🦾 Category

cs.RO

867 articles

cuRoboV2: Dynamics-Aware Motion Generation with Depth-Fused Distance Fields for High-DoF Robots

Le papier présente cuRoboV2, un cadre unifié et dynamique pour la génération de mouvements de robots à haut degré de liberté, qui combine l'optimisation de trajectoires par B-splines, une perception de champs de distance denses accélérée par GPU et une computation whole-body évolutive pour atteindre des performances supérieures en sécurité et en efficacité sur des systèmes allant des bras manipulateurs aux humanoïdes complets.

Balakumar Sundaralingam, Adithyavairavan Murali, Stan Birchfield2026-03-06💻 cs

Safe-SAGE: Social-Semantic Adaptive Guidance for Safe Engagement through Laplace-Modulated Poisson Safety Functions

Le papier présente Safe-SAGE, un cadre unifié qui intègre la compréhension sémantique de l'environnement dans le contrôle critique de sécurité des robots en utilisant une fonction de sécurité de Poisson modulée par un champ de guidage de Laplace pour adapter dynamiquement les marges de sécurité en fonction du contexte.

Lizhi Yang, Ryan M. Bena, Meg Wilkinson + 4 more2026-03-06💻 cs

Fusion of Visual-Inertial Odometry with LiDAR Relative Localization for Cooperative Guidance of a Micro-Scale Aerial Vehicle

Cet article propose une méthode de localisation relative coopérative fusionnant l'odométrie visuelle-inertielle d'un micro-drone avec les données LiDAR d'un drone principal, permettant de guider avec précision le premier drone et de compenser sa dérive tout en combinant la portabilité des caméras et la robustesse des LiDAR pour l'exploration de vastes zones.

Václav Pritzl, Matouš Vrba, Petr Štěpán + 1 more2026-03-05💻 cs

A Bayesian Framework for Active Tactile Object Recognition, Pose Estimation and Shape Transfer Learning

Cet article propose un cadre bayésien unifié combinant un filtre de particules personnalisé et une surface implicite par processus gaussien pour permettre aux robots d'effectuer une reconnaissance active d'objets, une estimation de pose et un transfert d'apprentissage de formes, en exploitant les connaissances préalables pour reconstruire efficacement de nouveaux objets.

Haodong Zheng, Andrei Jalba, Raymond H. Cuijpers + 2 more2026-03-05🤖 cs.AI

Safety Guardrails for LLM-Enabled Robots

Ce papier présente RoboGuard, une architecture de garde-fous à deux étapes qui combine un modèle de langage de confiance pour générer des spécifications de sécurité contextuelles et une synthèse de contrôle logique temporel afin de garantir la sécurité des robots alimentés par des LLM face aux erreurs et aux attaques malveillantes, tout en préservant leurs performances.

Zachary Ravichandran, Alexander Robey, Vijay Kumar + 2 more2026-03-05🤖 cs.AI

A Self-Supervised Learning Approach with Differentiable Optimization for UAV Trajectory Planning

Cet article propose une approche d'apprentissage auto-supervisé intégrant la perception de profondeur et l'optimisation de trajectoire différentiable pour la planification de trajectoires de drones autonomes, éliminant le besoin de démonstrations expertes tout en améliorant significativement la précision et l'efficacité énergétique par rapport aux méthodes actuelles.

Yufei Jiang, Yuanzhu Zhan, Harsh Vardhan Gupta + 2 more2026-03-05💻 cs

Q-Guided Stein Variational Model Predictive Control via RL-informed Policy Prior

Ce papier présente Q-SVMPC, une méthode de contrôle prédictif de modèle guidée par les valeurs Q et utilisant des inférences variationnelles de Stein avec un prior de politique issu de l'apprentissage par renforcement, qui améliore l'efficacité, la stabilité et la robustesse en maintenant une diversité de solutions pour des tâches de navigation et de manipulation robotique.

Shizhe Cai, Zeya Yin, Jayadeep Jacob + 1 more2026-03-05🤖 cs.AI

No Need to Look! Locating and Grasping Objects by a Robot Arm Covered with Sensitive Skin

Cet article présente une méthode innovante permettant à un bras robotique équipé d'une peau sensible de localiser et de saisir des objets uniquement par retour haptique, sans aucune aide visuelle, en réalisant une exploration grossière de l'espace de travail avec l'ensemble de sa surface avant une localisation précise par l'effecteur terminal, une approche qui s'avère six fois plus rapide que les méthodes traditionnelles et particulièrement prometteuse pour les environnements où la vision est compromise.

Karel Bartunek, Lukas Rustler, Matej Hoffmann2026-03-05💻 cs