872 篇论文
本文针对动态海底环境中长期视觉定位研究缺乏基准数据集和精确真值的问题，首次发布了涵盖多站点及长达六年跨度的海底数据集，提出了一种基于图像足迹的三维真值构建方法，并据此对八种先进视觉位置识别算法进行了基准测试，揭示了现有方法在该场景下的性能局限及传统距离阈值评估法的不足。
本文提出了 Sim2Sea 框架，通过 GPU 加速并行仿真、双流时空策略结合速度障碍引导的动作掩码机制以及针对性的域随机化方案，成功解决了复杂拥挤水域中自主船舶导航的仿真到现实迁移难题，实现了纯仿真训练策略在真实无人船上的零样本部署。
本文提出了 SaFeR 框架，通过结合基于 Transformer 的差分注意力机制与基于离线强化学习的最可行区域（LFR）约束，在确保物理可行性和行为真实性的同时生成高对抗性的自动驾驶安全关键测试场景。
该论文提出了一种名为 ACPPO-PID 的安全强化学习框架，通过结合 PID 调节的拉格朗日乘子、条件非对称截断及周期几何聚合等技术，在六自由度流体耦合约束下实现了四足仿生推进的高效、稳定且可迁移的控制策略。
本文提出了一种结合神经网络的 Koopman 算子框架，通过端到端学习提升空间表示，实现了对气动软体导管的高精度建模与开环控制，在心脏消融模拟任务中显著降低了定位误差并优于传统方法。
本文提出了一种名为 HBRB-BoW 的改进算法，通过在分层聚类过程中引入全局实值流并在叶节点进行最终二值化，解决了 ORB-SLAM 传统二进制词袋模型因精度损失导致的视觉词汇退化问题，从而显著提升了系统在复杂环境下的回环检测与重定位性能。
本文提出了 GarmentPile++ 系统，通过融合视觉语言推理、SAM2 分割辅助及双臂协作机制，实现了在真实杂乱场景中根据语言指令安全、精准地单次抓取单件衣物。
该研究提出了一种基于物理的神经肌肉骨骼仿真学习框架，通过强化学习在仿真中训练髋部外骨骼控制策略并利用策略蒸馏技术直接部署至硬件，成功实现了无需运动捕捉数据或额外硬件调优即可在不同行走条件下有效降低肌肉激活和关节功率的“仿真到现实”迁移。
本文提出了一种名为 GSeg3D 的高精度网格化算法，旨在通过分离地面与非地面点，满足自动驾驶和机器人系统在安全关键场景中对地面分割的严苛精度要求。
本文提出了 PRAM-R 框架，通过 LLM 引导的模态路由与分层记忆机制，在异步双循环设计中实现了自适应自动驾驶，在显著降低计算成本的同时保持了复杂场景下的轨迹精度。
本文介绍了 AMP2026 数据集，这是一个包含无人机、船载相机及水下机器人同步数据的多平台海洋机器人数据集，旨在支持多视角跟踪与海洋环境映射研究。
本文介绍了 RoboLight，这是首个包含 2,800 个真实世界机器人操作片段及 196,000 个基于线性光传输原理合成片段的数据集，旨在通过系统性地控制光照的颜色、方向和强度，为机器人操作研究提供高动态范围、可任意扩展的多样化光照数据支持。
本文提出了 VANGUARD，一种专为 GPS 拒止环境下无人机设计的轻量级确定性几何感知工具，它通过检测环境中的车辆锚点来恢复地面采样距离（GSD）并估算绝对尺度，从而有效解决了现有视觉语言模型在物理尺寸推理中存在的严重幻觉问题，显著提升了自主空间推理的安全性与准确性。
本文提出了 OmniPlanner，这是一种统一的自主探索与检查路径规划框架，通过模块化架构和平台抽象层，实现了在空、地、水等多种机器人形态及复杂环境中的通用部署与高效性能。
本文研究了一种利用配备触觉传感器的柔性多指机器人手进行在握滚动操作的方法，通过推导准静态运动方程并设计多指控制器，实现了在抓取状态下对物体姿态的精确控制，并在仿真与实验系统中验证了该方法的有效性。
本文提出了一种将感知约束与全非线性动力学及执行器限制统一整合的时间最优轨迹规划框架，通过引入信息论位置不确定性度量来平衡飞行速度与视觉状态估计质量，并配合模型预测轮廓跟踪控制器，实现了高速且高成功率的四旋翼无人机自主飞行。
本文提出了一种基于高斯混合模型的逆感知契约（GM-IPC）方法，通过利用高斯混合模型生成的并集椭球置信集来表征多模态和非凸的感知误差，从而克服了传统单椭球表示的局限性，在确保概率安全性的同时显著降低了机器人导航的保守性并提升了适应性。
本文提出了一种基于 Transformer 的腱索力建模方法，通过利用上下文历史信息和新型测试台采集接触丰富的交互数据，在 GPU 加速仿真中训练强化学习策略，从而显著缩小了腱索驱动机器人的仿真与现实差距，并大幅提升了真实机器人指尖姿态跟踪任务的性能。
该研究通过开发一种利用紫外光催化形成碳 - 碳键的新型硅橡胶交联机制，成功制备出能在极端温度、低压及近真空的平流层环境中稳定工作的高性能介电弹性体驱动器，并验证了其在高空气球任务中作为自主软体机器人技术的可行性。
本文提出了 RoboCasa365，这是一个基于 RoboCasa 平台构建的大规模仿真基准，通过涵盖 2500 个多样化厨房环境中的 365 项日常任务及海量演示数据，旨在为通用机器人策略的训练与系统性评估提供关键资源，并揭示了影响泛化性能的关键因素。