IEEE RA-L

Real-World Robot Control by Deep Active Inference With a Temporally Hierarchical World Model

通过时序分层世界模型的深度主动推断实现现实世界的机器人控制

Kentaro Fujii, Shingo Murata

机构 * Graduate School of Integrated Design Engineering, Keio University（Keio大学整合设计工程研究院） 纠错

AI总结 本文提出一种结合时序分层世界模型的深度主动推断框架，用于在不确定环境中实现机器人高成功率的操作与探索性动作切换。

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

COMET: A Dual Swashplate Autonomous Coaxial Bi-copter AAV with High-Maneuverability and Long-Endurance

COMET：一种双摆臂自主 coaxial 双旋翼 AAV，具有高机动性和长续航能力

Shuai Wang, Xiaoming Tang, Junning Liang, Haowen Zheng, Biyu Ye, Zhaofeng Liu, Fei Gao, Ximin Lyu

机构 * the School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； Research Institute of Multiple Agents and Embodied Intelligence, Peng Cheng Laboratory（多智能体与具身智能研究院，鹏城实验室） ； State Key Laboratory of Industrial Control Technology, Zhejiang University（工业控制技术国家重点实验室，浙江大学） ； Differential Robotics Technology Co., Ltd.（差分机器人技术有限公司） 纠错

AI总结 COMET 是一种具有双摆臂机制的 coaxial 双旋翼 AAV，通过优化效率和机动性，实现了高续航能力与稳定飞行性能。

Comments 8 pages, 8 figures, accepted at IEEE RA-L

Adaptive Legged Locomotion via Online Learning for Model Predictive Control

通过在线学习的自适应四肢运动控制

Hongyu Zhou, Xiaoyu Zhang, Vasileios Tzoumas

机构 * Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所） 纠错

AI总结 该研究提出了一种通过在线学习和模型预测控制实现自适应四肢运动的算法，能够处理未知负载和不规则地形下的复杂任务。

Comments IEEE Robotics and Automation Letters

Have We Scene It All? Scene Graph-Aware Deep Point Cloud Compression

我们是否已经看到了一切？基于场景图的深度点云压缩

Nikolaos Stathoulopoulos, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology（机器人与人工智能组，计算机、电子与航天工程系，卢勒阿大学技术学院） 纠错

AI总结 本文提出基于场景图的深度点云压缩框架，通过语义感知编码和结构化解码实现高效压缩，保留结构和语义信息，并支持多机器人系统中的下游应用。

Comments Please cite published version. 8 pages, 6 figures

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 12, pp. 12477-12484, 2025

Gentle Object Retraction in Dense Clutter Using Multimodal Force Sensing and Imitation Learning

在密集障碍物中使用多模态力感知和模仿学习实现温和的对象回退

Dane Brouwer, Joshua Citron, Heather Nolte, Jeannette Bohg, Mark Cutkosky

机构 * Department of Mechanical Engineering, Stanford University, USA（机械工程系，斯坦福大学） ； Department of Computer Science, Stanford University, USA（计算机科学系，斯坦福大学） 纠错

AI总结 本研究通过多模态力感知和模仿学习，实现机器人在密集障碍物中温和地提取物体，显著提升成功率和效率。

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

UniFucGrasp: Human-Hand-Inspired Unified Functional Grasp Annotation Strategy and Dataset for Diverse Dexterous Hands

UniFucGrasp: 人类手启发的统一功能抓取标注策略与多样的灵巧手数据集

Haoran Lin, Wenrui Chen, Xianchi Chen, Fan Yang, Qiang Diao, Wenxin Xie, Sijie Wu, Kailun Yang, Maojun Li, Yaonan Wang

机构 * School of Artificial Intelligence and Robotics, Hunan University, China（人工智能与机器人学院，湖南大学） ； National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University, China（机器人视觉感知与控制技术国家工程研究中心，湖南大学） ； College of Mechanical and Vehicle Engineering, Hunan University, China（机械与车辆工程学院，湖南大学） 纠错

AI总结 UniFucGrasp提出了一种基于人类手启发的统一功能抓取标注策略与数据集，支持低成本高效收集多样化高质量功能抓取，提升多机器人手的抓取稳定性和适应性。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L). The project page is at https://haochen611.github.io/UFG

A Minimal Subset Approach for Informed Keyframe Sampling in Large-Scale SLAM

大规模SLAM中用于有信息关键帧采样的最小子集方法

Nikolaos Stathoulopoulos, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology（机器人与人工智能组，计算机、电气与空间工程系，卢勒奥技术大学） 纠错

AI总结 本文提出了一种基于最小子集方法的在线关键帧采样技术，通过减少冗余和保留信息来提升大规模SLAM中的闭环检测性能和定位精度。

Comments Please cite the published version. 8 pages, 9 figures

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 1, pp. 738-745, 2026