IEEE RA-L

LineRides: Line-Guided Reinforcement Learning for Bicycle Robot Stunts

LineRides: 基于线引导的强化学习用于自行车机器人特技

Seungeun Rho, Shamel Fahmi, Jeonghwan Kim, Arianna Ilvonen, Sehoon Ha, Gabriel Nelson

机构 * RAI Institute（RAI研究院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出LineRides框架，通过空间引导线和稀疏关键姿态实现自行车机器人自主学习多样特技行为，无需示范或显式时间信息。

Comments Published in IEEE Robotics and Automation Letters (RA-L), 2026

CSR: Infinite-Horizon Real-Time Policies with Massive Cached State Representations

CSR：具有大规模缓存状态表示的无限时间 horizon 实时策略

Robin Karlsson, Go Suzui

机构 * GODOT Inc（GODOT公司） ； Graduate School of Informatics, Nagoya University（名古屋大学信息研究生院） 纠错

AI总结 本文提出CSR框架，通过优化KV缓存重用和异步状态协调算法，实现大规模LLM在机器人中的实时应用，显著降低延迟并提升性能。

Comments Extended Technical Report for Paper Accepted to IEEE RA-L

Task-Adaptive Admittance Control for Human-Quadrotor Cooperative Load Transportation with Dynamic Cable-Length Regulation

任务自适应阻抗控制用于人机四旋翼协作负载运输与动态缆长调节

Shuai Li, Ton T. H. Duong, Damiano Zanotto

机构 * Dept. of Mechanical Engineering, Stevens Institute of Technology（机械工程系，史蒂文斯理工学院） 纠错

AI总结 本文提出一种任务自适应阻抗控制器，用于安全高效的四旋翼协作负载运输，通过主动控制的绞盘实现动态缆长调节，提升系统响应性和运动平滑度。

Comments Preprint of accepted manuscript to be published in IEEE Robotics and Automation Letters (RA-L)

Neural Power-Optimal Magnetorquer Solution for Multi-Agent Formation and Attitude Control

神经电力最优磁力矩器解决方案用于多智能体编队与姿态控制

Yuta Takahashi, Shin-ichiro Sakai

AI总结 本文提出基于学习的电流计算模型，用于实现多智能体编队与姿态控制的电力最优磁场交互，通过顺序凸优化和多层感知机模型实现连续且最优的电流解决方案。

Comments IEEE Robotics and Automation Letters. Preprint Version. Accepted April, 2026 (DOI: https://doi.org/10.1109/LRA.2026.3692064)