汇总 IEEE Transactions on Robotics 2024-2026 卷研究论文，按年份分组、主题筛选并进入详情页阅读 IEEE 正文、资源和本地精读笔记。
Robotics, Perception Group, University of Zurich, Zurich, Switzerland
面向四旋翼在狭窄管道内悬停时自诱导气流导致的强非定常扰动，论文将事件相机烟雾测速引入闭环控制：实时估计局部流场，经循环卷积网络推断力/力矩扰动，并输入强化学习控制器。系统实现亚毫秒处理延迟，测速相对离线 PIVLab 平均误差 0.35 m/s；在管内控制中，悬停位置偏差降低 29%，横向移动超调降低 71%。
Department of Civil and Environmental Engineering and the Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA; Institute for Data, Systems, and Society and the Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA; Department of Mechanical and Automotive Engineering, Seoul National University of Science and Technology, Seoul, South Korea; Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA; Institute for Data, Systems, and Society, Massachusetts Institute of Technology, Cambridge, MA, USA; Department of Civil and Environmental Engineering, Massachusetts Institute of Technology, Cambridge, MA, USA
面向全自动车尚未普及时的城市拥堵优化，论文关注人类司机可执行的低频驾驶建议，而非高频自动控制。其核心是把建议保持时间建模为零阶保持任务，并提出基于时间结构选择源任务的 TTL（含 GTTL/CTTL）做零样本迁移，以缓解深度强化学习在不同保持时长上的脆弱泛化。实验在多种混合交通场景中显示，TTL 比基线更稳定地提升平均速度、吞吐等系统指标。
Department of Automation, University of Science and Technology of China, Hefei, China
面向物理人机交互中人意图多变、传统柔顺控制复杂且会限制操作者的问题，本文利用线驱并联机器人的可重构结构在线改变索锚布局，提出混合交互力旋量裕度指标，将交互力方向、人主导意图与工作空间/力可行约束结合，并用异步周期优化实现实时重构。仿真和多种pHRI实验显示，该策略可扩大可操作工作空间、提升响应速度，并允许更随意的交互施力。
META Fundamental AI Research (FAIR), Menlo Park, CA, USA; NVIDIA AI, Santa Clara, CA, USA; Harvard University, Cambridge, MA, USA; Google Deepmind, London, U.K.; Berkeley AI Research (BAIR), Berkeley, CA, USA; School of Interactive Computing, Georgia Tech, Atlanta, GA, USA; Machine Learning Department in Carnegie Mellon University, Pittsburgh, PA, USA; Computer Science Department of the Technical University of Darmstadt, Darmstadt, Germany; Hessian.AI, Darmstadt, Germany; Computer Science Department, Technical University of Darmstadt, Darmstadt, Germany; German Research Center for Artificial Intelligence (DFKI), Kaiserslautern, Germany
针对离线示范学习中数据噪声、多模态策略、高维视觉/语言条件和长时序误差累积等问题，本文系统梳理深度生成模型在机器人学习中的用法。其核心洞察是将扩散模型、能量模型、VAE/GAN、动作价值图等按动作分布建模与条件生成能力统一比较，并从抓取、轨迹生成到代价学习总结应用版图。主要结果是归纳了提升分布外泛化的设计选择，如模块化组合、特征抽取与对称性利用；文中以综述为主，未报告统一实验增益。
Personal Robotics Laboratory, Department of Electrical and Electronic Engineering, Imperial College London, London, U.K.
面向电动轮椅共享控制中“既要辅助又不剥夺自主性”的意图预测难题，论文提出 DIWIE：用条件扩散模型融合障碍物、凝视/头姿、语义、运动学与摇杆信号，在无预建地图和目标标注下生成多种短期可行轨迹以表征不确定性。基于多驾驶者自然导航数据评测，其在 ADE/FDE 与碰撞率上优于既有方法，并分析了不同传感源的贡献。
Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, U.K.
面向机器人巡检和导航中的大规模可靠三维重建，SiLVR针对纯视觉NeRF在弱纹理、视角受限区域几何不稳的问题，将激光深度与法向约束融入辐射场，并估计点级认知不确定性以过滤伪影、辅助子图融合。系统结合激光SLAM/SfM轨迹和共视谱聚类分图，在超过2万平方米的机器人与手持数据上，相比纯视觉和激光基线获得更完整且几何更一致的重建，并用商用三脚架扫描图作定量验证。
School of Automation Science and Electrical Engineering, Beihang University, Beijing, China; School of Aerospace Engineering, Tsinghua University, Beijing, China
针对刚性机器人在碰撞和步行支撑中纵向冲击难以衰减的问题，论文将人膝半月板式纵向顺应性抽象为可直接替换传统转动铰链的紧凑缓冲结构，通过C形套筒把小行程压缩放大为弹性元件变形，并用扭簧与橡皮筋调出高静低动刚度。跌落测试和双足机器人实验显示，该铰链可降低传至机身的加速度与地面反作用力，从而提升机器人—环境交互安全性。
Learning Algorithms and Systems Laboratory, Swiss Federal Institute of Technology Lausanne, Lausanne, Switzerland
面向抓取式机器人投掷中几十毫秒释放阶段难以建模的问题，论文指出传统刚体+极限面摩擦模型会因不连续摩擦产生类 Zeno 振荡、预测不稳，并提出滑动枢轴模型，用粘着—枢转—滑动近似主导的手内转动。该模型精度接近隐式平滑 LS，但计算快 20 倍以上，相比常规 LS 将水平速度误差降 40%、角速度误差降 63%，落点和姿态 MAE 分别为 2.4 cm、15.4°。
School of Engineering, Cardiff University, Cardiff, U.K.; School of Computer Science and Informatics, Cardiff University, Cardiff, U.K.
面向沙土等未知颗粒材料的小尺度高精度挖掘，论文指出难点在于接触动力学复杂且物性难标定。DDBot将GPU可微MPM仿真、可微技能参数化、任务示教初始化、梯度裁剪与线搜索结合，使一阶梯度可用于系统辨识和挖掘轨迹优化。实验显示其可在约5–20分钟内收敛，并在UR5零样本实机部署中达到较高精度，优于强化学习和MPC等基线。
UNC/NCSU Department of Biomedical Engineering, the University of North Carolina at Chapel Hill, Chapel Hill, NC, USA; North Carolina State University, Raleigh, NC, USA; School of Electrical, Computer, and Energy Engineering, Arizona State University, Tempe, AZ, USA
针对膝上假肢行走中人类神经控制与机器人控制难以协同、既要适配个体又要实现跨关节协调的问题，论文提出IRL+RL的双层优化：用逆强化学习为包含人体大腿角与假肢膝关节运动的目标函数学习个体化权重，再由强化学习调参。3名健全者和2名截肢者实验中，优化约3.5分钟完成，相比仅看机器人状态的方法，多数参与者假肢侧支撑时间和步长增加。
School of Automation, Southeast University, Dhaka, Bangladesh; Key Laboratory of Measurement and Control of CSE, Ministry of Education, Nanjing, China; Department of Aeronautical and Automotive Engineering, Loughborough University, Loughborough, U.K.; School of Automation Science and Electrical Engineering, Beihang University, Beijing, China; Department of Aeronautical and Aviation Engineering, Hong-Kong Polytechnic University, Hong Kong, China; Wellcome Centre for Human Neuroimaging, University College London, London, U.K.; Research and Development Department, VERSES AI Research Lab, Los Angeles, CA, USA
针对视觉伺服在动态场景中受低频视觉反馈、扰动不确定性以及感知与控制割裂限制而缺乏敏捷性的问题，论文提出 RAID-AgiVS：用交替预测—观测的强化感知机制生成高带宽“软测量”，再结合主动推理形成双向耦合的感知控制闭环。6 自由度机械臂和室内四旋翼实验显示，该框架在精度、响应敏捷性和适应性上优于对比方法。
School of Industrial Engineering, Purdue University, West Lafayette, IN, USA
针对视觉模仿学习策略易产生抖动轨迹、难以满足安全与运动约束的问题，DiffOG将可微轨迹优化层与Transformer编码器嵌入策略训练，使动作细化同时保持与示范分布对齐。文中在11个仿真和2个真实任务上验证，其能显著提升平滑性与约束满足度，且基本不牺牲任务成功率，优于裁剪和惩罚式后处理基线。
Department of Mechanical and Aerospace Engineering, University of California, Irvine, CA, USA; Department of Mechanical Engineering, Texas Tech University, Lubbock, TX, USA; optimAero LLC, Atlanta, GA, USA; Computer, Electrical, and Mathematical Sciences and Engineering division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia
针对现有模块化多旋翼多停留在共面“飞行阵列”、难以兼顾载荷适配、刚度与全驱动能力的问题，论文提出正十二面体模块 Dodecacopter，利用其对称性实现离散可连接的三维构型和倾转推力方向，并将控制分配、结构刚度与构型搜索表述为凸优化/MIP问题。原型机在最多16个模块、6种构型中完成飞行，验证了三维组装与六自由度潜力，但尾流效率损失仍需进一步量化。
Technical University of Berlin, Berlin, Germany; Machines in Motion Laboratory, New York University, New York, NY, USA
针对异构多机器人在密集飞行中需同时满足动力学约束、避碰并考虑气动相互作用的问题，论文提出 db-ECBS，将 ECBS 扩展到连续动力学规划：先用允许有界不连续的 db-A* 生成单机器人轨迹，再通过冲突/相互作用约束修正，最后联合轨迹优化消除不连续。65 个任务、6 类动力学实验显示其可扩展到 16 个机器人，轨迹代价低于现有方法一半以上，密集场景中交互建模尤为关键。
Department of Mechanical Engineering, Stevens Institute of Technology, New Jersey, NJ, USA
针对连续体机器人在稀疏、带噪传感条件下难以实时恢复完整形状的问题，论文将形状状态定义为多项式曲率模态系数，并用噪声加权可观测性矩阵分析不同传感配置；进一步以 IMM-EKF 在 CC、不同阶 PCK 模型间自适应切换，缓解单一曲率模型失配。仿真和硬件实验显示，该方法在有限测量下比单模型 EKF 具有更稳健、准确的形状估计表现。
Smead Aerospace Engineering Sciences Department, University of Colorado Boulder, Boulder, CO, USA
面向多机器人动态任务中全局后验维度过大、通信与计算难以扩展的问题，论文将异构贝叶斯去中心化数据融合表述为局部因子图上的重叠变量融合，并提出FG-DDF与保守滤波/异构CI机制，在只共享共同状态的同时避免重复计数。仿真和硬件实验覆盖多目标跟踪、协同定位、环形网络、50%丢包、非线性模型和离群观测，显示估计保持统计保守且通信计算负担低于同构全状态融合。
State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; Division of Intelligent and Biomechanical Systems, State Key Laboratory of Tribology, Department of Mechanical Engineering, Tsinghua University, Beijing, China; School of Science, Harbin Institute of Technology, Shenzhen, China; Department of Mechanical and Automation Engineering, Chinese University of Hong Kong, Hong Kong, Hong Kong; Neurological Rehabilitation Center, Beijing Rehabilitation Hospital Affiliated to Capital Medical University, Beijing, China; Division of Intelligent and Biomechanical Systems, State Key Laboratory of Tribology, Department of Mechanical Engineering, Tsinghua University, Haidian, Beijing, China; Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua University, Beijing, China; School of Clinical Medicine, Tsinghua Medicine, and Medical Research Center, Beijing Tsinghua Changgung Hospital, Tsinghua University, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China
针对软气动弯曲执行器在可穿戴辅助与卒中康复中输出力不足的问题，论文借鉴龙虾尾部“软肌肉+刚性外骨骼”结构，提出带刚性 kirigami 限制壳的紧凑 SPBA，并用 Yeoh 超弹性模型与 Euler–Bernoulli 梁理论建立力/形变预测模型。半径 10 mm 执行器在 0.1 MPa 输出约 22 N、0.16 MPa 输出 36.43 N，四指夹爪可在 0.26 MPa 提升 5.38 kg，手外骨骼实验显示可改善卒中后手痉挛训练效果。
Department of Mechanical Engineering, the Institute of Advanced Machines and Design, and the Office of International Education and Research, Seoul National University, Seoul, South Korea; Holiday Robotics, Seoul, Republic of Korea
针对窄通道中采样效率低、优化式规划易陷入碰撞局部极小的问题，论文将障碍凸分解并构造成环境单纯复形，用保持同伦等价的 SDF 碰撞约束插值生成由易到难的子问题序列，并配合平滑 shaping、插值支持函数、步长自适应和连续碰撞细化来稳定求解。实验以多个路径规划例子展示可在复杂窄通道中逐步得到可行路径，但定量增益幅度文中未充分说明。
German Aerospace Center (DLR), Institute of Robotics and Mechatronics (RM), Weßling, Germany; School of Computation, Information and Technology, Technical University of Munich (TUM), Garching, Germany
针对打磨/抛光等表面处理依赖离线覆盖规划、难以利用执行反馈且在复杂曲面上工具接触面积变化导致欠加工或过加工的问题，论文将任务表述为遍历控制下的目标分布覆盖，在SMC框架中显式建模可变工具印迹，并从人类示教学习目标覆盖分布与状态相关运动偏好。7自由度力矩控制机械臂实验表明，该方法能按实际接触面积在线调整覆盖并实现稳健误差收敛。
Parasol Lab, School of Computer Science, University of Illinois at Urbana Champaign, Champaign, IL, USA; Department of Computer Science, Instituto Tecnológico Autónomo de México (ITAM), Mexico City, México
针对 MAPF 约束式搜索在多机器人运动规划中受表示分辨率和拓扑影响、难以选择约束的问题，论文将约束划分为保守型与激进型，并用 CBS/CBSwP 在混合网格-路标表示上对比其搜索行为。结果显示，智能体更多或分辨率更高时，优先级等激进约束更易在时限内求解；两者都成功时，运动等保守约束通常解质量更好，并据此给出选择流程图。
School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China
针对连续体机器人难以精确解析建模、传统数据驱动方法样本需求大且缺少稳定性保证的问题，本文用 NODE 以少量数据学习状态转移并估计雅可比，再结合预定义时间同步稳定的 ZND 控制器，给出稳定与预定义时间收敛证明。仿真和一段/三段实机实验显示，少于 100 组样本即可达到低于机器人长度 1% 的位置 RMSE，三段机器人约 2.5 mm，并在内外扰动下保持鲁棒性。
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong; University of California, Berkeley, CA, USA; Princeton University, Princeton, NJ, USA
针对四足机器人在野外不仅要避障、还需避开泥地等高代价地形的问题，本文提出多阶段分层强化学习框架，用低层运动控制器价值函数构造机器人中心的可通行性估计，并融合 RGB-D 训练高层导航器；实机实验显示，机器人可在非结构化越野场景中约 15–20 分钟学到接近最优路径，并能在未见地形和障碍中一定泛化。
Faculty of Engineering, University of Rijeka, Rijeka, Croatia
面向山地等起伏地形中的搜救巡查，论文关注多无人机在目标位置不确定、检测性能随高度变化且需避障约束下的快速搜索问题。其核心是把目标概率更新、相机/YOLO检测模型与地形高度纳入统一搜索评价，并将HEDAC遍历搜索同高度和速度MPC闭环耦合，生成可实时执行的三维轨迹。仿真和外场实验显示，该方法能动态调高/降高以改善检测，满足运动约束，且实际检测率与概率模型预测较一致。
Department of Engineering, University of Cambridge, Cambridge, U.K.; Swan Endosurgical, Cambridge, U.K.
针对被动性控制在复杂操作中常停留于启发式 PD/阻抗调参、难以对应任务指标的问题，论文将控制器设计为与机器人互连的被动“虚拟机构”，用弹簧、阻尼、连杆等物理结构表达能量整形，并通过刚体动力学 ODE 的算法微分按 L2/L∞ 类指标优化参数。结果在 1DOF 与 7DOF 腹腔镜场景仿真及实验中验证了稳定性由被动性保证、性能由优化调节的可行性。
School of Advanced Manufacturing and Robotics, Peking University, Beijing, China; School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China; China Aerospace Science and Technology Corporation, Beijing, China
针对非完整机器人在最小转弯半径、横向加速度等受限条件下难以同时规划位置、朝向与可跟踪控制的问题，论文将目标表述为正极限集，联合设计曲率受限向量场与带动态增益的饱和控制律，使参考场和实际轨迹均满足曲率界并收敛。仿真优于已有向量场方法，Ackermann地面车和半实物固定翼无人机实验验证了可实现性。
Department of Surgery, The Chinese University of Hong Kong, Hong Kong, China; Department of Surgery, Chow Yuk Ho Technology Centre for Innovative Medicine, Li Ka Shing Institute of Health Science and Multi-Scale Medical Robotics Center, The Chinese University of Hong Kong, Hong Kong, China
针对磁压吻合术中双磁体在复杂腔道内难以实时、安全定位与引导的问题，论文提出 MagsL-HUD 内镜系统：用正交磁体 Endo-MagCap 与磁传感阵列估计多磁体六自由度位姿，并将引导信息叠加到内镜视野。实验中双磁体平均定位误差约 7 mm、姿态误差 0.14–0.17 rad，离体猪胃-结肠吻合最终间隙约 2.47 mm，HUD 方案压合成功率 71.4%，高于无 HUD 的 42.9%。
Systems Engineering and Automation Department, University Carlos III of Madrid, Madrid, Spain
面向医疗、教育等协作场景中用户可能因道德观念、信任或任务性质拒绝机器人请求的问题，本文将社会判断理论引入社会机器人说服研究，把机器人提议划分为不同接受纬度，并用 Mini 机器人开展 63 人面对面实验。结果表明，任务类型显著影响服从意愿，具表达性的机器人更能促成执行；既往接触 Mini、适中机器人知识也提高配合度，而年龄、性别影响不明显。
Soft Robotics and Bionics Laboratory (SRBL), Department of Mechanical Engineering, Institute of Advanced Machines and Design (IAMD); Soft Robotics Research Center (SRRC), Seoul National University, Seoul, South Korea; Argonne National Laboratory, Lemont, IL, USA
面向危险或远程场景中欠驱动机械手难以同时保持轻量结构与触觉/力反馈的问题，论文将嵌入 FBG 的光纤直接作为驱动腱使用，在单根腱上同时实现动力传输、腱张力、本体力觉、指尖接触力与温度补偿感知。实验验证了三指欠驱动手的抓取、实时触觉反馈和遥操作可行性，说明该一体化传感-驱动设计能降低布线与传感器复杂度并提升远程操作感知能力。
Robotics Program, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, South Korea; Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, South Korea
面向水声通信低带宽、高时延和丢包导致的水下多机器人测深协同 SLAM 数据交换瓶颈，本文提出 ID(O) 向量量化压缩，将海底地图表示为索引、中心深度和可选方向，并可在恢复时估计缺失方向，嵌入 TTT CSLAM。两组大规模海试显示，其地图恢复精度较 PCA 基线约高 40%，在接近无损压缩的建图精度与效率下，仍能承受约 40% 丢包和较大航迹推算漂移。
University of Southern California, Los Angeles, CA, USA; Stanford University, Stanford, CA, USA
面向四足机器人在未知、拥挤环境中导航时安全约束依赖先验环境或特定策略的问题，论文提出观察条件化的可达性安全过滤器，用 LiDAR 动态构造安全区域，并结合扰动估计让价值网络在线预测鲁棒安全值函数，在必要时覆盖名义控制器。仿真与 Unitree Go1 实机实验显示，该方法可无需重训地适配多种模型式和学习式分层控制器，并提升未知障碍和未建模动力学下的避碰可靠性。
Department of Computer Science, Iowa State University, Ames, IA, USA; Transportation Research Center Inc., East Liberty, OH, USA; is an independent researcher, resides in Round Rock, Texas, USA
论文指出，复杂机器人与随机化测试使传统“低方差即重复性”的评测假设失效，尤其在人形机器人和自动驾驶风险评估中会导致独立执行结果不一致。作者从算法层面重构统计查询类测试，在蒙特卡洛、重要性采样和自适应采样外加入轻量自适应修正，给出可证明的重复性、精度和效率界限。实验覆盖机械臂标准测试、车辆风险评估与人形机器人运动评估，显示该方法能缓解非重复估计问题。
School of Advanced Manufacturing and Robotics, Peking University, Beijing, China
面向无机械臂机器人搬运大件、异形或不可抓取物体的需求，本文将多机器人协同推送建模为组合-混合优化问题，联合处理子任务分解与滚动分配、关键帧引导的接触模式/力搜索以及混合控制，并用扩散模型加速搜索。仿真和硬件实验显示该框架可在复杂障碍、多物体与不同机器人规模下完成任务，并扩展到异构机器人、平面装配和 6D 推送。
Department of Mechanical and Industrial Engineering, University of Toronto, Toronto, ON, Canada; Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI, USA; Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA
针对现有软体手缺少掌内视觉、各手指侧向主动自由度不足而难以灵巧操作的问题，论文提出五指线驱软体手：每指可独立屈伸与双向内收/外展，并在掌心集成 RGB-D 相机。作者建立运动学、静力学与可操作性模型，结合点云抓取、滑移检测补偿和分层视觉伺服，在多物体实验中展示了丰富抓取姿态、稳定抓取及闭环手内操作能力。
Institute of Mechatronic Systems, Leibniz University Hannover, Garbsen, Germany; L3S Research Center, Leibniz University Hannover, Hanover, Germany
软体关节机器人实时估计与控制受限于一阶物理模型太慢、黑箱模型跨负载和姿态泛化差。本文将带物理约束的 PINN 扩展为可接受系统域参数的快速代理模型，并用于非线性 MPC。实机两小时数据表明，其相对准确 FP 模型最高提速 467 倍、精度仅小幅下降，且比优化过的 RNN 更能外推；MPC 以 47 Hz 完成六组动态跟踪实验。
AUCTUS Team, Inria, Talence, France
面向协作机器人在动态人类环境中既要快速重规划又要充分利用本体运动能力的矛盾，论文提出在任务空间在线规划：每个控制步用多面体代数估计当前构型下的速度/加速度能力，并对剩余路径重算时间最优TAP，无需离线预计算。与TOPP-RA相比轨迹平均仅慢约5%，相较固定笛卡尔限幅方法可用到100%运动学极限且跟踪误差低于4 mm，并在Franka垃圾分拣实验中验证。
Department of Mechanical and Aerospace Engineering, The University of Manchester, Manchester, U.K.; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong; Department of Materials, The University of Manchester, Manchester, U.K.
针对软体机器人自由曲面大变形下仿真形状与真实形状偏差大、传统 sim-to-real 依赖完整标记点对应且易受遮挡影响的问题，论文用 B-spline 紧凑描述形状，并学习 RBF 空间变形函数与置信图，通过加权 Chamfer 距离实现无对应训练。该映射可接入可微神经网络正运动学与逆运动学流程，在两类视觉设备和四种气动软机器人上验证了对点云、缺失标记的适应性及形状控制效果。
Robotics and Perception Group, University of Zurich, Zurich, Switzerland
面向敏捷四旋翼飞行中 MPC 依赖手工代价、RL 样本低效且泛化不足的问题，论文将可微 MPC 嵌入 actor–critic，把观测映射为 MPC 代价，并用 MPC 短时预测辅助价值学习。实验显示其在无人机竞速中具备实时控制能力，仿真与实机最高约 21 m/s，达到强模型无关 RL 的性能，同时提升分布外稳定性、动力学变化鲁棒性和样本效率。
Department of Biomedical Engineering, Southern University of Science and Technology, Shenzhen, China; Department of Mechanical Engineering, City University of Hong Kong, Hong Kong, China; Shenzhen Key Laboratory of Smart Healthcare Engineering, Department of Biomedical Engineering, Southern University of Science and Technology, Shenzhen, China; School of System Design and Intelligent Manufacturing, Southern University of Science and Technology, Shenzhen, China; College of Mechanical and Energy Engineering, Beijing University of Technology, Beijing, China; School of Engineering, University of Manchester, Manchester, U.K.; Department of Mechanical Engineering, City University of Hong Kong, Hong Kong, SAR, China
面向多人触觉机器人中操作者主动施力导致非被动、且随人数增加稳定性设计难以扩展的问题，论文将每个操作者的感知任务抽象为独立交互环境（IIE），隔离伙伴行为引入的能量违规，并提出增强能量罐控制（ATBC），结合能量相关功率调节与时变增益，在三机器人四场景协作实验中保持IIE被动，同时较好保留触觉渲染精度与可复现性。
Future Robotics AI Group, Samsung Electronics, Seoul, South Korea; Department of Mechanical Engineering, MIT, Cambridge, MA, USA; Department of Mechanical Engineering, Seoul National University, Seoul, South Korea
论文针对示教学习中稳定动力系统虽能保证收敛、但在示教外区域易过拟合并产生抖动/异常运动的问题，提出可行为控制的稳定动力学模型 BCSDM，将速度分解为沿轨迹模仿与向轨迹收缩两类几何方向，并用一个参数在二者间调节；方法扩展到黎曼构型流形和多任务深算子向量场。实验显示其在需模仿或快速收缩的任务上优于现有 SDS 学习方法。
Institute of Robotics and Mechatronics, German Aerospace Center, Weßling, Germany; Technical University of Munich, Munchen, Germany
针对冗余机器人多任务跟踪中“自然动力学鲁棒但任务耦合、逆动力学解耦但实践鲁棒性差”的矛盾，论文提出全自然任务空间解耦控制，通过选择保留物理惯性特征的闭环惯量实现各子任务动态完全解耦。文中给出稳定性与被动性证明，并在仿真和 Rollin’ Justin 实验中对比多类控制器，显示其以较低有效反馈增益获得更少任务干扰和更好的实践鲁棒性。
Intelligent Robotics and Interactive Systems (IRIS) Lab, School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ, USA; Polytechnic School, Arizona State University, Tempe, AZ, USA; School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ, USA; Departments of Industrial Engineering and Management Sciences, Northwestern University, Evanston, IL, USA; Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA
面向安全关键机器人中安全约束难以手工建模、且用户安全偏好会变化的问题，论文提出 Safe MPC Alignment：只利用人类在线方向性纠正（如向左/向右）来收缩约束假设空间并更新 MPC，而不依赖纠正幅度或完整示范。其关键在于把方向反馈视为指向更安全区域的信号，并给出有限反馈下指数收敛或判定假设空间失配的证书。数值实验、两项 MuJoCo 用户研究和 Franka 移动倒水任务显示，通常只需十量级纠正即可学到可用安全约束。
VirtualAI China, Shanghai, China; Kraftgene AI Inc., Toronto, ON, Canada
面向机器人操作中仿真训练便宜但现实迁移存在 reality gap 的问题，本文提出 ADR-PNAS，将自适应域随机化与渐进式神经架构搜索联合起来，同时调节仿真参数分布和策略网络结构，并用 TEI 从性能、时间、成本衡量迁移效率。多类操作任务上相较 DR、ADR、MAML、RCAN、EPOpt 等基线最高降低 35% reality gap，但具体增益在多大程度来自架构搜索或额外优化开销仍需结合消融判断。
Department of Mechanical Engineering, KU Leuven, Leuven, Belgium; Flanders Make, Leuven, Belgium; Department of Mechanical Engineering, TU Eindhoven, Eindhoven, MB, The Netherlands
面向建筑、物流中只在起终点需较高精度的重载搬运，论文反思通用串联机械臂刚性高、能耗和安全成本大的路线，提出任务驱动的机器人化龙门吊：用可被动对准把手的夹爪弥补姿态欠驱动，并基于变长摆模型利用受控摆动扩展静态工作空间。实验中48次抓取全成功且可检测失败并恢复，货架插入虽受不可观测段跟踪误差影响，最终放置仍接近目标。
College of Control Science and Engineering, Zhejiang University, Hangzhou, China; College of Control Science and Engineering and the State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, China; Department of Computer Science, National University of Singapore, Singapore
论文针对灵巧手强化学习中过度关注动作空间、忽视手-物交互表征导致泛化差的问题，提出 DexRep：在手局部坐标下结合体素占据、关键点到物体表面的距离/法向以及局部 PointNet 几何描述，强调局部可复用结构而非全局物体身份。该表征用于抓取、手内重定向和双手交接；抓取仅用 40 个训练物体即可在 5000 多个未见物体上达 87.9% 成功率，其他任务相对既有表征提升约 20%–40%，并在多/单相机真实系统中显示较小 sim-to-real 差距。
Inria, Département d'Informatique, École Normale Supérieure, PSL Research University, Paris, France
面向 MPC、强化学习和大规模仿真中对闭环/内环机构高速、稳定前向动力学的需求，论文从近端动力学出发，用非串行动态规划推导 LCABA 与 proxBBO 两个递归算法，将约束 ABA 扩展到内部闭环，并增强 BBO 对奇异和冗余约束的鲁棒性。基于 Pinocchio 的实现显示其在多种拓扑上接近线性扩展，在含内环高自由度人形机器人等场景较非递归方法最高超过 6 倍加速。
Urban Robotics Lab., School of Electrical Engineering, KAIST, Daejeon, South Korea; KRAFTON, Seoul, South Korea; URobotics, Seoul, South Korea; Laboratory for Information and Decision Systems (LIDS), MIT, Cambridge, MA, USA
针对仅靠本体感知的四足盲行走需碰撞探测障碍、而外感知又依赖精确地图的问题，DreamWaQ++提出单阶段多模态强化学习框架，将本体与外感知经轻量时空混合器融合，并用技能发现目标提升步态多样性。实机在Unitree Go1等平台上无需微调，可通过楼梯、沟壑、松软地形、移动平台和35°斜坡，显示出较强的越障敏捷性与分布外鲁棒性。
State Key Laboratory of Mechanical System and Vibration, Shanghai Key Laboratory of Intelligent Robotics, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; Bio-Vision System Laboratory, Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences, Shanghai, China; University of Chinese Academy of Sciences, Beijing, China; Department of Mechanical and Aerospace Engineering, Rutgers University, Piscataway, NJ, USA
面向多机器人牵持柔性布单搬运物体时平衡位置易受物体扰动和队形扰动而失稳的问题，论文基于虚拟变长缆模型将正运动学写成约束二次规划，并用活动约束线性相关性与稳定乘子提出两类稳定判据。结果表明稳定解只占可行解小部分，所给算法能高效筛选稳定运动学，实验和案例验证了其对队形规划与安全搬运的有效性。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; Shanghai Key Laboratory of Intelligent Robotics, Shanghai Jiao Tong University, Shanghai, China
面向介电弹性体执行器在黏弹滞后、机电耦合与机械共振下难以高速建模和跟踪的问题，论文提出物理先验 token 预测框架：用简化等效线性模型编码全局动力学，再以 token 作为状态相关参数自回归解码，并利用可逆性构造直接前馈逆补偿。多种构型和负载实验显示，该方法可在30分钟内完成建模，在自然频率内抑制非线性动态并实现超过143 Hz的高速开环跟踪。
School of Geodesy and Geomatics, Wuhan University, Wuhan, China; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Science, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; TCL RayNeo, Shenzhen, China; Shanghaitech University, Shanghai, China; Australian National University, Canberra, Australia
针对VIO启动阶段常受相机-IMU外参误差、时间不同步和小平移/纯旋转运动影响而难以稳定收敛的问题，论文将旋转与平移解耦，把陀螺偏置、外参旋转和时间偏移纳入旋转约束中联合估计，并分析退化运动下的可观性边界。仿真与真实数据表明，该方法在精度、鲁棒性和收敛性上优于现有初始化方案，同时保持较低计算开销。
Manchester Centre for Robotics and AI, The University of Manchester, Manchester, U.K.; School of Informatics, The University of Edinburgh, Edinburgh, U.K.; Robotics Institute, University of Technology Sydney, Sydney, NSW, Australia
针对标准 EKF 在线状态估计中因可观性不匹配导致的过度自信与不一致问题，论文从不可观子空间是否依赖状态值出发，证明保持可观性的充要条件，并据此提出 Aff-EKF：通过对线性化施加仿射变换，使滤波器自然满足可观性约束且设计流程明确。作者在三类 SLAM 和一个三维协同定位任务中推导实例，并用蒙特卡洛仿真验证一致性提升。
Singapore MIT Alliance for Research and Technology (SMART) centre, Singapore; Department of Mechanical Engineering, National University of Singapore, Singapore; Cognitive Robotics Department, Delft University of Technology, Delft, The Netherlands; Department of Mechanical Engineering and Advanced Robotics Centre, National University of Singapore, Singapore; Department of Mechanical and Energy Engineering, Southern University of Science and Technology, Shenzhen, China; Khalifa University Center for Autonomous Robotics System (KUCARS), Abu Dhabi, UAE; Department of Mechanical and Nuclear Engineering, Khalifa University of Science and Technology, Abu Dhabi, UAE
面向连续体软机器人在接触环境中仅靠驱动反馈难以感知形状与外力的问题，本文为嵌入拉伸传感器的杆驱动软臂建立应变动静力模型，并用灵敏度椭球判断切向力是否可观测、指导构型调整。实验显示末端形状误差低于臂长1.8%，正交力估计RMSE约5.08%；提高应变灵敏度后，切向力误差由2.41 N降至0.24 N。
