RSS

Rhythm: Learning Interactive Whole-Body Control for Dual Humanoids

Rhythm: 为双人形机器人学习交互式全身控制

Hongjin Chen, Wei Zhang, Pengfei Li, Shihao Ma, Ke Ma, Yujie Jin, Zijun Xu, Xiaohui Wang, Yupeng Zheng, Zining Wang, Jieru Zhao, Yilun Chen, Wenchao Ding

机构 * Fudan University（复旦大学） ； TARS Robotics（TARS机器人） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 本文提出Rhythm框架，通过整合交互感知动作重定向、交互引导强化学习和现实部署系统，实现双人形机器人在复杂物理交互中的鲁棒控制。

Comments Accepted at Robotics: Science and Systems (RSS), 2026

Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models

弥合语言与物理：利用大型语言模型自动设计连续体机器人

Jingyi Chen, Mohan Zhang, Laura Yao, Yingtai Ni, Jianmin Ji, Jie Peng, Song Wang, Tianlong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Central Florida（中佛罗里达大学） 纠错

AI总结 提出AID-SR多层框架，利用大型语言模型通过闭环物理反馈自动设计连续体机器人，在14个任务基准上实现96.2%模拟可行性和26.7%任务成功率，并完成真实世界验证。

Comments The first three authors contributed equally to this work

Journal ref Proceedings of Robotics: Science and Systems XXII, 2026

LongNav-R1: Horizon-Adaptive Multi-Turn RL for Long-Horizon VLA Navigation

LongNav-R1: 基于水平自适应的多轮强化学习用于长周期视觉语言导航

Yue Hu, Avery Xi, Qixin Xiao, Seth Isaacson, Henry X. Liu, Ram Vasudevan, Maani Ghaffari

机构 * University of Michigan（密歇根大学） 纠错

AI总结 LongNav-R1通过多轮强化学习提升长周期视觉语言导航性能，实现高效样本利用和多样化导航行为。

Comments VLA, Navigation

Journal ref RSS 2026

Virtual Testing of Automated Driving Systems through Credible Simulations

基于可信仿真的自动驾驶系统虚拟测试

Riccardo Dona, Espedito Rusciano, Biagio Ciuffo

AI总结 本文针对自动驾驶系统虚拟测试中仿真可信度评估的局限，借鉴NASA STD-7009框架提出基于风险的仿真工具链可信度评估框架，可应用于相关道路安全与仿真研究。

Comments Road Safety and Simulation 2026 RSS2026

Optimal UGV-UAV Cooperative Partitioning and Inspection of Shortest Paths

最优UGV-UAV协作路径划分与最短路径探测

Ninh Nguyen, Srinivas Akella

AI总结 本文研究了在未知道路阻塞环境下，UGV与UAV协作规划最短路径的问题，提出了一种最优路径划分策略，通过UAV和UGV分工探测路径前缀和后缀，提高了路径规划效率。

Comments 10 pages, 6 figures. Published in Robotics: Science and Systems (RSS 2026). Camera-ready version

Journal ref Proceedings of Robotics: Science and Systems XXII, Sydney, Australia, July 13-17, 2026

Continuum Robot Localization using Distributed Time-of-Flight Sensors

基于分布式飞行时间传感器的连续机器人定位

Spencer Teetaert, Giammarco Caroleo, Marco Pontin, Sven Lilge, Jessica Burgner-Kahrs, Timothy D. Barfoot, Perla Maiolino

机构 * University of Toronto Robotics Institute, Canada（多伦多大学机器人研究所，加拿大） ； Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所，英国） ； Toronto Metropolitan University, Canada（多伦多 Metropolitan 大学，加拿大） 纠错

AI总结 本文提出了一种利用小型低分辨率飞行时间传感器进行连续机器人定位的方法，通过融合传感器数据与机器人形状先验信息，实现了在复杂环境中高精度的定位与建图。

Comments Print version, to be published at Robotics: Science and Systems (RSS) 2026

Journal ref Proceedings of Robotics: Science and Systems (2026)

MEMORA: Embodied Action Memory from Egocentric Videos for Reasoning and Planning

MEMORA：基于自我中心视频的具身动作记忆用于推理与规划

Zihao Yu, Xiu Yuan, Chongjie Zhang

AI总结 研究针对长期机器人规划中对具身经验记忆的需求，提出MEMORA方法，通过形成-巩固-检索生命周期及四种类型存储实现具身动作记忆，经实验评估取得良好结果，能为机器人规划提供记忆上下文。

