RSS

CoCo-InEKF: State Estimation with Learned Contact Covariances in Dynamic, Contact-Rich Scenarios

CoCo-InEKF：动态接触丰富场景中的状态估计与学习接触协方差

Michael Baumgartner, David Müller, Agon Serifi, Ruben Grandia, Espen Knoop, Markus Gross, Moritz Bächer

机构 * ETH Zurich（苏黎世联邦理工学院） ； Disney Research（迪士尼研究） 纠错

AI总结 本文提出CoCo-InEKF，利用学习的连续接触速度协方差进行状态估计，提升动态腿部机器人在复杂接触场景中的鲁棒性与效率。

Comments RSS 2026

TinySDP: Real Time Semidefinite Optimization for Certifiable and Agile Edge Robotics

TinySDP: 为可证实和敏捷边缘机器人实现实时半正定优化

Ishaan Mahajan, Jon Arrizabalaga, Andrea Grillo, Fausto Vega, James Anderson, Zachary Manchester, Brian Plancher

机构 * A2R-Lab（A2R实验室） 纠错

AI总结 本文提出TinySDP，一种为嵌入式系统设计的半正定规划求解器，用于实时模型预测控制，解决非凸障碍约束下的碰撞避免问题，实现更短路径和实时性。

Comments Accepted to Robotics: Science and Systems (RSS) 2026. 11 pages, 5 figures, 2 tables. Project website: https://a2r-lab.org/TinySDP/

From Local Matches to Global Masks: Template-Guided Instance Detection and Segmentation in Open-World Scenes

从局部匹配到全局掩码：在开放世界场景中基于模板的实例检测与分割

Qifan Zhang, Sai Haneesh Allu, Jikai Wang, Yangxiao Lu, Yu Xiang

机构 * IRVLUTD 纠错

AI总结 本文提出L2G-Det框架，通过模板与查询图像的密集补丁匹配实现实例检测与分割，避免显式提议，提升开放世界场景下的鲁棒性。

Comments Accepted to Robotics: Science and Systems (RSS) 2026. Project page: https://irvlutd.github.io/L2G/

Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons

Robometer：通过轨迹比较扩展通用机器人奖励模型

Anthony Liang, Yigit Korkmaz, Jiahui Zhang, Minyoung Hwang, Abrar Anwar, Sidhant Kaushik, Aditya Shah, Alex S. Huang, Luke Zettlemoyer, Dieter Fox, Yu Xiang, Anqi Li, Andreea Bobu, Abhishek Gupta, Stephen Tu, Erdem Biyik, Jesse Zhang

机构 * Univ. of Southern California（南加州大学） ； UT Dallas（德克萨斯大学达拉斯分校） ； MIT（麻省理工学院） ； Indep. Researcher（独立研究员） ； Univ. of Washington（华盛顿大学） ； Ai2 ； NVIDIA（英伟达） 纠错

AI总结 Robometer通过结合轨迹内进步监督与轨迹间偏好监督，提升大规模机器人数据集中的奖励模型学习能力，实现更通用的奖励函数和更好的机器人学习性能。

Comments 33 pages, 17 figures

Journal ref RSS 2026