Denoising Multi-Robot Trajectories
去噪多机器人轨迹
AI总结 本文基于动力学感知的扩散去噪框架D4orm,开发了多种多机器人轨迹规划架构,在2D/3D环境中验证其比MPPI等方法更快更可靠,并实现了真实四旋翼和地面机器人的零样本及分布式部署。
Comments Accepted to IEEE Transactions on Robotics (T-RO)
期刊&会议
IEEE Transactions on Robotics · 期刊 · Robotics
去噪多机器人轨迹
AI总结 本文基于动力学感知的扩散去噪框架D4orm,开发了多种多机器人轨迹规划架构,在2D/3D环境中验证其比MPPI等方法更快更可靠,并实现了真实四旋翼和地面机器人的零样本及分布式部署。
Comments Accepted to IEEE Transactions on Robotics (T-RO)
统一深度谓词发明与预训练基础模型
机构 * Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所) ; Computer Science and Engineering Division, University of Michigan(密歇根大学计算机科学与工程系) ; Department of Computer Science, University of Pittsburgh(匹兹堡大学计算机科学系) ; Centaur AI Institute(Centaur人工智能研究所) ; Department of Electrical and Computer Engineering, Princeton University(普林斯顿大学电气与计算机工程系)
AI总结 UniPred通过双层学习框架统一深度谓词发明与预训练基础模型,提升机器人任务的可扩展性和灵活性。
Comments Published in IEEE TRANSACTIONS ON ROBOTICS (TR-O), Special Issue on Foundation Models for Robotics
快速迭代的基于网格的近最优动力学运动规划
AI总结 本文提出RDG算法,一种基于网格分解的渐近近最优动力学运动规划方法,通过常数时间复杂度的快速迭代生成高质量解,并在10自由度环境下相比SST和DIRT显著提升解质量与成功率。
Comments Submitted to IEEE Transactions on Robotics
具有动态传感器足迹的遍历轨迹规划
机构 * Shanghai Jiao Tong University(上海交通大学)
AI总结 本文提出了一种考虑动态传感器足迹的遍历轨迹规划方法,通过优化轨迹和传感器足迹提升信息采集效率。
Comments 20 pages, 18 figures, accepted by IEEE T-RO
面向鲁棒飞行控制的神经移动时域估计
机构 * National University of Singapore(新加坡国立大学)
AI总结 针对四旋翼鲁棒飞行控制中现有扰动估计器调参复杂、依赖真实扰动数据的问题,提出可自动调参的神经移动时域估计器NeuroMHE,经仿真与实体实验验证其性能更优且参数规模更小,可推广至其他机器人鲁棒自适应控制。
Comments This paper (not the final version) has been accepted for publication in the IEEE Transactions on Robotics
Journal ref IEEE Transactions on Robotics, vol.40, pp.639 - 659, 2024
基于通用解剖先验与主动边界感知的生物结构自主精密铣削
机构 * The University of Tokyo(东京大学) ; Tsinghua University(清华大学)
AI总结 针对生物结构铣削中几何与边界不确定性问题,提出结合通用解剖先验与主动边界感知的自主铣削框架,通过主动探测和状态自适应控制实现精确铣削。
Comments 18 pages, 12 figures. Submitted to IEEE Transactions on Robotics (T-RO) for possible publication
OmniRAS:标准化机器人辅助手术领域的基础模型训练与评估
AI总结 本文针对机器人辅助手术领域基础模型稀缺的问题,提出OmniRAS系列V-JEPA-2.1编码器,发布专属数据集并完成大规模预训练与多任务评估,取得最优适配结果。
Comments 18 pages, 11 figures, 4 tables. Under review at IEEE Transactions on Robotics (T-RO)
基于无标注适应与预训练模型迁移的四足机器人听觉开集自身噪声分离
机构 * The University of Tokyo(东京大学)
AI总结 本文提出一种无标注适应的开集自身噪声分离框架,利用RecurGraph选择噪声片段、Transfer-DiT迁移预训练模型,在双足和四足机器人上验证了分离性能提升。
Comments 14 pages, 9 figures, 4 tables. Submitted to IEEE Transactions on Robotics
