫决策过程，用树搜索在线求解。对比顺序路径速度规划器和统一规划器，发现高密度时前者安全拦截率低、耗时多，揭示了空间限制的结构局限性。
Comments Accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
CR-Solver：用于腱驱动连续体机器人的GPU加速运动学求解器
机构 * Beihang University（北京航空航天大学）
AI总结 针对连续体机器人运动规划问题，提出CR-Solver求解器，它基于优化框架统一逆运动学等，利用GPU加速并行优化，在三项任务验证中比传统CPU求解器显著加速，成功率超95%精度达毫米级，且用纯Python实现，为高性能运动规划提供基础。
Comments IROS 2026
VOFA：基于力适应控制的人形机器人视觉目标推动
机构 * Department of Computer Science, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系） ； Amazon Inc.（亚马逊公司） ； Sony AI（索尼人工智能）
AI总结 本文提出VOFA系统，通过视觉引导实现对未知物理属性物体的精准推动，解决重物操控中的未知质量和地面摩擦问题，实现在仿真和现实中的高成功率表现。
Comments Accepted at IROS 2026. Project website: https://amrl.cs.utexas.edu/VOFA
EquiBim: 学习双臂操作的对称等变策略
机构 * Purdue University（普渡大学） ； University of Arkansas（阿肯色大学）
AI总结 本文提出EquiBim框架，通过强制对称性等变性提升双臂操作的性能和鲁棒性，适用于多种感知与动作表示。
Comments Accepted to IROS 2026. Project page: https://zhangzhiyuanzhang.github.io/equibim-website/
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