Institute of Mechanical Intelligence and Department of Excellence in Robotics & AI, Scuola Superiore Sant’Anna, Pisa, Italy
针对软肘部外衣在力传递、滑移、迟滞和个体调参上的实用化瓶颈，论文提出软硬混合肘部外骨骼衣：用集总参数模型指导设计，结合肌腱驱动、顺应袖套、双缆分力和被动张紧机构，以提高机械可靠性并支持固定参数的通用交互控制。实验显示其在动态任务中平均降低肱二头肌活动28.40%，耐力任务中降低冈下肌活动44.55%，同时主观负荷更低、可用性较高。
Department of Computer Science, The University of Hong Kong, Hong Kong; Centre for Transformative Garment Production, Hong Kong; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong; Humanoids and Human Centered Mechatronics Research Line, Istituto Italiano Di Tecnologia, Genoa, Italy
针对传统相机在高速旋转下易受运动模糊影响、现有事件相机方法依赖触发模型或对比度最大化且离散化带来误差的问题，EROAM将事件投影到单位球面，在连续球面空间中用ES-ICP和并行点线优化估计3DoF旋转，并结合增量k-d树与区域密度控制维护地图。实验显示其在合成和真实数据上精度、鲁棒性与实时性优于已有方法，尤其适用于高速和长序列场景，并可生成细节较好的全景重建。
School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE
面向小型无人机群在大尺度未知环境中受限于短基线双目、难以远距离稠密建图的问题，本文让两架飞行器构成动态宽基线协同双目，并结合双谱视觉-惯性-UWB测距估计、跨机深度匹配与机内光流跟踪，以及稀疏三角点标定单目稠密深度尺度。实测可在最远70米建图，相对误差2.3%–9.7%，感知距离和覆盖面积较紧凑双目显著提升。
Tsinghua Shenzhen International Graduate School, Shenzhen, China; School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore
面向沙土、砾石等颗粒介质中视觉受阻且振动会破坏传统触觉/视触觉感知的问题，SandWorm 将螺旋驱动与蠕动推进结合，并提出带主动振动弹性体、弹簧隔振事件相机的 SWTac，实现静态与动态触觉成像；IMU 引导滤波提升 MSNR 24%，U-Net 估计接触面。实验显示 0.2 mm 纹理分辨率、98% 石块分类、0.15 N 力估计误差，机器人最高 12.5 mm/s，并在管道清淤和地下探测中约 90% 成功。
College of Computer Science, Sichuan University (SCU), Chengdu, China; School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, China; School of Information Engineering, Southwest University of Science and Technology (SWUST), Mianyang, China; Interdisciplinary Institute for Medical Engineering, Fuzhou University, Fuzhou, China
面向道路/室内拓扑会在导航中临时失效的可靠到达问题，论文指出传统 SOTA 路径规划只处理行程时间随机性、固定拓扑假设会显著退化。其将问题建模为变分 MDP，提出 SEVAC：用 VPG 优化动态路由策略、MTD 在线估计准时到达概率，并通过离策略扩展复用轨迹提升样本效率。在多个交通网络、加拿大旅行者问题基线及实体机器人环境中，SEVAC取得总体最优的准时到达表现。
Dipartimento di Ingegneria dell’Informazione, Research Center E. Piaggio, Università di Pisa, Pisa, Italy; Research Center E. Piaggio, University of Pisa, Pisa, Italy; SoftRobotics for Human Cooperation and Rehabilitation, Istituto Italiano di Tecnologia, Genova, Italy
面向仓库、医院等人机共享动态环境中，移动机器人因走廊拥堵或人机相遇而产生延误的问题，论文将路径选择建模为边代价逐步可观测的 MDP，把交叉口局部观测、人群空间先验、绕行代价和相遇严重度纳入离线策略，并用在线策略修正避免循环。仿真和真实数据实验显示，该方法相较反应式及先进规划器在性能或可扩展性上更优。
Institute of Robotics and Intelligent Systems, Dalian University of Technology, Dalian, China; School of Biomedical Engineering, Dalian University of Technology, Dalian, China; Department of Mechanical and Industrial Engineering, University of Toronto, Toronto, ON, Canada
面向串联机器人在线标定与运动控制中 KI 精度不足、IK 收敛和鲁棒性受限的问题，论文将二者统一为基于 POE 指数坐标误差的求根问题，并引入带阻尼的五阶改进 Halley 方法，解析推导所需 Jacobian/Hessian 及 IK 简式。多构型仿真显示其在精度、迭代次数和鲁棒性上优于现有方法，两台实体机器人 KI 实验进一步验证有效性。
Department of Electrical and Computer Engineering, University of California, Riverside, CA, USA; Institute of AI Industry Research (AIR), Tsinghua University, Beijing, China; Department of Mechanical and Aerospace Engineering, University of California San Diego, San Diego, CA, USA; Department of Planning and Control, Zoox Inc., Foster City, CA, USA; Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI, USA; Department of Mechanical Engineering, Yale University, New Haven, CT, USA; Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA
面向机器人在新环境中难以依赖离线大数据和精确仿真的运行时学习问题，本文综述 Koopman 算子如何把非线性动力学提升为高维线性表示，从而连接小数据建模、在线更新与低成本控制。文章系统梳理 EDMD、时延嵌入、输入处理和提升函数设计，并归纳其在 MPC/LQR、状态估计、运动规划及机械臂、腿足、软体和多智能体中的应用；主要结果是给出统一框架、理论脉络、开放挑战和配套代码教程，而非报告单一实验增益。
Department of Automation and BNRist, Tsinghua University, Beijing, China
针对四足机器人中纯优化控制实时性不足、纯强化学习难以保证硬约束的问题，论文提出“高层RL生成参考、低层优化WBC输出力矩”的层级框架，并用Chambolle–Pock一阶算法实现可GPU批量训练、CPU实时部署的凸QP求解器。实验在仿真和多种实机平台上显示，相比端到端RL或纯WBC，能提升跟踪、能耗、约束满足与跨平台迁移表现。
Control/Robotics Research Laboratory (CRRL), Department of Electrical and Computer Engineering, NYU Tandon School of Engineering, Brooklyn, NY, USA
面向机器人在未知、动态环境中需要实时构建可语言查询的开放词汇三维语义地图，RAZER将GPU几何重建与预训练VLM结合，在实例级融合语义嵌入，并用R-tree空间索引和最小费用二分匹配做在线关联，减少2D掩码/标签不一致带来的碎片化。实验显示其在开放词汇三维实例检索、语义与实例分割等基准上优于对比方法，且无需训练或全局优化。
Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland; Microelectronics and Quantum Technology, VTT Technical Research Centre of Finland, Espoo, Finland
针对软体微操作器柔顺但速度和动态精度不足的问题，FilMBot 将单片 PP 薄膜并联软运动结构与线圈—永磁体非接触电磁驱动结合，用低刚度结构换取快速形变、强磁耦合提供高响应。厘米级样机实现 3 自由度运动，角速度最高 2117/2456°/s，路径跟踪约 1.50 m/s，精度约 6.3 μm（工作空间 0.05%），带宽约 30 Hz 且 50 Hz 仍有响应。
School of Automation, Beijing Institute of Technology, Beijing, China
针对机器人模仿学习依赖昂贵动作标注示教的问题，论文提出 G3M，将视频帧抽象为含物体与视觉动作顶点的可迁移图，并预训练图到未来图的生成模型，用生成图序列指导策略学习；其属性感知层次图建模与图像-图交互用于捕捉物体结构、空间关系和跨 embodiment 操作知识。实验显示，在仅用 20% 动作标注数据时优于对比方法，相比 SOTA 在仿真、真实和跨 embodiment 场景分别提升超过 19%、23% 和 35%。
Australian Centre For Robotics (ACFR), School of Aerospace, Mechanical and Mechatronic Engineering (AMME), University of Sydney, Sydney, Australia
传统视觉 SLAM 往往把运动物体当作外点丢弃，难以服务动态环境中的导航与预测。DynoSAM 将静态与动态观测放入基于因子图的统一平滑建图框架，强调世界系刚体运动建模，并提出可直接估计物体位姿的运动学约束与不依赖物体坐标系定义的误差指标。其开源系统在多类仿真和真实室内外数据上取得领先的物体运动/位姿估计，同时保持相机定位鲁棒，并展示了动态重建和轨迹预测用途。
Faculty of Mechanical Engineering, Technion – Israel Institute of Technology, Haifa, Israel
针对三连杆轮式蛇形机器人常用无侧滑非完整约束与真实运动不符的问题，论文搭建全运动学驱动与半被动驱动两种平台，揭示轮子侧滑在实验中不可忽略，并将黏性侧滑摩擦与滚动阻力纳入动力学模型。参数拟合后模型能较好复现实测轨迹、频率对平均速度和单周期位移的影响，并解释半被动关节的类共振最优频率现象。
Department of Artificial Intelligence, WINDY Lab, Westlake University, Hangzhou, China; College of Computer Science and Technology, Zhejiang University, Hangzhou, China
面向单目相机在追踪高机动目标（尤其 MAV）时尺度未知、仅方位估计可观性弱的问题，论文提出 bearing-box 思路，把3D检测框中的归一化深度、形状与姿态信息纳入伪线性 Kalman 估计。核心洞察是3D框可消除横向机动和球形目标假设；在多旋翼场景中又利用姿态—推力/加速度耦合，进一步放宽观察者高阶运动要求。文中给出必要充分可观性分析，并通过真实实验验证运动与尺寸估计优于传统 bearing-only 方法。
College of Information Science and Technology, Jinan University, Guangzhou, China; Department of Electrical and Computer Engineering, University of Connecticut, Storrs, CT, USA
针对未知环境覆盖路径规划中易陷入死角、重复覆盖和后期补洞导致时间增加的问题，论文提出采样式 C* 算法，用快速覆盖图在导航中增量构建最小充分路标/边集合，兼顾往返覆盖模式与基于 TSP 的局部覆盖洞处理，并给出完全覆盖证明。仿真和真实机器人实验显示，相比七种 CPP 方法，C* 在覆盖时间、转弯数、路径长度和重叠率上均有明显改进，且适用于能量受限和多机器人场景。
Institute of Medical Equipment Science and Engineering, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, China
针对仿人手在少驱动与高灵巧之间难以兼顾的问题，论文从人手关节运动协同出发，先区分高独立关节与强耦合关节，再将指内/指间耦合与柔顺机制机械化实现为12驱动、21关节的SX-Hand，并加入灵活拇指和可动掌部。实验中其Kapandji测试满分，覆盖GRASP分类33种抓取，并展示了手内操作能力。
School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China; Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, Shanghai, China; Department of Aerospace Engineering, Toronto Metropolitan University, Toronto, Canada; Nantes Université, École Centrale Nantes, CNRS, Nantes, France; School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, China
针对小型移动机器人在复杂地形中难以兼顾机动性、形态重构与外部防护的问题，论文仿照鼠妇卷曲成球与爬行两种行为，提出单自由度多环耦合变形机构，并将可相对滑移的重叠曲面壳连接到轨迹点上，实现包覆式防护；再集成两条一自由度自适应腿，通过差速完成行走、主动滚动与转向切换。文中以运动学分析、仿真和样机实验验证形态匹配和双模式移动可行性，但具体性能增益幅度文中未充分说明。
Research Institute of Intelligent Control and Systems, Harbin Institute of Technology, Harbin, China; State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, China; Yongjiang Laboratory, Ningbo, China
面向类器官/组织球组装中手工移液难以保证异质结构空间图案化的问题，论文把磁驱生物微机器人在全局输入下的耦合运动作为核心瓶颈，利用微井等局部约束打破对称性，并通过运动映射将多机器人高维规划降到聚合空间，再用图优化做动态路径决策。实验显示相较常规策略成功率提升78.57%、效率提升33.20%。
Department of Computer Science, Hong Kong University, Hong Kong; LIGHTSPEED, Bellevue, WA, USA; LIGHTSPEED, Los Angeles, CA, USA
针对机器人协同设计中形状与控制需联合优化、而现有可微仿真在大幅几何或拓扑变化时易出现不可微接触奇异的问题，SDRS用凸多面体并集表示连杆形状，并基于分离超平面构造平滑罚函数接触模型，将分离平面视为零质量辅助变量以避免显式接触点检测。论文证明在足够小时间步下可对状态、控制和形状参数全局可微，并通过夹爪等协同设计案例展示可同时优化形状与运动。
Department of Computer Science, Iowa State University, Ames, IA, USA; Department of Mathematics, Iowa State University, Ames, IA, USA; Institute for Dynamic Systems and Control, ETH Zürich, Zürich, Switzerland
面向自主机器人在安全、法规、效率等目标冲突且优先级不完全可比时难以用加权和或硬/软约束表达的问题，论文将 rulebook 作为规划控制规格语言，用预序刻画层级、同级与不可比目标，并定义单策略与完整最优策略合成。结果给出可处理更丰富目标组合的多项式单策略算法，以及枚举全部 rulebook 最优解的算法和复杂度分析，案例显示相较既有方法更适合复杂多目标权衡。
Department of Mechanical Engineering, Tsinghua University, Beijing, China; Beijing Key Laboratory of Transformative High-End Manufacturing Equipment and Technology, Tsinghua University, Beijing, China
针对现有流体人工肌肉难以同时兼具薄型便携、高收缩比和多运动模式的问题，论文提出IN-FOAM：在外皮内集成可充气折纸式骨架，并用正压充胀与负压抽吸协同驱动。其热封片材工艺使未驱动时超薄，骨架图案可编程实现收缩、弯曲、扭转和旋转；实验、理论与有限元结果表明，输出力和收缩量可由正负压模式调节，多层骨架将袋式结构收缩比提升到50%以上，多通道设计可在单个执行器中集成多模态运动。
Autonomous Systems and Biomechatronics Laboratory (ASBLab), Department of Mechanical and Industrial Engineering, University of Toronto, Toronto, ON, Canada
面向灾害、森林等通信与能量受限的非结构化多机器人探索，本文指出仅靠前沿或单次地图补全难以处理不规则障碍和起伏地形。4CNet用条件一致性/扩散式迭代预测未知地图，并通过对比式轨迹编码利用邻近机器人低带宽轨迹线索，再用置信网络量化不确定性指导探索。实验显示4CNet-E在不同规模、机器人数量、能量和通信限制下取得更高预测精度与覆盖率，并在室内外硬件场景验证泛化性。
Institute of Mechanical Intelligence, Scuola Superiore Sant’Anna, Pisa, Italy; Department of Excellence in Robotics & AI, Scuola Superiore Sant’Anna, Pisa, Italy; Department of Electrical and Information Engineering (DEI), Polytechnic University of Bari, Bari, Italy; Next Generation Robotics Srl, Pisa, Italy; Akina AG, Zürich, Switzerland; Munich Institute of Robotics and Machine Intelligence (MIRMI), Technische Universität München (TUM), Munich, Germany
面向物流和工业搬举中高发的肩颈肌骨损伤，论文评估了便携双侧主动肩部外骨骼 Flexos：用仅一个主动自由度、串联弹性驱动与含手臂速度前馈的力矩控制，在兼顾可穿戴性的同时支持双臂举升/搬运。12 名受试者实验显示其覆盖约 89% 肩部活动范围，并在静态、动态、搬运任务中分别平均降低肌肉活动 27.2%、18.6%、23.4%，但样本规模和原型成熟度仍限制外推。
University of Bologna, Bologna, Italy; Rawmantic AI, Chengdu, China; Google Zurich, Switzerland; ETH Zürich, Switzerland; University of Amsterdam, Amsterdam, The Netherlands
针对传统/深度 SLAM 在离散地图、弱纹理与未观测区域建模上的瓶颈，以及 NeRF、3DGS 快速涌入但缺少系统梳理的问题，本文调查近三年 80 个辐射场 SLAM 系统，按表示、跟踪-建图耦合和评测维度建立分类。主要结果是总结其在连续稠密建图、渲染和补洞上的潜力，同时指出实时性、大场景扩展、鲁棒性与统一基准仍是关键限制。
Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA; Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, USA; Google DeepMind, San Francisco, CA, USA; Technical University of Denmark, Kongens Lyngby, Denmark; School of Management, Technical University of Munich, Munich, Germany; Institute for Dynamic Systems and Control, ETH Zurich, Zurich, Switzerland; Department of Urban Studies and Planning, Massachusetts Institute of Technology, Cambridge, MA, USA
面向AMoD车队控制研究中模型假设、仿真设置和算法实现不透明导致难以复现的问题，本文不是提出新控制器，而是系统梳理从系统建模、任务定义、算法说明到评测指标的复现链条，比较排队论、网络流和车辆级模型的适用边界，并给出结构化框架与检查清单；主要结果是明确了常见不可复现来源和报告规范，可支撑AMoD及类似网络化自主系统的可比基准。
Department of Mechanical and Automation Engineering and T Stone Robotics Institute, The Chinese University of Hong Kong, Hong Kong; Shun Hing Institute of Advanced Engineering and Multi-Scale Medical Robotics Center, The Chinese University of Hong Kong, Hong Kong
针对MRI介入中现有针驱动器难以同时兼顾小型化、足够插入力和旋转/平移自由度的问题，论文提出单液压波纹管驱动的MR-safe针驱动器，通过预夹持抓手、被动旋转与运动解耦/切换机构，实现独立平移、平移伴随旋转和独立旋转三种模式，并用自适应弹性模糊控制补偿非线性。原型尺寸仅2.2×5.3×3.8 cm，插入力超过10 N，控制超调小于0.06 mm、重复性RMSE为0.17 mm，支持更紧凑的孔内MRI引导穿刺。
Learning Algorithms and Systems Laboratory (LASA), Swiss Federal Technology Institute of Lausanne (EPFL), Lausanne, Switzerland; Huawei Technologies GmbH, Munich
针对高维机器人示教往往样本少、模型大且难以保持稳定泛化的问题，论文提出 LEMON-DS：用图拉普拉斯谱嵌入从单条非自交轨迹中提取近线性潜空间，在潜空间构造全局渐近稳定动力系统，再经微分同胚映射回原空间形成反应式控制策略。实验覆盖最高 23 维操作任务，较 FDM、SDS-EF 等方法在轨迹复现精度和参数紧凑性上更优，并展示了投掷等复杂动作的一次示教学习能力。
Department of Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, ON, Canada; Department of Mechanical, Industrial, and Mechatronics Engineering at Toronto Metropolitan University Toronto, ON, Canada; Department of Systems Design Engineering, University of Waterloo, Waterloo, ON, Canada; KITE Institute, Toronto Rehabilitation Institute, University Health Network, Toronto, ON, Canada
论文针对下肢外骨骼固定轨迹易与用户意图产生时空不匹配、影响康复参与度的问题，提出基于步态相位与交互力矩估计的在线空间轨迹自适应控制：用预训练神经网络由运动学和电机指令估计交互力矩，再以梯度下降调整关节参考轨迹。16名受试者实验显示，相比非自适应控制，地面行走髋、膝交互力矩分别降低约51%和64%，部分肌肉用力下降，步频和速度提升，并在不同跑台速度下保持较稳定效果。
Advanced Research and Innovation Center (ARIC), Khalifa University, Abu Dhabi, UAE; Research and Development, Strata Manufacturing PJSC, Al Ain, UAE; Department of Aerospace Engineering, Khalifa University, Abu Dhabi, UAE
面向飞机蒙皮等大面积工业表面检测，传统视觉触觉传感器虽精细但需慢速按压采样，滚动方案又受帧率和运动模糊限制。论文将事件相机嵌入滚轮式触觉传感器，并改造 EMVS 与多参考贝叶斯融合来处理曲面接触深度不一致。系统在 0.5 m/s 下实现低于 100 μm 的 MAE，速度较既有连续触觉方法提升 11 倍，融合进一步降误差 25.2%，并验证了更快的盲文读取。
School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China
针对视觉抓取缺少触觉反馈和可解释稳定性度量而导致执行不可靠的问题，论文用 Isaac Sim 构建带稳定度标签的视觉-触觉数据，并提出抓取裕度矩阵，将力/力矩余量显式化以替代黑箱或复杂 wrench 分析；结合视觉预测接触力和质心后，稳定性分类达 87.72%，真实抓取成功率 88.15%，较 force closure 基线明显提升。
Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China; Department of Mechanical Engineering, The University of Hong Kong, Hong Kong, China; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong, China; Department of Mechanical Engineering, The University of Hong Kong, Hong Kong
面向腔内手术中连续体柔性器械难以建模、缺少安全几何感知的问题，论文提出仅依赖单目内窥镜的实时2D/3D感知平台：结合基础视觉特征做器械分割、概率化估计柔性机器人3D状态与不确定性，并通过含光照建模的单目深度和物理仿真生成数据估计器械—组织距离。在原型系统评测中，该感知反馈使轨迹跟随操作时间降低超过70%，提升了复杂腔内场景下的控制鲁棒性。
Centre for Advanced Robotics Technology Innovation, Nanyang Technological University, Singapore; School of Electrical and Information Engineering, Tianjin University, Tianjin, China; School of Automation, Hangzhou Dianzi University, Hangzhou, China; Department of Automation, Shanghai Jiao Tong University, Shanghai, China
针对现有 LiDAR 全局定位常忽略强度等材质信息、难以同时适配有限视场与全景雷达且从地点识别到六自由度位姿仍依赖配准的问题，UniLGL 将点云编码为空间与强度双 BEV，并用多 BEV 融合网络、视角不变监督和视觉基础模型迁移学习统一提取特征，再由 BEV 局部特征直接估计 SE(3) 全局位姿。实验显示其在真实基准上达到与 SOTA 竞争的识别和定位性能，并已部署到卡车、微型无人机等港口与森林场景。
Australian Centre for Robotics, School of Aerospace, Mechanical and Mechatronic Engineering, University of Sydney, Camperdown, NSW, Australia; Department of Electrical and Computer Engineering, University of California, San Diego, CA, USA; School of Mechanical and Mechatronics Engineering, University of Technology Sydney, Ultimo, NSW, Australia
针对主动目标跟踪中多模态轨迹信念空间高维、信息增益难定义且计算昂贵的问题，本文把规划目标转到由障碍诱导的同伦类别上，提出同伦信息增益，并证明其是低层度量信息增益的下界。由于该信息只在影响高层绕行决策的位置稀疏分布，在线规划可用更少观测获得相近或更好的轨迹估计；仿真与真实行人数据验证了其测量效率优势。
Robotics and Perception Group, University of Zurich, Zurich, Switzerland
面向高速无人机巡检中RGB图像严重运动模糊、VIO位姿漂移导致NeRF重建失效的问题，论文将事件流与模糊帧放入统一优化：用连续时间共享轨迹同时建模曝光模糊、融合事件监督并细化事件VIO先验，无需真值轨迹。合成与真实高速飞行数据表明其能恢复更清晰辐射场和更一致相机轨迹，真实数据相对现有方法提升超过50%，并发布同步RGB-事件数据集与代码。
Seoul National University, Seoul, South Korea; University of Michigan, Ann Arbor, MI, USA
RoEL针对事件相机在噪声、稀疏和异步输出下难以稳定建图的问题，将人造环境中持续可见的线结构作为中层表示。方法通过多时间窗/多事件表示提取候选线，在时空体中拟合并匹配线轨迹，再用Grassmann流形上的几何代价联合优化3D线图和相机位姿，减少投影畸变与深度歧义。实验显示其在合成与真实数据上较既有事件建图更紧凑、完整且鲁棒，并可用于跨模态配准和全景定位。
Institute of Robotics and Intelligent Systems, Dalian University of Technology, Dalian, Liaoning, China; School of Mechatronics Engineering and Automation, Shanghai University, Shanghai, China; Department of Mechanical and Materials Engineering, Queen’s University, Kingston, ON, Canada; Ingenuity Labs Research Institute, Queen’s University, Kingston, ON, Canada; School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China; Department of Mechanical and Industrial Engineering, University of Toronto, Toronto, ON, Canada
针对粪便样本难以反映胃肠道空间差异、现有胶囊多只能单点取样的问题，本文设计了Ø11×13.6 mm磁驱胶囊，用磁触发负压膜按需抽吸，并以三片采样纸和防水隔层实现多点存储与低交叉污染。实验显示其可产生约17.8 Pa压差，在近肠液黏度下采集8.4±1.1 μL样本，污染低于25%，并在离体猪肠中验证了磁导航、定位和三目标取样可行性。
Neuromorphic Automation and Intelligence Lab, School of Artificial Intelligence and Robotics, Hunan University, Changsha, China; ByteDance, Shenzhen, China; Zhuoyu Technology, Shenzhen, China
针对传统RGB自动驾驶感知在强光、弱光和运动模糊下失效且缺少事件相机大规模标注数据的问题，论文构建eAP数据集，提供多模态驾驶场景、3D框和目标级TTC标签，并据此研究RGB-事件融合3D车辆检测与几何感知的Garl-TTC表示学习。结果显示，事件信息可提升复杂光照下3D检测鲁棒性，Garl-TTC在事件TTC估计上达到最佳精度并可在Orin NX上以200 FPS运行。
Department of Mechanical and Aerospace Engineering, The University of Manchester, Manchester, U.K.; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong
论文针对软体机器人/可穿戴设备中柔性传感器布局长期依赖经验、且形变重建精度与可制造性难以兼顾的问题，提出无需物理模型的数据驱动共优化框架，在 B-spline/UV 表面上同时优化传感器数量、长度、位置和形状预测网络，并用可微损失编码最小长度、间距、无重叠等制造约束。数值与实物实验显示，相比启发式或未优化布局，该方法在相同或更短总传感器长度下显著降低自由形变预测误差。
School of Aerospace Engineering, Tuanku Syed Sirajuddin Engineering Campus, Universiti Sains Malaysia, Nibong Tebal, Malaysia
面向蜂群式微型飞行器在频谱拥塞、干扰或受限环境中无线通信不可靠的问题，MoCom 将“动作即信号”引入 MAV 通信：用预定义飞行动作编码起止与二进制信息，由事件相机捕获连续事件流，并结合事件帧分割、轻量 SNN 动作识别和 IMSR 解码序列。实验显示该框架可实现较准确解码且功耗较低，但具体相对增益幅度需结合全文实验设置判断。
Robotics Institute, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA; Department of Mechanical Engineering, Brigham Young University, Provo, UT, USA; GRASP Lab, the University of Pennsylvania, Philadelphia, PA, USA; Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA
面向在线信息路径规划中环境信念随观测变化、重规划代价高的问题，IA-TIGRIS将采样式信息采集树做成增量与自适应框架，复用既有规划并用信念图节点嵌入和优化实现持续更新候选轨迹。仿真优于基线，信息增益最高提升38%，并在六旋翼与固定翼无人机上验证了不同运动模型下的机载可用性。
Robotics Laboratory, Department of Mechanical Engineering of the Ecole polytechnique of Montreal, Montréal, QC, Canada
针对闭链/并联机构微分正运动学通常需数值求逆、在奇异附近及混合量纲矩阵中易放大误差的问题，论文基于螺旋理论引入由互易力螺旋构造的 twist matrix，将平面、球面、定向和纯平移机构的雅可比显式写成基本矩阵组合。结果表明该形式可不依赖拓扑复杂度求任意构件雅可比，并在若干奇异邻域算例中达到与常规逆相近或更好的误差分布，但并非证明对所有机构数值更优。
Faculty of Mechanical Engineering, University of Ljubljana, Ljubljana, Slovenia
针对百机器人级视觉目标搜索中去中心化策略难以在通信瓶颈、噪声和稀疏奖励下学会协作的问题，论文构建 Century Maze，并提出 DIABL 以跨智能体目标信念提供可微监督信号，结合 informative event replay 强化稀有有效样本训练。在 actor-critic 架构上，该方法较基线显著提升 100+ 机器人协作搜索性能，并在更现实条件下保持有效。
Intelligent Robotics Institute, School of Mechatronical Engineering, and the Key Laboratory of Biomimetic Robots and Systems, Ministry of Education, Beijing Institute of Technology, Beijing, China; Department of Biomedical Engineering, City University of Hong Kong, Hong Kong, SAR, China; School of Artificial Intelligence, Beijing Institute of Technology, Beijing, China; Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China; Department of Micro-Nano Systems Engineering, Nagoya University, Nagoya, Japan
面向受限、扰动和地形多变环境中的微创取样/搬运任务，本文针对磁驱软体毫米夹爪难以自主切换步态且路径精度不足的问题，提出三支点中心对称夹爪与分层多模态控制：上层用事件有限状态机按环境与任务切换步态，下层结合滑模控制和高斯过程优化磁场步态参数。实验显示其可通过变形隧道、跨越超过三倍体长的间隙，任意路径跟踪误差低于体长5%，并完成三类目标抓取运输及离体猪胃肠超声引导验证。
Distributed Multi-Agent Robotic Systems (ΔMARS Lab), Department of Electrical and Computer Engineering, Oakland University, Rochester, MI, USA; Autonomous and Intelligent Robotics Laboratory—AIRLab, Lehigh University, Bethlehem, PA, USA
针对多无人机缆索运输通常需人工预先挂载、单层空中绳结抓取摩擦不足且难以自主释放的问题，本文提出由多架飞行机器人在空中形成多层 hitch 的缆索交织方法，并用绞盘摩擦模型给出层数带来指数增益的保守设计准则；并行编队算法使大团队执行时间近似不随规模增长。仿真与硬件实验展示了从成结、捆绑、抬升到释放的全自主流程。
Institute of Mechatronic Systems, Leibniz University Hannover, Garbsen, Germany; L3S Research Center, Leibniz University Hannover, Hanover, Germany
面向高速并联机器人在人机协作中易发生碰撞、夹持且避障反应可能触发自碰撞或 II 型奇异的问题，SafePR 将基于编码器/电流的广义动量观测、神经网络与粒子滤波接触识别定位，以及带冗余解析的安全撤离统一起来。实机在最高 1.5 m/s 下处理 72 次碰撞/夹持，25–275 ms 内终止接触，力低于 ISO/TS 15066 阈值。
School of Aeronautic Science and Engineering, Beihang University, Beijing, China; Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China; School of Robotics and Automation, Nanjing University, Suzhou, China; Differential Robotics Technology Company, Hangzhou, China
面向多无人机缆索吊运在复杂环境中难以实时生成安全且动力学可执行轨迹的问题，论文以载荷位置和缆索方向间接表示机器人位姿，推导含耦合动力学与电机 RPM 约束的平坦映射，并结合稀疏时空参数优化与分布式控制实现高频重规划。仿真、消融和不同规模实机实验表明，该方案能在接近推力极限时保持避障、敏捷跟踪，并对载荷质量误差、风扰和通信延迟具鲁棒性。
Tencent Robotics X, Shenzhen, China; Faculty of Science and Engineering, University of Groningen, Groningen, The Netherlands
针对传统目标导航多只接受类别输入、难以处理带属性和空间关系的自然语言目标，VLN-Game在探索中构建融合CLIP特征与三维重建的对象中心地图，并用基于博弈均衡的多视角VLM选择最匹配候选以降低冲突和幻觉。其在HM3D的物体目标与语言目标导航上达到SOTA，并展示了真实机器人部署可行性。
Department of Mechanical Engineering, The Hong Kong Polytechnic University, Kowloon, Hong Kong; Department of Mechanical Engineering, City University of Hong Kong, Kowloon, Hong Kong
面向自动驾驶 RGB-T 语义分割，本文关注以往方法忽视的区域性能不均：安全关键目标集中于图像中心，但中心分割反而更差。作者通过区域评估与实验指出，这并非简单由样本多少或类别不平衡导致，而与中心区域目标更复杂、RGB 信噪比更低有关；据此提出高斯引导区域平衡遮蔽和空间加权损失，在两个公开数据集上缓解空间偏置并提升更均衡的分割表现。
School of Automation, Southeast University, Nanjing, China; School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China
面向在线辨识与自适应控制中关节加速度难测且微分噪声大的问题，论文提出 AF-ARF：通过分部积分、惯性矩阵斜对称性质和矩阵运算构造无加速度滤波回归量，不受自由度和建模形式限制，并据此设计复合学习控制器，在区间激励而非持续激励下证明参数收敛与闭环指数稳定；七自由度工业机器人仿真和实验显示其在辨识、模型预测、跟踪精度及计算负担上优于对比方法。
Shanghai Innovation Institute, Shanghai, China; Beihang University, Beijing, China; University of Hong Kong, Hong Kong SAR, China; AgiBot, Shanghai, China
面向机器人操作数据扩展中“多样性是否越多越好”的问题，论文从任务、机器人本体和示教专家三维系统评估数据多样性。核心洞察是任务多样性尤其场景多样性比单任务样本量更关键，高质量单本体数据也可有效迁移到新平台，而专家带来的动作速率多模态会干扰模仿学习。其去偏方法 GO-1-Pro 提升约 15%，相当于 2.5 倍预训练数据增益。
National Engineering Research Center of Robot Visual Perception and Control Technology, School of Artificial Intelligence and Robotics, Hunan University, Changsha, China; School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore; School of Architecture and Art, Central South University, Changsha, China; School of Computing and Communications, Lancaster University, Lancaster, U.K.; Department of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia
面向机器人抓取中未见物体的6DoF绝对位姿估计，论文针对现有方法依赖CAD模型或密集参考视角、难以规模化的问题，提出仅用单张带位姿标注RGB-D参考图的SinRef-6D设定。方法通过物体坐标系内迭代点级对齐，并用Point/RGB状态空间模型建模单视角长程空间关系以缓解大姿态差异。六个基准和真实机器人抓取实验显示其在可扩展性与系统集成上优于对比方法。
