IEEE RA-L

Adaptive Human-Robot Collaborative Painting Combining Preference-Based Optimization and Dynamic Motion Primitives

结合基于偏好的优化与动态运动基元的自适应人机协作绘画

C. Cella, M. Ristic, M. Faroni, A. M. Zanchettin, P. Rocco

机构 * Politecnico di Milano（米兰理工大学） 纠错

AI总结 本研究提出整合PBO与DMPs的人机协作绘画框架，通过GLISp算法优化控制参数，改进DMPs提升适应性，经实验验证可降低操作者工作量并优化绘画结果。

Comments 8 pages, 8 figures

Journal ref IEEE Robotics and Automation Letters, 2026

Diffusion-Based Body Schema Learning Enabling Abnormal-State Adaptation in Musculoskeletal Robots

基于扩散模型的身体模式学习：实现肌肉骨骼机器人的异常状态适应

Kento Kawaharazuka, Shuhei Ikemoto

机构 * The University of Tokyo（东京大学） ； Kyushu Institute of Technology（九州工业大学） 纠错

AI总结 本研究针对肌肉骨骼机器人传统身体模式学习方法难以处理异常状态的问题，提出基于扩散模型的身体模式学习框架，通过仿真实验验证了其异常状态下自适应估计肌肉参数的有效性。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L), website - https://haraduka.github.io/muscle-diffusion/

RIT*: Riemannian Informed Trees for Cost-Adaptive Optimal Motion Planning

RIT*：适用于成本自适应最优运动规划的黎曼知情树

Muhayy Ud Din, Ahmed Nadar, Jan Rosell, Irfan Hussain

机构 * Center for Autonomous Robotic Systems, Khalifa University（哈利法大学自主机器人系统中心） ； Institute of Industrial and Control Engineering, Universitat Politècnica de Catalunya（加泰罗尼亚理工大学工业与控制工程研究所） 纠错

AI总结 该研究提出RIT*规划框架，以黎曼原语替代批量知情搜索的欧几里得原语，结合CARM优化度量，在高维各向异性运动规划中显著降低成本，性能优于BIT*等基准方法。

Comments Accepted in Robotics and Automation Letters

FlowPilot: Real-Time World-Action Modeling for Agile UAV Navigation

FlowPilot：面向敏捷无人机导航的实时世界-动作建模

Runqing Wang, Ding Yu, Pengyuan Min, Xinhong Zhang, Wei Xiao, Yu Hu, Jie Chen, Fu Zhang, Gang Wang

机构 * Beijing Institute of Technology（北京理工大学） ； Zhongguancun Academy（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 FlowPilot是一种基于流匹配的紧凑世界-动作模型，采用双流混合Transformer，在三级深度金字塔数据上训练，可实现敏捷无人机实时导航，性能优于基线，能在杂乱环境中以5.5m/s速度运行。

Comments 8 pages, 9 figures, 2 tables, submitted to IEEE Robotics and Automation Letters (RA-L)

Belief-Aware Influence and Trust (BAIT): Shaping Human Belief During Repeated Human-Robot Interaction

信念感知影响与信任（BAIT）：在人机重复交互中塑造人类信念

Ye-Ji Mun, Mahsa Golchoubian, Shahabedin Sagheb, Yan Bai, Tianhao Ji, Dylan P. Losey, Katherine Driggs-Campbell

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Toronto（多伦多大学） ； Virginia Tech（弗吉尼亚理工大学） 纠错

AI总结 研究针对重复人机交互问题，提出BAIT控制器将分层粒子滤波器与信念感知规划器集成，能推断人类信念变化，优化长期影响与人类信任的权衡，在多场景实验中任务性能与基线相当且用户信任更高。

Comments 9 pages, 4 figures, submitted to IEEE Robotics and Automation Letter (RA-L)

DPL: Depth-only Perceptive Humanoid Locomotion via Realistic Depth Synthesis and Cross-Attention Terrain Reconstruction

DPL：基于真实深度合成与交叉注意力地形重建的仅深度感知人形机器人运动

Jingkai Sun, Gang Han, Pihai Sun, Wen Zhao, Jiahang Cao, Jiaxu Wang, Qiang Zhang, Yijie Guo

AI总结 该研究提出整合地形感知运动策略、多模态交叉注意力Transformer及真实深度图像合成方法的DPL框架，在人形机器人上实现高效训练与多样地形下的自适应运动。

Comments 8 pages, 8 figures. Published in IEEE Robotics and Automation Letters (RA-L), 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9407-9414, 2026