IROS

GLidE-SLAM: GL-Accelerated Indirect-Direct Embedded SLAM

GLidE-SLAM：GL加速的间接-直接嵌入式同步定位与地图构建

Carlos A. Pinheiro de Sousa, Heiko Hamann, Oliver Deussen

机构 * University of Konstanz（康斯坦茨大学） 纠错

AI总结 针对嵌入式设备部署Visual SLAM的挑战，GLidE-SLAM提出单目混合间接-直接框架，通过架构分离，利用并行图像对齐操作及OpenGL ES 3.1计算着色器实现GPU加速直接跟踪，提升帧率，保持精度，改善在资源受限硬件上的部署。

Comments 7 pages, 6 figures, 4 tables. Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Differentiable Reinforcement Learning for Path Tracking by an Agile Fish-Like Robot

用于敏捷类鱼机器人路径跟踪的可微强化学习

Prashanth Chivkula, Kartik Loya, Venkata Ravindhra Reddy Varikuti, Phanindra Tallapragada

机构 * Clemson University（克莱姆森大学） 纠错

AI总结 研究类鱼机器人控制和运动规划难题。开发高效模拟平台，用PID控制结合时间反向传播和课程训练学习增益，实现运动控制与路径跟踪，策略应用于物理平台效果良好。

Comments Accepted to IROS 2026, 9 pages, 12 Images, 1 Table

Certifiable Safe Model-Based Reinforcement Learning with Control-Affine Dynamics Approximation

基于控制仿射动力学近似的可验证安全模型强化学习

Hao Zhou, Yanze Zhang, Cameron Reid, Wenhao Luo

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Texas A&M University（德克萨斯农工大学） 纠错

AI总结 研究基于模型的安全强化学习，提出用控制障碍函数结合控制仿射随机傅里叶特征及自适应共形预测的框架，通过学习控制仿射动力学实现可验证安全策略，仿真结果验证了该框架在推车摆杆和3D四旋翼平台上的有效性。

Comments 8 pages, accepted to IROS 2026

SaaF: Scene-Specific Ambiguity-Aware 3D Language Fields towards Interactive Real-World Object Retrieval

SaaF：面向交互式现实世界对象检索的特定场景模糊感知3D语言场

Yuga Yano, Daiju Kanaoka, Hakaru Tamukoh, Yasutomo Kawanishi

机构 * Kyushu Institute of Technology（九州工业大学） ； RIKEN（理化学研究所） ； Research Center for Neuromorphic AI Hardware（神经形态人工智能硬件研究中心） 纠错

AI总结 研究针对现实世界场景中交互式对象检索问题，提出SaaF方法。通过引入度量学习策略构建统一特征空间，增强实例辨别性与模糊感知能力，提升了检索准确性，还能稳健处理查询模糊性。

Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)

DADiff: Diffusion-Driven Cross-Domain Policy Adaptation for Reinforcement Learning

DADiff：用于强化学习的扩散驱动跨域策略适应

Hanyang Chen, Anirudh Satheesh, Longchao Da, Hua Wei

机构 * Arizona State University（亚利桑那州立大学） ； University of Maryland, College Park（马里兰大学帕克分校） 纠错

AI总结 研究强化学习中跨域策略适应问题，提出基于扩散的DADiff框架，利用源域和目标域生成轨迹差异估计动态不匹配，开发奖励修改和数据选择变体，实验表明该方法性能优于现有方法，有效解决动态不匹配。

Comments Accepted by IROS 2026

DPNeXt: A Lightweight Multi-Scale Feature Fusion Framework for Efficient ViT-Based Multi-Task Dense Prediction

DPNeXt：用于基于高效视觉Transformer的多任务密集预测的轻量级多尺度特征融合框架

Jehun Kang, Jungha Wang, Youngjun Hwang, David Hyunchul Shim

机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院） 纠错

AI总结 研究针对机器人感知系统多任务学习中现有解码策略瓶颈，提出DPNeXt框架，用双深度可分离倒置瓶颈及MTBG策略，在多任务密集预测上表现出色，相比DPT大幅减少参数并提升推理速度。

Comments 8 pages, 5 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Embodied Active Learning under Limited Annotation and Navigation Budget for Object Detection

在有限标注和导航预算下用于目标检测的具身主动学习

Hadrien Crassous, Mohamed Yassine Kabouri, Minahil Raza, Joni Pajarinen, Riad Akrour