State Key Laboratory of Fluid Power and Mechatronic Systems, Zhejiang University, Hangzhou, China; Grasp Lab, Department of Mechanical Engineering, Zhejiang University, Hangzhou, China; Torch Kernel Company, Ltd., Hangzhou, China; Sanhui Qicheng Artificial Intelligence Company, Ltd., Shanghai, China; Character Lab, Department of Computer Science, Shanghai Jiao Tong University, Shanghai, China
针对 Fin-Ray 软夹爪大变形下力—位移关系难建模、FEA 优化代价高的问题，本文用共旋梁单元与图结构表示推导广义力—形变模型，并结合贝叶斯优化分析连接形式、横梁数量/角度等设计参数。模型在仿真中较 FEA 平均误差约 6%、单次最快 0.035 s，实物点/多点/分布接触偏差约 2%–6%，并提升多类日常物体抓取设计效率。
College of Computer Science and Technology, National University of Defense Technology, Changsha, China; School of Artificial Intelligence and Robotics, the National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University, Changsha, China
面向家庭机器人中自然语言难以精确表达空间意图、非专业用户使用门槛高的问题，AnyUser让用户直接在环境照片上自由勾画并可补充短语，通过视觉-草图-语言融合生成空间语义任务表示，再由分层策略转为平台无关宏动作和具体控制。实验在大规模 HouseholdSketch、两类真实机器人和用户研究中验证了指令理解与执行可靠性，任务完成率约85.7%–96.4%，对老人等群体的可用性提升明显。
School of Automation, Key Laboratory of Measurement and Control of CSE, Ministry of Education, Southeast University, Nanjing, China; Faculty of Artificial Intelligence, Shanghai University of Electric Power, Shanghai, China; Robotics and Autonomous Systems Thrust of Systems Hub, The Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China
面向双臂共同抓持物体时闭链约束、避障和实时反应难以兼顾的问题，论文提出两阶段采样式 MPC：先用聚类等机制发现可行协同模式，再局部细化，并以双四元数和零空间投影精确处理相对位姿约束、用 GPU 加速降低计算负担。仿真与实机任务显示，该方法能在避障、端杯等场景中减少局部最优和控制抖动，提升约束满足与实时性。
School of Computer Science, Wuhan University, Wuhan, China; School of Electronic Information, Wuhan University, Wuhan, China; Wuhan University Shenzhen Research Institute, Shenzhen, China; School of Artificial Intelligence, Wuhan University, Wuhan, China
面向大规模点云配准中原始点云开销高、单一几何基元难以应对结构多样和大视角变化的问题，QuadricsReg用带语义的二次曲面统一表达车辆、杆、墙等结构，并结合内在相似度匹配、多层一致性图剪枝与退化感知因子图残差估计位姿。在5个公开数据集和跨LiDAR平台实测中，该方法以约29.5KB/scan的紧凑表示，在KITTI中10米内点云对接近100%成功率，显示出较好的可扩展性与泛化性。
Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, Urbana, IL, USA
采样式运动规划中的近邻搜索通常只在图顶点上进行，忽略了已碰撞检测过的边，可能导致扩展边偏长、检测开销高。本文提出 edge-NN，在混合欧氏/环面配置空间中用专门的 AABB 树对线段进行近邻查询，从树的边或顶点上选择最近点，形成段 Voronoi 探索偏置。理论证明其期望生成更短边，实验中用于 RRT 可减少碰撞检测调用并提升效率。
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China; Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, China; Institute of Robotics and Intelligent Systems, Dalian University of Technology, Dalian, China; School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China
针对微机器人群在曲折、受限环境中仅做点到点控制会忽略中间形态并引发碰撞的问题，本文用SR-DNN和KI-DNN学习群体形状与运动学模型，结合ESO补偿扰动，并以相图控制器解耦形状比和长轴方向。实验表明，群体可同时跟踪空间轨迹和相图重构路径，在微迷宫中自适应变形并实现避障。
Postgraduate Program in Mechanical Engineering and Postgraduate Program in Biotechnology, Universidade Federal do Espirito Santo, Vitória, ES, Brazil; Department of Physical Medicine & Rehabilitation, Harvard Medical School, Spaulding Rehabilitation Hospital, Charlestown, MA, USA; Department of Mechanical Engineering, Polytechnique Montreal, Montréal, QC, Canada
面向按需辅助下肢外骨骼在无需助力时仍会产生人机交互力矩、且步速变化下透明性下降的问题，论文提出由自适应振荡器同步步态相位的基线力矩控制器，利用前几个步态周期学习交互力矩并前馈补偿，同时并联零力矩反馈以保留自主控制。8名健康受试者、三种步速实验显示，该方法可随步速调整，在0.8 m/s时整机平均交互力矩降低约40%、髋关节降低约70%，并改善步态运动学。
Department of Robotics, University of Michigan, Ann Arbor, MI, USA; J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX, USA
面向日常活动中无需任务识别的踝外骨骼控制，论文针对神经网络难解释、力放大易失稳、被动能量塑形仿生性不足的问题，提出将力放大项纳入优化能量塑形，并用权重约束非被动能量注入，在仿生扭矩跟踪与稳定鲁棒性间可调折中；理论证明在人关节阻抗下收敛到有界不变集，10名受试者实验显示多种活动中生物踝扭矩降低19.1%。
Systems Design Engineering, University of Waterloo, Waterloo, ON, Canada; Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, ON, Canada; Optimization and Biomechanics for Human-Centred Robotics (BioRobotics Lab), Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology, Karlsruhe, Germany
针对鼻咽拭子采样中医护暴露风险高、未固定患者头部会带来位姿与接触不确定性的问题，论文构建了协作机械臂自主采样系统，将视觉伺服对准、力反馈柔顺插入、模糊逻辑到达与安全判定串联，并用第二机械臂生成随机头动的鼻腔模型评测。实验显示，动态或适中横向增益能在较大头动下保持到达鼻咽的能力并降低过大接触力与振荡。
Department of Electrical Engineering and Computer Science, University of California, Irvine, CA, USA; Department of Mechanical Engineering, Texas A&M University, College Station, TX, USA; DCS Corporation, Dayton, OH, USA; Control Science Center, Air Force Research Laboratory, Wright-Patterson Air Force Base, OH, USA
面向固定翼无人机等受偏航/俯仰速率约束的三维运动规划，论文将球面 Dubins 车作为关键中间问题，用相图方法解析刻画最优候选路径。核心洞察是球面最短路由大圆弧与最小半径转弯拼接构成，且路径型随最小转弯半径变化；结果把已知范围扩展到 r≤√3/2，并给出 CGC、CCCC、CCπC、CCCCC 等候选族及解析构造代码。
Intelligent Robotic Systems Laboratory, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, South Korea; SAMSUNG Electronics, Suwon, South Korea; Intelligent Robotic Systems Laboratory, KAIST, Daejeon, South Korea
面向柔性关节机器人在协作和刚性接触中因关节摩擦导致顺应性、可回驱性下降的问题，论文将电机侧无模型摩擦观测器置于 L1 自适应框架下，利用极高增益打破传统 DOB 在补偿精度与自然交互之间的取舍，并用隐式欧拉缓解数值刚性。仿真及单关节、七关节实验证明，该方法可用实测电机信号简化实现，在刚性环境中保持更自然交互并降低稳态误差。
Department of Mechanical Engineering, Stanford University, Stanford, CA, USA; Department of Computer Science, Stanford University, Stanford, CA, USA; School of Engineering and Applied Science, University of Pennsylvania, Philadelphia, PA, USA
面向接触丰富灵巧操作中多接触、软物体大形变难以从原始光学触觉图像获得可迁移物理量的问题，TensorTouch用有限元生成高分辨率应力/形变监督，并以轻量层级ViT从单帧触觉图像回归密集应力张量、法/切向力和形变场。实测定位误差低于1.29 mm，单轴平均力误差低于0.139 N，双物体选择抓取最高90%成功率，且20,000次接触后仍保持较好稳定性并可95 Hz实时运行。
School of Robotics and Advanced Manufacture, Harbin Institute of Technology, Shenzhen, China; School of Biomedical Engineering, Harbin Institute of Technology, Shenzhen, China
针对被动胶囊内镜难以精确导航、磁驱系统建模复杂且临床硬件受限的问题，论文用传感器阵列提取胶囊内磁体的紧凑磁特征，并以UKF在线更新特征到机械臂关节的雅可比，实现无需显式磁动力学模型的闭环位姿伺服；实验中同步位姿控制平均位置误差0.62 mm、姿态误差0.75°。
State Key Lab of Autonomous Intelligent Unmanned Systems, School of Automation, Beijing Institute of Technology, Beijing, China; Department of Automation, Tsinghua University, Beijing, China; Beijing Geek+ Technology Comoany, Ltd., Beijing, China; Zhejiang Cainiao Supply Chain Management Company, Ltd., Hangzhou, China; State Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology, Beijing, China; Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University, Shanghai, China
面向仓储移动履行系统中大规模多机器人任务规划的维度灾难与动态响应难题，论文将任务分解为“选机器人—选图节点”的层级时序决策，并用循环约束异步时序图与SMDP只在关键交互点更新，配合时序注意力网络、硬约束mask和带反事实基线的层级REINFORCE训练。实验显示其在仿真与真实RMFS中优于现有启发式和学习方法，并可泛化到未见地图上200台机器人、1000个货架规模。
Autonomous Systems Lab (ASL), ETH Zurich, Zurich, Switzerland
针对倾转旋翼全向飞行机器人在舵机与螺旋桨协同分配中易遇到奇异、过驱动冗余难用且忽略执行器动态的问题，论文将几何分配推进为差分分配，并进一步把执行器限幅、动态及螺旋桨功率动态纳入分配，使转速均衡和空中关桨无需复杂零空间目标。实机动态轨迹实验显示，相比 GA 可跟踪约 70% 更快轨迹，并能平滑关闭单个螺旋桨将机臂用于拧螺栓操作。
Department of Control Science and Engineering, Zhejiang University, Hangzhou, China; Stomatology Hospital, School of Stomatology, School of Medicine, Zhejiang Provincial Clinical Research Center for Oral Diseases, Zhejiang Key Laboratory of Oral Biomedical, Zhejiang University, Hangzhou, China; Engineering Research Center of Oral Biomaterials and Devices of Zhejiang Province, Hangzhou, China
针对磁定位在医疗场景中虽抗遮挡但缺乏定位可信度量化的问题，论文将永磁体位姿估计与不确定性传播统一到 SE(3)，用不确定性椭球体积评估工作空间，并据此主动移动传感器阵列以降低不确定性。实验显示，相比静态阵列位置/姿态误差最多降 67.04%/43.87%，仿体任务中远端锁钉对准误差降 71.88%，有效工作空间扩大数倍。
Faculty of Data Science, City University of Macau, Macau, China; Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Xinyang Agriculture and Forestry University, Xinyang, China; Beijing Normal-Hong Kong Baptist University, Zhuhai, China; Shenzhen University of Advanced Technology, Shenzhen, China; University of Nottingham Ningbo China, Ningbo, China; Key Laboratory of Biomedical Imaging Science and System, Chinese Academy of Sciences, Shenzhen, China
面向机器人抓取中需及时发现早期滑移、而事件式 SNN 在长序列上训练慢且现有数据缺少透明/金属等困难场景的问题，论文将概率脉冲动力学改写为线性状态空间并用局部衰减卷积并行训练，结合基于不确定性的动态视触觉融合 DTMF，同时发布 EVTS 数据集。实验显示 PS3N 在各类物体和模态上优于常用基线，训练较循环 SNN 快 28 倍以上，DTMF 也带来更好的多模态检测。
Department of Mechanical Engineering, MECO Research Team, KU Leuven, Heverlee, Belgium; Flanders Make@ KU Leuven, Heverlee, Belgium
针对车式机器人在障碍密集二维栅格中依赖姿态/运动基元/PDE离散而导致次优和开销大的问题，本文提出基于可见性的 Reeds–Shepp marching：在栅格采样上用连续解析距离传播，并区分可达与遮挡区域，通过枢轴建模绕障。实验显示其在复杂场景、噪声与 SLAM 栅格及大规模地图上较 Hybrid A*、Smac、RS-RRT* 等更稳定高效，并提供 C++ 开源求解器。
Shenzhen Research Institute of Southeast University, Shenzhen, China; State Key Laboratory of Bioelectronics, the Jiangsu Key Laboratory of Robot Sensing and Control, and the School of Instrument Science and Engineering, Southeast University, Nanjing, China; CREATE Lab, Swiss Federal Technology Institute of Lausanne, Lausanne, Switzerland
面向蛇、蠕虫等行波运动在狭窄和复杂地形中需在线调幅、但传统多执行器系统复杂的问题，本文提出仅用两个舵机扭转软木塞螺旋来同时改变幅值与波长的 ATWBot，并利用柔顺性被动适应环境。模型指出调幅时幅长比近似恒定、速度与幅值变化解耦，遗传算法优化结构；实验显示其可通过缝隙、台阶、沟隙、收敛隧道、斜坡并实现游动、夹持和滚动。
Department of Mechanical Engineering, IAMD and IOER, Seoul National University, Seoul, South Korea; School of Mechanical Engineering, Purdue University, West Lafayette, IN, USA
针对单目视觉惯性里程计初始化通常需要数秒乃至更长“盲飞”运动、限制无人机自主起飞与故障恢复的问题，本文将松耦合 MVIO 近似化为仅对尺度变量做一维搜索、内部用带单约束 QCQP 全局求解的形式，并利用穷举解模态给出正确性认证。实验显示在 EuRoC-MAV、TUM-VI 等数据和实车中，0.45–0.7 秒运动即可稳定初始化，1500 次随机运行无发散。
Department of Mechanical Engineering and Mechanics, Lehigh University, Bethlehem, PA, USA
针对三维复杂环境中传统拓扑路径规划依赖昂贵几何构造、且难以区分同伦但几何上不同的测地路径，论文提出邻域增强图（NAG），在波前/图搜索中加入路径邻域信息，仅依赖局部连通性即可维护同一构型的多条不同到达路径。方法可计算拓扑-几何 distinct 的 k 条测地路径，并在2D/3D场景、低曲率/低代价差异环境及带缆长约束的三维系留机器人仿真与实机实验中展示了可行性。
School of Marine Science and Technology, Northwestern Polytechnical University, Xi'an, China; Department of Computer Science, University of Liverpool, Liverpool, U.K.; School of Mechanical Engineering, and Translational Research Center, Shanghai Yang Zhi Rehabilitation Hospital (Shanghai Sunshine Rehabilitation Center), Tongji University, Shanghai, China
面向腿—推进器共同驱动的水下六足机器人，传统 ZMP、力平衡等稳定判据难以处理推力、流体力、浮力及粗糙斜面接触。论文建立含多类力与约束的力平衡模型，用优化求可允许推力/力矩凸集，并以当前推力是否落入该集合判稳；进一步通过调节推力扩大稳定裕度。结果显示该框架可同时用于稳定性检查与增强，并显式考虑摩擦和关节力矩限制。
Stanford University, Stanford, CA, USA; Meta, Menlo Park, CA, USA; LASR Lab, Technische Universität Dresden, Dresden, Germany; School of Embedded and Composite AI (SECAI), Dresden, Germany; School of Embedded and Composite AI (SECAI), Germany; National Center for Tumor Diseases (NCT/UCC) Dresden, Dresden, Germany; Centre for Tactile Internet with Human-in-the-Loop (CeTI), Germany; Centre for Tactile Internet with Human-in-the-Loop (CeTI), Dresden, Germany
针对传统视觉触觉传感器受相机视场、焦距和底部电子封装限制而难以做到人指尖尺寸的问题，本文用相干/非相干光纤束分别传输图像与照明，将相机和电路远置，做成直径 15 mm 的 DIGIT Pinki。实验显示其空间分辨率约 0.22 mm，法向与剪切力最小分辨率约 5 mN，并在前列腺仿体和离体组织触诊中实现临床相关的硬度区分。
Soft Robotics for Human Cooperation and Rehabilitation, Istituto Italiano di Tecnologia, Genova, Italy; Research Center “Enrico Piaggio” and Department of Information Engineering, University of Pisa, Pisa, Italy
针对现有上肢假肢多忽略可调柔顺性、难以兼顾安全交互与轻量化的问题，论文设计并验证了两种可变刚度肘关节假肢：前臂内集成的拮抗式方案和电机分布式方案，以适配不同残肢形态。系统实现120°活动范围、2–60 N·m/rad刚度调节，可主动举起3 kg，并较既有可变刚度肘部方案减重最高约50%。
Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea; Department of Robotics and Mechatronics Engineering, Daegu Gyeongbuk Institute of Science and Technology (DGIST), Daegu, South Korea
面向机器人与人共处时缺乏全身触觉、难以进行自然物理交互的问题，论文提出由多层织物和分布式多模态模块组成的身体尺度电子皮肤，用声学超分辨感知动态微振动、层析机制感知静态压力，以较少传感单元覆盖大面积并在端侧用CNN解码触摸类别。系统装到商用机械臂后可识别人类触摸并支持触觉通信，展示了可扩展全身皮肤的可行性。
Department of Cognitive Robotics, TU Delft, Delft, The Netherlands
针对动态拥挤环境中非凸轨迹优化易陷入局部最优、在不同避障决策间抖动的问题，论文提出 T-MPC：先在含时间的动态自由空间中生成不同同伦类的引导轨迹，再并行约束各局部 MPC 优化并按代价选择执行。移动机器人在人群导航实验中比已有规划器得到更快轨迹。
Institut für Technische Informatik (ZITI), Heidelberg University, Heidelberg, Germany; School of Mechatronical Engineering, Beijing Institute of Technology, Beijing, China; Medical Robotics and Biosignals Laboratory, Centro de Innovación y Desarrollo Tecnológico en Cómputo, Instituto Politécnico Nacional, Mexico City, Mexico; Institute of Mechanical Intelligence, Sant'Anna School of Advanced Studies, Pisa, Italia; Department of Automatics, Biocybernetics and Robotics, Jožef Stefan Institute, Ljubljana, Slovenia; Department of Computer Engineering, School of Computation, Information and Technology, Technical University of Munich, Munich, Germany
面向老龄化或下肢损伤人群在坐下、起立与行走等日常动作中的助力需求，论文提出3 kg软式髋部外骨骼LM-Ease，采用全驱动腱传动与运动模式识别/步态相位估计，在不同动作间切换重力支撑和髋伸展助力。8名健康受试者实验显示，坐下与起立肌肉激活分别降低15.6%和17.8%，地面行走代谢成本降低12.7%，且整体未明显限制自然运动。
Center for Robotics Research, KIST, Seoul, South Korea; Department of Electrical Engineering, Korea University, Seoul, South Korea
面向非结构化操作和人机协作中末端不可避免碰撞与精密控制的矛盾，论文提出一体化2自由度可变刚度机器人腕部：以片状隔膜柔顺机构作运动导向，结合三执行器腱驱动、力/矩传感与阻抗控制，在低刚度被动顺应和高刚度主动操控间切换。最终模块高55 mm、重200 g，载荷约1.8 kg，实现232.4倍主动刚度变化，并通过机械臂实验验证了碰撞适应性与操作性的提升。
Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; School of Intelligence Science and Technology, the Institute of Artificial Intelligence, and Key Laboratory of Intelligent Bionic Unmanned Systems, Ministry of Education, University of Science and Technology Beijing, Beijing, China; State Key Laboratory for Turbulence and Complex Systems, Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University, Beijing, China
针对现有机器鱼多依赖被动柔性或慢速变刚度、难以像鱼肌肉一样动态调形的问题，本文设计了由舵机主驱动、MFC 人工肌肉调节尾部形变的柔性鱼尾，并结合含水动力的柔性动力学模型、PDE 状态观测器与轻量化 DRL 形变控制。实验显示其在多频率鱼式摆动中推力提升 15%–203%，装入无缆样机后相对被动柔顺可实现最高减速 42% 或增速 37%。
Graduate Aerospace Laboratories, California Institute of Technology, Pasadena, CA, USA; Department of Computing and Mathematical Sciences, California Institute of Technology, Pasadena, CA, USA; Department of Computer Science, University of California, Santa Barbara, Santa Barbara, CA, USA
面向越野地面车辆在松软、坡地等复杂地形中因打滑和执行器退化导致轨迹跟踪失效的问题，MAGICVFM 将视觉基础模型提取的地形表征引入离线元学习残差动力学建模，并用复合自适应控制在线调整 DNN 末层，兼顾实时适应与稳定/鲁棒性证明。仿真及履带车、类汽车机器人户外实验显示，相比不使用 VFM 地形特征的自适应控制，在不同坡度、滑移和退化扰动下跟踪性能显著提升。
School of Computer Science and Technology, University of Science and Technology of China, Hefei, China
面向共享工作空间中多机械臂实时协作时易发生互碰、集中式规划计算重且示教编程负担大的问题，论文将基于模糊模型的运动基元用于单次示教后的在线轨迹调制，并与扩展反应式避障策略结合，使各机械臂可在目标变化时平滑调整运动、同步执行任务。实验在多台7自由度机械臂上验证了框架的实时性和避碰效果，并与现有方法比较显示其更适合动态多臂协调场景。
Key Laboratory of Biomimetic Robots and Systems, Beijing Institute of Technology, Ministry of Education, Beijing, China; Intelligent Robotics Institute, School of Mechatronical Engineering, Beijing Institute of Technology, Beijing, China
面向小型机器人单一爬行、跳跃或滑翔适应性不足且跨域切换易翻转失稳的问题，论文提出蝗虫启发的 LocustBot：用少量执行器协同耦合弹簧后腿、可折叠翼、螺旋桨和尾翼，并以 TD3 强化学习优化起跳到着陆的姿态与轨迹控制。实验中其可在水平面连续爬行—跳跃—滑翔，单次跳滑距离达 5.39 m，显示出较高能量利用率并优于已有跳滑机器人。
DEVCOM Army Research Laboratory, Adelphi, MD, USA; School of Electrical and Computer Engineering, Purdue University, West Lafayette, IN, USA; Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada
面向巡逻、火情监测等长期任务，论文关注电池续航和回充约束下如何用尽量少的机器人满足各地点重访时延。作者将区域建模为带权图，给出带近似比的路径规划算法，并提出基于定向越野的启发式，同时扩展到固定机器人数量下最小化最大加权时延。实验显示启发式在大规模巡逻与野火监测实例中通常优于理论算法，并较既有 SMT 求解器更可扩展。
LMIB-School of Mathematical Sciences, Beihang University, Beijing, China; LMIB-School of Artificial Intelligence, Beihang University, Beijing, China; LIP6–CNRS–Sorbonne Université, Paris, France; Sino-French Laboratory for Mathematics, Hangzhou International Innovation Institute of Beihang University, Hangzhou, China
面向机器人运动规划中隐式曲面凸体的快速碰撞检测，论文引入具有凸性和二阶可微性的 δ-伪距离，并用其构造虚拟势场，把两物体是否相交转化为无约束凸优化的零最小值判定，避免显式求最小距离和良好初值依赖。方法还扩展到线性平移连续运动场景；C++实验覆盖平面、二次曲面、超二次/超椭球等模型，显示其适用范围较广且计算效率有竞争力。
State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China; Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang, China; University of the Chinese Academy of Sciences, Beijing, China
面向偏瘫康复中双侧步态能力不对称、传统刚性/单关节外骨骼难以兼顾安全交互与协同辅助的问题，论文构建了双下肢髋-膝-踝六驱动SEA外骨骼，并提出包含多模板步态生成、任务调度和关节级阻抗/力控的统一交互控制框架。健康人与偏瘫患者实验表明，该系统可实现较好的机械透明性、降低运动阻碍，并支持双侧多关节协调步行辅助。
School of Ocean and Civil Engineering, Shanghai Jiao Tong University, Shanghai, China; School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China
面向灵巧操作中对法向与切向密集三维接触力的需求，本文针对视觉触觉传感器由形变反推力场时病态、易受噪声影响的问题，提出多层逆有限元 iFEM2.0，引入多层网格约束、岭正则，并通过仿真与原位标定选择材料和单元参数；同时构建覆盖精度、保真度和抗噪性的评测基准。结果显示其在仿真和 GelSlim3.0 实验中较既有方法更稳健，可更清晰地区分刚软耦合接触中的三维力分布。
Faculty of Aerospace Engineering, Delft University Of Technology, Delft, Zuid Holland, The Netherlands
针对双轴倾转旋翼四平面机在悬停到前飞过渡中控制输入非仿射、自由度随空速变化且传统分段切换控制不连续的问题，本文将俯仰/滚转“虚拟执行器”纳入增量非线性控制分配，并用SQP实时求解，同时加入迎角保护和协调转弯侧滑抑制。实机飞行表明，该方法能在220 Hz左右运行，实现悬停、前飞、加速度跟踪及返悬停过渡。
Mechatronics and Robotic Systems (MaRS) Laboratory, Department of Mechanical Engineering, University of Hong Kong, Hong Kong, SAR, China; Information Science Academy, China Electronics Technology Group Corporation, Beijing, China
面向单一视觉或激光在弱纹理、弱几何场景中易退化且机载算力受限的问题，FAST-LIVO2用顺序更新的ESIKF紧耦合IMU、LiDAR与图像，并在统一体素地图上直接配准原始点和光度误差，结合LiDAR平面先验、参考块更新、按需raycast与在线曝光估计提升像素级对齐。公开与自采数据及无人机导航、航测建图、三维渲染应用表明，其精度、鲁棒性和实时效率优于多种现有方法。
Autonomous Systems Laboratory, Department of Computing, University of Turku, Turku, Finland; Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milano, Italy; Turku University of Applied Sciences, Turku, Finland
针对移动机器人续航受机械运动与机载计算共同制约的问题，本文指出单独优化电机速度或 CPU DVFS 会因二者耦合而偏离全局节能最优；其核心是用运行时动态训练的内部模型预测机械与计算能耗，并联合搜索速度和电压/频率配置以满足 QoS。地面轮式机器人实验显示，总能耗较现有方法最高降低 36.34%，相比分开优化平均节能 16.43%。
Environmental Robotics Laboratory, Department of Environmental Systems Science, ETH Zürich, Zürich, Switzerland; Swiss Federal Institute for Forest, Snow and Landscape Research (WSL), Birmensdorf, Switzerland; Robot Learning Lab, UC Berkeley, Berkeley, CA, USA; Institute for Dynamic Systems and Control, Department of Mechanical and Process Engineering, ETH Zürich, Zürich, Switzerland
面向无人机在遮挡、烟雾等视觉受限环境中的接触导航与空中物理交互，论文设计了一种可安装于机腹的大面积弯曲光学触觉传感器，结合中空结构、新照明系统和多接触重建管线，可同时分辨间距 2 cm 的接触并输出三维位置与力。实验显示位置和力精度约为 1.5 mm、0.17 N，并在实时机载演示中完成栖木刚度估计后重对准降落及稀疏障碍映射。
Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague, Prague, Czech Republic; Human Interaction and RObotics (HIRO), Department of Computer Science, University of Colorado Boulder, Boulder, CO, USA; iCub Tech, Istituto Italiano di Tecnologia, Genova, Italy
面向人机共处中类人机器人需在动态障碍和人体近距离下实时协调高自由度上身的问题，HARMONIOUS将视觉、接近觉与触觉统一映射为关节速度QP约束，形成类似近身空间的全身视触觉感知，并兼顾最小加加速度、奇异性阻尼和姿态偏好。作者在iCub 17自由度上身及交互棋盘任务中验证，可同时处理多处动态障碍、接触和双臂任务，表现优于可比控制器。
Laboratory of Algorithms for Cognitive Models, School of Computer Science, Fudan University, Shanghai, China; Humanoid Robots Lab, University of Bonn, Bonn, Germany
面向未知桌面物体三维重建，论文指出迭代 NBV 路径代价高、一次性 SCVP 又因单视角信息不足易漏表面。核心做法是在 SCVP 前只执行一次 NBV，并用符合表面增益长尾分布的多视角采样训练 MA-SCVP，以更少在线探索补足信息。仿真与实机结果显示其提升表面覆盖，同时相较先进方法将运动成本降低约 45%。
Institute of Mechanics, Material and Civil Engineering, Louvain Bionics, UCLouvain, Louvain-la-Neuve, Belgium; R&D, Össur, Grjótháls 5, Reykjavík, Iceland
针对传统被动假肢踝无法提供推进能量、而现有动力踝又常因体积高、重量大和断电可用性差而难以日常采用的问题，ELSA将电机与并联弹簧集成到鞋内尺度，实现1.15 kg、11 cm高的单自由度动力踝，可在主动、再生和无电被动模式间切换。台架与4名截肢者在跑台和日常行走任务中的实验表明，其能输出净正机械能并较好复现健康踝动力学，控制参数会显著影响能量交换和步态表现。
Inria - Département d'Informatique de l'École normale supérieure, PSL Research University, Paris, France; MECO Research Team, Department of Mechanical Engineering, KU Leuven and Flanders Make@KU Leuven, Leuven, Belgium
面向接触/闭链等约束系统中传统刚体动力学算法复杂、难处理冗余或奇异约束的问题，论文从近端点优化重新解释 ABA 与 PV，提出 constrained ABA、proxPV 及阻尼 Delassus 逆的高效计算法，实现线性或最低已知复杂度。算法已集成 Pinocchio，并在机械臂到复杂人形机器人上相较既有方案达到领先速度与鲁棒性。
Institute of Smart Systems and Artificial Intelligence, Nazarbayev University, Astana, Kazakhstan; Department of Robotics, School of Engineering and Digital Sciences, Nazarbayev University, Astana, Kazakhstan
面向遥操作中视线遮挡时难以判断接触与控制作用力的问题，论文提出 E-BTS：用事件相机、PWM 脉冲光源和带标记的硅胶半球软垫跟踪形变，从而估计法向/剪切力，并通过 AR 可视化与手持触觉设备反馈给操作者。系统接入 Franka 机械臂后，在软组织穿刺等任务及 10 人心理物理实验中验证了可用性，表明触觉与 AR 力反馈可帮助在缺少视觉线索时更精细地完成远程接触操作。
Zhejiang University, Hangzhou, China
面向由 RGB-D 目标图指定的未知物体重排，论文关注现有方法易受感知噪声影响且缺少任务级最优性的不足。作者从理论上指出噪声对抓取与放置的影响可解耦，并据此提出 GSP 双循环策略：外层用任务奖励学习匹配与可抓性相关的抓取，内层主动旋转在手物体并借助 CLIP 提升匹配置信度。仿真和真实实验显示，该方法在已见与未见物体上完成率更高、步骤更少。
Motion Technology R&D, HIAB, Hudiksvall, Sweden; Faculty of Engineering and Natural Sciences, Tampere University, Tampere, Finland; Division of Fluid and Mechatronic Systems, Linköping University, Linköping, Sweden; Department of Electrical Engineering and Automation, Aalto University, Aalto, Finland
针对冗余装载起重机人工逐关节操控负担重、传统雅可比/逆运动学方法难以统一处理执行器限幅、关节极限与奇异性的痛点，论文提出基于模型的强化学习策略优化流程，用大规模并行正运动学采样训练神经网络笛卡尔末端速度控制器，并通过全工作空间蒙特卡洛闭环评估部署安全性。仿真和真实工业起重机实验表明，该方法相比雅可比逆基线具有更好的速度利用与稳定表现。
ASL, ETH Zürich, Zürich, Switzerland; RSL, ETH Zürich, Zürich, Switzerland; INRIA Rennes in the Rainbow team, Rennes, France
针对轮腿平衡机器人在台阶、楼梯等非光滑地形上缺少高效规划控制的问题，论文将地形划分为接触相，用平面非线性刚体模型构造可求解的轨迹优化，并显式处理接触切换、冲击、摩擦和驱动约束；弧长参数化使轨迹天然满足接触约束。方法在 Ascento 上结合简洁 LQR 跟踪，实机完成越台阶、上坡、跳跃、起身及连续上楼梯，显示轨迹优化可把该类机器人扩展到典型城市障碍场景。
QUT Centre for Robotics, School of Electrical Engineering and Robotics, Queensland University of Technology, Brisbane, QLD, Australia
面向资源受限移动机器人中视觉地点识别的实时与低功耗需求，论文将脉冲神经网络用于VPR，提出按地理区域拆分的模块化SNN，并通过同构集成与序列匹配提升鲁棒性。每个模块仅1500神经元、474k突触，便于并行与集成；在Nordland、Oxford RobotCar等多数据集上相较常规VPR方法表现具竞争力，且对集成和序列匹配的R@1增益更敏感，并给出CPU机器人实时部署验证。
Institute for Artificial Intelligence, Peking University, Beijing, China; Beijing Institute for General Artificial Intelligence, Beijing, China; Department of Automation, Tsinghua University, Beijing, China; College of Engineering, Peking University, Beijing, China; PKU-Wuhan Institute for Artificial Intelligence, Wuhan, China; Centre for Advanced Robotics @ Queen Mary, School of Engineering and Materials Science, Queen Mary University of London, London, U.K.
