RSS - arXivDaily 期刊&会议

2605.17927 2026-05-19 cs.RO

Learning-Based Adaptive Control for Surgical Robotic Exposure Task on Deformable Tissues

基于学习的自适应控制用于变形组织手术机器人暴露任务

Jiayi Liu, Kaiqi Wei, Yiwei Wang, Huan Zhao, Han Ding

机构 * Huazhong University of Science and Technology（华中科技大学）

AI总结本文提出了一种基于学习的自适应控制框架，用于解决手术中因覆盖组织的不规则几何形状、非线性生物力学特性及有限视野导致的自动组织牵开挑战，通过在线优化控制输入和深度变形估计模型实现零样本适应。

Comments Accepted to Robotics: Science and Systems (RSS) 2026. 12 pages, 9 figures

2605.17681 2026-05-19 cs.RO

PRIME: Physically-consistent Robotic Inertial and Motion Estimation for Legged and Humanoid Robots

PRIME: 为四足机器人和人形机器人提供物理一致的机器人惯性与运动估计

Jiarong Kang, Kunzhao Ren, Tao Pang, Xiaobin Xiong

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）； Shanghai Innovation Institute（上海创新研究院）

AI总结该研究提出PRIME方法，通过结合可微接触动力学和光滑互补约束，实现从 onboard 传感器数据中获得物理一致的运动轨迹和惯性参数估计，从而提升机器人运动估计的准确性。

Comments Robotics: Science and Systems 2026

2605.17593 2026-05-19 cs.RO

Motion-Uncertainty-Aware Next-Best-View Planning for Moving Object Reconstruction

考虑运动不确定性的移动物体重建最佳下视角规划

Karen Li, Mattia Mantovani, Robert J. Wood, Lorenzo Sabattini, Stephanie Gil

机构 * Harvard University（哈佛大学）； University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）

AI总结本文提出了一种考虑运动不确定性的最佳下视角规划框架，用于重建未知的刚体目标，该框架利用噪声的平面位置测量和移动机器人深度观测，通过固定滞后高斯过程平滑器估计和预测目标状态，从而生成候选视角并提高重建完整性。

Comments This paper is accepted for publication for Robotics: Science and Systems (RSS) 2026

2602.12978 2026-05-19 cs.RO cs.AI

Learning Native Continuation for Action Chunking Flow Policies

学习原生延续以实现动作分块流策略

Yufeng Liu, Hang Yu, Juntu Zhao, Bocheng Li, Di Zhang, Mingzhu Li, Wenxuan Wu, Yingdong Hu, Junyuan Xie, Junliang Guo, Dequan Wang, Yang Gao

机构 * Spirit AI

AI总结本文提出Legato方法，通过训练时的延续技术改进动作分块流基于VLA策略，减少动作边界不连续性和伪多模态切换，提升轨迹平滑度和任务完成效率。

Comments Accepted by Robotics: Science and Systems 2026 (RSS 2026). Project page: https://lyfeng001.github.io/Legato/

2505.07813 2026-05-19 cs.RO cs.AI cs.CV cs.LG cs.SY eess.SY

DexWild: Dexterous Human Interactions for In-the-Wild Robot Policies

DexWild：面向真实场景的机器人策略的灵巧交互

Tony Tao, Mohan Kumar Srirama, Jason Jingzhou Liu, Kenneth Shaw, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学）

AI总结本文提出DexWild框架，通过结合人类和机器人示范数据，提升机器人在多样化环境中的泛化能力，实验表明其在未见环境中的成功率显著高于传统方法。

Comments In RSS 2025. Website at https://dexwild.github.io

2602.08167 2026-05-19 cs.RO cs.AI cs.CV cs.LG

Self-Supervised Bootstrapping of Action-Predictive Embodied Reasoning

基于互联网规模知识的自监督行动预测具身推理

Milan Ganai, Katie Luo, Jonas Frey, Clark Barrett, Marco Pavone

机构 * Stanford（斯坦福大学）； UC Berkeley（加州大学伯克利分校）； NVIDIA（英伟达）

AI总结本文提出R&B-EnCoRe方法，通过自监督细化使模型从互联网知识中自推导具身推理策略，提升动作执行和导航性能，减少碰撞率。

Comments Robotics: Science and Systems (RSS) 2026

2602.16712 2026-05-19 cs.RO

One Hand to Rule Them All: Canonical Representations for Unified Dexterous Manipulation

一手统治他们全部：统一灵活操作的规范表示

Zhenyu Wei, Yunchao Yao, Mingyu Ding

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）

AI总结本文提出统一灵活操作的规范表示，通过统一参数空间和规范URDF格式，解决固定手设计限制，实现跨手灵活操作学习。

Comments Accepted at RSS 2026