IEEE RA-L

GNIO: Gated Neural Inertial Odometry

GNIO: 基于门控的神经惯性里程计

Dapeng Feng, Yizhen Yin, Zhiqiang Chen, Yuhua Qi, Hongbo Chen

机构 * Sun Yat-sen University（中山大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出GNIO，一种基于学习的框架，通过显式建模运动有效性和上下文，减少惯性导航中的漂移。采用可学习的Motion Bank和门控预测头，提升在复杂运动转换中的表现。

Comments Submitted to IEEE Robotics and Automation Letters

PerlAD: Towards Enhanced Closed-loop End-to-end Autonomous Driving with Pseudo-simulation-based Reinforcement Learning

PerlAD：基于伪模拟的强化学习在闭环端到端自动驾驶中的应用

Yinfeng Gao, Qichao Zhang, Deqing Liu, Zhongpu Xia, Guang Li, Kun Ma, Guang Chen, Hangjun Ye, Long Chen, Da-Wei Ding, Dongbin Zhao

机构 * School of Automation and Electrical Engineering, University of Science and Technology Beijing（北京科技大学自动化与电气工程学院） ； Xiaomi EV（小牛电动车） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） 纠错

AI总结 PerlAD通过伪模拟强化学习方法解决闭环端到端自动驾驶中训练与现实需求不匹配的问题，利用向量空间构建伪模拟环境，结合预测世界模型和分层解耦规划器，实现高效训练和规划，实验表明其在Bench2Drive和DOS基准上均表现优异。

Comments Accepted by IEEE RA-L. Submitted: 2025.12.2; Revised: 2026.2.4; Accepeted: 2026.3.7

ToMPC: Task-oriented Model Predictive Control via ADMM for Safe Robotic Manipulation

为安全高效的机器人操作而设计的基于ADMM的任务导向模型预测控制（ToMPC）

Xinyu Jia, Wenxin Wang, Jun Yang, Yongping Pan, Haoyong Yu

AI总结 本文提出一种基于ADMM的任务导向模型预测控制框架，用于安全高效的机器人操作。该框架结合碰撞自由运动和机器人环境交互，利用运动学冗余提高障碍环境下的操作效率。

Comments 8 pages, 10 figures, accepted by IEEE Robotics and Automation Letters (RAL)

RadarGaussianDet3D: Gaussian Representation-based Real-time 3D Object Detection with 4D Automotive Radars

RadarGaussianDet3D: 基于高斯表示的实时3D目标检测与4D汽车雷达

Weiyi Xiong, Bing Zhu, Zewei Zheng

AI总结 本文提出RadarGaussianDet3D，通过高斯表示提升4D雷达的3D目标检测性能，采用点高斯编码器和3D高斯点划技术生成密集特征图，结合新的高斯损失函数实现更高效的检测与推理。

Comments Accepted by IEEE Robotics and Automation Letters