面向家庭等场景中门、抽屉及复杂机构的操作，传统方法依赖显式/隐式运动学先验，易受外观歧义、参数误差、未知结构和扰动影响。Tac-Man 的核心思路是不建模关节，而用触觉感知接触几何偏差，实时调整机器人以维持稳定接触。真实实验和大规模仿真显示，该方法在平移、转动及复合关节对象上接近满成功率，并优于依赖先验的基线，说明细粒度接触反馈可带来更强泛化与鲁棒性。
Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea; Department of Mechanical Systems Engineering, Sookmyung Women's University, Seoul, South Korea
面向大面积、复杂曲面机器人触觉，传统 EIT 传感虽易覆盖全身但重建分辨率低，且深度方法多受限于规则几何。论文提出 EIT-GNN，将任意传感器形状表示为网格图，用 Transformer 编码电压测量、GCN 按网格连接解码导电率分布，实现几何泛化的超分辨重建。在人形脸部传感器上的仿真、消融、压痕和潜特征分析中优于替代模型，并用于触觉伺服控制人形头部运动。
NVIDIA, Santa Clara, CA, USA; Department of Computer Science, University of Southern California, Los Angeles, CA, USA
面向拥挤环境中多机器人需同时避让静态、动态且会交互的障碍物，DREAM将障碍不确定性与动态障碍行为概率模型纳入去中心化实时规划，并用DSHT处理异步规划和通信延迟/丢包。其三阶段流程结合时空离散搜索与QP轨迹优化，在2.54万仿真和四旋翼实机中验证，相比最佳基线最高取得单机1.68倍、多机2.15倍成功率，且规划耗时更低。
Faculty of Electrical Engineering, Czech Technical University in Prague, Prague, Czech Republic
面向自主空中拦截和多无人机协作中对机载、低时延相对定位的需求，论文提出基于3D LiDAR的飞行目标检测系统：用显式建模未知空间、可快速响应动态物体的占据体素地图融合历史点云，并结合聚类式多目标跟踪抑制偶发误检、估计目标状态。仿真与实机实验显示，在20米内检测微型无人机可接近100%召回，定位精度约0.2米，延迟约20毫秒。
Human-Robot Interfaces and Interaction Laboratory, Istituto Italiano di Tecnologia, Genoa, Italy; Department of Electrical and Computer Engineering, Aristotle University of Thessaloniki, Thessaloniki, Greece
针对双边遥操作手术中通信时延易破坏稳定性、且通用机械臂需同时满足切口 RCM 与避让血管等敏感结构的问题，本文提出位置—位置双边控制框架，在常值和变时延下证明系统被动性与跟踪误差有界，并以闭式约束/斥力机制强化安全性。基于肾脏及周围血管点云的虚拟术中实验显示，方法能在多种时延场景下保持平滑操作、约束满足和一定力透明性，但运动透明度随时延增大存在折中。
Defence Systems Division, Norwegian Defence Research Establishment, Kjeller, Norway; Department of Technology Systems, University of Oslo, Kjeller, Norway
面向低成本 PTZ 相机在长距窄视场跟踪中因云台读数不准、视频与遥测不同步、滚动快门导致像素到平台方向映射失准的问题，论文提出 PTCEE：将 pan/tilt 遥测纳入方向-only BA，同时估计内参、径向畸变、滚动快门、云台轴/尺度与时钟偏移，并用生成的地标图实时定姿。仿真显示其在 1°–32°视场下保持亚像素级参数辨识，真实数据达到像素级映射精度。
State Key Laboratory of Digital Medical Engineering, Jiangsu Key Laboratory of Robot Sensing and Control, School of Instrument Science and Engineering, Southeast University, Nanjing, China; Department of Mechanical Engineering, University of Victoria, Victoria, BC, Canada
面向多冗余机械臂远程协同搬运中既要姿态同步、又要保持良好速度/力可操作性的矛盾，论文提出分布式无源双边遥操作控制。其关键是两层辅助系统：先解耦位置与姿态约束，再在约束下优化可操作性，并以功率保持互联保证时变通信延迟下的严格输出无源。实机对比显示，该方法能在保持触觉端和远端系统稳定的同时提升可操作性与同步表现。
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong; Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong; University of California at Berkeley, Berkeley, CA, USA
针对机器人在细粒度手内操作中难以同时兼顾灵巧性、顺应性、精度与控制复杂度的问题，论文提出仿人三指加可收缩掌部的 DexCo 手，并以软液压驱动和静液力顺应性模型支撑仿真与遥操作控制。实验显示其指尖重复力最高 34.4 N、抓取周期小于 2.04 s、重复精度达 0.03 mm，并完成拧灯泡、分拣小物、开袋和数卡等复杂操作。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; ShanghaiTech Automation and Robotics Center, School of Information Science and Technology, ShanghaiTech University, Shanghai, China
针对单目视觉 SLAM 在正交或反向重访时因帧级地点定义和 ORB 描述子缺乏视角不变性而难以闭环的问题，PRIOR-SLAM 利用自建地图中点位与共面关系生成 map segment，并在局部表面虚拟正射视图上提取 PRIOR 特征，再通过粗到细几何一致性完成闭环检测与校正。实验显示其在大视角变化下的匹配、地点识别和闭环性能达到领先水平，并可集成到 ORB-SLAM3 实时运行。
Autonomous Systems Lab, ETH Zurich, Zurich, Switzerland; Division of Robotics, Perception and Learning, KTH Royal Institute of Technology, Stockholm, Sweden; Robotic Perception and Autonomy group, CSIRO Data61, Pullenvale, QLD, Australia
面向混合无人机同时承担远航运输与近地精确取放载荷的需求，论文指出传统固定翼/旋翼切换控制浪费过渡飞行包线且难抗复杂气动扰动。其核心是用统一制导律融合地速位置控制与空速路径跟随，并以 jerk 级动态反演提升加速度跟踪。倾转翼实飞中，在10 m/s²机动和12 m/s阵风下位置误差仍小于0.5 m，并完成空中载荷拾取。
Manipulation and Touch Lab, Dept. Electrical and Electronic Engineering, Imperial College London, London, U.K.
针对机器人触觉传感器成本高、易损且气压阵列分辨率受限的问题，本文将橡胶触面与气压计PCB解耦，用螺钉框架固定，降低制造与维修成本，并结合机器学习做接触位置超分辨。16个气压计、6 mm间距的阵列材料费低于80美元，标定定位分辨率提升至0.284 mm；在E-TRoll滚动物体的非受控实验中实时误差约2.66 mm，并能以86.91%准确率粗分类立方体朝向。
State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences, Hong Kong, China
针对人向机器人递物中人形手面临遮挡、可接近空间小和碰撞风险高的问题，论文提出闭环反应式交接框架，将手部跟踪、基于单视角点云的 Transformer 稠密抓取预测、轨迹插值碰撞检测与结合置信度、可达性和抓取 taxonomy 的选择策略集成到 UR5+Schunk SVH 系统。实验在 30 个新物体、消融和 8 人用户研究中验证了泛化性、可靠性与交互安全性。
New York University, New York, NY, USA
针对现有物理人机协作多集中于单个地面/空中机器人、难以发挥多无人机冗余与三维机动性的不足，本文研究多四旋翼通过缆绳与人共同搬运/操作刚体载荷。核心在于无力传感器的外部扳手估计、6DoF导纳交互控制，以及利用力分配冗余同时维持载荷跟踪和人机/机间安全距离。仿真与实机实验表明，该系统可在全6自由度下实现人与多无人机协同操纵载荷。
Center for Robotics and Biosystems and the Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA; DEVCOM Army Research Lab, Adelphi, MD, USA; Northwestern Institute of Complex Systems, Evanston, IL, USA
针对腿式机器人在沙土、雪地等可变形地面上能量损失难以被传统刚性地面规划控制模型刻画的问题，本文以单足弹簧跳跃机器人为简化模板，建立跨跳能量返回映射，将塑性地形变形、能量注入和控制参数联系起来。实验与仿真验证了该映射，并揭示固定点曲面、稳定条件和吸引域，可用于在目标步态能量下权衡效率、响应性与鲁棒性。
University of Toronto Robotics Institute, Vector Institute for Artificial Intelligence, Toronto, ON, Canada; Technical University of Munich, Munich, Germany; University of Toronto, Toronto, ON, Canada; Munich Institute for Robotics and Machine Intelligence (MIRMI), Munich, Germany; Vector Institute for Artificial Intelligence, Toronto, ON, Canada
面向拥挤场景中“先预测再规划”忽略人机闭环互动、易导致机器人冻结的问题，SICNav 将行人建模为遵循 ORCA 的最优避碰体，并把其作为下层约束嵌入非线性 MPC，借助 KKT 重构求解双层优化，从而联合规划机器人轨迹与行人响应。仿真、ETH/UCY 预测验证和室内真机实验显示，该方法能在显式安全约束下产生让行或影响行人让路等互动行为，并相对基线提升导航表现。
Shenzhen Key Laboratory of Intelligent Robotics and Flexible Manufacturing Systems, Southern University of Science and Technology, Shenzhen, China; Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong, SAR, China; Department of Electronic Engineering, Shun Hing Institute of Advanced Engineering, The Chinese University of Hong Kong, Hong Kong, SAR, China; Peng Cheng Laboratory, Shenzhen, China
面向软体机器人可变刚度中真空层阻受气压上限、响应慢且建模不足的问题，本文提出电黏附与真空耦合的混合层阻结构，并建立含封装和电极影响的多层非线性解析模型。实验表明模型能预测弯曲力学行为，前馈控制可实现刚度跟踪；电黏附切换约5 ms，真空还将击穿电压提高约23%，混合驱动获得单一机制难以达到的高刚度。
Department of Aerospace and Mechanical Engineering, University of Notre Dame, Notre Dame, IN, USA
面向四足机器人在奔跑中完成翻滚等高动态动作时，全身MPC计算过重、低层WBC又需反复调参的问题，论文提出沿预测时域逐步降低模型保真度、放宽步长与约束的Cafe-Mpc，并用其动作价值函数构造免调参VWBC，把全身MPC与QP控制衔接起来。实验显示长时域性能可在不显著增加计算下提升，MIT Mini Cheetah上实现50 Hz控制和首次硬件奔跑桶滚。
Centro di Ricerca “Enrico Piaggio”, Universita‘ di Pisa, Pisa, Italy; Dipartimento di Ingegneria dell'Informazione, Universita‘ di Pisa, Pisa, Italy; Department of Engineering Mathematics, Bristol Robotics Laboratory, University of Bristol, Bristol, U.K.; Soft Robotics for Human Cooperation and Rehabilitation, Istituto Italiano di Tecnologia, Genova, Italy
面向机器人在抓取与操作中对物体软硬的可靠触觉判断，论文以仿生光学触觉传感器 TacTip 为载体，将基于接触面积随压入力扩展的模型方法与人类肌肉共收缩启发的阻抗调节结合；同时改进初始接触面积估计，使非垂直接触也能稳定建模。实验表明，相比刚性执行器，该可变刚度控制显著降低顺应性估计误差并提高区分灵敏度。
Adaptive Robotic Controls Lab (ArcLab), Department of Mechanical Engineering, The University of Hong Kong, Hong Kong; Huawei Technologies Company, Ltd., Xi'an, China
FAPP面向动态物体占主导的拥挤环境，解决传统无人机避障多假设静态或少量匀速目标、难以实时感知与规划的问题。其核心是快速点云动静分割、带协方差自适应的多目标运动估计，以及考虑预测不确定性的轨迹优化和失败时自适应重规划。仿真与真实实验显示，整套感知规划可在毫秒级完成，并能在高动态密集场景中实现无碰避障。
School of Information Science and Technology, ShanghaiTech University, Shanghai, China; Shanghai Engineering Research Center of Intelligent Vision and Imaging, Shanghai, China
针对现有声学非接触操控在复杂环境中选择性、鲁棒性和精度不足的问题，论文将高密度超声相控阵与显微视觉闭环结合，并提出可实时重构的 pseudovortex 声阱，用于适配较大颗粒、校准声学末端并进行视觉伺服轨迹规划。实验显示系统可按用户目标选择性捕获颗粒，在 30 mm 工作区内达到约 1/40 波长的定位精度，并改善由声阱刚度不均带来的误差。
Robotics Institute, University of Toronto, Toronto, ON, Canada
针对连续体多机器人因材料不确定、寄生效应和未知外力导致形状/应变难以准确建模的问题，论文将每个连续体机器人表示为 SE(3) 上的高斯过程，并用稀疏因子图加入耦合约束与传感器模型，从而支持任意耦合拓扑的状态估计。仿真与样机实验显示，平均末端误差约 3.3 mm 和 5.02°，单次计算低于 10 ms，可达 100–200 Hz，具备准静态实时控制潜力。
Princeton University, Princeton, NJ, USA; Zoox, Foster, CA, USA; Autonomous Vehicle Research Group, NVIDIA, Santa Clara, CA, USA; Skydio, San Mateo, CA, USA; Intelligent Robot Motion Lab, Princeton University, Princeton, NJ, USA
面向机器人在新环境中学习策略易因分布偏移而失效、且安全场景需要可置信告警的问题，本文把PAC-Bayes训练得到的性能上界作为任务相关基准，用p值和置信区间检测部署代价是否越界，并区分有害/良性OOD，同时给出误报、漏报界。抓取与无人机避障的仿真和硬件实验显示，方法能在少量试验内发现影响任务性能的偏移，并较少受无关变化触发。
Samsung AI Centre, Montreal, QC, Canada; Space and Terrestrial Autonomous Robotics Systems (STARS) Laboratory and the Robotics Institute (RI), University of Toronto, Toronto, ON, Canada; McGill University, Montreal, QC, Canada
面向开门等接触丰富操作中“按压—滑动”式人类策略难以由纯视觉或位置示教复现的问题，论文将透明视触觉 STS 传感器用于模仿学习，提出用触觉估计示教接触力并改写回放轨迹的 force matching，以及由策略学习视觉/触觉模式切换。四类门操作实验显示，力匹配、模式切换和视触觉输入分别带来 62.5%、30.3%、42.5% 的平均成功率提升，说明收益主要来自更准确的接触反馈与示教力复现。
Mechatronics and Robotic Systems Laboratory, Department of Mechanical Engineering, The University of Hong Kong, Hong Kong
面向无人机集群在 GPS 受限、感知退化场景中的自/互状态估计难题，Swarm-LIO2 提出全去中心化 LiDAR-IMU 里程计：用反光标记检测队友，结合轨迹匹配与因子图自动初始化时间偏移和全局外参，并在 ESIKF 中融合互观测、做时延补偿与边缘化以控制随规模增长的计算量。仿真和最多五机实验证明其可达厘米级定位，并在退化场景和带宽/计算开销上优于对比 LIO 方法。
Munich Institute of Robotics and Machine Intelligence (MIRMI), Technische Universität München (TUM), Munich, Germany; Centre for Tactile Internet with Human-in-the-Loop (CeTI), Dresden, Germany; TUM Chair of Robotics and Systems (RSI), Department of Computer Engineering, TUM School of Computation, Information and Technology (CIT), Technische Universität München (TUM), Munich, Germany; School of Computer Science, University of Nottingham, Nottingham, U.K.; TUM Chair of Robotics and Systems(RSI), Department of Computer Engineering, TUM School of Computation, Information and Technology (CIT), Technische Universität München (TUM), Munich, Germany; Mohamed Bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE
面向人机协作中不可预期碰撞仅能“急停”、高级反射难以认证落地的问题，论文提出符合 ISO 12100、ISO 10218 与 ISO/TS 15066 思路的 RSAP 框架，定义机器人反射调度问题，并用碰撞情境与反射基本元素两套 taxonomy 指导按风险选择制动、被动避让或主动回撤等反应。作者在关节机械臂协作抓放任务和多类碰撞场景中验证，展示了反射可被系统化设计、评估并与任务恢复流程集成。
Space and Terrestrial Autonomous Robotic Systems Laboratory, Institute for Aerospace Studies, University of Toronto, Toronto, ON, Canada; Laboratory for Autonomous Systems and Mobile Robotics, Faculty of Electrical Engineering and Computing, University of Zagreb, Zagreb, Croatia; Autonomous Robotics and Convex Optimization Laboratory, Department of Computing and Software, McMaster University, Hamilton, ON, Canada
针对传统 IK 数值法一次只给单解且易陷入局部最优、学习法又需为每个机械臂重训的问题，论文将机械臂表示为距离几何图，把 IK 转化为预测图中未知距离，并用具备欧氏等变性的 GNN 生成多样解。结果显示 GGIK 在相同数据下比多种学习式 IK 更准，可泛化到未见机械臂，能编码关节限位，并可作为局部优化求解器的可靠初始化。
Center for Robotics and Biosystems, McCormick School of Engineering, Northwestern University, Evanston, IL, USA; General Robotics, Automation, Sensing and Perception (GRASP) Lab, University of Pennsylvania, Philadelphia, PA, USA
针对群体机器人/无人机编队受单机续航限制、且多为预定义静态形状的问题，论文将“形状”改为由机器人沿可循环路径持续流动形成，并用去中心化消息传递与运动规则在局部人机交互后重构近似哈密顿路径，使机器人可轮换离形充电再返回。仿真和实体移动机器人实验表明，该方法能在形状变化时保持队形连续存在并避免机器人被困，适合长时动态覆盖、表演和应急等任务。
Chair of Robotics and Systems Intelligence, Munich Institute of Robotics and Machine Intelligence, Technical University of Munich, Munich, Germany; Newman Laboratory for Biomechanics and Human Rehabilitation, Department of Mechanical Engineering, Massachusetts Institute of Technology, Cambridge, MA, USA; Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague, Prague, Czech Republic; Mohamed Bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE
面向切割、手术、康复等需严格沿预定路径但仍依赖人判断速度/进退的协作操作，论文提出以“相位”作为路径参数的导纳式触觉引导，把人施加的力映射为沿路径运动，从机制上保证期望轨迹不偏离约束路径；同时用可解释参数和人体可操作度做在线自适应，并通过增广虚拟能量罐处理适应带来的被动性风险。多组实验及20人用户研究验证了路径编码、参数调节、与虚拟机构对比和烙画任务中的可用性。
University of Toronto, Institute for Aerospace Studies, Toronto, ON, Canada; Technical University of Munich, Munich, Germany
面向大规模室外定位中高速运动、点云运动畸变和恶劣天气下雷达/激光里程计鲁棒性不足的问题，本文将雷达、激光与 IMU 统一为连续时间高频测量，用稀疏高斯过程运动先验和滑窗批优化建模；陀螺作为状态直接观测、加速度计预积分成相对速度因子，使预积分与插值复杂度线性化。实验覆盖 KITTI-raw、Boreas 和 NCD，系统可实时运行，加入 IMU 使机械旋转雷达里程计误差改善约 43%，但常规条件下雷达与激光仍有明显性能差距。
Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA; School of Computation, Information and Technology, Technical University of Munich, Munich, Germany
面向灾害搜索、监控等需要多机器人在未知环境中协同建图与探索的场景，本文针对集中式节点脆弱、现有去中心化方法多限于欧氏状态和简化观测的问题，提出 ROAM：把语义地图概率分布与 SE(3) 轨迹统一为带一致性约束的黎曼流形分布式优化，并仅依赖一跳通信求解。仿真和真实 RGB-D 轮式机器人实验显示，该方法可在无中心节点下实现全局一致的三维语义地图和降低不确定性的团队路径规划。
Department of Mechanical Engineering, The University of Hong Kong, Hong Kong; School of Intelligent System Engineering, Sun Yat-sen University, Shenzhen, China
针对尾座式无人机兼具垂直起降与高速效率、但因强非线性气动导致在线避障轨迹难以实时可行生成的问题，论文构建了基于微分平坦性的 onboard 感知-规划-控制框架，并提出结合 ℓ1 罚函数与 SQP 的 EFOPT 求解器来保证可行性与效率。仿真中其相较常规 NLP 求解器更适合在线规划，实机在室内、地下车库和公园等未知杂乱环境中实现最高 15 m/s 的自主飞行。
Department Mechanical and Nuclear Engineering, Khalifa University, Abu Dhabi, UAE; Department of Computer Science, University College London, London, U.K.; Khalifa University Center for Autonomous Robotic Systems (KUCARS), Khalifa University, Abu Dhabi, UAE
软体/软刚混合机器人虽可用应变模型精确描述，但维度高、难以实时仿真与控制。本文将几何变应变建模与POD降阶结合，从仿真应变快照中提取耦合“软协同”基函数，用少量广义坐标表示构型。实验与仿真显示该ROM在静动态、插值/外推、形状估计及软刚闭链系统中保持较高精度并显著加速。
Department of Mechanical Engineering, Tsinghua University, Beijing, China
面向传统视觉触觉传感器受镜头最小焦距限制、难以做薄并嵌入狭小操作空间的问题，ThinTact用振幅掩膜无透镜成像将接触信息映射到CMOS，并以DCT频域-空域联合滤波实现非迭代实时重建，同时通过遗传算法优化掩膜和标定系统矩阵提升成像质量。原型厚度9.6 mm、感知面积超过200 mm²，重建耗时低于2 ms，并在纹理识别、轻柔抓取和受限空间接触操作中验证了实用性。
Autonomous Multi-Robots Lab, Department of Cognitive Robotics, School of Mechanical Engineering, Delft University of Technology, Delft, The Netherlands; State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai, China
面向可交互机器人在动态场景中同时维护几何、语义与实例信息的需求，论文将动态实例建模为随机有限点集，用带实例扩展状态的粒子和S²MC-PHD滤波联合更新占据、类别与实例，并加入在线记忆模块补全遮挡/再出现物体。Virtual KITTI 2和真实数据实验显示，其在噪声条件下的语义、实例和占据估计均优于现有地图方法。
Luddy School of Informatics, Computing, and Engineering, Indiana University, Bloomington, IN, USA; Department of Computer Science, University of Southern California, Los Angeles, CA, USA
针对传统 MPPI 以风险中性方式评估采样轨迹、在高代价区域易给出不可行控制的问题，论文提出 U-MPPI：用无迹变换同时传播动力学均值与协方差，并将不确定性纳入风险敏感代价，从而引导更有效的轨迹采样与状态空间探索。二维激进导航仿真及未知杂乱环境实机实验显示，相比基线 MPPI，其在效率、鲁棒性和避开局部极小方面更稳定。
Department of Automation, Shanghai University, Shanghai, China; Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, Shanghai University, Shanghai, China
面向软体水下蛇机器人因结构不一致、液压波动和水动力扰动导致步态难以长期稳定的问题，论文设计了无缆液压驱动的仿生软蛇“BaiLong”，在分段软体内集成柔性形状传感，并用在线迭代学习控制闭环修正蛇形与转向步态误差。实验覆盖水池和自然水域，显示其运动一致性接近刚性蛇机器人，在软体蛇中取得较高游速和可用转向能力，并观察到步态参数与速度近似满足恒定 Strouhal 数关系。
School of Mechanical and Aerospace Engineering, Jilin University, Changchun, China; Key Laboratory of CNC Equipment Reliability Ministry of Education, Jilin University, Changchun, China; School of Science, Engineering, and Environment, University of Salford, Salford, U.K.; Key Laboratory of Bionic Engineering, Ministry of Education, Jilin University, Changchun, China; Weihai Institute for Bionics, Jilin University, Weihai, China; School of Mechanical, Aerospace and Civil Engineering, University of Manchester, Manchester, U.K.
针对刚性仿鱼机器人噪声大、软体水下机器人驱动频率低且缺少闭环感知的问题，本文提出液压双关节软体鱼 HyperTuna：以四缸活塞泵驱动自感知软尾，结合有限元/伪刚体动力学建模、数据辨识和 CPG-PID 闭环控制，并用粒子群优化参数。实验中优化后最高速度提升 3.6%、0.4 m/s 下 COT 最多降低 13.9%，最高达 1.12 BL/s，并完成转向、升潜和开放水域长距离游动。
Department of Mechanical Engineering, University of Hong Kong, Hong Kong, SAR, China; Department of Electronic Engineering, Shanghai Jiao Tong University, Shanghai, China
针对纯 LiDAR-IMU 在大尺度、结构稀疏场景中易漂移，而 GNSS 又低频且含离群的问题，LIGO 采用前端 EKF 紧耦合 LiDAR-IMU 做高频局部建图，后端因子图融合其因子与 GNSS 观测并反馈校正前端。实测表明该层次式闭环融合在 GNSS 丢失、退化和无人机离群 GNSS 条件下更稳健，轨迹精度与全局一致性优于对比系统。
Human-Robot Interfaces and Interaction, Istituto Italiano di Tecnologia, Genoa, Italy; Dept. of Informatics, Bioengineering, Robotics, and Systems Engineering, University of Genoa, Genoa, Italy; Department of Information Engineering and Computer Science, University of Trento, Trento, Italy
针对示教编程依赖轨迹模仿、在新环境中泛化较弱的问题，论文把香农信息论引入RGB视频中的手工操作理解，用熵和互信息识别活跃物体及手—物交互，并结合场景图分段生成行为树执行计划。实验表明，该方法可由单次人类示范自动得到机器人操作计划并迁移到未见场景，同时发布HANDSOME数据集。
Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis, Shanghai Jiao Tong University, Shanghai, China
针对 pHRI 中人和机器人指令不一致、单纯主从或加权控制难兼顾意图对齐与安全的问题，论文提出两阶段共享控制：强人意图时依据交互力触发局部轨迹重规划，弱冲突时在 MPC 中结合预测安全指标 PSI 与合作博弈 Pareto 解生成控制。路标跟踪用户实验显示，该方法在保持跟踪精度的同时降低人力投入，并提升交互安全性。
Imperial-X Initiative, and Department of Bioengineering, Imperial College London, London, U.K.; School of Engineering Mathematics and Technology, Bristol Robotics Laboratory, University of Bristol, Bristol, U.K.; Department of Engineering, King's College London, London, U.K.
针对单一视觉或触觉传感难以支撑复杂操作、而多传感器融合又增加硬件与解耦成本的问题，本文设计了紧凑型 ViTacTip：透明皮肤实现接触中“透视”视觉/近距感知，仿生触针增强触觉与力信息，并用 GAN 做视觉—触觉跨模态解释。实验覆盖物体识别、接触点检测、位姿回归、光栅识别及硬度/材料/纹理多任务识别，并与 TacTip、ViTac 对比验证其多模态基准能力。
Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis, Shanghai Jiao Tong University, Shanghai, China
针对传统推动研究多假设物体刚性、难以处理软物体形变与接触变化的问题，论文提出基于准静态有限元的平面推动模型，同时描述物体位移、转动、形变及与推杆/支撑面的接触节点状态；在此基础上用简化预测模型结合 MPC 与 iLQR 实现实时控制。实验与仿真表明，该模型能较准确预测不同条件下的运动和形变，控制器可推动可变形物体到达目标构型。
Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, U.K.
