IEEE RA-L

When Obstacles Bend: Modeling Vegetation Deformation in the context of Field Robotics

当障碍物弯曲：野外机器人场景下的植被变形建模

Muhammad Hsaeeb Zaar Khizar, Tom Montagnon, Roland Lenain, Romuald Aufrère, Johann Laconte

机构 * LIMOS（利摩日信息学与优化实验室） ； Université Clermont Auvergne（克莱蒙奥弗涅大学） ； Clermont Auvergne INP（克莱蒙奥弗涅国立综合理工学院） ； CNRS（法国国家科学研究中心） ； INRAE（法国国家农业食品与环境研究院） ； Institut Pascal（帕斯卡尔研究院） 纠错

AI总结 针对现有可通行性评估绑定机器人动力学、难以跨平台迁移的局限，该研究提出通过植被固有力学特性建模，结合变形与力数据实现植被感知导航。

Comments 8 pages, 7 figures, submitted to IEEE Robotics and Automation Letters (RA-L)

ScaRF-SLAM: Scale-Consistent Reconstruction with Feed-Forward Models and Classical Visual SLAM

ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建

Yuhao Zhang, Yifu Tao, Frank Dellaert, Maurice Fallon

机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） 纠错

AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026

Dynamically-Consistent Trajectory Optimization for Legged Robots via Contact Point Decomposition

基于接触点分解的腿式机器人动态一致性轨迹优化

Sangmin Kim, Hajun Kim, Gijeong Kim, Min-Gyu Kim, Hae-Won Park

机构 * Humanoid Robot Research Center, Korea Advanced Institute of Science and Technology（humanoid 机器人研究中心，韩国科学技术院） 纠错

AI总结 本文提出基于接触点分解的腿式机器人相位轨迹优化框架，通过解耦接触点动力学、利用贝塞尔多项式特性保证约束满足，经四足机器人验证可生成动态可靠运动。

Comments 8 pages, 4 figures, IEEE ROBOTICS AND AUTOMATION LETTERS. PREPRINT VERSION. ACCEPTED OCTOBER, 2025