IEEE RA-L

Safety on the Fly: Constructing Robust Safety Filters via Policy Control Barrier Functions at Runtime

飞行中的安全性：通过运行时策略控制屏障函数构建稳健的安全过滤器

Luzia Knoedler, Oswin So, Ji Yin, Mitchell Black, Zachary Serlin, Panagiotis Tsiotras, Javier Alonso-Mora, Chuchu Fan

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空宇航工程系，麻省理工学院） ； D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（Guggenheim航空航天工程学院，佐治亚理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室） 纠错

AI总结 本文提出鲁棒策略CBF方法，通过在线估计价值函数构建稳健的安全过滤器，用于高相对阶输入约束系统的安全控制。

Comments Accepted in RAL. The project page can be found at www.oswinso.xyz/rpcbf/

Journal ref IEEE Robotics and Automation Letters, Volume 10, Issue 10, 2025, pages 10058-10065

Allocating Corrective Control to Mitigate Multi-agent Safety Violations Under Private Preferences

为缓解多智能体安全违规分配纠正控制

Johnathan Corbin, Sarah H. Q. Li, Jonathan Rogers

AI总结 本文提出一种基于隐私保护拍卖机制的多智能体安全纠正控制框架，通过规避信用机制实现高效安全纠正分配。

Comments 8 pages, 3 figures, Submitted to IEEE Robotics and Automation Letters (RA-L)

Super-LIO: A Robust and Efficient LiDAR-Inertial Odometry System with a Compact Mapping Strategy

超LIO：一种鲁棒且高效的激光雷达-惯性里程计系统，具有紧凑的映射策略

Liansheng Wang, Xinke Zhang, Chenhui Li, Dongjiao He, Yihan Pan, Jianjun Yi

机构 * Department of Mechanical Engineering, East China University of Science and Technology（东华大学机械工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Hong Kong（香港大学） 纠错

AI总结 Super-LIO通过紧凑的OctVox映射结构和启发式引导的KNN策略，实现了高效的鲁棒LIO系统，显著提升了处理速度和资源利用率。

Comments 8 pages, 5 figures

Journal ref IEEE Robotics and Automation Letters (RA-L), 2026