IEEE RA-L

D-LIO: 6DoF Direct LiDAR-Inertial Odometry based on Simultaneous Truncated Distance Field Mapping

D-LIO：基于同时截断距离场映射的6自由度直接激光雷达-惯性里程计

Lucia Coto-Elena, J. E. Maese, L. Merino, F. Caballero

机构 * Service Robotics Laboratory, Universidad Pablo de Olavide（服务机器人实验室，帕布罗·德·奥拉维德大学） 纠错

AI总结 D-LIO通过同时截断距离场映射实现6自由度直接激光雷达-惯性里程计，提升环境感知精度与实时性。

Comments 9 pages, 3 figures and 43 references

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 1, pp. 169-176, 2026

Efficient Learning of Object Placement with Intra-Category Transfer

高效学习物体摆放的跨类迁移

Adrian Röfer, Russell Buchanan, Max Argus, Sethu Vijayakumar, Abhinav Valada

机构 * University of Freiburg（弗赖堡大学） ； University of Edinburgh（爱丁堡大学） ； University of Waterloo（滑铁卢大学） 纠错

AI总结 本文提出了一种通过跨类别迁移高效学习物体摆放的方法，利用少量示范训练模型，实现对多种物体的高效任务学习。

Comments 12 pages, 8 figures, 3 tables, accepted at RA-L November 2025

Trust-Preserved Human-Robot Shared Autonomy enabled by Bayesian Relational Event Modeling

基于贝叶斯关系事件建模的信任保留人机协同自主性

Yingke Li, Fumin Zhang

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程学院，佐治亚理工学院） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（电子与计算机工程系，香港科技大学） 纠错

AI总结 本文提出基于贝叶斯关系事件建模的信任保留协同自主策略，通过动态推断人类信任提升人机协作效率与用户接受度。

Journal ref in IEEE Robotics and Automation Letters, vol. 9, no. 11, pp. 10716-10723, Nov. 2024