IEEE RA-L

Whole-Body Inverse Dynamics MPC for Legged Loco-Manipulation

全身体态逆动力学MPC用于腿部机动操作

Lukas Molnar, Jin Cheng, Gabriele Fadini, Dongho Kang, Fatemeh Zargarbashi, Stelian Coros

机构 * Department of Mechanical and Process Engineering, ETH Zurich（机械与过程工程系，苏黎世联邦理工学院） ； Computational Robotics Lab, Department of Computer Science, ETH Zurich（计算机器人实验室，计算机科学系，苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种全身MPC框架，通过逆动力学优化实现腿部机动操作中的统一运动与力规划，实现实时80Hz性能，完成重物拉动、推箱子和擦拭白板等任务。

Comments 9 pages, 6 figures, to be published in IEEE Robotics and Automation Letters (Special Issue: Advancements in MPC and Learning Algorithms for Legged Robots)

LiHi-GS: LiDAR-Supervised Gaussian Splatting for Highway Driving Scene Reconstruction

LiHi-GS：基于LiDAR监督的高斯点云法用于高速公路场景重建

Pou-Chun Kung, Xianling Zhang, Katherine A. Skinner, Nikita Jaipuria

机构 * Latitude AI ； Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

AI总结 LiHi-GS通过LiDAR监督提升高速公路场景重建与合成，解决传统方法在高速场景和LiDAR利用上的不足。

Comments RA-L 2025

GRAM: Generalization in Deep RL with a Robust Adaptation Module

GRAM：深度强化学习中的泛化能力与鲁棒适应模块

James Queeney, Xiaoyi Cai, Alexander Schperberg, Radu Corcodel, Mouhacine Benosman, Jonathan P. How

机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室（MERL）） ； Massachusetts Institute of Technology（麻省理工学院） ； Amazon Robotics（亚马逊机器人） 纠错

AI总结 GRAM通过鲁棒适应模块提升深度强化学习在分布内和分布外场景中的泛化能力，通过仿真和机器人实验验证其有效性。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L)