机构 * LAAS-CNRS, Universite de Toulouse, CNRS（法国国家科学研究中心图卢兹分部LAAS、图卢兹大学、法国国家科学研究中心） ； Department of Electrical Engineering and Automation at Aalto University（阿尔托大学电气工程与自动化系） 纠错

AI总结 研究在机器人导航和标注预算有限时，如何让目标检测器适应未知环境。核心方法是利用空间一致性选择样本重训检测器，实验表明该方法能在无外部监督下选图，相同预算下适应结束时检测精度最高。

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

Beyond Frontiers: Scene-Anomaly Guided Autonomous Exploration

超越边界：场景异常引导的自主探索

Akash Kumbar, Abhinav Raundhal, Madhava Krishna

机构 * Robotics Research Center, IIIT-Hyderabad（机器人研究中心，印度国际信息技术学院海得拉巴分校） 纠错

AI总结 研究针对传统3D环境自主探索方法忽视结构背景致轨迹低效及重建质量差的问题，提出SCAGE框架，将探索视为几何异常最小化问题，依据对室内建筑的理解标记异常引导机器人，实现空间发现与高保真映射结合，提升了覆盖率和重建质量。

Comments Accepted in IEEE/RSJ IROS 2026. Project page: https://beyondfrontiers.github.io/

Event3R: Asynchronous-to-Global 3D Reconstruction from Event Camera via Spatial-Temporal Feature Aggregation

Event3R：通过时空特征聚合从事件相机进行异步到全局的3D重建

Jian Huang, Haotian Shen, Xinhao Lou, Chengrui Dong, Wenpu Li, Peidong Liu

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

AI总结 研究针对事件相机异步、稀疏和高动态特性及缺乏标注数据集的问题，提出Event3R框架，通过时空体素表示、时间注意力模块、掩码箱建模策略及对比对齐和一致性正则化损失，实现鲁棒的3D重建，性能显著优于现有方法。

Comments accepted to IROS 2026

A Generative Partially Specified Finite State Machine Approach to Complex Behaviour Planning

一种用于复杂行为规划的生成式部分指定有限状态机方法

Kalana Ratnayake, Michael Pritchard, David Hinwood, Maleen Jayasuriya, Damith Herath

机构 * University of Canberra（堪培拉大学） 纠错

AI总结 研究为自主机器人在动态环境中的行为规划，提出生成式部分指定有限状态机（GPSFSM）神经符号架构，利用Fabric等组件实现标准化语义能力描述，实验表明该方法计划生成成功率高、延迟低，还能生成复杂行为，且开源堆栈使其实用可重复。

Comments Accepted for publication in the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 9 pages, 10 figures, 1 table

Scalable Open-Source Visuotactile Sensor for 6-Axis Contact Wrench Estimation in Tensegrity Robots

用于张拉整体机器人六轴接触力扳手估计的可扩展开源视觉触觉传感器

Wenzhe Tong, Jonathan Mi, Xili Yi, Nima Fazeli, Xiaonan Huang

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文针对张拉整体机器人提出可扩展开源视觉触觉传感系统，通过集成弹性体外壳等部件及螺旋状填充粘结技术，利用触觉到扳手的神经网络实现六轴力扳手估计，实验验证其准确性和稳定性，提升了机器人触觉反馈实用性。

Comments 8 pages, 10 figures, IROS 2026

A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator

基于模型的结构化软操纵器本体感觉与接触传感解耦策略

Francesco Stella, Annan Zhang, Cosimo Della Santina, Josie Hughes, Daniela Rus

机构 * Embodied AI SA（具身人工智能公司） ； CREATE Lab, STI, EPFL（洛桑联邦理工学院智能系统学院创意实验室） ； Delft University of Technology（代尔夫特理工大学） ； German Aerospace Center（德国航空航天中心） ； MIT Computer Science & Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 研究软连续体机器人传感难题，提出基于模型策略从通用流体压力传感器解耦信号，用于ITH段，单段试验效果良好，集成到Air-Helix进行演示，证明该方法是实现软机器人并发传感的实用途径。

Comments Accepted for publication in the proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

VTAP Gripper: Synergizing Fingertip Sensing and a Visuo-Tactile Active Palm for Dexterous In-Hand Manipulation

