Efficient Autonomous Navigation of a Quadruped Robot in Underground Mines on Edge Hardware
本文提出了一种完全在低功耗边缘硬件上运行的自主导航系统，使波士顿动力 Spot 机器人在无 GPU、无网络且 GPS 拒止的地下矿井复杂环境中，通过结合激光惯性里程计、地形分割及路径规划算法，在无需特定环境训练的情况下实现了 100% 成功率的长距离自主导航。
🦾 Category
cs.RO
867 篇论文
PTLD: Sim-to-real Privileged Tactile Latent Distillation for Dexterous Manipulation
该论文提出了 PTLD（Privileged Tactile Latent Distillation）方法，通过利用现实世界中的特权传感器数据来蒸馏鲁棒的触觉状态估计器，从而无需逼真的触觉仿真即可将模拟训练的策略成功迁移至现实，显著提升了多指灵巧手在复杂触觉操作任务中的表现。
Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators
本文提出了一种名为 Many-RRT* 的鲁棒关节空间轨迹规划算法，通过并行规划多个逆运动学解来克服高自由度机械臂因多解性导致的规划失败或次优问题，实验表明其在保持运行效率的同时显著提升了规划成功率与轨迹质量。
From Local Corrections to Generalized Skills: Improving Neuro-Symbolic Policies with MEMO
该论文提出了名为 MEMO 的框架，通过收集、聚类并重构多用户的人为自然语言反馈，将局部的纠错经验转化为通用的技能模板，从而显著提升了神经符号策略在新任务中的泛化能力。
Distributed State Estimation for Vision-Based Cooperative Slung Load Transportation in GPS-Denied Environments
本文提出了一种基于单目视觉和分布式扩展信息滤波（DDEIF）的去中心化状态估计框架，使多旋翼无人机能够在无 GPS 环境下通过协同吊运实现鲁棒的负载状态估计与轨迹跟踪控制。
Risk-Aware Reinforcement Learning for Mobile Manipulation
该论文提出了一种基于分布强化学习和模仿学习的风险感知移动操作框架，通过训练特权教师策略并利用扭曲风险指标调整优势估计，成功将具备可调节风险敏感度的视觉运动策略蒸馏至基于单目深度观测的学生策略，从而在动态未映射环境中实现了兼顾最优最坏情况性能的主动全身运动控制。
ELLIPSE: Evidential Learning for Robust Waypoints and Uncertainties
本文提出了 ELLIPSE 方法，通过结合多变量深度证据回归、轻量级领域增强及后验等渗重校准技术，显著提升了移动机器人在开放世界（特别是楼梯场景）中 waypoint 预测的鲁棒性、任务成功率及不确定性估计的可靠性。
Risk-Aware Rulebooks for Multi-Objective Trajectory Evaluation under Uncertainty
本文提出了一种风险感知形式化方法，通过显式建模系统轨迹对环境的影响及不确定性下的复杂目标关系，为多目标轨迹评估构建了具有一致性且可解释的预序关系。
RoboMME: Benchmarking and Understanding Memory for Robotic Generalist Policies
本文提出了 RoboMME，这是一个针对长程和历史依赖型机器人操作任务的大规模标准化基准，旨在通过系统评估 14 种基于π0.5 的内存增强视觉 - 语言 - 动作（VLA）模型变体，深入探究不同内存表示在时空、对象及程序性记忆任务中的表现与局限性。
Autonomous Aerial Non-Destructive Testing: Ultrasound Inspection with a Commercial Quadrotor in an Unstructured Environment
该研究提出了一种集成控制与软件架构，使商用四旋翼无人机（Flyability Elios 3）能够仅依靠机载传感器在无序工业环境中实现完全自主的接触式超声无损检测。
GIANT - Global Path Integration and Attentive Graph Networks for Multi-Agent Trajectory Planning
本文提出了一种名为 GIANT 的基于注意力图神经网络的创新方法，通过融合全局路径规划与局部导航策略，显著提升了多机器人系统在复杂动态环境中的避障成功率、碰撞规避能力及导航效率。
Python Bindings for a Large C++ Robotics Library: The Case of OMPL
本文提出了一种结合大语言模型与专家人工审核的自动化工作流，用于为大型 C++ 机器人库（以 OMPL 为例）生成 nanobind Python 绑定，在解决常见绑定错误并实现与遗留方案相当性能的同时，显著降低了维护负担。
Selecting Spots by Explicitly Predicting Intention from Motion History Improves Performance in Autonomous Parking
本文提出了一种通过显式预测其他车辆基于运动历史的停车意图来辅助自动驾驶泊车系统选择车位的方法，并在仿真中证明该方法在预测精度、社会接受度和任务完成率上均优于现有基于隐式意图或仅依赖短期运动预测的方案。
LEGS-POMDP: Language and Gesture-Guided Object Search in Partially Observable Environments
本文提出了 LEGS-POMDP 系统，通过结合语言、手势和视觉观测，利用部分可观测马尔可夫决策过程（POMDP）框架有效建模目标身份与位置的不确定性，从而在开放世界环境中实现鲁棒的长程物体搜索。
Design, Mapping, and Contact Anticipation with 3D-printed Whole-Body Tactile and Proximity Sensors
本文提出了一种名为 GenTact-Prox 的模块化全 3D 打印人工皮肤，它集成了触觉与接近感知功能，能够覆盖机器人全身并实现高达 18 厘米的接触预判，同时通过数据驱动框架构建了以机器人为中心的“感知空间”映射，从而支持在线物体感知与接触预测。
Gait Generation Balancing Joint Load and Mobility for Legged Modular Robots with Easily Detachable Joints
本文提出了一种基于 NSGA-III 算法的优化框架，通过生成帕累托最优解，在确保模块化机器人具备必要移动速度和稳定性的同时，有效降低了可拆卸关节的负载，从而防止机械故障并适应斜坡、台阶等复杂环境。
Designing and Validating a Self-Aligning Tool Changer for Modular Reconfigurable Manipulation Robots
本文提出并验证了一种利用被动自对准几何结构（如倒角和三角形导向）来补偿定位误差的自对准工具更换系统，结合紧凑型旋转交换站，实现了模块化重构机器人高效可靠的自主工具更换。
Adaptive Policy Switching of Two-Wheeled Differential Robots for Traversing over Diverse Terrains
该研究提出了一种针对双轮差速机器人的自适应策略切换方法，通过利用短时姿态数据（特别是俯仰角标准差）结合高斯混合模型实现了对平坦与崎岖地形的准确分类（准确率超 98%），从而为机器人在模拟月球熔岩管环境中自主切换地形专用控制策略奠定了基础。
LLM-Guided Decentralized Exploration with Self-Organizing Robot Teams
本文提出了一种结合自组织算法与大语言模型（LLM）的探索方法，使多机器人团队能够在无中心控制的情况下自主动态编组并智能决策探索目标，从而在大规模仿真中验证了其提升集体观测范围与可靠性的有效性。
Data-Driven Control of a Magnetically Actuated Fish-Like Robot
本文提出了一种结合神经网络前向动力学模型、基于梯度的模型预测控制及模仿学习的数据驱动框架，有效解决了磁驱动鱼形机器人在非线性流体与柔性迟滞环境下的精确路径跟踪难题，并实现了低计算成本下的实时控制。