针对触觉学习中真实接触采集成本高、传感器易漂移且仿真到真实存在域差的问题，TactGen用手机视频重建物体NeRF并从任意视角渲染RGBD，再由仅在仿真视触觉配对数据上训练的、显式条件化传感器背景的cGAN生成相机式触觉图像，实现零样本sim-to-real。用于触觉物体分类时，数据采集时间约降至原来的1/20，同时性能接近手工采集真实触觉数据训练的分类器。
State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China; University of Chinese Academy of Sciences, Beijing, China; Department of Electrical and Electronic Engineering, University of Hong Kong, Hong Kong
针对现有软体机器鱼多依赖固定游动模式、缺少水下实时感知而难以适应复杂流场的问题，本文仿照鱼类肌肉协同与侧线感知，构建集成多段介电弹性体驱动和同材料柔性应变传感的软体鱼。通过调节各驱动单元幅值与相位，单一机体实现多种 BCF 类游动模式，并能依据传感到的流体状态自适应切换到较优推进模式；但系统仍受高频输出衰减、能效偏低和有缆供电限制。
Institut VICOROB, Universitat de Girona, Girona, Catalunya, Spain; Institut de Robòtica i Informàtica Industrial (IRII), CSIC-Universitat Politècnica de Catalunya, Barcelona, Catalunya, Spain
面向长时间感知中断下的机器人定位，论文指出高精度 IMU 预积分若忽略地球自转会把扰动错误吸收到零偏并造成轨迹扭曲。其核心是在 SE_N(3) 李群上将 IMU 与线速度传感器联合预积分，并显式补偿地球自转以保留相关性。AUV+DVL 实验显示，补偿后漂移显著降低，联合预积分在约 1 小时纯航位推算中达到略优于商用 INS 滤波器的精度。
Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China; Southern University of Science and Technology, Shenzhen, China; Sun Yat-Sen University, Zhuhai, China
针对无人机自主探索中贪心前沿/NBV方法易重复访问、全局意图不稳定的问题，FALCON将在线生成的覆盖路径作为面向整个未知空间的指导，并用连通性感知空间分解与增量连通图降低覆盖路径规划开销，再以SOP优化局部前沿访问并生成安全最短时间轨迹。统一评测显示其在多场景较SOTA快13.81%–29.67%，满足VECO指标，消融和全机载实验证实各模块与实际可用性。
RoboTac Lab, BMW Group, Munich, Germany; Imperial College of Science, Technology and Medicine, London, U.K.; Eindhoven University of Technology, Eindhoven, The Netherlands
面向未知物体操作中质量、质心、摩擦和形状难以静态观测的问题，论文将视觉与触觉结合，通过推/拉探索、主动形状感知、基于GNN的双可微滤波和N步信息增益选动作来持续推断物体属性。真实机器人平面物体实验显示其优于已有基线，并用于跟踪、目标驱动操作和环境变化检测。
Humanoid Robotics Institute, State Key Laboratory of Precision and Intelligent Chemistry, CAS Key Laboratory of Mechanical Behavior and Design of Materials, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China, Hefei, China; Humanoid Robotics Institute, CAS Key Laboratory of Mechanical Behavior and Design of Materials, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China, Hefei, China
面向机器人在未知地形上持续接触时难以稳定跟踪期望力的问题，论文将DRL预学习的阻抗调节作为前馈，与可变阻抗反馈控制结合，并提出满足Lipschitz条件的“couch model”约束仿真到实机迁移，同时给出稳定性与收敛性证明。仿真和磨削、削皮等实机实验显示，该方法在斜面、曲面和刚度变化场景下较恒定阻抗与传统自适应控制误差更低，曲面平均误差率低于5%。
Idiap Research Institute, Martigny, Switzerland; Ecole Polytechnique Fédérale de Lausanne (EPFL), Lausanne, Switzerland
面向清洗、检测等需要持续接触的曲面覆盖任务，论文将难以精确建模的触觉操作转为视觉反馈下的闭环遍历控制：直接在点云上用扩散与拉普拉斯特征函数传播覆盖需求，并结合几何代数阻抗控制实现沿曲面运动与期望法向力跟踪。仿真和厨具实物实验显示方法可按需求分布重复覆盖重点区域，谱方法较有限元预处理提速约90倍以上。
Japan Advanced Institute of Science and Technology, Nomi, Japan
针对传统振动微型机器人多只在平面上验证、缺少复杂地形动力学研究的问题，本文提出硅胶一体成型软体 Leafbot，将偏心振动驱动与叶片状肢体形态结合，并用解析模型与实验解释高频激励下的摩擦/横波推进机制。结果显示其平地最高速度达 5 body length/s，并比较三种肢体模式在斜坡、半圆障碍和阶梯粗糙地形中的通过率，为振动软体机器人的检测场景越障设计提供依据。
College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing, China; Department of Production Engineering, KTH Royal Institute of Technology, Stockholm, Sweden; State Key Laboratory of Intelligent Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, China
面向工业机器人节能中厂家动力学与电机参数不可得、且常无关节力矩测量的问题，论文用时间缩放和定制能耗实验建立可识别的 ECPSM，并以双向动态规划搜索节能缩放轨迹。KUKA KR60-3 实验显示，线性/非线性缩放能耗预测平均误差为 1.59%/6.19%，并显著降低最优轨迹求解时间。
School of Astronautics, Northwestern Polytechnical University, Xi'an, China; Beijing Advanced Medical Technologies, Ltd. Inc., Beijing, China
面向液体中微装配、微制造和微机器人对低污染、非接触操作的需求，论文提出用激光诱导热毛细对流作为统一驱动场，分别利用沉积颗粒与界面漂浮体的响应差异，设计预设扫描、检查点、激光复用、激光笼/墙及视觉闭环策略。实验展示了单/多颗粒精确引导、有序分布、复杂路径复现、迷宫通过和漂浮组件装配拆解，且不依赖目标磁性、透明度或基底吸热特性。
College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China; Department of Computer Science, The University of Manchester, Manchester, U.K.
针对传统分布式MPC在大规模非线性多机器人中需反复在线求解优化、计算负担难以扩展的问题，论文将DMPC改写为显式闭环策略学习：用分布式在线actor–critic按预测区间前向增量更新，并结合滚动时域保证稳定性；还以力场式策略处理避碰安全。实验覆盖轮式机器人和多旋翼，展示策略可快速部署到不同规模，最高达10000个体，计算量近线性增长。
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China; Shenzhen Research Institute, The Chinese University of Hong Kong, Shenzhen, China; Guangdong Provincial Key Laboratory of Robotics and Intelligent System and the CAS Key Laboratory of Human-Machine Intelligence-Synergic Systems, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Department of Mechanical and Automation Engineering, the Department of Surgery, CUHK T Stone Robotics Institute, Hong Kong SAR, China; Chow Yuk Ho Technology Centre for Innovative Medicine, The Chinese University of Hong Kong, Hong Kong SAR, China; Multi-Scale Medical Robotics Center, Hong Kong Science Park, Hong Kong SAR, China
面向微创场景中连续体机器人难以小型化且磁化配置缺少可量化设计准则的问题，本文提出模块化轴向磁化磁连续体机器人，结合静态伪刚体建模与变形能力指标来优化磁化分布，并用神经网络学习端部位姿和全局形状两种闭环控制映射。仿真与实验证明其可形成较丰富形状，最佳实验 MAE 分别为端部控制 0.254 mm/0.626°、形状控制 1.564 mm/0.086°。
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA, USA
面向大规模多智能体在障碍环境中的安全到达问题，本文针对集中式规划难扩展、手工 CBF 难处理非线性与输入约束的痛点，提出图控制屏障函数 GCBF 及 GCBF+ 训练框架，用 GNN 同时学习安全证书和分布式控制策略，并证明单个 GCBF 可认证任意规模系统安全。实验在 Crazyflie 群飞和仿真中验证可由少量智能体泛化到千级规模，安全率相对 CBF-QP、MARL 等基线最高提升约 20%–40%，且未明显牺牲到达性能。
State Key Laboratory of Internet of Things for Smart City, Centre for Artificial Intelligence and Robotics, Department of Electromechanical Engineering, University of Macau, Macau, China; Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Harbin Institute of Technology, Shenzhen, China
针对2D图像端到端方法难以处理精细3D操作、体素方法又缺乏高精度动作预测的问题，论文提出FP2AT，将全局/局部体素通过多尺度3D视觉融合注意力和互注意力结合，并加入本体感知编码、跨层特征聚合及粗到细动作细化。仿真与真机实验显示，其在成功率和关键动作数ANKA上显著优于体素或点云SOTA，整体成功率相对体素基线提升34.4%和38.0%。
School of Electrical Engineering, Yanshan University, Qinhuangdao, China
面向服务机器人在家庭等非结构化场景中缺少标注、合成训练又有 sim2real 差距的问题，ZISVFM不再训练专用UOIS模型，而是用彩色化深度图驱动SAM生成候选掩码，再借助DINOv2 ViT注意力特征与背景相似度过滤非物体，并用K-Medoids点提示细化边界。实验在OCID、OSD和自采多层室内数据上优于基线，接近需训练的SOTA，并展示了未知物体抓取可用性。
School of Aeronautics and Astronautics, Zhejiang University, Hangzhou, China; Robotics Engineering Department, Worcester Polytechnic Institute, Worcester, MA, USA; Department of Electrical and Computer Engineering, University of Florida, Gainesville, FL, USA
面向软体蛇形机器人在密集障碍和狭窄通道中难以建模、触觉反馈离散且易干扰控制的问题，论文改造 Matsuoka CPG 的反馈机制，使其同时融合目标跟踪输入与接触反馈，并比较强化学习传感调节器和局部反射两类反应控制；结合步态切换与仿鳞片磁触觉传感，在仿真和实机中均实现较稳定的接触感知运动、目标跟踪和急转弯通过。
Department of Sciences and Methods for Engineering, University of Modena and Reggio Emilia, Modena, Italy; Department of Computer Science, University of Cambridge, Cambridge, U.K.; INTERMECH - MO.RE. center, University of Modena and Reggio Emilia, Modena, Italy; EN&TECH center, University of Modena and Reggio Emilia, Modena, Italy
面向污染、盐度等会随时间变化且先验未知的环境监测场景，论文针对传统覆盖控制依赖已知静态密度函数的问题，提出结合有限 Voronoi 覆盖控制与高斯过程估计的全分布式多机器人策略。其关键在于用估计不确定性和精度在线调节探索—利用权衡，并通过数据筛选降低 GP 计算与存储负担。仿真和真实实验表明，该方法能在时变空间场中持续更新分布估计并改善覆盖效果。
School of Geodesy and Geomatics (SGG), Wuhan University, Wuhan, China
面向多 IMU 与雷达、LiDAR、相机等复杂惯性融合系统，论文针对现有标定方法依赖特定传感器组合、人工靶标或仅做空间外参的问题，提出 iKalibr：无靶、离线、连续时间的统一时空标定框架，通过动态初始化恢复全部状态并用多轮批优化细化外参与时间偏移。真实实验表明其可在多种传感器配置下一次性获得较准确且一致的时空标定结果。
Research Institute of Intelligent Control and Systems, Harbin Institute of Technology, Harbin, China
面向冗余机器人在动态场景中需在线改变任务优先级的问题，本文指出硬切换会导致控制不连续，而软优先级又损害严格层级性能。其核心是基于 QR 分解的连续塑形投影与优先雅可比参数化，并嵌入层级最优控制，使严格优先级阶段保持等价最优性、过渡阶段输入连续且计算量较低；作者给出连续性、精度和闭环有界稳定性分析，并在仿真与 Franka Panda 实验中验证平滑切换效果。
School of Mechanical Engineering, State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China; Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong
针对多机器人包容控制中通信/计算延迟会诱发振荡甚至发散、且非完整移动机器人存在速度耦合的问题，本文把更现实的非均匀时变延迟纳入拉普拉斯矩阵分析，先为双积分模型设计控制律并用 Lyapunov–Krasovskii 函数和 LMI 证明稳定，再扩展为有限时间解耦的双环控制。仿真与实验证明，跟随者可在该类延迟下收敛到领导者形成的凸包内。
Centre for Advanced Robotics Technology Innovation (CARTIN), School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore; Spatial AI and Robotics Lab, Computer Science and Engineering, University at Buffalo, Buffalo, NY, USA
AirSLAM针对视觉SLAM在短期剧烈光照变化下跟踪易失效、长期复用地图时重定位成功率下降的问题，采用学习特征与传统几何优化结合的点线混合框架。其核心是PLNet统一检测关键点和结构线，并在跟踪、建图、优化与多阶段重定位中耦合使用点线及结构图。多数据集实验显示其在光照挑战场景优于现有视觉SLAM，且经C++/TensorRT加速后可在PC达73Hz、嵌入式平台达40Hz。
Department of Systems Engineering, Saarland University, Saarbrücken, Germany; Department of Electrical and Information Engineering, Polytechnic University of Bari, Bari, Italy
针对介电弹性体软机器人在欠驱动、双稳态开环不稳定、构型相关驱动矩阵、输入饱和与蠕变扰动下难以精确定位的问题，论文提出模型反馈框架，将能量整形稳定控制与饱和 PI 式鲁棒外环结合，并用 LMI 在强非线性模型上求解可实现增益。原型实验表明，该方法能在保持大弯曲范围的同时恢复定点调节能力，并提升对恒定外扰和执行器限制的鲁棒性。
Department of Mechanical Engineering and the Robotics Center, University of Utah, Salt Lake City, UT, USA; Rocky Mountain Center for Occupational and Environmental Health, Salt Lake City, UT, USA; Department of Biomedical Engineering, University of Utah, Salt Lake City, UT, USA
针对现有髋外骨骼多只辅助矢状面、难以兼顾步态效率与内外侧平衡，且双平面串联机构笨重并在大屈髋时力矩方向受限的问题，本文设计了并联驱动的轻量髋外骨骼，可独立提供屈伸与外展/内收辅助。样机重5.3 kg，步行中可输出矢状面30 N·m、额状面20 N·m，力矩密度较串联方案提高53%；台架与5名健康受试者实验显示其可跟踪辅助力矩，并通过额状面力矩改变步宽。
Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; University of Chinese Academy of Sciences, Beijing, China; Shenzhen Key Laboratory of Minimally Invasive Surgical Robotics and System, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Key Laboratory of Biomedical Imaging Science and System, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China
面向体内磁微机器人难以用相机跟踪、超声反馈噪声大且闭环控制需实时轻量的问题，论文将PID、导向向量场等简单控制器用平均Q-learning自适应加权，并以ASPP增强U-Net完成超声分割。仿真与多种平面路径实验显示，该组合能在平滑和非平滑路径上提升跟踪精度，验证了超声图像反馈下精密操控的可行性。
Centre of Robotics, Mines Paris - PSL, PSL University, Paris, France; U2IS, ENSTA Paris, Institut Polytechnique de Paris, Palaiseau, France
针对自动驾驶 LiDAR 语义分割长期依赖单一数据集、跨传感器和场景泛化不足的问题，COLA 将多个数据集的细粒度标签近似无成本地重映射为统一粗标签，从而支持多源训练。论文把这一思路用于域泛化、源到源分割和预训练，分别报告约 +10%、+5.3% 和 +12% 的提升；但部分增益可能主要来自更多数据与域多样性。
School of Electrical and Automation Engineering, Nanjing Normal University, Nanjing, China; Jiangsu Key Laboratory of Additive Manufacturing Equipment Technology, Nanjing, China; Computer, Electrical, and Mathematical Science and Engineering Division, King Abdullah University of Science and Technology, Thuwal, Saudi Arabia; Department of Mechanical Engineering, Temple University, Philadelphia, PA, USA
针对异构、有限视场机器人在未知且变化目标数下容易负载失衡、重复跟踪的问题，论文提出“归一化未用感知容量”，用局部信息刻画各传感器剩余能力，并据此构造 power diagram/CCVD 的分布式覆盖控制。ROS 与 MATLAB 仿真显示，相比忽略异构性和当前使用率的 Voronoi、zigzag 等基线，跟踪更稳定、精度更高，且异构性越强收益越明显。
Department of Mechanical Engineering, Biological and Robotic Intelligent Fluid Locomotion Lab, The Pennsylvania State University, University Park, PA, USA
针对小型四旋翼难以像昆虫那样在天花板上高速倒挂栖停的问题，论文将果蝇依赖光流触发翻转的洞察转化为两阶段策略：用强化学习生成感知-动作样本，再以一类 SVM 判定翻转时机、前馈网络输出动作，并结合域随机化和系统辨识迁移到实机。实验在多种接近方向和速度下实现了鲁棒倒挂着陆，但实机光流由外部运动捕捉模拟，完全机载视觉效果仍需进一步验证。
School of Mechanics and Aerospace Engineering, State Key Laboratory of Structural Analysis, Optimization and CAE Software for Industrial Equipment, Dalian University of Technology, Dalian, China; State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; School of Mechanical Engineering, Dalian University of Technology, Dalian, China
针对连续体机器人柔顺、高非线性且既有方法多只跟踪末端位置的问题，本文以缆驱张拉整体连续体机器人为对象，将缆索驱动建模为多体动力学中的运动约束，构建 DAEs 控制模型，并把位置—姿态轨迹跟踪离散为带输入饱和的瞬时最优控制问题，通过线性互补问题求解。仿真与原型实验表明，该方法较仅位置跟踪能提升末端协同跟踪性能，并支持弯曲、收缩、S/J 形等多模态变形任务。
Department of Electrical and Computer Engineering, University of Minnesota, Minneapolis, MN, USA; Department of Computer Science and Engineering, University of Minnesota, Minneapolis, MN, USA
面向多物体机器人操作中缺少姿态、分割等标注且相机视角不固定的问题，本文将 SlotTransport 扩展到多视角无监督物体槽发现，并提出 InvSlotGNN，用槽构图并结合机器人动作学习视角不变的关系动力学。实验表明该方法能在遮挡和未标定相机下保持对象绑定，提升长时预测与多物体重排表现，并可用少量真实数据从仿真迁移。
Department of Electromechanical Engineering, University of Macau, Macau, China; Department of Mechanical Engineering, University of California at Berkeley, Berkeley, CA, USA; Institute of Applied Physics and Materials Engineering, University of Macau, Macau, China; Tencent Robotics X, Tencent, Shenzhen, China
针对昆虫尺度水面机器人速度低、转向控制复杂的问题，论文借鉴水黾不刺破水面的划水方式，用PVDF压电薄膜驱动非对称足垫，利用不同频率下足垫振幅差产生可调推进与转向力。机器人实现21.82 BL/s线速度、303°/s角速度，四足版本16.5 s通过88 cm水迷宫，并展示拖曳监测系统与无缆运动。
Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA; Honda Research Institute, San Jose, CA, USA
针对传统遍历搜索在高维空间计算复杂度随维度指数增长、且难以处理旋转/刚体变换等非欧空间的问题，本文用函数空间内积重写遍历度量，提出可推广到李群的核遍历度量，并结合 iLQR 做轨迹优化。实验显示在2D到6D基准中达到同等遍历性快约两个数量级，7自由度机械臂插孔任务中以30秒人类示范作先验，在SE(3)覆盖下实现100%成功率。
Zhejiang University, Hangzhou, China; Shanghai Jiao Tong University, Shanghai, China; National University of Defense Technology, Changsha, China
针对传统全局定位中“先地点识别再位姿估计”易因识别失败产生级联误差的问题，RING#提出PR-by-PE范式：在BEV空间学习旋转/平移等变表示，将3DoF位姿估计分解为旋转与平移相关搜索，并用相关峰值直接作为地点相似度。该方法兼容视觉与LiDAR，在NCLT和Oxford上均超过现有方法，显示其主要收益来自任务目标对齐与全局收敛的匹配设计。
Department of Engineering, University of Cambridge, Cambridge, U.K.; Department of Bioengineering, Imperial College London, London, U.K.; MILA AI Institute, Montréal, QC, Canada
针对远程触诊在真实人体复杂三维表面上需同时调节机械臂多自由度、操作者负担高的问题，论文提出由深度相机重建表面法向的DVD ADR共享控制：用户只管末端位置，系统自动保持触觉传感器近似垂直于表面。实验显示该方法显著降低位置与姿态误差，位置/姿态精度最高提升29.5%/22.4%，检测准确率提高8.8%，用时减少13.8%。
Centre for Automation and Robotics (CAR) ETSIDI, UPMCSIC, Universidad Politécnica de Madrid, Madrid, Spain
针对真实点云配准中对应关系外点比例高、RANSAC/ICP 易失效而全局 BnB 又偏慢的问题，CliReg 将最大一致性刚体配准转化为稀疏对应图上的大极大团搜索，并用最小二乘适配评估候选团，而非只依赖最大团；同时用 kNN 控制图规模与次优性。合成和真实数据表明其鲁棒性优于 RANSAC、FGR、TEASER++，运行时间接近 TEASER++/RANSAC，快速版 CliRegMutual 速度接近 FGR。
School of Computer Science and Engineering, Sun Yat-Sen University, Guangzhou, China; School of Artificial Intelligence, Sun Yat-Sen University, Zhuhai, China; School of Systems Science and Engineering, Sun Yat-Sen University, Guangzhou, China; School of Intelligent Systems Engineering, Sun Yat-Sen University, Shenzhen, China
面向大规模未知环境中地面机器人缺乏全局先验、易重复探索的问题，AAGE让无人机用轻量RGB相机快速生成粗粒度鸟瞰图，并实时指导UGV的层次化探索；其注意力机制使UGV优先采集感兴趣区域而非空旷无特征区域。真实实验显示，即使BEV较粗糙，也能提升探索效率和关键区域点云采集质量。
Stanford University, Stanford, CA, USA; Massachusetts Institute of Technology, Cambridge, MA, USA
针对机器人手内操作依赖频繁换指、误差易累积且缺少局部接触反馈的问题，论文提出将可转向主动滚轮指尖与内置相机的 GelSight 式触觉传感结合，用实时接触位置与状态驱动闭环控制，并顺带扫描重建物体形状。实验展示其可完成线缆跟踪、球体螺旋运动、物体重定向和单张取卡；对比表明连续滚动较换指更稳定，触觉引导的握持调整进一步提升鲁棒性。
Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI), Abu Dhabi, UAE; Department of Mechanical Engineering, The Hong Kong Polytechnic University, Hong Kong; Visual and Multimodal Applied Learning Laboratory, DAUIN, Politecnico di Torino, Turin, Italy; Istituto Italiano di Tecnologia, Genoa, Italy; Laboratory for Computational and Statistical Learning (LCSL), Machine Learning Genoa Center (MaLGa), and the Dipartimento di Informatica, Bioingegneria, Robotica e Ingegneria dei Sistemi (DIBRIS), University of Genova, Genoa, Italy; Istituto Italiano di Tecnologia (IIT), Genoa, Italy; Center for Brains, Minds and Machines (CBMM), Massachusetts Institute of Technology (MIT), Cambridge, MA, USA
面向激光美容中需沿皮肤表面重复、均匀施能且难以手工编程适配不同人脸的问题，本文把示教学习表述为带几何约束的结构化预测，学习准周期节律轨迹，并结合非配准的人脸表面技能迁移策略。真实机器人实验显示，该方法能复现医师的节律操作，并可迁移到未见受试者的面部场景。
Hong Kong University of Science and Technology, Hong Kong SAR, China; Foshan Huashu Robot Company Ltd, Foshan, China; Department of Computer Science, University of Exeter, Exeter, U.K.; Central South University, Changsha, China; Foshan Institute of Intelligent Equipment Technology, Foshan, China; Hong Kong University of Science and Technology, Hong Kong; HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute, Shenzhen, China
面向机器人动力学辨识中激励轨迹优化常因初始条件和关节位置、速度、加速度约束而迭代失败或耗时的问题，论文将傅里叶参数的可行性处理解析化：用偏置满足零初速/加速度，用缩放与中心平移保证物理限幅，从而把约束搜索转为确定性构造。实验显示可执行轨迹生成成功率达100%，优化效率较现有方法提升约一个数量级，并保持较好的激励性能。
Department of Computer Science, University of Freiburg, Freiburg im Breisgau, Germany
针对低成本单目相机在已有 LiDAR 地图中定位及相机-LiDAR 外参标定难以跨传感器泛化的问题，CMRNext 将点-像素匹配重写为光流估计，并把学习到的稠密对应及不确定性交给 PnP 等几何方法求位姿，从而避免端到端网络绑定特定内外参。论文在三套公开数据和三种自研机器人上验证，定位与标定均优于既有方法，并展示了无需微调的零样本跨平台泛化，但实时性和非驾驶场景泛化仍受限。
Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China
针对串联/上置电机四足腿在高速运动中腿部惯量大、单关节峰值扭矩高的问题，论文提出在髋部引入差动机构的三自由度腿型，使全部执行器固定在机身内，并通过并联传动分摊运动与负载。作者给出构型族及与经典串联腿的运动学映射，并通过单腿仿真、轨迹跟踪、负重深蹲和深蹲跳实验验证其降低扭矩峰值、提升动态驱动能力的效果。
Machines in Motion Laboratory, New York University, New York, NY, USA; Technical University Berlin, Berlin, Germany; Computational Robotics Lab, ETH Zurich, Zürich, Switzerland
面向多旋翼等复杂动力学系统，传统采样规划收敛慢、几何路径加优化又依赖接近可行的初值。iDb-A* 将允许有界不连续的运动基元 A* 搜索与轨迹优化交替结合，逐步缩小不连续界并增加基元，在保持 anytime 性能的同时获得渐近最优性。作者在 8 类系统 43 个问题上比较，显示其更常求解成功并更快得到低代价轨迹。
Human Robotics Laboratory, Department of Mechanical Engineering, The University of Melbourne, Parkville, VIC, Australia; Department of BioMechanical Engineering, Faculty of Mechanical Engineering, The Delft University of Technology, Delft, The Netherlands
针对物理人机交互中传统无源控制为保稳定而持续牺牲触觉渲染性能的问题，论文提出“最终无源”概念与UPC控制器，在标称高性能模式和保守稳定模式间按能量状态切换，只要求稳态能量有界。两类导纳/阻抗机器人实验表明，UPC能在保证稳定的同时减少性能降级次数，尤其在重复扰动场景下较经典PO-PC和能量罐方法更好保持期望虚拟环境。
Human-Robot Interfaces and Interaction Laboratory, Istituto Italiano di Tecnologia, Genoa, Italy; Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milan, Italy
面向工业协作机器人中安全/舒适与节拍效率难以兼顾的问题，PRO-MIND将人类注意力、心理负荷、HRV和急促动作纳入闭环规划，在线调整安全区、B样条路径及执行时间/平滑性。两类真实协作任务和多被试实验表明，该方法可降低工作负荷与压力、维持安全，同时提升人机协作流畅性和生产率。
School of Control Science and Engineering, Shandong University, Ji'nan, China
针对端到端 Diffusion Policy 在富接触操作中缺少显式物体交互建模、可干预性弱的问题，HDP 将策略分成接触点规划与受接触引导的轨迹生成，两层均用条件扩散建模，并以 BC+离线 Q 学习强化低层动作朝目标接触收敛；配合单步梯度优化、轨迹增强和人工接触提示。六个任务中相对 Diffusion Policy 平均提升 20.8%，真实实验覆盖刚体与柔性物体。
State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC), Faculty of Science and Technology, University of Macau, Macao, China
针对夜间低照度下传统视觉里程计依赖像素特征、易因光照不一致和主动补光散射而失效的问题，Night-Voyager 将城市路灯视作类似“星图”的稳定对象级先验，结合轻量对象地图、快速全局初始化、两阶段跨模态关联和特征解耦的多状态不变滤波，在保持像素特征日间能力的同时实现夜间全局一致定位。仿真与约 12.3 km 实测表明其在精度、鲁棒性和效率上优于常规视觉状态估计方法。
Guangdong Provincial Key Lab of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China
面向潜水作业中腿部运动耗气高、限制水下停留并增加减压风险的问题，本文提出软式水下下肢外骨骼 PEAKED，通过柔性机构实现蛙踢、自由踢和水下行走的全周期双向助力，并用级联力积分控制应对缆绳不可控状态与刚度变化。9名受试者实验显示，其空气消耗率分别降低约29.77%、25.70%和18.35%。
Agile Robotics Lab, University of Alabama, Tuscaloosa, AL, USA
针对软体陆地机器人步态难以建模、强依赖地面接触且缺少统一数学定义的问题，论文提出环境中心的概率模型无关控制框架：将机器人—环境交互离散成图，用实验运动基元编码边，并把步态定义为 SE(2) 中变换不变的简单环，再用 BILP 合成平移/旋转步态。在三/四肢 TerreSoRo、多种地面和单执行器失效场景中，平均平移与旋转速度分别提升 82% 和 97%，说明收益可能主要来自显式利用环境数据。
Neuromorphic Automation and Intelligence Lab (NAIL) at School of Robotics, Hunan University, Changsha, China; Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China; TU Berlin, the Science of Intelligence Excellence Cluster, the Robotics Institute Germany and the Einstein Center Digital Future, Berlin, Germany
本文针对事件相机直接法里建图计算量高、6DoF 跟踪中俯仰/偏航易退化的问题，在 ESVO 上加入双目事件-IMU 融合：用事件局部动态自适应累积与轮廓采样加速建图，融合时间/静态双目深度，并以 IMU 预积分和紧耦合后端校正偏置、预测速度。五个公开数据集上，相比 ESVO 的 ATE 降低 40%–80%、RPE 降低 20%–80%，建图效率提升约 5 倍，可在 VGA 事件数据上 CPU 实时运行。
Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada; Department of Computer Science, Dalhousie University, Halifax, Canada
面向海洋、农业等高代价采样场景中的主动回归路径规划，论文关注带资源和路由约束的多机器人如何最小化 GP 估计误差。核心洞察是利用 GP 后验均值在均方损失下的最优性，将原本依赖贪心启发式的 IPP 精确转化为混合整数规划，并用网络流表达路径约束。实验显示该方法在多种图规模、预算和多机器人设置下可在秒级求得最优解，提前终止时也给出优于常见启发式的解及次优性证书。
Department of Computer Science, Purdue University, West Lafayette, IN, USA
针对未知环境中“建图后仍需昂贵规划器”的割裂问题，本文把 Eikonal 方程的到达时间场作为可直接导航的地图特征，并提出 Active NTFields，用局部感知在线训练物理约束神经场，沿时间场梯度近实时生成路径。实验覆盖仿真、真实厨房、窄通道柜体场景及差速车/六自由度机械臂，规划速度相对最佳基线至少提升 40 倍。
Laboratorio de Automática y Robótica, Facultad de Ingeniería, Universidad de Buenos Aires and CONICET - Universidad de San Andrés, Argentina; Laboratorio de Inteligencia Artificial y Robótica, Universidad de San Andrés and CONICET, Argentina; Laboratorio de Inteligencia Artificial y Robótica, Universidad de San Andrés and Instituto de Ingeniería Biomédica, Facultad de Ingeniería, Universidad de Buenos Aires, Argentina
多旋翼桨叶磨损、缺口等结构损伤会降低效率并引入振动，威胁飞行安全且难以精确建模。本文用真实飞行数据构建数据驱动诊断框架，仅依赖惯性测量和控制指令，联合分类器与神经网络同时判断损伤类型、严重度和受损旋翼，并将控制力矩特征纳入以改善定位与估计。实验及跨不同构型数据集验证显示方法具备一定泛化性，但具体增益幅度文中片段未充分说明。
Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China; School of Intelligent Systems Engineering, SunYat-sen University, Guangzhou, China; Institute of Unmanned Systems, Beihang University, Beijing, China
面向排水/通风管道等人难进入的0.5米级狭窄隧道，论文针对弱纹理、弱光、视场受限和自气流扰动导致的感知与控制失效，构建三向RGB-D+LED的虚拟全向感知，并在规划中显式考虑相机可见性与CFD建模的气流扰动。系统在定制四旋翼上实时在线运行，于多种真实弯曲、变截面隧道中完成自主飞行，表现优于人工遥控，并给出跨平台部署流程与开源实现。
Department of Robotics, University of Michigan, Ann Arbor, MI, USA
面向动力膝踝假肢在日常多地形中可靠切换的问题，论文将坐站与变坡行走下放到中层控制，减少高层分类状态，并用大腿/小腿姿态、接触、坡度和踝部超声距离构造可理解的双侧引导启发式规则。两名股骨截肢者实验中，系统在自定速与疲劳快速条件下达到99.2%转移准确率，备份或用户重置实现100%恢复，并可连续适应平地与坡面。
Department of Aeronautics and Astronautics, MIT, Cambridge, MA, USA; Department of Mechanical Engineering, MIT, Cambridge, MA, USA
面向安全关键自主系统难以在真实环境中穷举测试的问题，RADIUM将对抗失败搜索重构为序贯贝叶斯推断，在仿真中交替采样高风险环境扰动与修复控制策略，并利用可微仿真/渲染获得端到端梯度，同时保留无梯度版本。相比传统优化式反例搜索，它更强调失败模式的多样性；在多机器人、无人机编队和视觉闭环硬件实验中，报告了最高10倍更低代价、约2倍更少迭代及5倍鲁棒性提升。
Department of Mechanical Engineering, Eindhoven University of Technology (TU/e), Eindhoven, The Netherlands
面向吸盘抓取中难以低成本预测物体6D位姿与受力的问题，论文将物体—吸盘保持阶段建模为SE(3)上的6D集中质量-弹簧-阻尼系统，并利用吸盘轴对称与平面约束把刚度辨识从21个参数降到5个。基于1200组静态位姿数据和动捕验证，约1.75 kg负载、60°夹爪倾角下稳态位姿误差约5 mm和3°，力/矩RMS误差为0.69 N/0.067 Nm。
Centro di Ricerca “Enrico Piaggio” Università di Pisa, Pisa, Italy; Dipartimento di Ingegneria dell'Informazione, Università di Pisa, Pisa, Italy; Automation and Control Institute, TU Wien, Vienna, Austria; Technology Innovation Institute, Abu Dhabi, UAE; Soft Robotics for Human Cooperation and Rehabilitation, Fondazione Istituto Italiano di Tecnologia, Genoa, Italy; Centro di Ricerca “Enrico Piaggio,” Università di Pisa, Pisa, Italy
针对两轮人形机器人底盘欠驱动且俯仰不稳定、传统“底盘平衡+上身扰动”控制难以支撑操作的问题，论文利用俯仰快、前向位移慢的时间尺度差异，提出由两个计算力矩环组合的全身控制，并给出闭环渐近稳定性证明。方法在 Alter-Ego 上验证，相比 LQR/既有方法更能协调上身与轮式底盘，完成开门、搬重物和抗外部动态扰动等交互任务。
CNRS- AIST Joint Robotics Laboratory (JRL), IRL, Tsukuba, Japan; MIS laboratory, University of Picardie Jules Verne, Amiens, France; CNRS-AIST Joint Robotics Laboratory (JRL), IRL, Tsukuba, Japan
针对全景/双鱼眼图像映射到球面时常在畸变、均匀性与计算效率之间取舍的问题，论文提出 UniphorM：用递归细分二十面体及其球面 Voronoi 单元为像素赋值，形成较均匀的球面图像表示。作者在直接视觉姿态估计和视觉地点识别中比较多种映射，显示其在精度、鲁棒性、收敛域与时间效率上更均衡，并发布 SVMIS+ 与 Mapillary 相关数据集。
Faculty of Electrical Engineering and Computing,Laboratory for Autonomous Systems and Mobile Robotics, University of Zagreb, Zagreb, Croatia; Calirad, Zagreb, Croatia
针对移动机器人多传感器外参标定中单目等无尺度里程计难以处理、噪声不确定性常被忽略的问题，本文把手眼标定与尺度估计统一到 Gauss–Helmert 模型和流形解析优化中，支持有尺度/无尺度传感器、尺度重初始化及参数不确定性输出。仿真和真实实验对比五种方法显示其在高噪声场景下精度更稳健。
Department of Mechanical Engineering, Seoul National University, Seoul, South Korea; Department of Mechanical Engineering, Columbia University, New York, NY, USA; Department of Civil and Systems Engineering, Johns Hopkins University, Baltimore, MD, USA; Department of Mechanical Systems, Sookmyung Women's University, Seoul, South Korea
针对膝关节外骨骼中人体瞬时转轴与机构轴线易失配、导致不适和侧向力的问题，论文把自对准机构的拓扑与形状生成转化为基于离散基结构的梯度优化，无需初始方案或人工选型，并设计联合功传递效率与力/力矩约束来同时控制自由度和传力特性。多个算例生成了不同拓扑，原型验证了基本运动学要求。
College of Artificial Intelligence, Nankai University, Tianjin, China; Laboratory of Science and Technology on Integrated Logistics Support, National University of Defense Technology, Changsha, China; Institute of Intelligence Technology and Robotic Systems, Shenzhen Research Institute of Nankai University, Shenzhen, China; College of Electronic Information and Optical Engineering, Nankai University, Tianjin, China
面向复杂自然地形中单次无人机航拍易出现遮挡、点云空洞和局部低质的问题，论文提出主动迭代优化框架：先以粗重建规划满足摄影测量约束的轨迹，再用视锥损失筛选关键帧，并以无真值综合指标栅格化定位低质区域，下一轮针对性重规划补拍。仿真与实机实验表明，该闭环能逐步提升宽域三维重建质量。
Advanced Robotics at Queen Mary (ARQ), School of Engineering and Materials Science, Queen Mary University of London, London, U.K.; Department of Naval, Electrical, Electronic, and Telecommunications Engineering (DITEN), University of Genoa, Genova, Italy; Department of Engineering (DIBRIS), University of Genoa, Genova, Italy; Department of Computer Science, University College London (UCL), London, U.K.