分布式安全学习控制:面向隐蔽执行器攻击下的大规模多机器人系统
机构 * College of Intelligence Science and Technology, National University of Defense Technology(国防科技大学智能科学学院) ; College of Mechanical and Vehicle Engineering, Hunan University(湖南大学机械与运载工程学院) ; Department of Computer Science, The University of Manchester(曼彻斯特大学计算机科学系)
AI总结 针对大规模多机器人在隐蔽执行器攻击下的安全控制问题,提出分布式安全学习控制框架,结合强化学习与分布式模型预测控制,采用博弈论架构在线学习攻防策略,经仿真与实验验证有效。
Comments 23 pages, 23 figures. A revised version of this manuscript has been accepted to IEEE Transactions on Robotics
面向物体重建的移动机械臂整体控制
机构 * University of Manchester(曼彻斯特大学)
AI总结 本文提出一种高效方法,通过计算最信息区域的焦点点,使移动机械臂在路径上保持该点在摄像头视野中,从而在不增加路径规划的情况下提升物体重建效率。
Comments 19 pages, 17 figures, 5 tables. Under Review for the IEEE Transactions on Robotics (T-RO)
Journal ref IEEE Transactions on Robotics. 42 (2026) 2912 - 2930
AME-2: 通过基于注意力的神经地图编码实现敏捷且通用的腿式运动
机构 * Robotic Systems Lab, ETH Zurich, Switzerland(机器人系统实验室,苏黎世联邦理工学院,瑞士) ; Secure, Reliable, and Intelligent Systems Lab, ETH Zurich, Switzerland(安全、可靠和智能系统实验室,苏黎世联邦理工学院,瑞士) ; ETH AI Center, Switzerland(苏黎世联邦理工学院人工智能中心,瑞士)
AI总结 本文提出AME-2框架,结合基于注意力的神经地图编码,实现敏捷且通用的腿式运动,通过学习的映射管道提升地形表示的鲁棒性,验证了在四足和双足机器人上的有效性。
Comments Conditionally accepted by IEEE Transactions on Robotics (T-RO). Previously known as AME-2
自动驾驶中的基于事件相机的去雪方法
机构 * University of Zurich(苏黎世大学)
AI总结 本文提出利用事件相机和基于注意力的模块,通过识别雪花条纹遮挡来恢复背景强度,在DSEC-Snow数据集上实现PSNR提升3dB,并改善下游视觉任务性能。
Comments Accepted at IEEE Transactions on Robotics(T-RO), 2026
基于含全局与局部可观测量的Koopman算子的多段柔性机械臂实时形状控制
AI总结 本文针对多段柔性机械臂形状控制难题,提出结合全局与局部可观测量的Koopman算子模型预测控制框架,经数值与物理实验验证,该框架可实现多段柔性机械臂的实时、可扩展且精准的形状控制。
Comments 18 pages, 14 figures, submitted to TRO
位置层面的冗余度求解
AI总结 针对机器人运动学冗余问题,提出基于正交叶状结构的位置层面冗余解耦方法,推导存在条件并给出数值近似方案,经仿真与7自由度机器人实验验证,可无需投影算子实现控制,提供全局拓扑视角。
Journal ref IEEE Transactions on Robotics, vol. 39, no. 6, pp. 4240-4261, Dec. 2023
并行连续时间相对定位与增强钳制非均匀B样条
机构 * State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University(工业控制技术国家重点实验室,系统与控制研究所,浙江大学) ; Huzhou Institute of Zhejiang University(浙江大学湖州研究院) ; Department of Automatic Control, Faculty of Engineering, Lund University(自动控制系,工程学院, Lund大学)
AI总结 本文提出CT-RIO框架,利用钳制非均匀B样条实现高精度、低延迟的多机器人相对定位,通过灵活的节点管理提升计算效率。
Comments 21 pages, 23 figures, submitted to IEEE Transactions on Robotics
通过针对权重变化的模型预测控制(MPC)的MPC求解器梯度引导加速强化学习
