IEEE RA-L

Strategizing at Speed: A Learned Model Predictive Game for Multi-Agent Drone Racing

高速策略化：多无人机竞速的学习型模型预测博弈

Andrei-Carlo Papuc, Lasse Peters, Sihao Sun, Laura Ferranti, Javier Alonso-Mora

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学） 纠错

AI总结 针对多无人机竞速中策略深度与计算延迟的权衡问题，提出一种学习型模型预测博弈（LMPG）方法，通过摊销模型预测博弈计算来降低延迟，在仿真和硬件实验中优于模型预测博弈和模型预测控制。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9056-9063, Aug. 2026

ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning

ImplicitRDP：一种具有结构快慢学习的端到端视觉-力扩散策略

Wendi Chen, Han Xue, Yi Wang, Fangyuan Zhou, Jun Lv, Yang Jin, Shirun Tang, Chuan Wen, Cewu Lu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd.（诺姆矩阵有限公司） 纠错

AI总结 研究人类水平接触操作中视觉与力感测信号整合难题，提出ImplicitRDP策略，用结构快慢学习机制及虚拟目标表示正则化，经实验验证其在丰富接触任务中显著优于基线，有卓越反应性与成功率。

Comments Accepted to RA-L 2026. Project page: https://implicit-rdp.github.io