IEEE RA-L

Preferential Bayesian Optimization with Crash Feedback

优先级贝叶斯优化与崩溃反馈

Johanna Menn, David Stenger, Sebastian Trimpe

机构 * Institute for Data Science in Mechanical Engineering (DSME), RWTH Aachen University（亚琛工业大学机械工程数据科学研究所） ； aiXopt GmbH（aiXopt 有限公司） 纠错

AI总结 本文提出CrashPBO，通过整合用户偏好和崩溃反馈提升参数学习效率，减少实验崩溃并提高数据利用率。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 4, pp. 4299-4306, April 2026

NMPC-Augmented Visual Navigation and Safe Learning Control for Large-Scale Mobile Robots

增强型视觉导航与安全学习控制用于大规模移动机器人

Mehdi Heydari Shahna, Pauli Mustalahti, Jouni Mattila

机构 * Tampere University（坦佩雷大学） 纠错

AI总结 本文提出一种综合导航与控制框架，通过视觉姿态估计、非线性模型预测控制、深度神经网络控制策略及对数安全模块，确保大规模移动机器人在易滑地形上的稳定性和安全性。

Journal ref M. H. Shahna, P. Mustalahti and J. Mattila, "NMPC-Augmented Visual Navigation and Safe Learning Control for Large-Scale Mobile Robots," in IEEE Robotics and Automation Letters, vol. 11, no. 4, pp. 5182-5189, April 2026

OMCL: Open-vocabulary Monte Carlo Localization

OMCL：开放词汇蒙特卡洛定位

Evgenii Kruzhkov, Raphael Memmesheimer, Sven Behnke

机构 * Autonomous Intelligent Systems group, Computer Science Institute VI – Intelligent Systems and Robotics – and the Center for Robotics and the Lamarr Institute for Machine Learning and Artificial Intelligence, University of Bonn（波恩大学自主智能系统组、计算机科学研究所VI – 智能系统与机器人学 –、机器人中心以及拉马尔机器学习和人工智能研究所） 纠错

AI总结 本文提出OMCL，结合视觉语言特征扩展蒙特卡洛定位，实现跨模态观测与地图元素关联，通过自然语言描述初始化全局定位，验证了其在室内和室外场景中的泛化能力。

Comments Accepted to IEEE RA-L