Comments 50 pages. v1: Oral presentation at the Robotics: Science and Systems 2026 Workshop on Foundation Models for Robot Planning (FM4RoboPlan). v2: Accepted to the Association for Computational Linguistics: EMNLP 2026

TFP: Temporally Conditioned Memory-Fusion Policies for Visuomotor Learning

TFP：用于视觉运动学习的时间条件记忆融合策略

Yushen Liang, Yue Peng, Baosheng Jin, Tianluo Zhang, Xinyu Zhang, Shuyi Zhou, Zhuoran Chen, Xinqi Liu, Shenji Wan

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Beijing Institute of Technology（北京理工大学） 纠错

AI总结 研究针对视觉运动学习中阶段依赖操作问题，提出时间条件记忆融合策略（TFP），通过维护任务进展信念并注入动作解码器来改进VLA策略，在多个任务上提升成功率，证明紧凑且对事件敏感的记忆动态可优化VLA策略。

Comments Accepted to the SemRob 2026 Workshop at Robotics: Science and Systems (RSS 2026)

RLinf-USER: A Unified and Extensible System for Real-World Online Policy Learning in Embodied AI

RLinf-USER: 一个统一且可扩展的系统，用于具身人工智能中的现实世界在线策略学习

Hongzhi Zang, Shu'ang Yu, Hao Lin, Tianxing Zhou, Zefang Huang, Zhen Guo, Xin Xu, Jiakai Zhou, Yuze Sheng, Shizhe Zhang, Feng Gao, Wenhao Tang, Yufeng Yue, Quanlu Zhang, Xinlei Chen, Chao Yu, Yu Wang

AI总结 RLinf-USER是一个统一且可扩展的系统，用于现实世界中的在线策略学习，通过统一硬件抽象层和异步框架实现多机器人协调与长时训练。

Comments Accepted to RSS 2026

Active Surface-Driven Reconfigurable Gripper: Robust Grasping and Sequential Manipulation of Thin Objects

主动表面驱动的可重构夹爪：薄物体的稳健抓取与顺序操作

Ziyi Zheng, Keqi Zhu, Hao Wu, Yanzhe Wang, Huixu Dong

机构 * Zhejiang University（浙江大学） ； Torch Kernel Co., Ltd.（炬芯科技股份有限公司） 纠错

AI总结 该研究针对现有机械夹爪抓取薄物体时稳健性不足的问题，提出主动表面驱动的可重构欠驱动夹爪，通过设计、建模、优化及实验验证，实现薄物体的可靠抓取与顺序操作。

Comments Accepted by RSS2026

Relaxation-Aware Multimodal Sensing of Soft Gripper Driven by Structure-Perception-Learning

基于结构-感知-学习的软夹持器的松弛感知多模态感知

Yanzhe Wang, Hao Wu, Ziyi Zheng, Huixu Dong

机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Torch Kernel Co., Ltd.（炬芯科技股份有限公司） 纠错

AI总结 该研究针对软夹持器抓取力因粘弹性松弛衰减的问题，提出结构-感知-学习框架，结合变刚度设计与温度耦合粘弹性力表征，使280秒力控抓取误差降低80%至95%，实现稳定持续抓取。

Comments 11 pages, 9 figures. Published in Robotics: Science and Systems (RSS 2026)

Journal ref Proceedings of Robotics: Science and Systems XXII, Sydney, Australia, July 13-17, 2026

Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention

Tactile-WAM：具有触觉非对称注意力的触觉感知世界动作模型

Siyu Wu, Linjing You, Junjie Zhu, Yaozu Liu, Huang Kaixiang, Chen Yonghang, Jituo Li, Changhao Zhang, Jian Liu, Hengshuo Chu, Qi Li, Hengshuang Zhao

机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 针对接触丰富操作中视觉预测不完整的问题，提出Tactile-WAM，通过触觉非对称注意力机制（TAAM）在保护视觉预测的同时利用触觉信息生成动作，整体成功率提升38.9%。

Comments Submitted to RSS2026 WorkShop Tactile for FM

SuperMap: A Spatio-Temporal SLAM System for Visual-Language Navigation

SuperMap：用于视觉-语言导航的时空SLAM系统

Shibo Zhao, Guofei Chen, Honghao Zhu, Zhiheng Li, Changwei Yao, Nader Zantout, Seungchan Kim, Wenshan Wang, Ji Zhang, Sebastian Scherer

