RSS

VISION-SLS: Safe Perception-Based Control from Learned Visual Representations via System Level Synthesis

VISION-SLS：通过系统级合成实现基于学习视觉表征的安全感知控制

Antoine P. Leeman, Shuyu Zhan, Melanie N. Zeilinger, Glen Chou

机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院） 纠错

AI总结 本文提出VISION-SLS方法，通过高分辨率RGB图像实现非线性输出反馈控制，在校准的不确定性范围内保证约束满足。方法结合学习的低维观测映射和系统级合成策略，实现可扩展的安全控制。

Comments Extended version; conference version to appear in Robotics: Science and Systems XXII (RSS 2026)

RISE: Self-Improving Robot Policy with Compositional World Model

RISE：具有组合世界模型的自改进机器人策略

Jiazhi Yang, Kunyang Lin, Jinwei Li, Wencong Zhang, Tianwei Lin, Longyan Wu, Zhizhong Su, Hao Zhao, Ya-Qin Zhang, Li Chen, Ping Luo, Xiangyu Yue, Hongyang Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； Kinetix AI ； The University of Hong Kong（香港大学） ； Shanghai Innovation Institute（上海创新研究院） ； Horizon Robotics ； Tsinghua University（清华大学） 纠错

AI总结 本文提出RISE框架，通过组合世界模型提升机器人策略鲁棒性，在动态砖块排序、背包打包和箱盖闭合任务中分别取得+35%、+45%和+35%的性能提升。

Comments RSS 2026. Project page: https://opendrivelab.com/RISE/

One-Shot Real-World Demonstration Synthesis for Scalable Bimanual Manipulation

单次现实演示合成用于可扩展的双臂操作

Huayi Zhou, Kui Jia

机构 * HNuzhy 纠错

AI总结 本文提出BiDemoSyn框架，通过单个现实示例生成大量高质量双臂操作演示，结合任务分解与视觉引导对齐，实现高效且物理可行的演示合成，提升机器人操作的泛化能力与数据效率。

Comments accepted by RSS 2026. The project link is https://hnuzhy.github.io/projects/BiDemoSyn/

Betting for Sim-to-Real Performance Evaluation

为仿真到现实性能评估进行投注

Zaid Mahboob, Yujia Chen, Bowen Weng

机构 * Iowa State University（爱荷华州立大学） ； U.S. Department of Commerce, National Institute of Standards and Technology（美国商务部国家标准化与技术研究院） 纠错

AI总结 本文通过投注视角研究机器人性能评估问题，提出理论支持的实用近似方法，展示如何通过合成分布推断现实中的机械臂抓取精度，验证了方法的有效性。

Comments Accepted to RSS 2026, with DOI pending

Behavior Synthesis via Contact-Aware Fisher Information Maximization

通过接触感知的费舍尔信息最大化进行行为合成

Hrishikesh Sathyanarayan, Ian Abraham

机构 * Yale University（耶鲁大学） 纠错

AI总结 本文提出一种优化实验设计方法，通过接触丰富数据提升机器人参数学习能力，通过接触感知费舍尔信息度量和接触寻求行为验证了接触信息对参数学习的效用。

Comments In Robotics Science and Systems 2025

Users and Wizards in Conversations: How WoZ Interface Choices Define Human-Robot Interactions

对话中的用户与魔术师：WoZ界面选择如何定义人机交互

Ekaterina Torubarova, Jura Miniota, Andre Pereira

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） 纠错

AI总结 研究探讨了WoZ界面如何影响机器人对话，发现VR界面在用户和社会存在感知上更受青睐，但对魔术师来说更具挑战性并促进更紧密的连接。

Comments Published in Robotics: Science and Systems (2025)

Exploiting Parallelism in a QPALM-based Solver for Optimal Control

在最优控制中利用QPALM求解器的并行性

Pieter Pas, Kristoffer Fink Løwenstein, Daniele Bernardini, Panagiotis Patrinos

AI总结 本文提出在最优控制中利用QPALM求解器的并行化技术，通过优化C++实现提升计算效率，并通过基准问题验证效果。

Comments Presented at Robotics: Science and Systems 2024 Workshop: Frontiers of optimization for robotics (RSS 2024), Delft, The Netherlands, July 2024