VTAP 夹爪：指尖传感与视觉触觉主动手掌协同实现灵巧的手中操作

Yuhao Zhou, Sheeraz Athar, Zhixian Hu, Binghao Huang, Yunzhu Li, Juan Wachs, Yu She

机构 * Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） 纠错

AI总结 研究提出集成 VTAP 和触觉阵列传感器手指的夹爪，利用指掌协同与多模态感知实现操作。通过双模态手掌扩展能力，提出重定向框架。经多任务实验验证，该夹爪及框架为灵巧夹爪设计等提供实用参考架构。

Comments 8 pages, 10 figures, accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project webpage: https://yuhochau.github.io/vtap/

NeuroCommitSSM: Decision-Centric Shared Autonomy for Safe Assistive Manipulation via EEG-EMG-ET Commit Readiness

NeuroCommitSSM：通过脑电图-肌电图-眼动追踪提交准备实现安全辅助操作的以决策为中心的共享自主性

Tipu Sultan, Param Sangani, Kody Cool, Pascal Sikorski, Guangping Liu, Hadi Akbarpour, Madi Babaiasl

机构 * Saint Louis University（圣路易斯大学） 纠错

AI总结 NeuroCommitSSM是用于辅助机器人操作安全控制的以决策为中心框架，依EEG、EMG和ET预测提交分数转化为离散事件，经三状态监督器控制执行。实验表明其在多场景下准确率高、错误提交低，硬件验证减少错误启动和决策不稳定。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 3 figures, and 8 tables

Catch, Throw, Repeat: Planning for Human-Robot Partner Juggling

接住、抛出、重复：人机搭档杂耍的规划

Jonathan Rainer Lippert, Kai Ploeger, Abir Chowdhury, Hermann Müller, Jan Peters, Alap Kshirsagar

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； Justus-Liebig University Gießen（吉森尤斯 - 李比希大学） ； German Research Center for AI (DFKI)（德国人工智能研究中心（DFKI）） ； Robotics Institute Germany（德国机器人研究所） ； Indian Institute of Technology Delhi - Abu Dhabi（印度理工学院德里分校 - 阿布扎比） 纠错

AI总结 研究人机搭档杂耍问题，提出实时规划和控制架构，集成多种技术实现同步多球杂耍。通过用户研究，证明系统能达成三球级联共享，参与者成绩超此前最佳，提升了人机物理交互和共享自主性。

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

KineFuse: Kinematic-Aware Haptic Fusion for In-Hand Occluded-Object Pose Tracking

KineFuse：用于手中遮挡物体姿态跟踪的运动感知触觉融合

Chanyoung Ahn, Jaesung Lee, Sungwoo Park, Donghyun Hwang

机构 * Center for Humanoid Research, KIST（韩国科学技术院人形机器人研究中心） ； Korea University（韩国大学） 纠错

AI总结 研究如何利用多手指手上的稀疏触觉信号补充预训练视觉姿态跟踪器以应对遮挡，提出运动感知手指级编码器，经多级别评估对比，验证其能提升跟踪成功率，在下游任务表现更好并提供真实世界演示。

Comments 8 pages, 10 figures. Accepted for presentation at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

BridgeFlow: Fast and Robust SE(2)-Equivariant Motion Planning with Flow Matching

BridgeFlow：基于流匹配的快速且鲁棒的 SE(2) 等变运动规划

Xinzhe Zhou, Xuyang Wang, Xiaoming Duan, Jianping He

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） 纠错

AI总结 研究针对机器人运动规划中刚体变换等变性难题，提出BridgeFlow框架，通过轻量级模块实现等变性，结合布朗桥信息先验与最优传输加速推理，并嵌入环境感知，相比基线有速度和轨迹率优势，可稳健泛化。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures

Reinforcement Learning for the Full Strawberry Harvesting Process: Obstacle Separation, Detachment, and Placement

用于完整草莓收获过程的强化学习：障碍物分离、采摘和放置

Changyou Miao, Teng Li, Ya Xiong

机构 * Beijing Academy of Agriculture and Forestry Sciences（北京市农林科学院） ； Huazhong Agricultural University（华中农业大学） 纠错

AI总结 针对机器人草莓采摘中复杂接触动力学问题，开发含启发式阶段协调的强化学习框架，通过共享策略、观察空间及分层架构实现任务，采用相关技术支持模拟到现实转移，实验验证了该方法在不同平台的有效性。