机构 * The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 本文提出SuperMap，一种结合几何SLAM与开放词汇感知的4D时空建图框架，用于视觉-语言导航，可稳定维护目标身份，经基准与真实机器人验证后开源。

Journal ref Proceedings of Robotics: Science and Systems (RSS 2026)

RoboLab: A High-Fidelity Simulation Benchmark for Analysis of Task Generalist Policies

RoboLab：一种高保真模拟基准，用于分析任务通用策略

Jenai Xuning Yang, Rishit Dagli, Alex Zook, Hugo Hadfield, Ankit Goyal, Stan Birchfield, Fabio Ramos, Jonathan Tremblay

机构 * NVIDIA ； University of Toronto（多伦多大学） ； The University of Sydney（悉尼大学） 纠错

AI总结 RoboLab通过高保真模拟环境评估任务通用策略的真实泛化能力，提供120个任务的视觉、程序和关系能力测试，揭示当前最佳模型的性能差距。

Journal ref Robotics: Science and Systems XXII, Sydney, Australia, 2026

RLinf-VLA: A Unified and Efficient Framework for Reinforcement Learning of Vision-Language-Action Models

RLinf-VLA: 一种用于视觉-语言-动作模型强化学习的统一高效框架

Hongzhi Zang, Mingjie Wei, Si Xu, Yongji Wu, Zhen Guo, Yuanqing Wang, Hao Lin, Peihong Wang, Liangzhi Shi, Yuqing Xie, Zhexuan Xu, Zhihao Liu, Kang Chen, Wenhao Tang, Quanlu Zhang, Weinan Zhang, Chao Yu, Yu Wang

机构 * Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； Infinigence AI ； Peking University（北京大学） ； UC Berkeley（加州大学伯克利分校） ； Harbin Institute of Technology（哈尔滨工程学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 RLinf-VLA是一种统一高效的框架，用于提升视觉-语言-动作模型在具身环境中的强化学习性能，通过统一接口和高效资源分配实现统一和可扩展的训练。

Comments Accepted to RSS 2026. This is the technical report of the RLinf Team, focusing on the algorithm side. For the system-level design, please refer to arXiv:2509.15965. The open-sourced code link: https://github.com/RLinf/RLinf

Aerial Layouting: Design and Control of a Compliant and Actuated End-Effector for Precise In-flight Marking on Ceilings

空中布局：用于天花板精确飞行中标记的柔顺驱动末端执行器的设计与控制

Christian Lanegger, Marco Ruggia, Marco Tognon, Lionel Ott, Roland Siegwart

机构 * Autonomous Systems Lab, ETH Zurich（苏黎世联邦理工学院自主系统实验室） 纠错

AI总结 该研究针对空中机器人毫米级定位精度需求，设计采用Gough-Stewart机构的柔顺驱动末端执行器，实现天花板上的精确标记，无需复杂建模或控制。

Comments C. Lanegger and M. Ruggia contributed equally. Accepted to Robotics: Science and Systems (RSS) 2022

High Fidelity Capture, Reconstruction, and Transfer of Human Demonstrations for Robot-Assisted Bathing

面向机器人辅助洗澡任务的人类演示的高保真捕捉、重建与迁移

Arjun S. Lakshmipathy, Jonathan P. King, Ethan Zuo, Rohit Satishkumar, Hongyi Chen, Jeffrey Ichnowski, Dan Ding, Zackory Erickson, Nancy S. Pollard

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； School of Health and Rehabilitation Sciences, University of Pittsburgh（匹兹堡大学健康与康复科学学院） 纠错

AI总结 针对机器人辅助洗澡任务中人类演示难以迁移的问题，提出以接触区域为核心的高保真处理框架，构建含多维度同步数据的数据集，实现灵巧软手完成洗澡任务，相关材料将公开以推动pHRI研究。

Comments Accepted to Robotics: Science and Systems (RSS) 2026. Official conference page: https://www.roboticsproceedings.org/rss22/p094.pdf

Journal ref Proceedings of Robotics: Science and Systems (RSS), 2026

$\mathcal{P}^3$: Toward Versatile Embodied Agents

$\mathcal{P}^3$：迈向通用具身智能体

Shengli Zhou, Xiangchen Wang, Jinrui Zhang, Ruozai Tian, Jianzheng Huang, Rongtao Xu, Guanhua Chen, Feng Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Spatialtemporal AI（时空AI） ； MBZUAI 纠错

