IEEE 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