RAG-Driver: Generalisable Driving Explanations with Retrieval-Augmented In-Context Learning in Multi-Modal Large Language Model

RAG-Driver: 多模态大语言模型中基于检索的可泛化驾驶解释

Jianhao Yuan, Shuyang Sun, Daniel Omeiza, Bo Zhao, Paul Newman, Lars Kunze, Matthew Gadd

机构 * University of Oxford（牛津大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 RAG-Driver通过检索增强的上下文学习，实现高性能、可解释和可泛化的自动驾驶系统。

Comments 14 pages, 6 figures

Journal ref Robotics: Science and Systems (RSS) 2024

Learning Physical Systems: Symplectification via Gauge Fixing in Dirac Structures

学习物理系统：通过Dirac结构进行配分的配分

Aristotelis Papatheodorou, Pranav Vaidhyanathan, Natalia Ares, Ioannis Havoutis

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） 纠错

AI总结 本文提出预配分网络（PSNs），通过Dirac结构学习配分提升，恢复非退化对称几何，实现受约束耗散系统的几何机器学习模型。

Comments Presented at Equivariant Systems: Theory and Applications in State Estimation, Artificial Intelligence and Control, Robotics: Science and Systems (RSS) 2025 Workshop, 6 Pages, 3 Figures

Efficient Hierarchical Any-Angle Path Planning on Multi-Resolution 3D Grids

高效多分辨率3D网格上的分层任意角度路径规划

Victor Reijgwart, Cesar Cadena, Roland Siegwart, Lionel Ott

AI总结 本文提出了一种基于多分辨率表示的高效任意角度路径规划方法，兼顾最优性和完备性，克服了传统搜索方法的计算瓶颈，实验表明其在真实和合成环境中的优越性能。

Comments 12 pages, 9 figures, 4 tables, accepted to RSS 2025, code is open-source: https://github.com/ethz-asl/wavestar

Journal ref Proceedings of Robotics: Science and Systems 2025

RoboMIND: Benchmark on Multi-embodiment Intelligence Normative Data for Robot Manipulation

RoboMIND：机器人操作多躯体智能规范数据集基准

Kun Wu, Chengkai Hou, Jiaming Liu, Zhengping Che, Xiaozhu Ju, Zhuqin Yang, Meng Li, Yinuo Zhao, Zhiyuan Xu, Guang Yang, Shichao Fan, Xinhua Wang, Fei Liao, Zhen Zhao, Guangyu Li, Zhao Jin, Lecheng Wang, Jilei Mao, Ning Liu, Pei Ren, Qiang Zhang, Yaoxu Lyu, Mengzhen Liu, Jingyang He, Yulin Luo, Zeyu Gao, Chenxuan Li, Chenyang Gu, Yankai Fu, Di Wu, Xingyu Wang, Sixiang Chen, Zhenyu Wang, Pengju An, Siyuan Qian, Shanghang Zhang, Jian Tang

机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机科学学院，北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 RoboMIND是一个大规模多躯体机器人操作数据集，包含107万条演示轨迹和5000条失败示例，用于提升机器人模仿学习和多任务性能。

Comments 21 pages, 17 figures, Robotics: Science and Systems 2025

Journal ref Robotics: Science and Systems XXI (RSS 2025)

Safety with Agency: Human-Centered Safety Filter with Application to AI-Assisted Motorsports

安全与代理：以人为中心的安全过滤器及其在AI辅助赛车中的应用

Donggeon David Oh, Justin Lidard, Haimin Hu, Himani Sinhmar, Elle Lazarski, Deepak Gopinath, Emily S. Sumner, Jonathan A. DeCastro, Guy Rosman, Naomi Ehrich Leonard, Jaime Fernández Fisac

机构 * Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） ； Department of Mechanical and Aerospace Engineering, Princeton University（普林斯顿大学机械与航空航天工程系） ； Toyota Research Institute（丰田研究院） 纠错

AI总结 本文提出了一种以人为中心的安全过滤器，通过神经安全价值函数和状态-动作控制障碍函数，提升AI辅助赛车中的安全性和用户体验。

Comments Accepted to Robotics: Science and Systems (R:SS) 2025, 22 pages, 16 figures, 7 tables Updates for v4: typos in Appendix Subsection A revised

