IEEE RA-L

A Causal Approach to Predicting and Improving Human Perceptions of Social Navigation Robots

一种用于预测和提升人类对社交导航机器人类别感知的因果方法

Maximilian Diehl, Nathan Tsoi, Gustavo Chavez, Karinne Ramirez-Amaro, Marynel Vázquez

AI总结 本文提出了一种因果贝叶斯网络，用于预测和提升人类对社交导航机器人的感知，通过组合搜索优化导航行为，显著提高机器人能力感知。

Comments 8 pages, to be submitted to RA-L

ManiVID-3D: Generalizable View-Invariant Reinforcement Learning for Robotic Manipulation via Disentangled 3D Representations

ManiVID-3D: 通用的视角不变强化学习用于机器人操作的解耦3D表示

Zheng Li, Pei Qu, Yufei Jia, Shihui Zhou, Haizhou Ge, Jiahang Cao, Jinni Zhou, Guyue Zhou, Jun Ma

AI总结 ManiVID-3D通过解耦3D表示实现视角不变的强化学习，提升机器人操作在视角变化下的鲁棒性和效率。

Comments Accepted to RA-L. Project website: https://zheng-joe-lee.github.io/manivid3d/

Inference-Time Enhancement of Generative Robot Policies via Predictive World Modeling

生成式预测控制：通过预测世界建模增强推理时间的机器人策略

Han Qi, Haocheng Yin, Aris Zhu, Yilun Du, Heng Yang

AI总结 GPC通过预测世界建模在推理时间提升机器人策略，结合生成先验与前瞻性预测，实现测试时间适应，优于行为克隆并与其他基线方法相媲美。

Comments Acceptance to IEEE Robotics and Automation Letters. Website: https://computationalrobotics.seas.harvard.edu/GPC