触觉探索可补足视觉遮挡，但逐点接触获取3D形状代价高。论文抓住日常物体常具对称性的特点，将平面/柱面等对称性嵌入高斯过程隐式曲面模型，并在探索中在线判别未知对称类型与姿态，用较少接触推断未触达表面。仿真和Baxter实物实验表明，对称模型在对称物体上降低形状误差与不确定性，同时减少探索时间和接触次数。
Technion–Israel Institute of Technology, Haifa, Israel; The Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa, Haifa, Israel
面向桥梁等城市环境中的无人机巡检，论文关注定位误差导致计划路径与实际执行偏离、进而漏检或碰撞的问题。作者将确定性 IRIS 扩展为 IRIS-U²，用蒙特卡洛估计覆盖、路径长度和碰撞概率，并把置信界直接用于搜索剪枝与目标选择。仿真桥检表明其相比不考虑不确定性的 IRIS 和简单惩罚式基线可提高期望覆盖、降低碰撞风险，且样本数增加时统计保证更紧。
Department of Bioengineering, Clemson University, Clemson, SC, USA; Department of Computer Science, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA; Division of Pulmonary Diseases and Critical Care Medicine, University of North Carolina at Chapel Hill, NC, USA; Department of Mechanical Engineering, Vanderbilt University, Nashville, TN, USA
针对可转向针由医生手动放置起始位姿再交给机器人自动进针时，微小位置或姿态偏差可能导致目标不可达的问题，本文提出一种几何化的起始位姿鲁棒性度量，计算同时包含位置与方向容差的安全起始区域，并允许权衡二者大小。仿真在抽象、肝穿刺和经口肺部场景中验证，该指标可用于不同规划器生成的路径，且比采样式评估更快，可筛选更稳健的运动计划。
CNRS, Centrale Lille, UMR 9189 CRIStAL, Univ. Lille, Inria, France; Inria, Département d'informatique de l'ENS, Ecole normale supérieur, CNRS, PSL Research University, Paris, France
软体机器人用 FEM 建模精确但难以实时控制和设计迭代，本文将 FEM 凝聚到约束空间并学习其机械矩阵，形成可微、低维且不绑定单一任务的替代模型。该模型支持多种驱动、接触和设计参数，可推导正逆运动学并用于优化控制。实验展示其能在微控制器上做实时嵌入式控制，扩展到接触操作、软夹爪控制、标定与设计优化。
School of Mechanical Engineering and Automation, Beihang University, Beijing, China; College of Engineering, Peking University, Beijing, China; Department of Sports Medicine, Peking University Third Hospital, Institute of Sports Medicine of Peking University, Beijing, China; School of Mechatronical Engineering, Beijing Institute of Technology, Beijing, China; Department of Modern Mechanics, University of Science and Technology of China, Hefei, China
针对卧床膝伤患者难以使用笨重等速测力设备、早期肌力易退化的问题，论文设计了1.3 kg床旁可穿戴等速训练机器人，以可调刚度执行器提供柔顺阻力，并用BLDC反驱回收负功提升续航。6名重度膝伤受试者三周训练后，患膝峰值扭矩、平均扭矩和做功分别提升81.0%、101.4%和117.6%，能量回收使估计工作时间增至198天。
Department of Engineering and Informatics, University of Sussex, Brighton, U.K.; School of Electronics and Information Engineering, Wuyi University, Jiangmen, China; Department of Mechanical Engineering, University of Southampton, Southampton, U.K.
面向机器人手臂等大曲面区域的高分辨触觉感知，本文提出压致发光皮肤：用带孔柔性电致发光面板和多层不同光学性质弹性体，将局部压力转为相机可见的亮度衰减，从而简化大面积均匀照明与布线。原型在502 cm²范围实现多点压力估计，水平/垂直两点分辨率达3/5 mm，定位RMSE为1.92 mm。
Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza, Zaragoza, Spain
面向人群/多机器人中对方合作程度未知、通信不可用且算力受限的避碰问题，AVOCADO在速度障碍/ORCA式几何优化上引入非线性意见动力学，把合作程度作为仅由传感观测实时自适应的控制变量，并利用该机制缓解对称场景死锁。仿真和真实机器人/人混行实验显示，其在混合合作与非合作环境中较ORCA、MPC和学习式方法提升成功率、到达时间与计算开销表现。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China
面向障碍间距小于车体宽度的密集地形，论文将轮腿探测车路径规划从“避障”转为显式建模车体/肢端与环境交互。核心做法是用广义函数集与构型拓扑构建离线运动库，并把几何占据、运动能力、能耗和动作不确定性纳入二阶扩展 MDP，结合 LTR 节点、四叉树与 Informed VI 降低迭代开销。TAWL 实验显示其能在非均匀地图上高效找到低代价路径，但相对各组件的独立增益文中未充分说明。
School of Information and Electrical Engineering, Hangzhou City University, Hangzhou, China; Institute for Data Science in Mechanical Engineering, RWTH Aachen University, Aachen, Germany; Technical University of Munich, TUM School of Computation, Information and Technology, Department of Computer Engineering, Learning Systems and Robotics Lab; Munich Institute of Robotics and Machine Intelligence, Munich, Germany; Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland; Department of Information Technology, Uppsala University, Uppsala, Sweden; College of Electrical Engineering, Zhejiang University, Hangzhou, China; Huzhou Institute of Zhejiang University, Huzhou, China
面向真实机器人少样本适应中硬件交互昂贵、仿真又存在现实差距的问题，论文将黑盒策略搜索建模为多保真局部贝叶斯优化：概率模型同时利用机器人与仿真数据，并用决策规则选择信息源，在高概率保证每次策略更新改进的前提下减少实机试验。仿真微调任务和真实机械臂摆杆实验显示，该方法可借助不完美仿真实现更快、数据效率更高的策略学习。
Department of Electronics, Information, and Bioengineering, Politecnico di Milano, Milan, Italy
针对远程医疗触诊、超声等富接触任务中软组织难建模、操作者负担高且稳定性难保证的问题，论文提出受人手阻抗调节启发的主动柔顺与被动共享控制框架，用可变阻抗/QP力跟踪、双边遥操作共享控制和全局能量罐约束无源性。实验显示恒定与时变力跟踪最大中位误差0.25 N，共享控制优于常规方法，并使12名用户工作负荷降低54.6%。
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong, China; Department of Mechanism Engineering, The University of Hong Kong, Hong Kong, China
面向城市机器人长期运行，SLIM针对稠密LiDAR点云地图存储大、维护和多会话扩展困难的问题，将结构化点云参数化为线与面，用于地图合并、PGO与BA，并通过以地图为中心的非线性因子恢复稀疏化位姿以控规模。在KITTI、NCLT、HeLiPR、M2DGR多会话实验中，它保持全局一致与可复用定位能力，KITTI约130 KB/km，显著低于点云地图。
Department of Engineering for Innovation Medicine, University of Verona, Verona, Italy
面向存在未知通信延迟的双边遥操作，论文针对稳定性与透明度难以兼顾、非线性被动MPC计算量过高的问题，提出线性化虚拟能量罐与新的能量共享协议，用线性约束保证对非线性能量动态的保守下界，从而构造可实时求解的被动线性MPC。两台7自由度Franka在装配、探测等任务中的实验显示，该方法能维持闭环稳定并降低相对非线性MPC的计算负担。
Inria—Département d'Informatique de l'École normale supérieure, PSL Research University, Paris, France; LAAS-CNRS, Toulouse, France
面向机器人MPC中力矩限制、避障等硬约束，传统DDP依赖软惩罚或内点法时易出现病态、可行性和热启动问题。ProxDDP将原始-对偶近端/增广拉格朗日思想嵌入DDP与Riccati结构，形成可热启动的约束轨迹优化器，并在aligator中开源实现。实验覆盖多类轨迹规划和四足机器人全身实时MPC，显示其能更稳定地满足硬约束并保持较好收敛表现。
Department of Mechanical Engineering, IAMD and IOER, Seoul National University, Seoul, South Korea; Korea Atomic Energy Research Institute, Daejeon, South Korea
面向高空检修中柔性升降平台带来的变形与振荡问题，论文让双臂机器人一臂借助支撑面接触、另一臂执行高力高精度操作。核心在于柔性基座双臂刚度分析，并将名义构型/接触力优化、主动刚度增益优化和PI型力矩反馈结合，在稳定性、关节/力矩限制与摩擦锥约束下生成期望力旋量多面体；仿真与实验验证了该框架可提升交互力控制的精度与鲁棒性。
NVIDIA Corporation, Seattle, WA, USA; University of Washington, Seattle, WA, USA
面向触觉在接触丰富操作中难以高效生成数据、进而限制策略学习的问题，TacSL 将视触觉图像与法/切向力场仿真集成到 Isaac 的 GPU 并行框架，并配套 GelSight 模型、装配环境及非对称 actor-critic 蒸馏算法。实验显示其触觉图像生成较 Taxim 快 200×以上，力场仿真最高达数百倍加速，并支持触觉/多模态策略训练与零样本 sim-to-real 迁移。
Intelligent Robotics Institute, School of Mechatronical Engineering, Beijing Institute of Technology, Beijing, China; School of Medical Technology, Beijing Institute of Technology, Beijing, China; Department of Biomedical Engineering, City University of Hong Kong, Hong Kong; Beijing Advanced Innovation Center for Intelligent Robots and Systems, Beijing Institute of Technology, Beijing, China; Department of Micro-Nano Systems Engineering, Nagoya University, Nagoya, Japan; Key Laboratory of Biomimetic Robots and Systems, Beijing Institute of Technology, Ministry of Education, Beijing, China
面向体内狭窄、弯曲且地形多变的腔道环境，论文提出一种双稳态软薄膜毫米机器人：水凝胶机体可随 pH/离子刺激在两种形态间可逆切换，磁驱动头实现波动、滚动、翻滚、螺旋等运动，并用运动基元与地形—动作知识图谱降低模式选择复杂度。实验显示其可通过 1 mm 弯曲通道、0.8 mm 台阶和猪肠腔，并用尾部携带免疫细胞杀伤癌细胞。
Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign, Urbana, IL, USA; Mitsubishi Electric Research Laboratories (MERL), Cambridge, MA, USA; School of Computing and Data Science, University of Illinois at Urbana-Champaign, Urbana, IL, USA
面向接触丰富操作中 CITO 随候选接触点增多而难以求解的问题，论文提出 STOCS，在轨迹优化迭代内用无限规划/主动集思想动态选择关键接触点与接触时刻，并以 TAMVO 等 oracle 减少 MPCC 规模。实验显示其可处理含数万顶点的高保真 2D/3D 滑动、枢转和插孔任务，相比常规 CITO 在中等规模问题上快数百到数千倍。
MECO Research Team, Department of Mechanical Engineering, KU Leuven, Leuven, Belgium; Flanders Make@ KU Leuven, Leuven, Belgium
面向自动驾驶、仓储机器人等需高频调用 Reeds–Shepp 求解器的实时规划场景，本文用几何推理重新划分状态空间，将候选路径从 46 类压缩到 20 类，并在每次查询中只评估对应分区的一类路径；同时提出终端朝向未指定的 Reeds–Shepp 问题。穷举实验显示其相对 OMPL 现代 C++ 实现约提速 15 倍，路径长度仅有机器精度差异，并开源实现。
City University of Hong Kong, Hong Kong, SAR, China; University of Southern California, Los Angeles, CA, USA; University of Science and Technology of China, Hefei, China; Lawrence Livermore National Laboratory, Livermore, CA, USA; Tsinghua University, Beijing, China; Nankai University, Tianjin, China
面向长期、大规模真实环境中光照、天气和视角变化导致的视觉定位不稳与检索耗时问题，iLoc将Transformer自适应域对齐、注意力增强识别、粗到细全局匹配及结合视觉里程计与回环的位姿图优化整合为统一系统。实验显示其可在最长2 km场景中约0.5 s完成重定位，平均精度约1 m，并在多变条件下保持较稳定表现。
Institute for Dynamic Systems and Control, ETH Zürich, Zürich, Switzerland; Chemical Energy Carriers and Vehicle Systems Laboratory, Empa—Swiss Federal Laboratories for Materials Science and Technology, Dübendorf, Switzerland; Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA
面向自动车等移动机器人中传感器、感知算法、规划器与算力相互耦合、资源受限的设计难题，论文提出 CODEI 共设计框架，用 occupancy queries 将采样式运动规划的感知需求形式化，并以误检/漏检性能和整数线性规划完成传感器—算法选择与布置。城市 AV 案例显示，任务复杂度会显著推高资源需求，资源偏好会改变方案：低成本轻量时偏向相机，重视能耗与计算效率时更倾向激光雷达。
Department of Mechanical Engineering, University of California at Berkeley, Berkeley, CA, USA; LIDS, Massachusetts Institute of Technology, Cambridge, MA, USA
面向自动驾驶、群体导航等多智能体运动规划中目标耦合、约束博弈求解过慢的问题，本文将一类实际交互代价结构刻画为加权约束势动态博弈，把求广义纳什均衡转化为单个带约束最优控制问题，并可用现成求解器处理非线性动力学与避碰约束。仿真显示其相较先进博弈求解器显著缩短求解时间，硬件实验还验证了双四旋翼搬运刚体并绕开行人的导航场景。
Stanford University, Stanford, CA, USA; Temple University, Philadelphia, PA, USA; University of California San Diego, San Diego, CA, USA
针对 NeRF 导航难以实时、点云/体素地图又可能丢失几何细节与安全约束的问题，Splat-Nav 将 Gaussian Splatting 的椭球几何直接用于导航：Splat-Plan 构造可证明安全的多面体走廊并生成 Bézier 轨迹，Splat-Loc 仅用单目 RGB 在同一 GSplat 地图中定位，避免手工坐标对齐。仿真中较点云规划更安全，硬件飞行中达到与 mocap/VIO 相近安全和速度，重规划超过 2 Hz、定位约 25 Hz。
Department of Electrical and Electronic Engineering and I-X, Imperial College London, London, U.K.
水下弱光、浑浊和结构特征间歇丢失会使纯视觉或视觉惯性 SLAM 快速漂移。AQUA-SLAM 将 DVL、双目相机与 IMU 在图优化中紧耦合，并显式建模 DVL 测速与换能器误差，同时提供可在线运行的外参与 DVL 失准标定。水池真值和北海外场实验显示，其定位精度与鲁棒性优于现有水下及视觉惯性 SLAM，尤其在视觉退化时优势明显。
Department of Computer Science, University of Hong Kong, Hong Kong; Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, China; Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Robotics and Autonomous Systems Thrust, Hong Kong University of Science and Technology Guangzhou, Guangzhou, China; IOTSC, University of Macau, Macau, China; Weizmann Institute of Science, Rehovot, Israel; Sifakis Research Institute for Trustworthy Autonomous Systems, Southern University of Science and Technology, Shenzhen, China
面向拥挤未知环境中非完整约束机器人的实时避障，NeuPAN避免传统感知到规划管线的误差累积，直接将LiDAR原始点云经点流编码为潜在距离特征，并把该特征作为神经正则嵌入可解释的近端交替最小化运动规划。多平台仿真与真实实验显示，其在成功率、时间效率、鲁棒性和跨场景泛化上优于基线，可在无地图、动态且形状复杂的障碍环境中通行。
University of South Carolina, Columbia, SC, USA; Texas A&M University, College Station, TX, USA; Carnegie Mellon University, Pittsburgh, PA, USA
机器人导航/操作栈参数众多且跨模块耦合，传统贝叶斯调参在高维空间中收敛慢，且仿真到实机或跨平台后最优配置常失效。CURE的关键做法是在低成本仿真中学习配置项、系统变量与性能目标的因果结构，筛掉非因果相关参数，再在目标环境中做多目标贝叶斯优化。实验覆盖Husky、Turtlebot 3和Panda任务，显示相对MOBO可获得约2倍性能改进，并在仿真知识迁移到实机时实现约4.6倍效率提升。
School for Mechanical and Mechatronic Engineering, University of Technology Sydney, Ultimo, NSW, Australia; Australian Cobotics Centre, Brisbane City, QLD, Australia; Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA
面向货架/仓储等半结构化场景中多任务机械臂需要快速在线排序且低层运动代价常被忽略的问题，论文提出 HAP：离线用 ε-Gromov-Hausdorff 近似分解任务空间，把任务空间近邻与构型空间短平滑路径对应起来，并给出子空间内路径次优界，从而在线按子空间聚类求解 RTSP。仿真中覆盖 6/7 自由度和移动操作臂，规划最高快 3 倍、最大 jerk 降低 5 倍，且成功率更稳定。
Department of Electrical and Computer Engineering, University of Connecticut, Storrs, CT, USA; Naval Undersea Warfare Center, Newport, RI, USA
针对传统 Dubins 模型固定速度导致转弯半径大、路径耗时长且近障高速机动风险高的问题，论文提出广义多速度 Dubins 模型，在六类经典路径段上为转弯和直行段选择不同速度，并给出解析解、全可达性证明及 Dubins 退化情形。Monte Carlo 结果显示其在无障碍场景以近似相同计算时间降低旅行时间，在复杂障碍中显著降低碰撞风险。
Electrical and Computer Engineering Department, University of Kentucky, Lexington, KY, USA
面向关节锁死等故障下的冗余机器人实时全局容错规划，论文将一维自运动流形表示为可学习的傅里叶闭式形式，并用元胞自动机按流形数量与同伦类聚类，再由神经网络预测同伦类和傅里叶系数。该方法在平面3R、空间4R/7R机器人各1万工作空间点上验证，精度较高且显著快于零空间投影、采样和网格方法，并支持7R仿真与3R实物快速生成提高任务完成概率的轨迹。
State Key Laboratory of Mechanical Transmission for Advanced Equipment, Chongqing University, Chongqing, China; Department of Biomedical Engineering, City University of Hong Kong, Hong Kong, China; College of Mechanical Engineering, Zhejiang University of Technology, Hangzhou, China; Department of Chemical and Biomolecular Engineering, North Carolina State University, Raleigh, NC, USA; School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore; Centre for Nature-Inspired Engineering, City University of Hong Kong, Hong Kong, China
针对传统电液软驱动器难以兼顾大变形、轻量化与抗损伤的问题，论文将多数液体介质替换为空气，仅保留0.1 mL硅油增强电场作用，并结合TPU气囊、限伸电极层和PVC框架形成电-气混合弯曲驱动。单个EPA重0.98 g，可在60 ms内弯至93.5°、最高20 Hz摆动，5000次循环性能波动小于5%，且针刺或1500 kg车辆碾压后仍可工作，并在6 kV下实现抓手、爬行和水面行走机器人演示。
University of Tokyo, Tokyo, Japan
面向特定任务域的运动规划常在全局方法成功率与局部方法速度之间取舍。CoverLib将经验库构建显式表述为问题分布覆盖最大化，迭代加入“轨迹经验—可适应区域分类器”对，并在查询时用分类器而非最近邻选择可改造经验。实验显示其在采样式和优化式适配器上均能以较小库规模获得更快规划和较高成功率。
School of System Design and Intelligent Manufacturing and Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, Southern University of Science and Technology, Shenzhen, China; School of Mechanical Engineering and Automation, Harbin Institute of Technology, Shenzhen, China; School of System Design and Intelligent Manufacturing, Southern University of Science and Technology, Shenzhen, China; School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore; Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA
针对多机器人协同中只能获得距离、方位或角度等局部相对测量、且坐标系可能不对齐的问题，论文提出“相对可定位性”概念，将自位移与少量采样时刻的互测信息结合，给出纯代数、分布式的相对定位判据与算法。结果表明在最多4步采样内可同时恢复机器人相对位置及坐标系相对朝向，并通过地面机器人仿真和实验验证。
Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague, Prague, Czech Republic
针对无人机等电池受限多机器人在三维空间频繁变换队形时既要省时又要避免互撞的问题，论文提出 CAT-ORA：将带互斥约束的机器人-目标分配建模为瓶颈分配，并结合闭式最短完成时间轨迹生成，给出完备性、最优性和最小间距保证。仿真与19架无人机户外实验表明，该方法可毫秒级求解32机器人实例，重塑时间较常用方法最高降低49%、平均降低12%。
Research into Artifacts, Center for Engineering, The University of Tokyo, Bunkyo, Japan; Graduate School of Advanced Science and Technology, Japan Advanced Institute of Science and Technology, Ishikawa, Japan; Research Institute, Wakachiku Construction Company Ltd., Chiba, Japan; Tokyo College, The University of Tokyo, Bunkyo, Japan; Department of Human and Engineered Environmental Studies, Graduate School of Frontier Sciences, The University of Tokyo, Bunkyo, Japan
针对水下实测成本高、声学相机数据与真值难获取且现有仿真真实感不足的问题，ACSim在自定义渲染引擎中引入递归光线追踪以处理任意场景多次反射，结合物理着色、抗混叠重采样以及滚动快门和串扰噪声建模，并输出几何/语义真值。论文通过若干下游任务表明，合成数据训练的模型可迁移到真实声呐图像，支持仿真到现实评测与学习。
State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China; University of Chinese Academy of Sciences, Beijing, China
针对磁性硅藻生物混合微机器人在靶向递送中仍依赖开环或简单闭环、难以实时避障的问题，论文构建了“感知-规划-执行”闭环：用加入注意力与多尺度融合的 AM-YOLOv7 检测机器人、障碍细胞和目标细胞，用带转向惩罚与平滑策略的 PS-A* 规划轨迹，并以自适应模糊 PID 跟踪。仿真与细胞场景实验显示，该系统能规划更短更平滑路径，使机器人避开障碍细胞并到达目标细胞。
Research Institute, UBTECH Robotics Inc., Shenzhen, China
面向机器人规划、仿真与安全距离查询中常见的混合几何表示，本文解决两组紧致凸集之间最小欧氏距离长期只能暴力枚举的问题。核心洞察是利用任意一对凸集由 GJK/EP 得到的最小平移方向构造支撑/分离平面，从而快速排除不可能成为最近对的集合。实验显示该统一算法适用于凸基元、三角网格和点云等混合集合，相比暴力搜索可提升数百到数千倍。
Department of Mechanical Engineering, City University of Hong Kong, Hong Kong; Department of Computer Science, University College London, London, U.K.; Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA; Robot Perception and Navigation Group, University of Delaware, Newark, DE, USA; Nankai University, Tianjin, China
面向机器人长期、大规模自主运行，论文指出地点识别已从SLAM中的闭环检测扩展为支撑全局定位、失效恢复和多机器人协同的核心能力。其主要洞察是提出“General PR”视角，统一视觉、LiDAR、雷达及文本/场景图/隐式表示等多模态地点表征，并围绕条件与视角不变性、泛化、效率和不确定性梳理方法。作为综述，主要结果是形成问题定义、方法谱系、应用场景、数据集与开源库的系统框架，未给出新的实证性能增益。
CNRS, Inria, IRISA, Campus de Beaulieu, Univ Rennes, Rennes Cedex, France; LAAS-CNRS, Université de Toulouse, CNRS, UPS, Toulouse cedex 4, France; Dipartimento di Ingegneria Informatica, Automatica e Gestionale, Sapienza Università di Roma, Roma, Italy
针对机器人模型参数不确定性会使标准 MPC 在受限导航中低估状态偏差和控制余量的问题，论文将闭环状态/输入敏感度引入在线 MPC，用椭球管收紧时变约束，并通过 QP/KKT 敏感度高效获得预测反馈增益，使复杂度接近普通 MPC。仿真与四旋翼实验证明，该方法在参数扰动下提升跟踪、约束可行性和任务成功率。
Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan, China; School of Electronic and Electrical Engineering, University of Leeds, Leeds, U.K.; Wuhan United Imaging Healthcare Surgical Technology Company Ltd., Wuhan, China; Laboratoire Images, Signaux et Systèmes Intelligents, University of Paris-Est Cretéil, Cretéil, France
针对负重行走中背包惯性振动与静载荷共同造成肩部压力、且现有主动背包难适应多地形的问题，论文将类肢体结构仿生隔振器嵌入主动载荷转移背包，并建立人—包垂向动力学与带预设性能约束的串联弹性执行器控制，实现减振、限位和向骨盆分担载荷。实验显示代谢率在平地、楼梯和复杂地形分别降低18.68%、9.58%和12.35%。
College of Artificial Intelligence, Nankai University, Tianjin, China; Tianjin Key Laboratory of Intelligent Robotics, Nankai University, Tianjin, China; Engineering Research Center of Trusted Behavior Intelligence, Ministry of Education, Nankai University, Tianjin, China
针对单目物体级 SLAM 中语义检测与几何特征常被分离使用、导致对象建模和位姿优化不一致的问题，TiMoSLAM 将语义关系图引入物体表示、检测、关联与联合优化全过程，并用复合假设树同步构建对象 SRG 与三维长方体模型。实验在多数据集和真实场景验证其可提升相机位姿估计与对象级语义地图一致性。
School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Electrical Engineering, Liaoning University of Technology, Jinzhou, China
面向水下抓取中软夹爪承载低、抗水流扰动差且控制不准的问题，论文提出腱驱动刚软混合夹爪：硅胶手指外覆一自由度多连杆刚性外骨骼，并建立同时考虑弯曲与拉伸的运动学/力学模型。实验显示其可柔顺夹取豆腐，三指举起80 kg杠铃，在ROV运动抓取中保持较好稳定性，且仅用四个23 g舵机便于集成。
Department of Engineering Mathematics and Bristol Robotics Laboratory, University of Bristol, Bristol, U.K.; Department of Soft Robotics for Human Cooperation and Rehabilitation, Istituto Italiano di Tecnologia (IIT), Genova, Italy; Department of Information Engineering and the Research Center “E. Piaggio,”, University of Pisa, Pisa, Italy
针对欠驱动软手难以从电机侧可靠估计接触力、抓取易滑落或压坏柔软物体的问题，本文将五指 microTac 触觉传感器、并行视觉处理和迁移学习力/位姿估计结合，提出以法向力与剪切力维持“预滑移”平衡的抓取控制。实验中，SoftHand 能在杯子载荷变化、倒水质心变化和人引导扰动下调节抓力，保持稳定且避免压坏，说明剪切触觉可部分弥补欠驱动手灵巧性不足。
School of Computer Science and Technology, Harbin Institute of Technology, Harbin, China; SenseTime Ltd., Hangzhou, China; Peng Cheng Laboratory, Shenzhen, China
针对机器人抓取等任务中 ICP 位姿细化依赖显式点—模型对应、易陷局部最优且邻域搜索耗时的问题，论文用仅由 CAD 离线训练的隐式神经 SDF 表示物体表面，并通过最小化观测点云的绝对 SDF 直接优化 6D 位姿。该思路把匹配转为连续表面优化，在大初始误差、噪声、遮挡、反光和尺度变化下更稳健；合成与真实数据实验显示其精度和运行效率均优于多种 ICP 变体。
Parallel Robot and Mechatronic System Laboratory of Hebei Province, Yanshan University, Qinhuangdao, China; Key Laboratory of Advanced Forging and Stamping Technology and Science, Ministry of Education of China, Yanshan University, Qinhuangdao, China
针对轮式机器人高效但越障弱、足式机器人适应性强但效率低的问题，本文提出四足机器人 TerraAdapt，将可变形轮足一体结构用于在轮式、足式和大摆臂模式间切换；其核心是基于螺旋理论设计的 RRR-RP 模式切换机构与 2RRR 足式并联结构，且切换不需额外驱动。仿真与多代样机外场测试表明，该结构能在室内平面和含障碍户外地形间实现较好的运动适应性。
Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science (EEMCS) Faculty, University of Twente, Enschede, AE, The Netherlands; Department of Computer, Control and Management Engineering, Sapienza University of Rome, Rome, Italy
面向无人机通过单点携带柔性电缆时仅控端点难以抑制形变、也不利于避障的问题，论文将电缆建模为PDE、四旋翼边界为ODE，并用POD谱降阶得到可在线NMPC使用的低维模型，实现位置与电缆形状联合跟踪。仿真以高维有限差分模型验证，实机实验显示其比调参PID更快稳定电缆形状，但静态误差仍受外扰影响。
Tsinghua University, Beijing, China; Julius-Maximilians-Universität Würzburg, Würzburg, Germany; Zentrum für Telematik e.V., Würzburg, Germany; ENSTA, Institut Polytechnique de Paris, Palaiseau, France
针对现有 SLAM/三维重建流水线高度耦合、难以复用和扩展的问题，SceneFactory 将增量场景建模拆成跟踪、flexion、深度估计与重建四个可组合模块，并用 U²-MVD 联合估计位姿、内参与深度，结合 ScaleCov 补全和多分辨率神经点重建表面/颜色。实验显示其在多种输入与任务下可达到或超过专用紧耦合方法，但具体增益在多大程度来自模块设计仍需结合各消融判断。
Department of Mechanical Engineering, University of Kansas, Lawrence, KS, USA; Department of Mathematics, University of Kansas, Lawrence, KS, USA; Department of Electrical and Systems Engineering, Washington University in St. Louis, St. Louis, MO, USA
针对神经状态空间车辆模型使MPC运动规划陷入高维非凸优化、梯度法计算重且对初值敏感的问题，论文将控制目标与约束转写为贝叶斯估计证据，提出MPIC框架，并用隐式粒子滤波/平滑及UKF/UKS组实现高概率采样。仿真和实车验证显示其在复杂网络模型和较大规模规划中比梯度MPC更高效，且保持可行的轨迹估计精度。
State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China; Huzhou Institute, Zhejiang University, Huzhou, China
