Gradient-based Nested Co-Design of Aerodynamic Shape and Control for Winged Robots
本文提出了一种基于梯度的嵌套共设计框架，通过结合最优控制规划器与神经代理气动模型，实现了对固定翼滑翔机气动外形与控制策略的联合优化，从而在显著缩短计算时间的同时，有效提升了其在复杂动态任务（如停栖和短距着陆）中的性能。
🦾 Category
cs.RO
694 篇论文
Stability-Guided Exploration for Diverse Motion Generation
该论文提出了一种结合 RRT 式搜索、基于采样的模型预测控制以及稳定状态流形采样策略的新方法，旨在通过黑盒仿真引导探索，从而在无需特定任务指导的情况下，为不同机器人形态生成多样化的长程操作策略。
HybridMimic: Hybrid RL-Centroidal Control for Humanoid Motion Mimicking
本文提出了 HybridMimic 框架，通过让学习策略动态预测连续接触状态和期望质心速度来调节基于质心模型的控制器，从而在 Booster T1 人形机器人硬件实验中实现了比现有强化学习基线更低的跟踪误差和更强的动态适应性。
A Multi-Layer Sim-to-Real Framework for Gaze-Driven Assistive Neck Exoskeletons
该论文提出了一种利用虚拟现实收集眼动数据训练预测模型，并通过从仿真到物理实机的多层级控制器筛选框架，成功开发出需个性化定制的凝视驱动辅助颈外骨骼系统，以解决垂头综合征患者的头部运动支持难题。
A Comprehensive Analysis of the Effects of Network Quality of Service on Robotic Telesurgery
该论文通过引入新型网络故障注入工具 NetFI 并结合包含 15 名受试者的用户研究，系统分析了丢包、延迟和通信中断等网络服务质量因素对不同熟练度外科医生执行远程手术任务性能、运动原语及主观工作负荷的具体影响，从而为确定远程手术的操作边界及开发鲁棒控制策略提供了量化依据。
Learning-Based Robust Control: Unifying Exploration and Distributional Robustness for Reliable Robotics via Free Energy
本文受自由能原理启发，提出了一种结合环境动力学与奖励学习的分布鲁棒性控制框架，通过统一探索与分布鲁棒性，显著缩小了仿真到现实的差距，实现了无需任务特定微调的可靠机器人操作。
Receding-Horizon Nullspace Optimization for Actuation-Aware Control Allocation in Omnidirectional UAVs
该论文提出了一种面向全向飞行器的基于模型预测的零空间优化控制分配策略，通过在线求解约束迭代 LQR 问题并显式考虑执行器非对称动力学，有效抑制了电机指令振荡并提升了轨迹跟踪性能。
RoboCritics: Enabling Reliable End-to-End LLM Robot Programming through Expert-Informed Critics
本文提出了 RoboCritics 方法，通过引入编码机器人专家知识的运动级评估器，为基于大语言模型的机器人编程提供透明反馈与自动修复机制，从而显著提升了端到端编程的安全性、执行质量及用户可控性。
MotionBits: Video Segmentation through Motion-Level Analysis of Rigid Bodies
该论文提出了基于运动学空间旋量等价性定义的“运动比特”（MotionBit）概念，构建了名为 MoRiBo 的手动标注基准，并开发了一种无需学习的图分割方法，在移动刚体分割任务中显著优于现有方法，为具身推理与机器人操作提供了关键的物理交互理解基础。
Nonlinear Performance Degradation of Vision-Based Teleoperation under Network Latency
该论文利用新开发的 LAVT 测试床，通过 180 次仿真实验揭示了基于视觉的遥操作系统在 150 至 225 毫秒单程感知延迟区间内会出现稳定性急剧崩溃的非线性退化现象，并量化了控制通道延迟对系统失效的加速作用。
Robodimm: A Physics-Grounded Framework for Automated Actuator Sizing in Scalable Modular Robots
本文提出了 Robodimm 框架，该框架结合 Pinocchio 动力学与 Pink 逆运动学，利用 KKT 约束逆动力学方法，实现了针对可扩展模块化机器人（特别是含闭链结构）的自动化执行器选型与参数化缩放设计。
CAR: Cross-Vehicle Kinodynamics Adaptation via Mobility Representation
本文提出了名为 CAR 的跨车辆运动动力学适应框架，该框架利用 Transformer 编码器和自适应层归一化将不同车辆（从轮式到履带式）的轨迹与物理配置映射至共享潜在空间，从而仅需极少量新数据即可实现对新车辆平台的快速运动动力学迁移与预测。
Material Driven HRI Design: Aesthetics as Explainability
该论文提出了一种将材料美学视为可解释性信号的设计框架，主张通过色彩、纹理和材质选择来引导人机交互预期、明确机器人角色并提升其可理解性，并通过内容分析验证了这一方法。
VertiAdaptor: Online Kinodynamics Adaptation for Vertically Challenging Terrain
本文提出了一种名为 VertiAdaptor 的在线适应框架，通过融合高程与语义嵌入信息并利用神经常微分方程基函数，实现了非结构化越野环境中车辆运动动力学的快速自适应建模与规划，从而显著提升了预测精度与适应速度。
Collaborative Planning with Concurrent Synchronization for Operationally Constrained UAV-UGV Teams
本文提出了一种名为 CoPCS 的基于学习的协同规划方法，通过结合异构图 Transformer 与 Transformer 解码器，实现了受能量和地形约束的无人机与无人车团队在任务执行过程中的同步并发协同规划，从而显著提升了团队在复杂大规模任务中的整体性能。
SysNav: Multi-Level Systematic Cooperation Enables Real-World, Cross-Embodiment Object Navigation
本文提出了名为 SysNav 的三级系统化协作框架，通过解耦语义推理、导航规划与运动控制，成功实现了在轮式、四足及人形等多种实体上跨形态、长距离的复杂现实环境物体导航，并在真实世界实验与仿真基准测试中取得了显著的性能提升。
T2Nav Algebraic Topology Aware Temporal Graph Memory and Loop Detection for ZeroShot Visual Navigation
本文提出了 T2Nav，一种结合代数拓扑感知时序图记忆与零样本视觉导航的框架，通过融合异构数据与图推理，实现了在未知环境中无需额外训练即可进行鲁棒避障、可靠回环检测及高效路径规划的能力。
SurgSync: Time-Synchronized Multi-Modal Data Collection Framework and Dataset for Surgical Robotics
本文提出了名为 SurgSync 的多模态手术机器人数据采集框架与数据集，该框架基于 da Vinci 研究套件，集成了在线/离线同步录制、高清立体内窥镜及新型接触传感器，并通过包含 214 个验证实例的离体组织实验，为手术机器人的智能训练与技能评估提供了高质量数据支持。
CN-CBF: Composite Neural Control Barrier Function for Safe Robot Navigation in Dynamic Environments
本文提出了一种名为 CN-CBF 的复合神经控制障碍函数方法，通过结合基于哈密顿 - 雅可比可达性框架训练的单个障碍函数与残差神经网络架构，实现了在动态环境中安全且高效的机器人导航，并在仿真与硬件实验中显著提升了任务成功率。
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。