Journal ref Proceedings of Robotics: Science and Systems (RSS), 2025

A Data Driven Structural Decomposition of Dynamic Games via Best Response Maps

通过最佳反应映射进行动态博弈的数据驱动结构分解

Mahdis Rabbani, Navid Mojahed, Shima Nazari

AI总结 本文提出了一种数据驱动的动态博弈结构分解方法，通过嵌入最佳反应映射作为约束，减少嵌套优化层，提升均衡计算效率和准确性。

Comments 11 pages, 6 figures, 5 tables, Submitted to RSS 2026

EquiContact: A Hierarchical SE(3) Vision-to-Force Equivariant Policy for Spatially Generalizable Contact-rich Tasks

EquiContact: 一种用于空间通用接触密集任务的层次SE(3)视觉到力等价策略

Joohwan Seo, Arvind Kruthiventy, Soomi Lee, Megan Teng, Seoyeon Choi, Xiang Zhang, Jongeun Choi, Roberto Horowitz

AI总结 EquiContact通过分层策略和等价性设计，实现空间通用的接触密集任务视觉到力控制。

Comments Submitted to RSS

Intent at a Glance: Gaze-Guided Robotic Manipulation via Foundation Models

意图一目了然：通过基础模型实现的注视引导的机器人操作

Tracey Yee Hsin Tay, Xu Yan, Jonathan Ouyang, Daniel Wu, William Jiang, Jonathan Kao, Yuchen Cui

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 GAMMA通过结合基础模型和注视技术，实现无需特定任务训练的机器人操作自主控制，提升人机交互的直观性和可扩展性。

Comments Accepted to 2025 RSS Robot Planning in the Era of Foundation Models (FM4RoboPlan) Workshop

$π_0$: A Vision-Language-Action Flow Model for General Robot Control

π₀：一种面向通用机器人控制的视觉-语言-动作流模型

Kevin Black, Noah Brown, Danny Driess, Adnan Esmail, Michael Equi, Chelsea Finn, Niccolo Fusai, Lachy Groom, Karol Hausman, Brian Ichter, Szymon Jakubczak, Tim Jones, Liyiming Ke, Sergey Levine, Adrian Li-Bell, Mohith Mothukuri, Suraj Nair, Karl Pertsch, Lucy Xiaoyang Shi, James Tanner, Quan Vuong, Anna Walling, Haohuan Wang, Ury Zhilinsky

机构 * Physical Intelligence 纠错

AI总结 本文提出了一种基于预训练视觉-语言模型的流匹配架构，用于通用机器人控制，通过零样本学习和微调实现多样任务的执行。

Comments See project website for videos: https://physicalintelligence.company/blog/pi0 Published in RSS 2025

Nightmare Dreamer: Dreaming About Unsafe States And Planning Ahead

噩梦梦游者：对不安全状态的梦境与提前规划

Oluwatosin Oseni, Shengjie Wang, Jun Zhu, Micah Corah

AI总结 Nightmare Dreamer是一种基于模型的安全强化学习算法，通过预测潜在安全违规并规划动作，在机器人控制任务中实现了接近零安全违规和高奖励效率。

Comments RSS'25: Multi-Objective Optimization and Planning in Robotics Workshop: 5 pages, 8 figures

Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis

通过潜在空间可达性分析超越碰撞回避的安全性泛化

Kensuke Nakamura, Lasse Peters, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 本文提出潜在安全过滤器，通过潜在空间可达性分析，使机器人能自动计算安全动作，防止难以手动编写但可通过高维观测识别的故障。

Comments 9 figures, 7 tables, RSS 2025

Journal ref Proceedings of Robotics: Science and Systems, 2025

Learning from Watching: Scalable Extraction of Manipulation Trajectories from Human Videos

通过观看学习：从人类视频中可扩展地提取操作轨迹

X. Hu, G. Ye

AI总结 本文提出结合大规模基础模型与点跟踪技术，从人类视频中提取操作轨迹，以实现更高效的数据收集和机器人学习。

Comments Accepted to RSS 2025 Workshop

RAPID: Robust and Agile Planner Using Inverse Reinforcement Learning for Vision-Based Drone Navigation