面向移动机器人/飞行机器人在线规划中需快速构造大尺度无碰撞凸区域、且安全走廊必须包含路径或机器人形状的需求，论文提出 FIRI：用带种子包含约束的限制性膨胀生成半空间，并迭代求最大内接椭球提升体积下界；同时为低维多约束 QP、MVIE 设计专用求解，含 2D 线性复杂度解析算法。实验显示其在区域质量、可管理性和速度上优于现有方法，较通用求解器有数量级加速。
Department of Electrical and Computer Engineering, Drexel University, Philadelphia, PA, USA
针对多机器人在竞争性探测、监视等任务中既受通行拓扑限制又具有异构攻防能力的问题，本文将 Colonel Blotto 博弈扩展到图上的机器人分配，并用双预言机算法求纳什均衡；关键创新是为循环克制型异构机器人定义类型转换规则和效用函数，并将最优响应线性化为 MILP。仿真显示该方法在同构、线性异构和循环克制场景中可收敛到均衡，策略优于基线。
State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; Centrale Lille, CRIStAL - Centre de Recherche en Informatique Signal et Automatique de Lille, University of Lille, Lille, France; Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, China
针对水下机器人在低照度和扰流环境中难以稳定感知局部水流的问题，论文提出 FlowSight：用仿侧线柔性触须把流速/流向转化为形变，并由内置视觉系统与 CNN-LSTM 从图像序列端到端估计二维水流矢量。作者通过 FSI 分析、泳道数据训练测试，并集成到 RoboDact 完成基于流感知的闭环控制，验证了无需外部设备的可行性与实用性。
State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; Institute for Artificial Intelligence, Peking University, Beijing, China; School of Advanced Manufacturing and Robotics, Faculty of Engineering, and the Institute for Artificial Intelligence, Peking University, Beijing, China; Peking University Third Hospital, Beijing, China; University of Health and Rehabilitation Sciences, Qingdao, China
面向人机协作中上肢意图需及时、可解释且安全解码的问题，本文用EIT从肢体横截面获取浅层与深层肌肉的电导变化，并将肌肉识别、参数估计和肌骨模型结合，而非完全依赖数据驱动映射。实验覆盖多自由度腕部运动估计、不同收缩强度下的端点刚度估计和机器人可变导纳控制，精度接近主流方法，同时训练样本更少、传感前端更紧凑。
Department of Intelligence and Information, Seoul National University, Seoul, South Korea; Advanced Institutes of Convergence Technology, Seoul, South Korea; ASRI, AIIS, Seoul National University, Seoul, South Korea
针对人形机器人在不平地形或碰撞扰动下仅靠 ZMP/踝策略易受支撑多边形限制的问题，本文把捕获点跟踪写入 MPC，统一协调踝、髋部角动量与迈步策略，并通过可变权重抑制角动量、分层步态控制优化落脚位置和步时。仿真与实机表明，该框架较基于 QP 的 CP 控制器更抗扰；消融中全策略组合的平均可承受冲量较若干子组合提升约 14.5%–72.2%。
School of Mechanical Engineering, Hefei University of Technology, Hefei, China; School of Mechano-Electronic Engineering, Xidian University, Xi'an, China; School of Computing, Engineering & Digital Technologies, Teesside University, Middlesbrough, U.K.; Faculty of Engineering, The Hong Kong Polytechnic University, Hong Kong
面向搬运任务中腰背高负载和现有背部外骨骼难以顺应脊柱多自由度运动的问题，论文提出刚柔耦合的仿生五自由度折纸单元，并由7个单元构成欠驱动主动脊柱辅助外骨骼，配合绳驱模块与自适应控制以适应不同举升方式和重量。实验中搬运10 kg物体时，对称举升使腰竖脊肌平均肌电下降41.28%，非对称举升左右侧分别下降30.15%和39.54%。
Institut de Robòtica i Informàtica Industrial (CSIC-UPC), ETSEIB, Barcelona, Spain; Department of Mathematics (UPC), Barcelona, Spain
本文针对球面无滑动独轮车/非完整球铰的点到点路径规划，动机是平面车辆方法难以直接给出解析且全局可用的球面控制。核心洞察是通过改变参考系，将原非完整运动学改写为可积分的线性时变系统，并用三个自由参数构造闭式控制。结果表明该形式可连接任意两姿态，并给出奇异性刻画及四个示例验证。
School of Computing Science, Simon Fraser University, Burnaby, BC, Canada
针对传统网格多机器人覆盖规划依赖2×2粗化网格、难处理部分障碍且不消解机器人冲突的问题，本文直接在原始四邻接网格上重构MCPP，提出可保证完全覆盖且有界次优的ESTC，并结合局部搜索形成LS-MCPP，再用MAPF后处理处理碰撞和转弯代价。实验显示其可在分钟级规划256×256网格、最多100台机器人，并经实体机器人验证可执行性。
School of Traffic and Transportation, Chongqing Jiaotong University, Chongqing, China; School of Information Science and Engineering, Chongqing Jiaotong University, Chongqing, China; School of Artificial Intelligence, Anhui University, Hefei, China; School of Mechanical and Electrical Engineering, Southwest Petroleum University, Chengdu, China; School of Communications and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China; School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA
面向零信任自动驾驶中车载雷达易受互射频干扰、弱扩展目标被鬼影和噪声淹没的问题，AiDT将检测连续嵌入跟踪，通过累积反射功率把散射点作为整体匹配目标，并用自适应空间分布模型联合更新运动与形状状态，减少数据关联依赖。低成本MIMO雷达实验显示，其在遮挡、运动模式切换和多扩展目标场景下仍能保持较准确、抗干扰的检测跟踪。
Institute for Infocomm Research (I2R), Agency for Science, Technology and Research (A*STAR), Singapore; National University of Singapore (NUS), Singapore; Computer Science, and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology (MIT), Cambridge, MA, USA
针对多机器人搜索中单机故障会使执行阶段队伍规模变化、传统 MuRES 规划缺乏韧性的问题，论文提出 R-FAC 价值函数分解范式，并以 V2DN 用 log-sum-exp 聚合个体价值以适配不同队伍组成。实验在两个基准环境及真实室内多机器人系统中验证，机器人退出时韧性评分优于现有 MuRES 方法和普通 VDN。
Department of Mechanical Engineering, State Key Laboratory of Tribology in Advanced Equipment, Beijing Key Laboratory of Transformative High-end Manufacturing Equipment and Technology, Tsinghua University, Beijing, China
面向仿生腿式机器人中软人工肌肉力输出不足、难以轻量闭环感知的问题，本文用薄板理论优化波纹型流体弹性驱动器，并嵌入光电位移感知，构建含单关节/双关节肌肉配置的二维双关节仿生腿。实验显示其可完成极限摆动、承载2.45倍体重深蹲、147 mm离地跳跃和稳定行走，且无需足端力传感器即可估计接触状态。
Department of Systems Engineering, City University of Hong Kong, Hong Kong, SAR, China; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong, SAR, China; College of Electrical Engineering and Automation, Fuzhou University, Fuzhou, China; Institute of Marine Mechatronics Equipment, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, China
针对长航程水下观测受能耗、深海环境不确定性和稀疏水文感知限制的问题，论文提出面向1000 m深度、3000 km级任务的LRUR系统，并将双回路浮力/质量姿态机构、稀疏观测增量扩展感知与环境耦合实时动力学模型结合。仿真和累计600 km海试验证了机器人自主可靠性、环境预测精度和运动效率提升。
Intelligent Autonomous Systems Group, Technical University of Darmstadt, Darmstadt, Germany; Department of Systems AI for Robot Learning, German Research Center for AI (DFKI), Darmstadt, Germany; Huawei R&D London, Cambridge, U.K.; Hessian Centre for Artificial Intelligence and the Centre of Cognitive Science, Darmstadt, Germany
面向真实机器人在线强化学习中探索可能破坏安全约束的问题，本文将安全状态表述为约束流形，并在其切空间构造可任意采样的安全动作空间，避免反复求解QP或依赖备份策略；进一步给出含松弛变量的动力系统解释、LaSalle/输入到状态稳定性分析和扰动下有界违约结论，并扩展到部分可控、高阶与等式约束场景。实验含低维验证和真实机器人冰球在线微调，显示可处理高维复杂约束任务。
Institut für Technische Informatik (ZITI), Heidelberg University, Heidelberg, Germany; ICAROS Center, University of Naples Federico II, Naples, Italy; Department of Informatics, Faculty of Natural Mathematics and Engineering Sciences, King's College London, London, U.K.; Akina AG, Zürich, Switzerland; Department of Computer Engineering, School of Computation, Information and Technology, Technical University of Munich (TUM), Munich, Germany
针对外骨骼在平地与上下楼梯间难以及时调节助力、而深度视觉方案算力和数据需求高的问题，本文将基于RGB-D场景几何建模的物理先验视觉控制嵌入软髋部外骨骼，用显式几何规则识别地形并调节助力。6名受试者实验中地形检测准确率达93.0±1.1%，相比无视觉调节，上楼和下楼代谢降低更明显，并分别实现助力扭矩增加与减少，显示其适合实时嵌入式助行控制。
Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, USA; Department of Robotics, University of Michigan, Ann Arbor, MI, USA; Institute for Robotics and Intelligent Machines, Georgia Institute of Technology, Atlanta, GA, USA
面向多机器人在拥挤信息采集任务中既要近似最优又受限于通信/计算带宽的问题，论文提出资源感知分布式贪心 RAG，让机器人仅基于邻居及邻居相关信息决策，并给出网络拓扑与近似性能的关系，指出稀疏邻域可显著提升扩展性而性能损失不成比例。在含真实 r2r 延迟的 AirSim 道路覆盖仿真中，最高 45 架无人机实现实时规划，相比近似最优基线快最多三个数量级且平均覆盖更好。
School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China
面向室内结构环境中平面特征易混淆、位姿漂移会导致地图不一致的问题，CornerVINS在RGB-D惯性EKF框架中同时利用点、有限平面片和由三正交平面形成的6自由度“盒角”地标，并用层次化机制提取与关联几何特征。实验显示，盒角约束可提升数据关联可靠性，带来更高定位精度和更一致的布局地图，同时保持较低计算开销。
School of Mechatronical Engineering, Beijing Institute of Technology, Beijing, China; School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China; Robotics and Mechatronics Lab, Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente, Enschede, The Netherlands; Department of Computer Science and Technology, Tsinghua University, Beijing, China
针对集成多旋翼平台在空中操作中既要全驱动交互、又常依赖外部定位和力/力矩传感器的问题，本文构建仅用机载传感器的控制与估计框架：以6D运动控制为底层，结合导纳交互、几何MPC感知姿态校正、无力传感器扳手观测与多VIO/运动学约束融合定位。原型在目标侦察、建图、空中插孔和6D接触扳手实验中验证了可行性，并显示定位精度与任务自主性提升。
Engineering and Technology Institute, University of Groningen, Groningen, The Netherlands
面向机器人定位中测量微扰会被病态逆问题放大的场景，本文将Tikhonov正则化解释为矩阵逆幂级数近似的低阶形式，并提出高阶正则化以减少过平滑偏差；同时给出先验正则矩阵选择准则和两种偏差校正策略。仿真与3D UWB传感网络实验表明，该方法在稳定病态定位求解、降低偏差方面优于传统Tikhonov方案。
Department of Cognitive Robotics, Delft University of Technology, Delft, CD, The Netherlands; Institute for Dynamic Systems and Control, Zürich, Switzerland; Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague, Praha, Czechia
针对嵌入式移动机器人算力有限、单层非线性MPC难以同时兼顾长视野规划与快速反馈的问题，本文将MPC拆成慢速长预测规划层和快速跟踪层，并用同一非线性模型协同设计约束收紧与终端条件，以保证静态环境中的避障和递归可行性。四旋翼仿真与实机实验显示，该实现可在机载Jetson上实时运行，相比单层MPC将规划视野扩大约5倍，并带来更快到达和更稳的飞行表现。
Department of Mechanical Engineering, Colorado School of Mines, Golden, CO, USA; CisLunar Industries, Denver, CO, USA
面向太空碎片回收等无需推进剂的远程操作需求，论文将振荡磁场在导体中诱发的涡流/偶极子平均效应建模为类抗磁相互作用，从而绕开静磁操控受 Earnshaw 定理限制的问题。其解析模型支持多线圈叠加并设计开环三维位置轨迹，在仿真和四线圈实验平台上实现了半浮力铝球的开环位置控制与局部稳定悬浮。
School of Artificial Intelligence, Sun Yat-Sen University, Zhuhai, China; School of Computer Science and Engineering, Sun Yat-Sen University, Guangzhou, China; School of Systems Science and Engineering, Sun Yat-Sen University, Guangzhou, China
面向四旋翼高速急转时气动阻力随速度变化导致模型失配、传统固定或慢自适应控制精度下降的问题，论文将不同速度域视为元学习任务，学习速度相关动力学参数，并结合在线增量更新嵌入 MPCC。仿真与实飞覆盖轨迹跟踪、高速机动和风扰场景，显示该方法在复杂速度变化下仍能保持较高跟踪精度与鲁棒性。
School of Information Science and Technology, Beijing University of Technology, Beijing, China; Beijing AIForce Technology Company Ltd., Beijing, China; Department of Computer Science and Technology, Tsinghua University, Beijing, China; Department of Computer Science, University of Hong Kong, Hong Kong, SAR, China
面向温室番茄串采摘中感知不完整、果串易损和数据标注有限的问题，论文将目标检测与花梗/果实关键点估计通过TDFNet自上而下融合，并结合表型与3D姿态决策、由下向上包络的圆形旋转切割末端执行器来降低碰撞与拉拽。真实场景实验显示，在完整/有限数据下精度最高提升11.42%/22.29%，系统平均采摘成功率达89.58%。
Academy for Engineering and Technology, Fudan University, Shanghai, China; Huzhou Institute of Zhejiang University, Huzhou, China; Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China; School of Aeronautic Science and Engineering, Beihang University, Beijing, China
面向大规模空中机器人集群中避障与机器人间交互导致在线规划复杂度爆炸的问题，Primitive-Swarm采用去中心化异步重规划，将时间最优且动力学可行的运动基元库及空间/时空占用关系离线预计算，把在线优化转为安全基元的线性选择。实验显示其在密集环境中规划耗时低于1 ms，并可实时仿真1000架机器人，实机验证了可行性与鲁棒性。
Department of Electrical Engineering and Computer Science, University of California, Irvine, CA, USA; School of Interactive Computing, Georgia Institute of Technology, Atlanta, GA, USA
针对异构多机器人在动态环境和多任务间难以自适应的问题，论文把环境/目标建模为由增广 Fokker–Planck 方程演化的时变密度，并用带稳定性证明的去中心化覆盖控制连接机器人能力差异、安全区域与任务适配。实验覆盖森林灭火、追逃、环境监测和载运互助，显示同一框架可在多类协作任务中实时调度异构团队。
STARS Laboratory, Institute for Aerospace Studies, University of Toronto, Toronto, ON, Canada
面向家庭整理、混合码垛等需要在复杂接触中稳定放置物体的场景，本文把传统“采样位姿再评估”反过来，先依据静态鲁棒性图选择接触点，再求能形成这些接触的位姿，且纳入质量、质心和摩擦而不限制形状凸性。1500余次仿真和10组真实机器人实验显示，该启发式相较无鲁棒性版本约快20倍、较采样评估基线约快8倍，并在多数基准中更容易找到稳定放置。
School of Aerospace Engineering, Beijing Institute of Technology, Beijing, China; Department of Engineering, King’s College London, London, U.K.; Department of Data Science and AI, Monash University, Clayton, Australia
薄片柔性物体如纸张、保鲜膜常成叠且易变形，视觉难以判断层数，传统吸盘或软夹爪通常一次只能分离一层。RoTipBot的核心是可连续旋转、全指尖感知的视觉触觉传感器RoTip，通过双指滚动送料并用触觉维持接触、估计接触面和计数层数，实现多层一次抓取。实验显示其接触面估计平均误差约1.51°，总体成功率优于SOTA，速度最高提升3倍，并展示了此前方法不具备的多层计数抓取能力。
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China; Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, China; School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA
柔性微创手术机器人中的腱鞘传动会因路径弯曲、术中路径变化和远端无法布置传感器而产生动态滞后，影响末端定位。论文将路径相关腱伸长建模与多芯 FBG 光纤路径感知结合，在线更新传动参数，并用前馈补偿器在无远端反馈下对齐输出位置。实验显示复杂位置传输任务仍可保持约 97.50% 精度，手术末端达到亚毫米级尖端定位。
Munich Institute of Robotics and Machine Intelligence, Chair of Robotics and Systems Intelligence, Technical University of Munich, München, Germany; Mohamed Bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE
面向开门、把手操作等受约束接触任务，论文指出仅学习手部抓取难以应对位姿误差和未知动力学，关键在于像人一样利用腕部柔顺性。方法学习笛卡尔腕刚度与期望掌部力/力矩，并结合阻抗—力控制，在仿真训练后迁移到服务型人形机器人。实机在未见过的门和日常把手任务上表现稳健：欠驱动手30次仅1次失败，全驱动手在最高12 cm平移、30°旋转误差下无失败，优于端到端强化学习基线。
School of Nano-Tech and Nano-Bionics, University of Science and Technology of China, Hefei, China; Suzhou Institute of Nano-Tech and Nano-Bionics, Chinese Academy of Sciences, Suzhou, China; Guangdong Institute of Semiconductor Micro-Nano Manufacturing Technology, Foshan, China
BotVIO针对自监督视觉惯性里程计在无人机等机器人平台上计算量大、延迟高的问题，采用浅层CNN与时空增强Transformer级联作为视觉/IMU编码器，并用单层交叉注意力做轻量多模态融合，以在保持长程建模能力的同时降低开销。实验显示其可减少70.37%可训练参数、降低74.85%推理耗时，在Jetson NX低功耗设置下达57.80 fps，并提升位姿精度与鲁棒性。
University of California, Berkeley, CA, USA; Georgia Institute of Technology, Atlanta, GA, USA
面向不确定机器人中数据驱动安全滤波难以随数据量和系统复杂度扩展的问题，论文将证书函数（CBF/CLF）安全滤波与高斯过程不确定性学习结合，并提出受约束可行性引导的在线数据选择，只保留对SOCP滤波最关键的样本，使复杂度由随数据量二次增长降为线性。实车倒立摆摆起和五连杆双足仿真显示，该方法在保持安全/稳定约束的同时提升了GP安全滤波在较大数据集和高维系统上的实时可用性。
ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University, Hangzhou, China; State Key Lab of CAD&CG, Zhejiang University, Hangzhou, China; China Mobile (Zhejiang) Research and Innovation Institute, Hangzhou, China; Beijing Fuyouhua Intelligent Technology Company Ltd, Beijing, China; College of Information Engineering, Zhejiang University of Technology, Hangzhou, China; School of Control Science and Engineering, Shandong University, Jinan, China; Institute of Robotics and Automatic Information System (IRAIS), Tianjin Key Laboratory of Intelligent Robotics (TJKLIR), Nankai University, Tianjin, China
针对大规模场景中先验点云/栅格地图体量大、匹配耗时且影响移动机器人长期位姿跟踪的问题，ERPoT用多边形紧凑表示环境占据，并将3D LiDAR经地面去除和障碍筛选压缩为稀疏2D扫描，通过点到顶点、点到边的点-多边形代价估计3自由度位姿。在公开与自采数据上，相比六种方法在可靠性、地图大小、误差和运行时间上均更优。
School of Mechanical Engineering, Translational Research Center, Shanghai Yangzhi Rehabilitation Hospital (Shanghai Sunshine Rehabilitation Center), Tongji University, Shanghai, China; Shanghai Key Laboratory of Wearable Robotics and Human-Machine Interaction, Shanghai, China; School of Information and Electronic Engineering, Zhejiang Gongshang University, Hangzhou, China; Helen and John C. Hartman Department of Electrical and Computer Engineering, New Jersey Institute of Technology, Newark, NJ, USA; School of Electronic and Information Engineering, Tongji University, Shanghai, China; School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, China
面向外骨骼在拥挤室内行走时同时需要全局绕障、落脚点选择和人机耦合稳定控制的问题，论文提出HLSM框架：用图式SNN生成较短少转弯的全局路径，结合足步代价优化与基于人/外骨骼COM虚拟阻抗的在线落脚调整，并以积分Lyapunov约束的HCMAC补偿未建模动力学和扰动。室内实机验证显示，该规划—控制链能在突发障碍下保持原始全局轨迹并完成避障行走。
Smead Aerospace Engineering Sciences Department, University of Colorado Boulder, Boulder, CO, USA; Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA, USA; Astrophysical and Planetary Sciences Department, University of Colorado Boulder, CO, USA
面向行星/灾害/地质勘查中通信受限、观测噪声大且专家偏好会变化的自主选点问题，论文将主动推断用于上下文多臂老虎机，以期望自由能把探索—利用权衡与专家结果偏好统一起来，并首次用 AVIRIS-NG 高光谱与地质标签验证。蒙特卡洛结果显示，相比常规 bandit 策略，AIF 在真实噪声/偏置数据上所需迭代更少，且能随在线偏好变化调整选择策略。
Department of Mechanical Engineering, IAMD and IOER, Seoul National University, Seoul, Republic of Korea
针对机器人操作仿真中多接触 NCP 在密集接触、刚性相互作用下难以同时兼顾精度、效率和鲁棒性的问题，论文将增广拉格朗日框架改造为接触求解器，提出偏精确稳健的 CANAL 与偏可扩展并行的 SubADMM。实验在多种操作场景中显示，该框架能更稳定处理高密度接触，并在高自由度多体系统中获得更好的速度与扩展性。
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong; School of Intelligence Science and Technology, Nanjing University, Nanjing, China; School of Information Engineering, Chang’an University, Xi’an, China
面向多机器人/多会话 SLAM 中图像回环易受视角变化且通信开销大的问题，SG-Reg 将场景压缩为稀疏语义场景图，融合开放集语义、具空间感知的三元组增强 GNN 拓扑特征和物体形状特征，并用粗到细匹配与鲁棒位姿估计完成配准；训练数据由视觉基础模型和语义建图自动生成，减少对真值标注依赖。实验显示其在真实双机器人 SLAM 中显著优于手工语义描述子，相比视觉回环网络召回略高且每帧仅需约 52 kB 通信。
School of Aeronautics and Astronautics, Shenzhen Campus of Sun Yat-sen University, Shenzhen, China; State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, China; State Key Laboratory of Structural Analysis, Optimization and CAE Software for Industrial Equipment, Department of Engineering Mechanics, Dalian University of Technology, Dalian, China; School of Advanced Manufacturing, Shenzhen Campus of Sun Yat-sen University, Shenzhen, China
面向单一夹爪难以同时适应重量、脆弱性、尺寸和形状差异的问题，本文将捏取/吸附与软/刚混合结构集成到紧凑HMG中，并用选择性激活与柔顺自适应机制降低模式干扰。实验显示其可覆盖0.2 g至10 kg、0.46 mm至0.55 m物体，并完成异形物、真实任务、水下操作和闭环抓取。
Key Laboratory of Precision Opto-Mechatronics Technology, Ministry of Education, Beijing, China; School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing, China
针对PnP中重投影误差虽是“金标准”但难解析优化、现有近似在3D点深度范围增大时偏离最优的问题，论文用PCA将2N约束压缩为旋转的三条二次方程，并证明初始化可覆盖N≥3含P3P；随后以二阶多项式近似残差并解析求步长，在统一噪声建模下迭代优化。合成与真实实验显示其精度和鲁棒性优于现有方法，效率基本相当。
School of Computer Science, University of Leeds, Leeds, U.K.; Department of Computer Science, American University of Beirut - Mediterraneo, Paphos, Cyprus
面向杂乱场景中的推、拨等非抓取操作，论文针对纯视觉姿态跟踪易被遮挡打断的问题，将机器人关节/控制信息驱动的物理预测与RGB-D观测在粒子滤波中融合，并把多物体位姿不确定性接入MPC。实验显示，相比仅依赖视觉的DOPE、FoundationPose等基线，该方法在遮挡和多物体接触下显著提升6D跟踪稳定性，并能支持目标导向推动控制；代价是约4Hz运行且依赖已知物体模型和物理引擎精度。
High Performance Robotics Lab, Department of Mechanical Engineering, UC Berkeley, Berkeley, CA, USA; University of Pennsylvania, Philadelphia, CA, USA; Department of Electrical Engineering and Computer Science, University of California at Berkeley, Berkeley, CA, USA
针对传统四旋翼低层控制依赖精确建模与反复调参、换载荷或平台后易失效的问题，论文提出将模仿学习与强化学习结合的传感到电机控制器，通过历史状态—动作估计隐含动力学参数，实现跨质量、尺寸和执行器差异的快速自适应。仿真中可外推到训练范围 16 倍以外，实机在 3.7 倍质量差、百倍以上桨常数差异及偏心载荷、风和电机效率损失下零样本运行。
Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Future Technology, University of Chinese Academy of Sciences, Beijing, China; Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, China
面向视触觉传感器仿真中真实接触动力学、多样涂层图案与多模态触觉输出难以兼顾的问题，TacFlex用FEM模拟弹性体形变，并将变形网格映射到任意表面纹理、marker运动和3D点云，同时用基于光线追踪的折射校正缩小成像差距。实验覆盖多类传感器，并在圆柱位姿估计、插孔等任务中实现仿真训练模型向真实环境的零样本部署。
Department of Mechanical and Energy Engineering, Shenzhen Key Laboratory of Intelligent Robotics and Flexible Manufacturing Systems, Southern University of Science and Technology, Shenzhen, China; Department of Mechanical Engineering, The University of Hong Kong, Pokfulam, Hong Kong SAR; Department of Mechanical and Aerospace Engineering, The Hong Kong University of Science and Technology, Kowloon, Hong Kong SAR; Sino-German College of Intelligent Manufacturing, Shenzhen Technology University, Pingshan, China; Wisson Robotics, Shenzhen, China
针对现有仿鱼机器人多按轨迹跟踪设计、未充分利用鱼类肌肉节律与柔性尾部储能耦合的问题，论文提出节律式功率分配策略PAS，并用PRBM建模尾柄驱动下的尾鳍变形与弹性势能释放，在直驱DDRFishBot上无需额外可控机构即可调节尾部回弹。实验显示尾部弹性势能释放提升228%，推进力提升45.6%，效率系数提升16.3%。
Institute for Intelligent Systems, Esslingen University of Applied Sciences, Esslingen, Germany; Department of Computer Science, University of Freiburg, Freiburg, Germany; ANDREAS STIHL AG and Company KG, Waiblingen, Germany
针对公园、花园等半结构化自然环境中季节、光照和植被变化会显著削弱视觉 SLAM 的问题，ROVER 构建了覆盖五个地点、四季与昼夜条件的多传感器数据集，并提供毫米级真值及传统/深度方法基准。实验显示，双目惯性和 RGBD 在良好光照、适中植被下更稳健，但多数系统在低光照和高植被场景，尤其夏秋季，仍易出现尺度、特征提取和轨迹一致性失效。
School of Computer Science, University of Leeds, Leeds, U.K.; Department of Informatics, King’s College London, London, U.K.
针对可变形物体模型维度高、可抓取点多导致运动规划耗时的问题，论文提出按目标形状先简化几何模型，再提取关键抓取点并构建更小的动力学模型；若简化模型规划在原模型上失效，则利用实际终态迭代补充细节。绳、布和T恤等仿真实验显示规划时间显著下降且轨迹代价相近或更优，真实机器人闭环布料折叠验证了可执行性。
Lehigh University, Bethlehem, PA, USA; KTH Royal Institute of Technology,Stockholm, Stockholm, Sweden; Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA, USA; University of Maryland, College Park, MD, USA; Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, MA, USA
本文面向按时间到达、带容量限制的移动出行/配送请求，解决传统路径规划难以表达子任务依赖、截止期、优先级且可能不可全部准时完成的问题。核心做法是用 scLTL 与加权转移系统刻画复杂请求，并以最小违约为目标构造在线重规划：一般情形转为 MILP，满足单调性的代价可化为图搜索。仿真和曼哈顿 24 小时案例表明方法能在不可行截止期下给出按延误与优先级权衡的最优路线。
Robotics Institute, University of Technology Sydney, Sydney, Australia; School of Informatics, University of Edinburgh, Edinburgh, U.K.