Comments Accepted to IROS 2026

NavCMPO: Critic-Guided MeanFlow Policy Optimization for Adaptive Navigation

NavCMPO：用于自适应导航的评论家引导的平均流策略优化

Junjie An, Yi Wu, Xiao Liu, Yiqun Zhou, Yuechen Wu, Xiaoqing Guan, You Wang, Guang Li

机构 * Zhejiang University（浙江大学） ； Shandong University（山东大学） 纠错

AI总结 研究针对无地图视觉导航中策略的问题，提出NavCMPO框架，结合平均流轨迹生成、评论家引导细化和强化学习微调。在InternVLA - N1基准上有高成功率且降低推理延迟，并在Unitree Go2上实现有效模拟到现实的迁移。

Comments Accepted for presentation at IROS 2026

SoftNav: Injecting 3D Scene Tokens into VLMs for Embodied Navigation

SoftNav：将3D场景令牌注入视觉语言模型以进行具身导航

Yi Wu, Junjie An, Xiao Liu, Yiqun Zhou, Yuechen Wu, Xiaoqing Guan, Shuyang Yu, You Wang, Guang Li

机构 * Zhejiang University（浙江大学） ； Shandong University（山东大学） 纠错

AI总结 研究针对具身导航中3D场景理解与导航推理协同问题，提出SoftNav方法，通过轻量级投影仪将3D连续表示作为软令牌注入VLM隐藏空间，在HM3D-OVON上超越先前方法，且能零样本转移到其他场景，弥合表征差距实现可转移导航。

Comments 8 pages, 6 figures. Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

Beyond Implicit Force: Evaluating Explicit Force-Torque Proxies in Action Chunking with Transformers

超越隐式力：在使用Transformer的动作分块中评估显式力-扭矩代理

King Hang Wong, Lingqiao Liu, Feras Dayoub

机构 * Australian Institute for Machine Learning (AIML), Adelaide University（澳大利亚机器学习研究所（AIML），阿德莱德大学） 纠错

AI总结 研究在动作分块中ACT的力感知是否依赖遥操作隐式线索，引入以观察为中心的变体，评估简单关节扭矩代理。去除隐式线索致力关键阶段失败，扭矩增强策略可恢复接触行为并改进基础策略，证明隐式线索是力感知可恢复来源。

Comments Accepted to IROS 2026

Safe Execution of RL Policies Via Acceleration-Based CBF-QP Constraint Enforcement for Real-World Robotic Deployments

通过基于加速度的CBF-QP约束执行实现强化学习策略在实际机器人部署中的安全执行

Bastien Muraccioli, Alice Cariou, Pierre-Alexandre Leziart, Mathieu Celerier, Arnaud Demont, Gentiane Venture, Mehdi Benallegue

机构 * CNRS–AIST Joint Robotics Laboratory (JRL)（法国国家科学研究中心与日本产业技术综合研究所联合机器人实验室） ； AIST（日本产业技术综合研究所） ； The University of Tokyo（东京大学） 纠错

AI总结 研究针对强化学习缺乏安全保障限制硬件部署的问题，提出基于加速度的CBF-QP安全过滤器Acc-CBF-QP，能在运行时约束策略于安全集，减少约束违反，保留标称任务性能，在机器人实验中效果显著，且流程开源。

Comments 8 pages, 4 figures. Accepted for publication at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Mixed-Agent Museum Tour Guide Design Improves Gendered Learning Outcomes and Visitor Preferences

混合智能体博物馆导游设计提升性别化学习成果及游客偏好

Annette M. Masterson, Wonse Jo, Helena C. Sieh, Lionel P. Robert,, Dawn Tilbury

机构 * University of Michigan（密歇根大学） ； Incheon National University（仁川国立大学） 纠错

AI总结 研究博物馆中机器人导游，提出结合实体与虚拟智能体的混合导游系统，经30人受试者内研究验证，发现其提升女性学习表现，各条件下参与度和体验质量一致，且无论性别参与者都更偏好混合智能体团队。

Comments Accepted on IROS 2026, 8 pages

Chat2Scenic: An Iterative RAG-Based Framework for Scenario Generation in Autonomous Driving

Chat2Scenic：一种基于迭代检索增强生成的自动驾驶场景生成框架

Yuan Gao, Wenting Miao, Mattia Piccinini, Haoyu Wang, Qunying Song, Johannes Betz