RAPID: 基于逆强化学习的鲁棒且敏捷规划器用于基于视觉的无人机导航

Minwoo Kim, Geunsik Bae, Jinwoo Lee, Woojae Shin, Changseung Kim, Myong-Yol Choi, Heejung Shin, Hyondong Oh

AI总结 本文提出基于逆强化学习的无人机高速视觉导航规划器，通过减少环境交互和提升鲁棒性，实现复杂环境中的敏捷飞行。

Comments 18 pages, 11 figures, 58 references, and appendix is included

Journal ref Proceedings of Robotics: Science and Systems (RSS), 2025

Structured Imitation Learning of Interactive Policies through Inverse Games

Max M. Sun, Todd Murphey

Comments Presented at the "Workshop on Generative Modeling Meets Human-Robot Interaction" at Robotics: Science and Systems 2025. Workshop website: https://sites.google.com/view/gai-hri/

Scalable Coverage Trajectory Synthesis on GPUs as Statistical Inference

Max M. Sun, Jueun Kwon, Todd Murphey

机构 * Center for Robotics and Biosystems, Northwestern University, Evanston, IL 60208（机器人与生物系统中心，西北大学，埃文斯顿，伊利诺伊州60208） 纠错

Comments Presented at the "Workshop on Fast Motion Planning and Control in the Era of Parallelism" at Robotics: Science and Systems 2025. Workshop website: https://sites.google.com/rice.edu/parallelized-planning-control/

Influence of Static and Dynamic Downwash Interactions on Multi-Quadrotor Systems

Anoop Kiran, Nora Ayanian, Kenneth Breuer

Comments Accepted for publication in Robotics: Science and Systems (RSS) 2025, 12 pages, 16 figures

Journal ref Robotics: Science and Systems (RSS), 2025

Deep Learning Warm Starts for Trajectory Optimization on the International Space Station

Somrita Banerjee, Abhishek Cauligi, Marco Pavone

机构 * Apple（苹果公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Stanford University（斯坦福大学） 纠错

Comments Accepted to 2025 International Conference on Space Robotics (iSpaRo). Presented at RSS 2025 Workshop on Space Robotics

UniVLA: Learning to Act Anywhere with Task-centric Latent Actions

Qingwen Bu, Yanting Yang, Jisong Cai, Shenyuan Gao, Guanghui Ren, Maoqing Yao, Ping Luo, Hongyang Li

Comments Accepted to RSS 2025. Code is available at https://github.com/OpenDriveLab/UniVLA

iPlanner: Imperative Path Planning

Fan Yang, Chen Wang, Cesar Cadena, Marco Hutter

Comments 9 pages, 11 figures, Robotics: Science and Systems (RSS) 2023

Journal ref Robotics: Science and Systems (RSS), 2023

A Single Motor Nano Aerial Vehicle with Novel Peer-to-Peer Communication and Sensing Mechanism

Jingxian Wang, Andrew G. Curtis, Mark Yim, Michael Rubenstein

Comments Proceedings of Robotics: Science and Systems (RSS), 2024

Finding 3D Scene Analogies with Multimodal Foundation Models

Junho Kim, Young Min Kim

机构 * Institute of New Media and Communications（新媒体与通讯研究所） ； Dept. of Electrical and Computer Engineering（电气与计算机工程系） 纠错

Comments Accepted to FM4RoboPlan workshop at RSS 2025

Towards Uncertainty Unification: A Case Study for Preference Learning

Shaoting Peng, Haonan Chen, Katherine Driggs-Campbell

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

Comments Project page: https://sites.google.com/view/uupl-rss25/home

Journal ref Robotics: Science and Systems, 2025

Manual2Skill: Learning to Read Manuals and Acquire Robotic Skills for Furniture Assembly Using Vision-Language Models

Chenrui Tie, Shengxiang Sun, Jinxuan Zhu, Yiwei Liu, Jingxiang Guo, Yue Hu, Haonan Chen, Junting Chen, Ruihai Wu, Lin Shao

机构 * National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； Peking University（北京大学） ； Sichuan University（四川大学） ； Zhejiang University（浙江大学） 纠错

Journal ref Robotics: Science and Systems 2025