Seeing Through Uncertainty: A Free-Energy Approach for Real-Time Perceptual Adaptation in Robust Visual Navigation
本文提出了名为 FEP-Nav 的生物启发框架，通过结合自上而下的解码器与自适应归一化机制，在无需梯度更新的情况下实时最小化变分自由能，从而显著提升了机器人在噪声和感官突变环境下的视觉导航鲁棒性。
🦾 Category
cs.RO
865 篇论文
Visual Imitation Learning of Task-Oriented Object Grasping and Rearrangement
本文提出了一种名为多特征隐式模型（MIMO）的新型物体表征方法，通过编码点与物体间的多空间特征来增强部分观测下的形状重建与空间关系建模能力，并基于此构建了一个能够从单或多视角人类演示视频中学习任务导向型物体抓取与重排任务的框架，在仿真与真实世界实验中均展现了优于现有方法的性能。
Risk-Aware Autonomous Driving with Linear Temporal Logic Specifications
本文提出了一种基于线性时序逻辑（LTL）的风险感知自动驾驶方法，通过将包含事件时序与严重程度的 LTL 规范转化为线性规划问题，实现了在 Carla 仿真中平衡碰撞风险与交通违规等多类风险的类人驾驶策略合成。
GenTact Toolbox: A Computational Design Pipeline to Procedurally Generate Context-Driven 3D Printed Whole-Body Artificial Skins
本文介绍了 GenTact Toolbox，这是一个能够根据机器人形态和特定应用场景，通过程序化网格生成、任务驱动仿真及多材料 3D 打印技术，定制生成全身体触觉皮肤的计算设计流程。
Vision-based Tactile Image Generation via Contact Condition-guided Diffusion Model
本文提出了一种接触条件引导的扩散模型，能够将物体 RGB 图像与接触力数据映射为高保真视觉触觉图像，显著降低了误差并成功实现了复杂负载下的多传感器适配及精细纹理重建。
3D Dynamics-Aware Manipulation: Endowing Manipulation Policies with 3D Foresight
本文提出了一种将 3D 世界建模与策略学习无缝融合的 3D 动力学感知操作框架，通过引入三个自监督学习任务赋予策略模型 3D 预见能力，从而在不牺牲推理速度的前提下显著提升了涉及深度运动的机器人操作性能。
PeRoI: A Pedestrian-Robot Interaction Dataset for Learning Avoidance, Neutrality, and Attraction Behaviors in Social Navigation
本文提出了包含吸引、中立和排斥三类行人反应的 PeRoI 数据集，并基于此构建了融合神经网络的 NeuRoSFM 模型，显著提升了机器人在社会导航场景中对行人行为的预测精度。
Collaborative Learning of Local 3D Occupancy Prediction and Versatile Global Occupancy Mapping
本文提出了 LMPOcc 框架，通过设计高效的当前 - 先验融合模块与模型无关的先验格式，实现了局部 3D 语义 occupancy 预测与全局 occupancy 建图的协同学习，在提升复杂场景下预测精度的同时支持大规模 crowdsourcing 建图及开放词汇 3D 地图构建。
Balancing Progress and Safety: A Novel Risk-Aware Objective for RL in Autonomous Driving
本文提出了一种基于层次化目标、归一化设计及融合责任敏感安全（RSS）概念与二维椭球函数的新型风险感知奖励函数，旨在解决强化学习在自动驾驶中奖励设计不足的问题，并在无信号交叉口实验中显著降低了碰撞率，同时提升了行驶效率与安全性。
Boundary-Guided Trajectory Prediction for Road Aware and Physically Feasible Autonomous Driving
本文提出了一种受边界引导的轨迹预测框架，通过结合高清地图定义合法行驶边界并预测符合运动学约束的加速度剖面，在保持基准精度的同时显著消除了非可行轨迹并大幅提升了模型在对抗攻击及未见场景下的鲁棒性。
Automatic Curriculum Learning for Driving Scenarios: Towards Robust and Efficient Reinforcement Learning
本文提出了一种基于智能体能力自适应生成驾驶场景的自动课程学习框架，通过消除专家偏见并动态筛选训练难度，显著提升了强化学习驱动自动驾驶智能体的训练效率、收敛速度及在复杂交通环境下的泛化能力。
C*: A Coverage Path Planning Algorithm for Unknown Environments using Rapidly Covering Graphs
该论文提出了一种名为 C* 的新型采样算法，通过构建快速覆盖图（RCG）在未知环境中实现实时全覆盖路径规划，该算法具备计算简单、能自动适应局部覆盖空洞并避免死胡同等特性，经仿真与实验验证，其在覆盖时间、轨迹长度及重叠率等关键指标上均显著优于现有方法。
RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks
本文提出了 RoboPARA，一种由大语言模型驱动的双臂机器人任务规划框架，通过基于依赖图的规划候选生成与图重遍历并行规划两阶段策略，有效提升了复杂多任务场景下的并行协作效率，并发布了首个跨场景双臂并行任务数据集（X-DAPT）以验证其优越性。
Learning Physical Systems: Symplectification via Gauge Fixing in Dirac Structures
本文提出了首个基于狄拉克结构的预辛化网络（PSNs）框架，通过将受约束耗散系统嵌入高维流形来恢复非退化辛几何，从而在保持能量、动量及约束满足的同时，实现了对如 ANYmal 四足机器人等复杂多体系统动力学的高效学习与预测。
Walk Like Dogs: Learning Steerable Imitation Controllers for Legged Robots from Unlabeled Motion Data
该论文提出了一种从非标注真实运动数据中学习可转向模仿控制器的框架，通过自动发现行为模式、利用运动重定向技术弥合物理差异，并结合强化学习，使足式机器人能够在无需人工标注或预设规则的情况下，根据用户指令复现具有风格一致性的多样化步态及自然过渡。
Design and Experimental Validation of Sensorless 4-Channel Bilateral Teleoperation for Low-Cost Manipulators
本文提出并验证了一种适用于低成本无力觉传感器的四通道双边遥操作框架，通过结合非线性动力学补偿与基于扰动观测器的状态估计，实现了高速接触场景下的稳定力反馈控制，并显著提升了模仿学习演示数据的成功率。
Vision Language Model-based Testing of Industrial Autonomous Mobile Robots
本文提出了一种基于视觉语言模型（RVSG）的测试方法，通过生成违反功能与安全要求的人类行为场景，在模拟环境中有效评估了工业自主移动机器人的安全性与不确定性行为。
LHM-Humanoid: Learning a Unified Policy for Long-Horizon Humanoid Whole-Body Loco-Manipulation in Diverse Messy Environments
本文提出了 LHM-Humanoid 框架，通过强化学习教师策略蒸馏与 DAgger 算法，训练出一个统一的端到端策略及视觉 - 语言 - 动作模型，使类人机器人能够在无需环境重置的复杂杂乱场景中，实现跨场景泛化的长程全身移动操作任务。
Learning Agile Gate Traversal via Analytical Optimal Policy Gradient
本文提出了一种结合离线训练神经网络与在线模型预测控制（MPC）的混合框架，通过解析策略梯度高效优化 MPC 参数及门框检测模块，实现了在极端加速度和强扰动下的高敏捷、高精度四旋翼无人机穿门飞行。
Quadrotor Navigation using Reinforcement Learning with Privileged Information
本文提出了一种利用可微分仿真、时间到达图特权信息及偏航对齐损失函数的强化学习方法，使四旋翼无人机能够在包含大型障碍物的复杂环境中高效导航，并在真实户外场景中实现了无碰撞飞行。