LIPP: Load-Aware Informative Path Planning with Physical Sampling
本文提出了负载感知信息路径规划（LIPP）框架，通过建立混合整数二次规划模型，将物理采样带来的负载增加与能耗耦合纳入考量，从而在能量预算约束下实现比传统信息路径规划更优的采样效率与不确定性降低。
🦾 Category
cs.RO
864 篇论文
A Contrastive Fewshot RGBD Traversability Segmentation Framework for Indoor Robotic Navigation
该论文提出了一种结合负对比学习与稀疏深度信息的少样本 RGB-D 可通行性分割框架，通过引入负原型和两阶段注意力深度模块，显著提升了室内机器人在有限标注数据下对薄障碍物等复杂场景的识别精度与泛化能力。
Failure Mechanisms and Risk Estimation for Legged Robot Locomotion on Granular Slopes
该研究利用六足机器人在可倾斜颗粒介质上的实验数据，揭示了坡度增加主要通过延迟着地锚定和加剧后滑而非过度下陷来降低机器人性能，并据此构建了物理驱动模型与失效相图，实现了对颗粒斜坡上足式机器人运动失效机制的预测及风险量化评估。
Feasibility Restoration under Conflicting STL Specifications with Pareto-Optimal Refinement
本文提出了一种统一的两阶段框架，通过最小化松弛恢复冲突信号时序逻辑（STL）规范下的可行性，并利用基于价值的多目标优化与-约束方法生成帕累托最优解，从而在自动驾驶等安全关键场景中避免死锁并实现可解释的决策。
Is Your Safe Controller Actually Safe? A Critical Review of CBF Tautologies and Hidden Assumptions
这篇教程批判性地审视了控制障碍函数（CBF）在机器人安全中的实际应用，揭示了理论假设与受输入约束系统的构造性实现之间的差距，指出了许多现有演示仅适用于被动安全系统或存在误用的问题，并提供了构建真实安全保证的实用指南及交互式演示。
Energy-Efficient Collaborative Transport of Tether-Suspended Payloads via Rotating Equilibrium
该论文提出了一种基于旋转平衡的系绳悬挂载荷协同运输方法，通过利用离心力提供水平张力使旋翼机仅需产生垂直推力，从而在避免碰撞风险的同时将能耗降低了高达 20%。
VSL-Skin: Individually Addressable Phase-Change Voxel Skin for Variable-Stiffness and Virtual Joints Bridging Soft and Rigid Robots
本文提出了 VSL-Skin，一种首个实现厘米级精度独立寻址体素控制的变刚度晶格皮肤系统，通过相变材料在保持结构完整性的同时实现了近两个数量级的刚度调制、30% 轴向压缩及自修复功能，从而支持可编程虚拟关节并弥合了软体与刚性机器人之间的鸿沟。
Foundational World Models Accurately Detect Bimanual Manipulator Failures
该论文提出了一种基于预训练视觉基础模型（Cosmos Tokenizer）压缩潜在空间的概率性世界模型，通过结合保形预测框架生成不确定性指标来构建运行时监控器，从而在无需显式定义故障模式的情况下，以极少的参数量实现了对双机械臂操作任务中异常故障的高效准确检测。
Two-Stage Path Following for Mobile Manipulators via Dimensionality-Reduced Graph Search and Numerical Optimization
该论文提出了一种结合降维图搜索与数值优化的两阶段框架，通过将移动机械臂的 8 自由度规划解耦为基座优化问题，实现了兼顾计算效率、全局最优性与亚毫米级精度的鲁棒路径规划。
SSP: Safety-guaranteed Surgical Policy via Joint Optimization of Behavioral and Spatial Constraints
本文提出了安全保证手术策略（SSP）框架，通过结合神经常微分方程学习的不确定性感知动力学模型与鲁棒控制障碍函数（CBF），在严格满足行为与空间安全约束的前提下，实现了机器人辅助手术中数据驱动策略的安全部署。
TacDexGrasp: Compliant and Robust Dexterous Grasping with Tactile Feedback
本文提出了一种名为 TacDexGrasp 的基于触觉反馈和锥规划（SOCP）的控制器，通过主动约束各接触点的切向与法向力比值，无需显式扭矩建模或滑移检测即可实现多指灵巧手对未知物体的稳健且柔顺的抓取。
GuideTWSI: A Diverse Tactile Walking Surface Indicator Dataset from Synthetic and Real-World Images for Blind and Low-Vision Navigation
该论文针对现有触觉行走表面指示器（TWSI）数据集在视角和地域类型（如缺乏北美/欧洲常见的圆点警示）上的局限性，提出了一个结合合成与真实图像、涵盖多样化视角和警示类型的 GuideTWSI 数据集，以显著提升盲人和低视力人群导航辅助系统的检测泛化能力。
Morphology-Independent Facial Expression Imitation for Human-Face Robots
本文提出了一种形态无关的面部表情模仿方法，通过解耦表情语义与面部形态特征，使新型高表现力人形机器人“Pengrui"能够摆脱面部结构差异的干扰，实现更自然、准确的人类表情复现。
The Talking Robot: Distortion-Robust Acoustic Models for Robot-Robot Communication
本文提出了名为 Artoo 的端到端机器人间通信系统，该系统通过联合优化轻量级文本转语音发射器与自动语音识别接收器，在无需保留自然语音特征的前提下，显著提升了噪声环境下的解码准确率，并具备在资源受限平台上高效部署的能力。
VLN-Cache: Enabling Token Caching for VLN Models with Visual/Semantic Dynamics Awareness
VLN-Cache 通过引入视图对齐重映射和任务相关性显著性过滤机制，解决了现有 Token 缓存方法在视觉与语义动态变化下的失效问题，从而在保持导航成功率的同时显著提升了 VLN 模型的推理速度。
ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation
该论文提出了一种基于 ADMM 的分布式模型预测控制框架（ACLM），通过利用负载耦合结构将全局优化问题分解为并行子问题，实现了多足机器人在复杂非结构化环境中对重型负载进行协作移动操作的高效、可扩展且鲁棒的实时规划与控制。
Towards Scalable Probabilistic Human Motion Prediction with Gaussian Processes for Safe Human-Robot Collaboration
本文提出了一种基于结构化多任务变分高斯过程的框架，利用 6D 旋转表示和联合维度因子化技术，在显著降低参数量的同时实现了可扩展的全身人体运动预测，不仅具备与深度学习模型相当的精度，更提供了可靠且可解释的不确定性估计，从而有效保障了人机协作的安全性。
Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory
该论文提出了一种名为 FEMA 的失败经验记忆机制，通过显式存储并检索短期失败经历来引导策略避免重复错误，从而在强化学习中显著提升了样本效率并促进了长时程探索。
Efficient Trajectory Optimization for Autonomous Racing via Formula-1 Data-Driven Initialization
该论文提出了一种基于真实一级方程式遥测数据的学习型初始化策略，通过利用神经网络根据局部赛道几何特征预测专家级赛车线，显著提升了自动驾驶赛车轨迹优化求解器的收敛速度与运行效率，同时保持了最优单圈成绩。
DexKnot: Generalizable Visuomotor Policy Learning for Dexterous Bag-Knotting Manipulation
本文提出了名为 DexKnot 的框架，通过结合关键点仿射性与扩散策略，利用从真实世界手动变形数据中学习到的形状无关表征，实现了机器人对未见过的塑料袋实例及形变进行泛化且可靠的打结操作。