AI总结 该研究提出SG-RL算法,将MPC求解器梯度作为辅助引导,在PPO中实现MPC代价权重自适应,在自主赛车平台上样本效率提升70.6%,性能优于GB-PL且可零样本泛化。
Comments Submitted to IEEE Transactions on Robotics (T-RO). 18 pages, 13 figures
跳跃时观察:为高自由度机器人同时规划运动与感知
机构 * Department of Computer Science, Rice University(计算机科学系,里士大学) ; Ken Kennedy Institute, Rice University(肯尼迪研究所,里士大学) ; Houston Methodist Academic Institute(休斯顿 Methodist 学术研究院)
AI总结 本文提出了一种基于GPU并行的感知评分引导的概率道路图规划器,用于高自由度机器人在动态和静态环境中的运动与感知同时规划。
Comments 20 pages, 14 figures, Accepted to T-RO
面向可倾转多旋翼飞行器的以 effector 为中心的非线性模型预测控制(NMPC),用于无偏移全向空中操作
AI总结 本研究针对可倾转多旋翼飞行器,设计并提出以 effector 为中心的 NMPC 框架,整合构型优化、奇异处理与扰动补偿,通过真实实验验证其可实现无偏移全向空中操作的可行性。
Comments 22 pages, 26 figures. Accepted to IEEE Transactions on Robotics (T-RO). This arXiv version includes a two-page appendix with additional implementation details
基于物理依赖引导的序列推理的深度概率室内气体源定位
机构 * Ulsan National Institute of Science and Technology (UNIST)(蔚山科学技术院) ; Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
AI总结 针对室内气体源定位难题,本文提出深度概率框架,结合物理依赖的序列推理,在模拟与真实机器人实验中均优于基线方法,可实现高效准确的在线气体源定位。
Comments 18 pages, 22 figures, 5 tables. Submitted to IEEE Transactions on Robotics
面向非线性控制的收缩感知强化学习:具备统计鲁棒性
机构 * The Grainger College of Engineering University of Illinois Urbana-Champaign, US(格拉inger工程学院伊利诺伊大学厄巴纳-香槟分校)
AI总结 本研究针对非线性路径跟踪问题中控制收缩度量(CCM)策略的长期最优性与鲁棒性缺陷,提出收缩感知强化学习(CARL)算法,将CCM与RL结合,经模拟和真实机器人实验验证其性能与鲁棒性。
Comments Accepted at IEEE Transactions on Robotics
HI-SLAM2:基于几何的高斯SLAM用于快速单目场景重建
机构 * Institute for Photogrammetry and Geoinformatics, University of Stuttgart(摄影测量与地理信息学研究所,斯图加特大学) ; Technical University of Munich(慕尼黑技术大学) ; Karlsruhe University of Applied Sciences(卡尔斯鲁厄应用科学大学) ; Munich Center for Machine Learning(慕尼黑机器学习中心)
AI总结 HI-SLAM2通过结合单目先验与学习密集SLAM,利用3D高斯散射实现快速准确的单目场景重建,超越现有神经SLAM和RGB-D方法。
Journal ref IEEE Transactions on Robotics, Volume 41, Pages 6478-6493, Year 2025
凸障碍物周围平滑最小时间轨迹的双凸优化
机构 * Massachusetts Institute of Technology(麻省理工学院) ; University of California Santa Barbara(加州大学圣巴巴拉分校)
AI总结 本研究提出一种双凸优化方法,用于凸障碍物周围的最小时间运动规划,可保证收敛、支持任意阶导数约束,实验表明其轨迹质量高、鲁棒性强且计算效率与现有方法相当。
Comments 18 pages, 9 figures, 4 tables. Submitted to IEEE Transactions on Robotics. Project page: https://wernerpe.github.io/bmtp-website/ Code: https://github.com/wernerpe/pybmtp
视觉目标姿态估计的不确定性量化
机构 * Massachusetts Institute of Technology(麻省理工学院)
AI总结 SLUE通过凸优化方法为视觉目标姿态估计提供高概率的椭球不确定性界,有效缩小平移界限并保持方向精度。
