IEEE RA-L

AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations

AutoPath：学习可转移的目标条件随机路径先验以实现无人类示范的安全导航

Ziyang Zhang, Boyang Zhou, Zesong Yang, Haocheng Peng, Zeming Gai, Xiao Liang, Yujun Shen, Danping Zou, Ruizhen Hu, Hujun Bao, Zhaopeng Cui

机构 * Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen University（深圳大学） 纠错

AI总结 研究在复杂环境下的安全导航问题，提出学习可转移目标条件随机路径先验的方法，引入规范状态表示和结构化先验学习框架，实验证明该方法成功率高、效率有竞争力且可跨平台转移。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L). 8 pages, 4 figures

SLIDER: Sparse History-Guided Aerial Robot Target Search using Sliding Local Maps

SLIDER：使用滑动局部地图的稀疏历史引导空中机器人目标搜索

Xiaolei Hou, Zheng Pan, Hua Lan, Zhenghao Zou, Yinhong Chen, Chenxi Zhu, Yang Lyu, Jinwen Hu, Chunhui Zhao

AI总结 针对空中机器人在大规模未知环境中目标搜索难题，提出SLIDER框架，结合局部滑动地图与稀疏全局历史信息，通过新评估方法、聚类策略及维护拓扑地图实现高效搜索，性能优于现有方法。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L), 2026. https://github.com/Poaos/SLIDER

Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations

通过从正向演示中学习逆向任务进行任务参数外推

Serdar Bahar, Fatih Dogangun, Matteo Saveriano, Yukie Nagai, Emre Ugur

机构 * Bogazici University（博雅科技大学） ； University of Trento（特伦托大学） ； The University of Tokyo（东京大学） 纠错

AI总结 本文提出了一种基于任务逆向学习的联合学习方法，通过利用辅助正向演示实现准确且高效的知识转移，以解决机器人学习中的泛化问题。

Comments Accepted for publication in IEEE RA-L

Online Generation of Collision-Free Trajectories in Dynamic Environments

动态环境中无碰撞轨迹的在线生成

Nermin Covic, Bakir Lacevic

机构 * Faculty of Electrical Engineering, University of Sarajevo（萨拉热窝大学电气工程学院） 纠错

AI总结 提出一种在线方法，将任意几何路径转换为运动学可行、加加速度受限的轨迹，支持实时环境适应并提供条件性停止安全保证。

Journal ref IEEE Robotics and Automation Letters, 2026

Towards Online Robot Interaction Adaptation to Human Upper-limb Mobility Impairments in Return-to-Work Scenarios

在重返工作场景中实现机器人在线交互以适应人类上肢运动障碍

Marta Lagomarsino, Francesco Tassi

机构 * Human-Robot Interfaces and Interaction (HRII) Laboratory, Istituto Italiano di Tecnologia（人类-机器人接口与交互（HRII）实验室，意大利技术研究院） 纠错

AI总结 针对工作环境对上肢残疾人士缺乏包容性的问题，提出将特定关节运动模型集成到分层最优控制器的人机交互框架，经测试能使交互个性化，适应受损运动范围，鼓励关节使用。

Journal ref IEEE Robotics and Automation Letters, 2026