IEEE RA-L

LILAC: Language-Conditioned Object-Centric Optical Flow for Open-Loop Trajectory Generation

LILAC：基于语言的物体中心光学流用于开环轨迹生成

Motonari Kambara, Koki Seno, Tomoya Kaichi, Yanan Wang, Komei Sugiura

机构 * Keio University（庆应义塾大学） ； KDDI Research Inc.（KDDI研究所） 纠错

AI总结 本文提出LILAC模型，通过结合视觉与语言信息生成物体中心光学流，并转化为6自由度机械臂轨迹，实验显示其在多个基准和实际物体操作中表现更优。

Comments Accepted to IEEE RA-L

Distributionally Robust Acceleration Control Barrier Filter for Efficient UAV Obstacle Avoidance

分布鲁棒加速控制屏障过滤器用于高效无人机障碍物避障

Dnyandeep Mandaokar, Bernhard Rinner

AI总结 本文提出分布鲁棒加速控制屏障函数（DR-ACBF）用于高效无人机避障，通过考虑动态和延迟的清晰度处理延迟、执行器限制和障碍物加速度，利用Cantelli紧缩和DR-CVaR提前触发提高安全性，实现实时执行。

Comments This work has been accepted for publication in IEEE RA-L

Chance-Constrained Iterative Linear-Quadratic Stochastic Games

机会约束迭代线性二次随机博弈

Hai Zhong, Yutaka Shimizu, Jianyu Chen

机构 * Institute for Interdisciplinary Sciences, Tsinghua University（清华大学交叉信息研究院） ； Tier IV, Inc.（Tier IV公司） ； Shanghai Qizhi Institute（上海期智研究院） 纠错

AI总结 本文提出CCILQGames算法，通过增广拉格朗日方法解决机会约束随机博弈问题，在自动驾驶场景中验证了其生成安全交互策略的能力。

Comments Updated version of the published IEEE RA-L paper. Assumption 1 and strategy space definition revised to make the information structure explicit. Theorem 1 assumptions are more explict. No changes to algorithm or experimental results