Comments 18 pages, 9 figures. Code available: https://github.com/MIT-SPARK/PoseUncertaintySets. Published in IEEE Transactions on Robotics
搭载柔性缆绳的空中机器人:基于谱方法模型的动态形状最优控制
机构 * University of Twente(特温特大学) ; Sapienza University of Rome(罗马第一大学)
AI总结 本研究针对搭载柔性缆绳的四旋翼空中机器人系统,结合POD降阶建模与NMPC实现缆绳位置与形状的最优轨迹跟踪,经仿真与实验验证,其性能优于仅控制四旋翼状态的最优调参PID控制器。
Journal ref IEEE Transactions on Robotics (2025)
DELTA:可变形多连杆多旋翼飞行器的设计、控制与运动策略——用于空地混合运动与操作
AI总结 本文提出一种新型多连杆多旋翼机器人DELTA,通过在每个连杆上安装推进器并利用关节驱动,实现了地面滚动、空中飞行及多种环境下的操作能力,并设计了基于非线性优化的实时控制方法和考虑接触约束的运动策略。
Comments 20 pages, 31 figures
Journal ref IEEE Transactions on Robotics, vol. 42, pp. 2765-2785, 2026
急切模式下的捆绑调整
机构 * Spatial AI & Robotics (SAIR) Lab, University at Buffalo(空间人工智能与机器人实验室,布法罗大学) ; Georgia Institute of Technology(佐治亚理工学院) ; Purdue University(普渡大学) ; Carnegie Mellon University(卡内基梅隆大学)
AI总结 本文提出了一种与PyTorch无缝集成的高效急切模式捆绑调整库,通过稀疏感知的自动微分设计和GPU加速的稀疏运算,提升了在机器人应用中捆绑调整的运行效率和性能。
Journal ref IEEE Transactions on Robotics (T-RO), 2026
Chronos: 一种基于物理信息的全历史框架用于非马尔可夫长时域操作
机构 * School of Mechanical Science and Engineering, Huazhong University of Science and Technology(华中科技大学机械科学与工程学院)
AI总结 针对现有策略依赖马尔可夫假设导致记忆依赖任务失败的问题,提出Chronos框架,将观测历史作为策略潜状态,通过选择性状态空间模型传播因果历史状态,并利用二阶薛定谔桥预测加速度场,在16个模拟和4个真实任务中显著超越基线。
Comments 20 pages, 10 figures. Submitted to IEEE Transactions on Robotics
异构策略网络用于复合机器人团队的通信与协调
机构 * Georgia Institute of Technology(佐治亚理工学院) ; Carnegie Mellon University(卡内基梅隆大学) ; Sandia National Laboratories(桑迪亚国家实验室)
AI总结 提出异构策略网络(HetNet),利用异构图注意力网络学习异构机器人团队的高效协作与通信策略,实现端到端训练的二值化消息传递,在多个领域性能提升5.84%至707.65%,通信带宽降低200倍。
Comments IEEE Transactions on Robotics (T-RO)
NeuPAN: 基于端到端模型学习的直接点机器人导航
AI总结 提出NeuPAN,一种实时、高精度、无地图、易部署的机器人运动规划器,通过紧耦合感知-控制框架和端到端模型学习,直接处理原始点云生成无碰撞运动,避免感知到控制的误差传播。
Comments Accepted by TRO 2025; project website: https://hanruihua.github.io/neupan_project/
基于Cosserat杆理论物理信息神经网络的软体连续机器人自适应模型预测控制
机构 * Institute of Mechatronic Systems, Leibniz University Hannover(机械系统研究所,汉诺威莱布尼茨大学) ; Department of Advanced Interdisciplinary Studies, The University of Tokyo(先进跨学科研究部,东京大学) ; Institute of Assembly Technology and Robotics, Leibniz University of Hannover(组装技术与机器人研究所,汉诺威莱布尼茨大学)
AI总结 提出一种基于域解耦物理信息神经网络(DD-PINN)的实时非线性模型预测控制框架,实现软体连续机器人的高精度动态控制,位置误差低于3 mm。
Comments Submitted to IEEE Transactions on Robotics, 20 pages, 14 figures