AI总结 研究针对具身智能体面临的动态环境感知、工具使用和多任务规划挑战，提出$\mathcal{P}^3$统一框架，集成实时感知与动态调度，经实验验证能打造高迁移性通用具身智能体。

Comments Accepted by RSS 2026 Workshop ExWBC

Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation

基于OpenArm的实验室移动操作的表示交接

Yang Shen, Chonghao Cheng, Ziyi Zhao, Jialuo Zhu, Zhenyi Yi, Qi Zhao, Jian Yang, Yuhui Shi, Chin-Teng Lin

AI总结 本研究提出基于OpenArm的实验室移动操作原型，通过表示交接整合多模块，可暴露部署阻碍并为具身系统整合提供调试接口。

Comments Robotics: Science and Systems (RSS) Workshop 2026

GS-Playground: A High-Throughput Photorealistic Simulator for Vision-Informed Robot Learning

GS-Playground：一种高吞吐量的视觉真实模拟器用于基于视觉的机器人学习

Yufei Jia, Heng Zhang, Ziheng Zhang, Junzhe Wu, Mingrui Yu, Zifan Wang, Dixuan Jiang, Zheng Li, Chenyu Cao, Zhuoyuan Yu, Xun Yang, Haizhou Ge, Yuchi Zhang, Jiayuan Zhang, Zhenbiao Huang, Tianle Liu, Shenyu Chen, Jiacheng Wang, Bin Xie, Xuran Yao, Xiwa Deng, Guangyu Wang, Jinzhi Zhang, Lei Hao, Zhixing Chen, Yuxiang Chen, Anqi Wang, Hongyun Tian, Yiyi Yan, Zhanxiang Cao, Yizhou Jiang, Hanyang Shao, Yue Li, Lu Shi, Bokui Chen, Wei Sui, Hanqing Cui, Yusen Qin, Ruqi Huang, Lei Han, Tiancai Wang, Guyue Zhou

机构 * THU（清华大学） ； Motphys ； Dexmal ； DISCOVER Robotics ； HKUST(GZ)（香港科技大学（广州）） ； BIT（北京理工大学） ； NUS（新加坡国立大学） ； HITSZ（哈尔滨工业大学） ； XJTU（西安交通大学） ； NJU（南京大学） ； SJTU（上海交通大学） ； D-Robotics 纠错

AI总结 GS-Playground通过高吞吐量的多模态模拟框架，结合高效物理引擎和3DGS渲染管道，提升视觉强化学习的效率，降低大规模视觉RL的门槛，实现感知与物理的无缝衔接。

Comments Robotics: Science and Systems 2026

Optimal Measurement of Drone Swarm in RSS-based Passive Localization with Region Constraints

区域约束下基于RSS的无源定位中无人机集群的最优测量

Xin Cheng, Feng Shu, Yifan Li, Zhihong Zhuang, Di Wu, Jiangzhou Wang

AI总结 本文针对区域约束下无人机无法任意部署的问题，采用D最优准则构建优化问题，推导并提出不同飞行状态下无人机的最优闭式构型，通过仿真验证其有效性与实用性。

Journal ref Cheng X, Shu F, Li Y, et al. Optimal measurement of drone swarm in RSS-based passive localization with region constraints[J]. IEEE Open Journal of Vehicular Technology, 2022, 4: 1-11

Communication-efficient Coordinated RSS-based Distributed Passive Localization via Drone Cluster

基于RSS的无人机集群通信高效协同分布式无源定位

Xin Cheng, Weiping Shi, Wenlong Cai, Weiqiang Zhu, Tong Shen, Feng Shu, Jiangzhou Wang

AI总结 该研究针对无源辐射源定位问题，提出DMM和DEF方法，仿真显示DMM在低通信开销下RMSE优于DGN，DEF的RMSE优于MM但复杂度更高。

Journal ref Cheng X, Shi W, Cai W, et al. Communication-efficient coordinated RSS-based distributed passive localization via drone cluster[J]. IEEE Transactions on Vehicular Technology, 2021, 71(1): 1072-1076

It's Not Just More Demos: Counterfactual Action Sensitivity Coverage for Data-Efficient Robust Robot Imitation

不仅仅是更多演示：用于数据高效的鲁棒机器人模仿的反事实动作敏感性覆盖

Giovanni D'urso, Kaushik Roy, Nicholas Lawrance, Brendan Tidd

机构 * CSIRO Robotics, CSIRO, Australia（澳大利亚联邦科学与工业研究组织机器人学部，澳大利亚联邦科学与工业研究组织） 纠错

AI总结 针对视觉运动模仿策略对干扰项脆弱的问题，提出CFNBC框架，通过测量动作漂移选择紧凑修复集，在机器人任务中20-30个候选的修复性能优于随机选择。

Comments Workshop paper accepted at the RSS 2026 Workshop on Data-Centric Robotics: What Data Do Robots Really Need?