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； University College London（伦敦大学学院） 纠错

AI总结 研究自动驾驶场景生成难题，提出Chat2Scenic这一基于迭代检索增强生成的框架，通过聊天机器人界面及RAG技术生成DSL场景脚本，构建开放基准，评估结果显示其性能优于现有方法。

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

3D Lane Detection with Odometry for High-Speed Vehicle Racing

用于高速赛车的带里程计的3D车道检测

Omoruyi Atekha, John Subosits, Marcus Greiff

AI总结 研究高速赛车场景下的3D车道检测问题，通过新数据集比较多种方法，提出改进措施，利用多摄像头集成及里程计等提升性能，相比其他方法提高了F1分数并降低误差，在车辆部署中取得良好指标。

Comments 14 pages, IROS paper, includes extended abstract

Vision-Based Obstacle Separation for Strawberry Harvesting in Clusters Using Hierarchical Reinforcement Learning

基于视觉的分层强化学习在成簇草莓采摘中的障碍物分离

Teng Li, Hanfei Shi, Chunjiang Zhao, Ya Xiong

机构 * The Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences（北京市农林科学院智能装备研究中心） ； School of Intelligence Science and Technology, University of Science and Technology Beijing（北京科技大学智能科学与技术学院） ； Happy Elements Ltd.（乐元素科技有限公司） 纠错

AI总结 针对成簇草莓采摘中果实易被遮挡的问题，提出分层强化学习框架VGPA，集成视觉引导决策机制和PAES，将任务分解为两阶段。模拟实验策略成功率96.7%，模拟到现实转移实验成功率71.7% - 88.3%，优于直接采摘，验证了方法有效性、泛化能力和实际潜力。

Comments Accepted to IROS 2026

COLMAR: Cooperative View Policy Learning for Multi-Agent Active 3D Reconstruction

COLMAR：用于多智能体主动3D重建的协作视图策略学习

Phu Pham, Damon Conover, Aniket Bera

机构 * Purdue University（普渡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

AI总结 研究多智能体主动3D重建中协调效率低的问题，提出COLMAR框架，将视点分配作为共享策略优化，用参数共享PPO训练，结合3DGS重建，实验表明相比基线在传感预算匹配时重建精度和覆盖率显著提升。

Comments 8 pages, 5 figures, IROS 2026

VAMP-MR: Vector-Accelerated Motion Planning and Execution for Multi-Robot-Arms

VAMP-MR：多机器人手臂的向量加速运动规划与执行

Philip Huang, Chenrui Gao, Jiaoyang Li

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； University of Michigan（密歇根大学） 纠错

AI总结 针对多机器人手臂运动规划这一关键挑战，结合经典规划算法与矢量化碰撞检查技术，引入新运动规划器，基于CPU SIMD指令加速碰撞检查，在运动规划和执行后处理中实现加速，并发布实现降低研发门槛。

Comments 8 pages, 6 figures, 3 tables. To appear in the Proceedings of IROS 2026

Joint On-and-Off Policy Learning for Vision-and-Language Navigation

用于视觉与语言导航的联合在线与离线策略学习

Qingrong He, Lin Zhao, Kevin Zheng, Liang Lin

机构 * Joy Future Academy（京东探索研究院） 纠错

AI总结 研究视觉与语言导航问题，提出JOP-VLN框架，通过三阶段训练流程，协同结合离线策略模仿学习和在线策略探索，采用高熵轨迹采样和纠错优先轨迹排序策略，在相关基准上取得高成功率，创技术新水平。

Comments Accepted by IROS 2026

GPUSimBench: Towards Scalable and Reliable GPU-Accelerated Simulators in Embodied AI

GPUSimBench：迈向具身人工智能中可扩展且可靠的GPU加速模拟器

Huzhenyu Zhang, Shenghai Yuan, Wenrui Yan, Li Ma, Hengjie Li, Jingcheng Pang, Dmitry Yudin

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MIRAI（未来人工智能研究所） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） 纠错

AI总结 研究具身人工智能中GPU加速模拟器问题，通过GPUSimBench工具，建立物理基础评估、基准测试并行可扩展性，揭示并量化GPU批处理执行的不确定性，确定模拟器堆栈随机经验模式，强调无界扩展对可重复性的影响。

Comments Accepted by IROS 2026