Picasso: Holistic Scene Reconstruction with Physics-Constrained Sampling

Picasso: 基于物理约束采样的整体场景重建

Xihang Yu, Rajat Talak, Lorenzo Shaikewitz, Luca Carlone

机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 提出Picasso，一种通过快速拒绝采样推理多物体交互并考虑几何、非穿透和物理约束的整体场景重建方法，在物理合理性和重建精度上显著优于现有技术。

Comments 15 pages, accepted to Robotics: Science and Systems (RSS) 2026

Agentic coding without the cloud: evaluating open-weight large language models on longitudinal data preparation tasks

无需云端的智能编码：在纵向数据准备任务中评估开放权重的大语言模型

Mack Nixon, Liam Wright, Yevgeniya Kovalchuk, Alison Fang-Wei Wu, Martin Danka, Andy Boyd, David Bann

AI总结 研究在纵向数据准备任务中评估开放权重的大语言模型，介绍开源框架，含真实数据集、任务定义和评估程序，通过基准测试发现当前先进模型表现良好，为治理受限研究中的AI辅助数据准备提供可行路径。

Comments Presented at SLLS 2026; accepted at CLS 2026 and RSS 2026

Action Flow Matching for Continual Robot Learning

动作流匹配用于持续机器人学习

Alejandro Murillo-Gonzalez, Lantao Liu

机构 * Indiana University–Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 通过动作流匹配方法提升机器人持续学习的效率与适应性，实现动态模型的在线对齐与高效学习。

Comments Robotics: Science and Systems 2025

Journal ref Proceedings of Robotics: Science and Systems, 2025

Counterfactual Reasoning and Environment Design for Active Preference Learning

主动偏好学习的反事实推理与环境设计

Yi-Shiuan Tung, Bradley Hayes, Alessandro Roncone

AI总结 研究机器人主动偏好学习中现有方法的不足，提出CRED方法，通过联合优化环境设计和轨迹选择，利用反事实推理生成轨迹，经实验验证该方法能改善奖励学习并在不同环境有效泛化。

Comments RSS 2025 Workshop on Human-in-the-Loop Robot Learning: Teaching, Correcting, and Adapting

Exploring the Intrinsic Geometry of Diffusion Models with Constrained Inverse Kinematics

探索扩散模型在约束逆运动学中的内在几何结构

Miguel Angel Rogel Garcia, Phone Thiha Kyaw, Jonathan Kelly

机构 * Institute for Aerospace Studies, University of Toronto（航空航天研究所以及多伦多大学） 纠错

AI总结 通过约束逆运动学问题，研究扩散模型能否恢复数据流形的内在几何结构，实验表明模型得分函数恢复的内在维度与解析自由度匹配，且潜在空间线性插值保持约束流形结构。

Comments In Proceedings of the Robotics: Science and Systems (RSS) 2026 Workshop on Diffusion for Robot Learning, Sydney, Australia, July 17, 2026

Learning When to Jump for Off-road Navigation

在越野导航中学习何时跳跃

Zhipeng Zhao, Taimeng Fu, Shaoshu Su, Qiwei Du, Ehsan Tarkesh Esfahani, Karthik Dantu, Souma Chowdhury, Chen Wang

机构 * University at Buffalo（布法罗大学） 纠错

AI总结 本文提出Motion-aware Traversability方法，通过建模实际机器人运动动态，提升越野导航的实时性和安全性，减少75%的路径绕行。

Journal ref Robotics: Science and Systems (RSS), 2026

Motion-aware Event Suppression for Event Cameras

面向事件相机的运动感知事件抑制

Roberto Pellerito, Nico Messikommer, Giovanni Cioffi, Marco Cannici, Davide Scaramuzza

机构 * Robotics and Perception Group, University of Zurich, Switzerland（苏黎世大学机器人与感知组，瑞士） 纠错

AI总结 提出首个运动感知事件抑制框架，通过联合分割当前事件流中的独立运动物体并预测其未来运动，实现动态事件的预期抑制，在EVIMO基准上分割精度提升67%，推理速度提高53%。

Comments Robotics: Science and Systems (RSS) 2026