针对占据栅格 SLAM 通常先优化位姿再建图、难以把位姿不确定性传递到地图的问题，论文将机器人轨迹与栅格顶点占据值作为统一状态联合优化，并用改造的 Gauss-Newton、多分辨率筛选和子图拼接控制收敛与规模。仿真、真实 2D 数据及初步 3D 实验显示，其精度优于 Cartographer 等方法，计算时间大体可比。
State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, China; State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China; State Key Laboratory of Robotics and Systems, Harbin Institute of Technology Shenzhen, Shenzhen, China; Peng Cheng Laboratory, Shenzhen, China
针对弹性关节机器人在人机接触中易振荡、带宽受限，而物理阻尼又增加机构复杂度并恶化力矩测量的问题，论文提出虚拟黏性元件注入（VVI），仅通过电机侧动力学重塑与状态反馈实现等效黏弹性，并证明保持被动性。结合阻抗、位置和力矩控制后，仿真与实验显示其可抑制振荡、放宽高增益力矩环约束，同时保留基于关节挠度的高分辨率力矩测量。
University of Cambridge, U.K.; Technion - Israel Institute of Technology, Haifa, Israel
面向灾害现场等未知栅格环境中的群机器人“均匀扩散”，论文关注在低成本机器人能力受限时，时间、行走距离与能耗能否同时优化。其核心是建立以感知、通信、记忆能力刻画算法的统一模型，并揭示拓扑约束的作用：一般环境中有界感知无法保证能耗最优，但在单连通环境下，FCDFS 可用近似“蚂蚁式”简单机器人在同步场景实现能耗、完工时间和行程最优，异步场景渐近最优，实验也优于已有方法。
University of Toronto Robotics Institute, ON, Canada; University of Toronto, Toronto, ON, Canada; Inria, École Normale Supérieure, PSL University, Paris, France
针对机器人可微优化层常陷入非凸局部极小、反向传播梯度偏离全局解的问题，论文提出 SDPRLayers，将多项式优化的半定松弛与隐式微分结合，在松弛紧时给出可认证的全局解与梯度，并复用证书矩阵高效求雅可比。仿真实验展示局部解会破坏训练，真实低光定位中用于训练关键点网络，验证其可嵌入端到端感知管线。
Department of Mechanical Engineering, Temple University, Philadelphia, PA, USA
面向拥挤动态场景中移动机器人难以实时、可靠预判未来占据状态的问题，论文提出 SCOPE/SCOPE++/SO-SCOPE，将自运动补偿、静动态分离、ConvLSTM 与 VAE 随机预测结合，并通过统计建模和知识蒸馏压缩采样模块。三类机器人数据集及仿真/实机导航显示，其预测误差、结构相似度和跟踪精度优于多种基线，最高推理加速 89 倍、内存降至约 1/8，并提升现有控制策略的安全导航表现。
School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen), Shenzhen, China; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong, China
针对大尺度崎岖三维地形中，复杂底盘/履带-摆臂等结构使规划维度升高、稳定性与地形可通行性难以实时评估的问题，论文提出全局—局部多层地形感知框架：全局用隐式地图在线计算坡度、粗糙度、稀疏度并筛选可通行体素，局部用迭代几何评估配置稳定性和平滑路径。仿真与实机在不平地形、多层结构和废墟场景中显示，其规划更快、更安全，稳定性估计更鲁棒，穿越成功率高于对比方法。
Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University, Hong Kong, SAR, China; Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University, Hong Kong, SAR, China
面向家庭机器人在视角、位置不确定时单帧场景识别易失准、多帧方法又低效的问题，论文提出主动场景识别框架：用生成的专家数据训练行为克隆动作模型主动调整视角，并结合ViT多视图评分与修正预测机制抑制克隆误差。仿真对比和消融显示其在准确率与用图效率上优于现有方法，且可零微调迁移到TurtleBot 4真实家庭环境。
Shenzhen Institute of Artificial Intelligence and Robotics for Society, The Chinese University of Hong Kong, Shenzhen, China; School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China
面向长期海上自主航行中电池受限、波浪/海流扰动下执行器频繁控制耗能的问题，论文提出 EeLsT 能量管理模块，用长短期观测器结合帆船运动特性与扰动动力学，自适应降低帆/舵控制频率并维持稳定航行。仿真节能 31.8%，OceanVoy 实海稳定航行节能 27.4%，30 天 1200 km 航行中全自动平均功耗较待机仅增约 1 W。
Department of Electrical and Computer Engineering, Faculty of Engineering, University of Waterloo, Waterloo, ON, Canada
针对协作机器人既要尊重人的主导/跟随偏好、又不能牺牲团队效率的矛盾，论文提出在线估计人类偏好与表现的自适应任务规划框架，将任务分配与调度两步结合，并在检测到人类表现下降或出错时重新接管主导。基于Fetch移动操作臂和48人装配式协作实验，结果显示机器人能随任务难度和个体状态调整角色，同时维持较好团队表现并纳入人的偏好。
Robotics and Machine Intelligence Lab, School of Electrical Engineering and Computer Science, National University of Sciences and Technology, Islamabad, Pakistan; Khalifa University Center for Autonomous Robotic Systems, Khalifa University, Abu Dhabi, UAE; Reinforcement Learning Research Lab, School of Electrical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea
论文针对单目视觉 SLAM 在门口、无纹理墙面和大厅等过渡场景中因视角不当而频繁跟踪丢失的问题，指出纯深度强化学习在这些短程但稀疏奖励场景下甚至难以学会“过门”。作者引入人类监督的模仿学习进行主动视角规划，并结合少量监督数据后的在线无监督微调；约 50 小时监督训练显著提升通过能力，20 小时监督加 45 小时微调也取得可用结果，同时发布含困难过渡场景的数据集和实现。
Department of Electronic Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong; Department of Mechanical Engineering, The University of Hong Kong, Hong Kong; Global Institute of Future Technology, Shanghai Jiao Tong University, Shanghai, China
针对现有视觉 3D-GS SLAM 依赖启发式稠密化、遮挡处理弱且显存/算力开销高的问题，GS-LIVO 将 LiDAR、IMU 与相机紧耦合到高斯地图中，采用哈希索引八叉树全局地图、LiDAR-视觉快速初始化和滑动窗口高斯优化，并用 IESKF 融合渲染光度观测与几何/惯性约束。实验显示其在室内外与真实平台上降低显存和优化耗时，同时保持有竞争力的里程计精度和渲染质量，并可在 Jetson Orin NX 实时运行。
Department of Excellence in Robotics and AI, Biorobotics Institute, Scuola Superiore Sant’Anna, Pisa, Italy; CREATE Lab, EPFL, Lausanne, Switzerland
针对模块化软体臂因非线性、滞后、模块耦合和内部传感不准而难以在任务空间直接规划控制的问题，论文提出 S2C2A：用 biLSTM 前向模型嵌入优化，从目标状态生成构型轨迹，再以 biLSTM 控制器仅依赖粗糙内部反馈跟踪构型。在线缆驱动 MSRA 上，该方法优于既有 PCC 策略，并完成位置/姿态控制、约束与避障以及在线交互规划。
Department Artificial Intelligence in Biomedical Engineering, Friedrich-Alexander-University Erlangen-Nürnberg, Erlangen, Germany; Laboratory for Computational Sensing and Robotics, Johns Hopkins University, Baltimore, MD, USA
面向活检等需在软组织变形后精确定位内部靶区的场景，LUDO用单视角表面点云条件化占据网络，结合术前网格与物理仿真学习对象特定形变，直接重建变形外形和内部结构，并给出不确定性与可解释线索，避免传统可变形配准及初始对齐。真实机器人穿刺实验中，系统在30 ms内完成估计，ROI穿刺成功率达98.9%，且较V2S在定位精度、训练时间和存储需求上更优。
Laboratory for Intelligent Decision and Autonomous Robots, Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, USA; Physiology of Wearable Robotics Lab, Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, USA
针对双足机器人在平移、姿态扰动下难以用传统恢复策略同时表达任务逻辑并量化鲁棒性的问题，本文将信号时序逻辑嵌入MPC轨迹优化，以稳定裕度的STL鲁棒度引导落脚和质心规划，并用数据驱动自碰撞约束支持快速交叉步。仿真和Cassie硬件实验显示，该方法在推扰、船体运动、踏石和斜坡场景中优于无STL的MPC、ALIP-MPC和LTL规划器。
Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, USA
面向四旋翼等机器人在风、地效、气动阻力和参数误差下仍需在线高精度跟踪的问题，论文把系统辨识与MPC闭环耦合：用随机傅里叶特征近似RKHS中的未知动力学/扰动，并以在线最小二乘/OGD自监督更新，再由当前模型做预测控制。理论上给出O(T^{3/4})动态遗憾界，渐近匹配知晓扰动的非因果最优控制器；仿真和硬件四旋翼实验验证了在未建模扰动下的轨迹跟踪能力。
Shenzhen International Graduate School, Tsinghua University, Shenzhen, China; School of Internet of Things Engineering, Jiangnan University, Wuxi, China; Division of Smart Technologies for Tumor Therapy, German Cancer Research Center (DKFZ), Dresden, Germany
针对现有铁磁流体液滴机器人多停留在单体或少量群体、难以独立并行控制的问题，论文构建了密集电磁线圈阵列，通过可重构局部磁场与视觉闭环实现多液滴路径跟踪，并表征运动、分裂、融合和伸长行为。实验显示系统可低功耗长期运行，最多独立操控72个液滴，用于数字显示、信息编码和微流体物流等协作任务。
Department of Mechanical Engineering, Tsinghua University, Beijing, China; Institute for Robotics and Intelligent Machines, Georgia Institute of Technology, Atlanta, GA, USA; JD Explore Academy, Beijing, China
面向铰接物体操作中状态复杂、仅靠RL/IL难以学到精确长时序动作的问题，DexSim2Real²通过主动交互获取多帧观测，结合可供性预测、3D AIGC重建和运动学估计，在仿真中构建未见物体的显式世界模型，再用采样MPC规划目标条件轨迹；对灵巧手还用eigengrasp降维以提升搜索效率。实验显示该框架可在吸盘、二指夹爪和两种灵巧手上完成精确操作，并能泛化到工具辅助操作。
Department of Robotics, University of Michigan, Ann Arbor, MI, USA
针对NeRF/3D Gaussian Splatting虽能精细重建场景、却难以在机器人轨迹优化中严谨且高效处理碰撞风险的问题，论文提出SPLANNING：从渲染方程推导刚体碰撞概率上界，并用归一化3DGS使该风险约束可实时计算，结合可达集/滚动时域优化生成避障轨迹。仿真和机械臂实验显示，其在杂乱环境中比现有辐射场规划方法更易获得无碰撞轨迹并可实时运行。
Walker Department of Mechanical Engineering and Texas Robotics, The University of Texas at Austin, Austin, TX, USA
面向开门、抽屉、阀门等长路径接触操作中不确定性、奇异位形与末端姿态约束难以兼顾的问题，论文将螺旋可供性建模为与机械臂组成的闭链机构，并用闭链逆运动学实时生成完整关节轨迹，同时允许控制或放松夹爪姿态。UR5仿真与Spot实机显示，多类任务规划耗时0.0077–0.098秒，阀门可完成420°转动，相比已有方法规划约快4倍且关节运动更少。
Interactive Robot Perception and Learning Group (PEARL), Department of Computer Science, TU Darmstadt, Darmstadt, Germany; Chair for Marketing and Human Resource Management, Department of Law and Economics, TU Darmstadt, Darmstadt, Germany; Interactive AI Algorithms & Cognitive Models for Human-AI Interaction (IKIDA), Department of Computer Science, TU Darmstadt, Darmstadt, Germany; Centre for Cognitive Science, TU Darmstadt, Darmstadt, Germany; Institute for Intelligent Autonomous Systems (IAS), Department of Computer Science, TU Darmstadt, Darmstadt, Germany; Systems AI for Robot Learning, German Research Center for AI (DFKI), Darmstadt, Germany; Hessian Center for Artificial Intelligence (Hessian.AI), Darmstadt, Germany
面向人形机器人在人机协作中反应不同步、末端位置不准和接触不柔顺的问题，论文从人人交互示范学习人机交互策略：用 HMM 作为 VAE 潜空间先验建模双方联合动态，并把基于人类观测的条件机器人动作生成纳入训练，再用逆运动学修正任务空间接近性、用 HMM 分段调节刚度。实机用户研究显示，该方法在类人性、时机、准确性和偏好上优于基线，并能推广到双手递交等更复杂场景。
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong; School of Robotics, Hunan University, Changsha, China; Division of Emerging Interdisciplinary Areas, The Hong Kong University of Science and Technology, Hong Kong
面向高速机动下事件相机 VO 易因建图滞后、特征匹配不稳而失效的问题，本文放弃依赖局部地图的位姿跟踪，转而估计更符合事件微分成像机理的瞬时线速度。系统融合双目事件流与 IMU，前端计算法向光流和深度，后端用连续时间 B 样条与滑窗联合估计速度和 IMU 偏置。合成与真实实验显示其可实时、低延迟输出米制速度，且无需特定环境或运动约束。
Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Wessling, Germany; Institute for Anthropomatics and Robotics, Intelligent Robot Perception, Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany
针对弹性、轻量化机器人中前向运动学和手眼标定误差会随构型变化、进而限制操作精度的问题，本文提出 PK-ROKED：用不完美运动学作为有界先验，引导单目 RGB 的概率关键点检测与机械臂分割，并输出不确定性，再通过基于李群 EKF 的 2D–6D 融合在单个关键点可见时修正位姿。方法仅用合成数据训练，在 Panda-Orb 上达到与现有方法竞争的性能，并在 neoDavid 与 LRU2 实机中展示了泛化性和用于初始化视觉跟踪的实用性。
College of Intelligence Science and Technology, National University of Defense Technology, Hunan, China; Haomo. AI Technology Company Ltd., Beijing, China; Ningbo Innovation Center, Zhejiang University, Zhejiang, China; College of Instrument Science and Optoelectronics Engineering, Beihang University, Beijing, China; College of Information Science and Electronic Engineering, Zhejiang University, Zhejiang, China
面向AGV在无初始位姿下的LiDAR全局定位，论文针对点云稀疏性、跨雷达泛化和精确位姿标注成本高的问题，将点云投影为BEV图像，并指出CNN特征在BEV上天然适合大平移匹配；进一步设计REM与REIN，结合旋转等变局部特征和NetVLAD旋转不变全局描述子，先检索地点再用局部匹配估计3DoF位姿。仅用少量KITTI地点标签训练后，在七个公开数据集和实车平台上取得地点识别、回环检测与全局定位的SOTA表现，并具备实时、轻量和跨环境/传感器泛化能力。
Department of Computer Science and Systems Engineering (DIIS) and the Engineering Research Institute of Aragon (I3A), Universidad de Zaragoza, Zaragoza, Spain; Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA
针对多机器人强化学习中集中式策略难扩展、独立策略又浪费邻居信息的问题，本文把端口哈密顿物理结构与自注意力结合，构造分布式且可处理时变通信图的策略，并嵌入 SAC 训练以保留机器人间相关性。仿真显示在更大队伍上仍能保持或超过现有方法，累计回报最高约提升 2 倍；Robotarium 实机在不完美通信下实现零样本迁移，并验证到 16 台机器人的扩展性。
GRASP Laboratory, University of Pennsylvania, Philadelphia, PA, USA
面向欠驱动双足在破碎粗糙地形中既要避开危险落脚区又要实时维持动态平衡的难题，本文将感知生成的安全区域分解与混合整数模型预测落脚控制耦合：用稳定可踩踏分割先判别安全/非安全，再生成凸多边形约束；控制器在单个 MIQP 中联合选择落脚面、步点、踝力矩、模板动力学和步时。系统在 Cassie 户外实验中实现超过 100 Hz 规划和实时感知行走，展示了不连续地形上的硬件级效果。
Department of Electrical and Electronic Engineering, Imperial College London, London, U.K.; School of Engineering and Physical Sciences, Heriot-Watt University, Edinburgh, U.K.
针对大规模 LiDAR SLAM 中点云地图存储膨胀、降采样损失细节以及神经隐式方法依赖 GPU 的问题，CURL-SLAM 用球谐函数的 CURL 隐式表示构建超紧凑、可更新地图，并设计匹配该表示的位姿优化、局部 BA 与回环一致化机制。实验显示其在 CPU 上达到 10 Hz，地图精度和紧凑性达到领先水平，轨迹精度具竞争力。
Cognitive Robotics, Delft University of Technology, Delft, The Netherlands; Cyber Physical Systems, Indian Institute of Science Bangalore, Bangalore, India
针对示教学习在清洁、穿衣、货架摆放等任务中难以随新表面形状、物体位置或人体姿态泛化的问题，论文用源/目标关键点拟合“运输映射”，将位置、速度、姿态、刚度等策略标签整体搬运到新任务空间，并借助高斯过程估计外推不确定性。仿真和真实操作实验显示，该方法较KMP、LE、神经流等替代方案在多关键点和分布外场景下形变更稳定、不确定性更可校准。
Department of Mechanical Engineering, McGill University, Montreal, QC, Canada; School of Computing Science, Simon Fraser University, Burnaby, BC, Canada
面向伐木机等高风险、强依赖熟练操作者且难以完全建模的层级机器人任务，论文提出一种共享自治的 policy adapting 基线框架：用层级 MDP/Options 表达高层规划，并把人类输入、任务、机器人与预训练变量纳入自治策略而非简单动作融合。模拟高层取放与单用户 HITL 试验显示，该设计可在不同人类技能和噪声输入下训练可调基线策略，并揭示设计变量会显著影响性能与人机协作效果。
T Stone Robotics Institute, Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong; Hong Kong Centre for Logistics Robotics, Hong Kong; State Key Laboratory of Fluid Power and Mechatronic Systems, Zhejiang University, Hangzhou, China; Hangzhou Hikvision Digital Technology Company Ltd., Hangzhou, China; Ocean College, Zhejiang University, Hangzhou, China; School of Mechanical Engineering, Purdue University, West Lafayette, IN, USA; Shenzhen Key Laboratory of Intelligent Robotics and Flexible Manufacturing Systems, Institute for Robotics, Southern University of Science and Technology, Shenzhen, China
面向工业串联机器人力控与人机交互中对精确刚体动力学的需求，论文指出传统按信息矩阵条件数优化激励轨迹难以避免多自由度参数耦合，尤其弱激励小惯量参数。其核心是用基于往复 S 曲线的对称激励轨迹实现摩擦、连杆重力/惯量及负载参数的完全解耦识别。实验证明该方法在有/无力矩传感器机器人上均降低关节力矩预测误差，并提升负载参数特别是惯量估计精度。
School of Artificial Intelligence, Jilin University, Changchun, China; Hong Kong University of Science and Technology, Clear Water Bay, Hong Kong
针对机器人难以分离并抓取纸张、布料等薄型可变形物体的问题，本文强调“不精确灵巧性”：用被动柔顺软欠驱动手降低对精确控制的依赖，并融合触觉、力/力矩与深度视觉。方法通过主动滑动模块获取接触信息和初始姿态，再用分层双环无模型强化学习提升真实机器人训练效率。实验显示，仅用少量纸张和布料训练后，可泛化到翻乐谱、展示西装面料、处理毛巾和混合材料等真实任务。
GRVC Robotics Lab Sevilla, Universidad de Sevilla, Seville, Spain
针对长航程 LiDAR 建图在平面、稀疏植被等几何退化场景中易因地图形状偏差和忽略地图不确定性而导致位姿估计过度自信的问题，论文将概率三角网格引入建图，用流形上的平面不确定性表示、面片关联聚类、网格融合与迭代简化，把测量噪声传播到地图并压缩冗余。实验在合成退化场景和真实飞行巡检数据中显示，相比点、体素或普通网格方案，鲁棒性和精度更好，地图规模显著降低。
Department of Engineering, University of Cambridge, Cambridge, U.K.; School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China; State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis, Shanghai, China; Electrical and Computer Engineering, University of California, Los Angeles, CA, USA; Computer Control and Automation, Nanyang Technological University, Singapore; Department of Computer Science and Artificial Intelligence, University of Technology Nuremberg, Nuremberg, Germany
面向预建 LiDAR 地图中的低成本单目车辆定位，本文针对传统图像-点云配准分模块优化、投影丢点和迭代求解低效的问题，提出 I2PNet 端到端直接配准 RGB 图像与原始 3D 点云；其关键在于在相机内参无关的归一化平面构建可微 2D-3D cost volume，并用外点掩码与粗到细结构提升鲁棒性。多数据集实验显示其在大范围定位精度和 20 Hz 效率上优于既有方法，并可扩展到相机-LiDAR 在线标定。
Texas A&M University, College Station, TX, USA; Shanghai Jiao Tong University, Shanghai, China; Carnegie Mellon University, Pittsburgh, PA, USA
本文针对移动目标 TSP 在一般轨迹与时间窗下缺少可验证最优性界的问题，提出 C* 下界框架：将目标轨迹分段并放松访问连续性，把问题转化为带 SFT 边代价的 GTSP，从而为可行解提供最优性参照。实验证明其下界有效，在直线运动 15 目标情形优于 SOCP 基线；一般轨迹测试中，可行解平均距下界约 4.5%。
Wandercraft, Paris, France; CNRS-AIST Joint Robotics Laboratory, IRL3218, Tsukuba, Japan; Dipartimento di Ingegneria Informatica, Automatica e Gestionale, Sapienza University of Rome, Rome, Italy; CNRS-University of Montpellier, LIRMM, UMR5506, Montpellier, France
针对传统 LIPM/IS-MPC 步态在模型误差、接触变化下仍依赖外部 stabilizer 且参数难调的问题，论文把接触力模型直接纳入闭环 MPC，同时用扩展稳定约束在线重规划落脚点与步时，并处理双支撑力分配。该方法在五种人形机器人上以同一软件验证，可承受行走/静止推扰，并在不平与柔顺地面保持有效行走。
Key Laboratory of the Ministry of Education for Image Processing and Intelligent Control, Huazhong University of Science and Technology, Wuhan, China; Hubei Key Laboratory of Brain-inspired Intelligent Systems, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan, China; School of Information Engineering, Wuhan University of Technology, Wuhan, China; State Key Laboratory of Intelligent Vehicle Safety Technology, Chongqing Changan Automobile Company Ltd., Chongqing, China; Univ Paris-Est Créteil, Vitry, France
面向既能康复辅助偏瘫患者、又能增强健康人能力的通用超数机器人肢体，论文针对上肢灵活性与下肢支撑刚性难以统一设计的问题，提出以椭球参数化工作空间相似度、起立支撑力、质量与惯量为指标的多目标优化框架，并用多子群校正萤火虫算法求解。优化原型在6名健康者和2名偏瘫患者实验中，抓取成功率提高7.2%，行走和起立肌电活动分别降低12.7%和25.1%。
Robotics Institute, University of Michigan, Ann Arbor, MI, USA; Agility Robotics, Albany, OR, USA; Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, USA; Mechanical Engineering, University of Michigan, Ann Arbor, MI, USA
面向抓取未知负载或模型参数不准时的机械臂安全运动，论文提出 ARMOUR，将鲁棒无源控制、基于多项式 zonotope 的可达集/扫掠体外包络，以及可微的 PZRNEA 力矩集合计算合入滚动时域优化，从连续时间层面同时约束碰撞、关节与力矩限制。仿真和真实硬件结果表明，它能在不确定惯性下保持实时重规划和安全跟踪，相比现有方法减少碰撞或不可执行轨迹。
Department of Computer Science and Technology, University of Cambridge, Cambridge, U.K.
针对传统多机器人导航把环境视为固定约束、易引发拥堵和死锁的问题，本文将可重构障碍布局与去中心化导航策略共同作为优化变量，交替训练GNN策略和环境生成模型，并给出非凸时变优化下的收敛分析。仿真与真实实验显示，该协同设计较手工环境提升成功率、路径效率、速度与安全性，且优化后的环境可通过结构性引导帮助机器人解冲突。
CAS Key Laboratory of Mechanical Behavior and Design of Materials, Institute of Humanoid Robots, School of Engineering Sciences, University of Science and Technology of China, Hefei, China; School of Electrical Engineering and Automation, Anhui University, Hefei, China; School of Mechanical Engineering, Hefei University of Technology, Hefei, China; CAS Key Laboratory of Mechanical Behavior and Design of Materials, Department of Modern Mechanics, University of Science and Technology of China, Hefei, China; School of Mechanical, Materials, Mechatronic, and Biomedical Engineering, University of Wollongong, Wollongong, NSW, Australia
面向救援等长时间重负载抓握中手部易疲劳、现有电机/气动手外骨骼支撑力和续航受限的问题，论文提出基于磁流变执行器的非机动半主动手外骨骼，利用人体输入完成驱动与储能，并以低功耗锁止提供高支撑力。MR 执行器在 5 W 下实现 1046 N 峰值保持力，同等保持力能耗降低 97.7%；受试者无外部动力时握力提升 41.8%，肌肉疲劳下降，并在震后清障和伤员转运模拟中提升抓握效率。
Institute for Robotics and Intelligent Machines, Atlanta, GA, USA; School of Physic, Georgia Institute of Technology, Atlanta, GA, USA; School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, USA
针对多足机器人在崎岖地形上虽具形态冗余但开环速度低、复杂感知又成本高的问题，论文提出用二值足地接触估计地形粗糙度，并基于概率模型调节身体垂向波幅。核心洞察是垂向身体起伏可提高实际/理想接触比，从而减小扰动对速度的影响；实验显示实验室粗糙地形速度最高提升至0.235 BLC，较开环快50%–60%，速度方差降低30%–50%，并可在松针、岩石、泥地和落叶等户外场景运行。
LISSI, Université Paris-Est Créteil, Vitry-sur-Seine, France; SATIE, Université Gustave Eiffel, Gif-sur-Yvette, France; COSYS-GRETTIA, Université Gustave Eiffel, Marne-la-Vallée, France
面向动力踝足矫形器在楼梯、坡道等日常场景中需快速切换辅助策略的问题，论文用双足部 IMU 与 LSTM 从少量运动学特征实时识别五类步态，并联动任务导向控制。健康受试实时实验中准确率达 98±1%，模拟异常步态仍有 93±3%，且可降低相关肌肉激活并改善摆动期跟踪；但患者群体泛化仍需进一步验证。
State Key Laboratory for Turbulence and Complex Systems, Intelligent Biomimetic Design Lab, College of Engineering, Peking University, Beijing, China; School of Mechanics and Safety Engineering, Zhengzhou University, Zhengzhou, China; National Engineering Research Center of Software Engineering, Peking University, Beijing, China; Institute of Ocean Research, Peking University, Beijing, China
针对多功能软体机器人常需分模块制造与手工装配、流程复杂且重复性差的问题，论文提出以TPU双面涂层织物为唯一主体材料的可编程单体堆叠工艺：激光切割层轮廓，3D打印机热端按预设路径逐层粘接，直接形成气动腔体。作者建模并量化拉伸、弯曲、螺旋执行器，进一步制造出集拉伸/弯曲/扭转的机械臂、四步态两栖机器人和可游动抓取运输的无缆机器鱼。
Department of Mechanical Engineering, Stanford University, Stanford, CA, USA
针对指尖可穿戴触觉设备难以同时做到多自由度、轻量化和一致力输出的问题，Fourigami用折纸结构与气动驱动实现25 g的4自由度指腹形变装置，并集成低矮6轴力/力矩传感器做闭环力控制，以补偿不同用户指腹刚度差异。实验显示其在人指上可输出约±1.0 N剪切、4.2–4.5 N法向力和±4.2 N·mm扭矩，带宽2–4 Hz，并能跟踪正弦及虚拟物体交互力轨迹。
Hamlyn Centre for Robotic Surgery, Department of Mechanical Engineering, Imperial College London, London, U.K.; Department of Electrical and Electronic Engineering, Imperial College London, London, U.K.
针对传统结肠镜插入会牵拉肠壁、引发疼痛甚至穿孔的问题，论文提出一套可外翻“自生长”的软体结肠镜：18 mm 柔顺管体通过气压在尖端延展，结合气动软末端实现超过 180°全向转向，并支持摇杆遥操作与基于相机等传感输入的自主导航。体外软/硬结肠模型实验显示其可在受限腔道中行进，平均接触力低于 0.3 N，验证了降低组织负载并提升自主性的潜力。
College of Control Science and Engineering, Zhejiang University, Hangzhou, China; Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE
针对传统边缘 VO 将边缘视作离散像素、难以保留结构信息并进行跨帧关联的问题，ROEVO提出“有组织边缘”表示，将边缘像素序列化成簇，并围绕其设计边级残差跟踪、形状保持边缘拟合与基于边缘的 BA。实验显示其在室内与弱纹理场景中具备较好精度和鲁棒性，整体达到或优于现有方法。
Intelligent Autonomous Systems Lab, Computer Science Department, Technical University of Darmstadt, Darmstadt, Germany; Poznan University of Technology, Poznan, Poland; IDEAS, Warsaw, Poland; Centre for Cognitive Science, Technical University of Darmstadt, Darmstadt, Germany; German Research Center for AI (DFKI), Research Department: SAIROL, Darmstadt, Germany; Hessian.AI, Darmstadt, Germany
针对优化式运动规划强依赖初始轨迹、在窄通道和高维场景易陷局部最优的问题，论文提出 MPD：用扩散模型学习多模态轨迹先验，并以 B 样条低维参数化保证平滑，再在反向去噪中加入碰撞等代价梯度进行后验采样。实验覆盖 2D、7 自由度机械臂及真实示教抓放任务，显示其能生成多样且可行的平滑轨迹，作为优化规划的有效先验。
Control of Networked Systems Group, University of Klagenfurt, Klagenfurt am Wörthersee, Austria
机器人定位中接入未知或文档不足的传感器，常需人工判断测量类型、外参方向与参考系，易出错。本文将传感器模型选择与所需状态变量判定联合起来，在可扩展模型库上识别灰盒测量，并加入健康指标抑制误选，再为滤波器生成标定初值和参考系配置。文中结果表明该流程可自动初始化状态估计中的新传感器，降低集成门槛；具体定量增益在给定片段中未充分说明。
Department of Engineering and Design, University of Sussex, Brighton, U.K.; School of Electrical Engineering, Southwest Jiaotong University, Chengdu, China; Department of Mechanical Engineering, University of Southampton, Southampton, U.K.
面向再制造中抛光/打磨等需在几何和刚度未知表面上保持接触力的场景，论文提出非重复路径迭代学习与控制框架：将表面划分子区域，在每次访问时更新控制与学习参数，使人在监督中偶发干预、末端路径不重复时仍可同步进行力控制、路径/刚度学习和姿态适应。仿真与 Kinova Gen3 实验验证了该方法在未知表面操作中的有效性。
Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA; Robotics and AI (RAI) Institute, Cambridge, MA, USA; School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, USA; Department of Bioengineering, Stanford University, Stanford, CA, USA; Department of Computer and Information Science, University of Pennsylvania, Philadelphia, PA, USA
针对外骨骼在新用户、环境和硬件上因步态动力学差异导致控制性能退化的问题，论文提出利用实时传感数据在线更新深度步态相位估计器，并通过传感信号变换支持跨设备迁移。少于1分钟适应后，相位估计误差在健常人与卒中患者中分别改善40.9%和65.9%，扭矩轮廓误差降低32.7%；单例卒中试验还显示步速提升21.8%、代谢成本下降6.5%，但临床增益仍属初步结果。
Machines in Motion Laboratory, New York University, New York, NY, USA; Inria, AUCTUS team, Talence, France; Inria - Département d’Informatique de l’École normale supérieure, PSL Research University, Paris, France; LAAS-CNRS, Université de Toulouse, CNRS, Toulouse, France; Artificial and Natural Intelligence Toulouse Institute, Toulouse, France
针对机器人MPC中DDP/iLQR虽高效但约束处理和热启动受限的问题，论文重新审视标准非线性优化，指出关键不在新算法而在利用时间稀疏结构的实现。作者将多重射击DDP类方法与SQP联系起来，提出结构化SQP+稀疏QP求解框架，自然支持等式/不等式约束；对比研究和力矩控制机械臂实验显示其达到先进MPC性能，并实现了带约束闭环非线性MPC在真实机器人上的演示。
Robotic Systems Lab (RSL), ETH Zürich, Zürich, Switzerland; Max Planck Institute (MPI) for Intelligent Systems, Stuttgart, Germany; Computer Science Department of ENS, Willow, Inria, PSL Research University, Paris, France; Institute for Research in Technology, ICAI School of Engineering, Comillas Pontifical University, Madrid, Spain; Autonomous Space Robotics Laboratory (ASRL), University of Toronto, Toronto, ON, Canada
面向多传感器高频、异步数据使离散时间估计变量膨胀和引入运动畸变的问题，本文系统梳理连续时间状态估计。核心洞察是用可任意时刻查询的轨迹函数统一样条与高斯过程方法，降低传感器预处理和时间同步负担，并服务规划控制。综述给出截至2024年的分类框架，归纳已有工作在视觉/激光/惯性等任务中可达到接近实时和先进精度，同时指出 knot 选择、先验建模与不确定性插值等开放问题。
School of Materials Science, Japan Advanced Institute of Science and Technology, Nomi, Japan; VNU University of Engineering and Technology, Hanoi, Vietnam
面向人机共融中全臂大面积接近与接触感知难以兼顾的问题，论文提出 ProTac 软体机器人连杆：利用可在透明/不透明间主动切换的 PDLC 皮肤和内置视觉，实现接近、触觉两种模式，并配套双目学习感知与时序切换控制。实验显示其可估计接触位置/深度、检测多点接触，并集成到机械臂后支持避障、接触响应等安全且有目的的控制任务。
Research Center for Intelligent Robotics, School of Astronautics, Northwestern Polytechnical University, Xi’an, China
面向高速、低照和传感器异步条件下传统事件-VIO因离散同步融合与IMU预积分误差累积而失效的问题，AsynEIO用高时间分辨率事件前端直接跟踪特征，并在统一高斯过程回归/因子图中融合事件轨迹与多种惯性因子，系统比较GPIF、GPP等方案；公开与自采数据表明其在高速和低照场景优于现有方法。
Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA
针对复杂多机器人任务中扁平 LTLf 公式冗长、难理解且自动机构造和规划开销大的问题，论文提出层次化 H-LTLf 规范，并将任务分解为松耦合子空间进行搜索，实现任务分配与路径规划同步求解。理论上给出表达能力、完备性与最优性分析；用户研究显示层次结构更易理解，服务任务仿真中规划时间显著降低，复杂场景可在约 90–200 秒内求解且代价相近。
State Key Laboratory of Ocean Sensing, Institute of Fundamental and Transdisciplinary Research, Zhejiang University, Hangzhou, China; Center for X-Mechanics, Zhejiang University, Hangzhou, China
针对TCA软体机器人常因预加载需求、内禀传感不足而变形受限和控制不准的问题，论文提出高负载免预载自由行程TCA，并结合光纤姿态/触觉传感与MIMO闭环加前馈控制构建软触手机器人。结果显示TCA可实现30%自由行程、温度自感误差低于6%，轨迹跟踪达毫米级，六边形重复定位达0.49 mm，前馈使上升时间降低15.3%。
Research Institute, UBTECH Robotics Inc., Shenzhen, China
面向机器人/图形中凸包围体与点云、三角网格的间隙和穿透评估，本文指出欧氏距离在穿透情形和动态网格上代价较高。核心是用相对质心的最小缩放因子统一表示分离、接触与穿透，并利用一次配对计算得到的分离平面剪枝大量点/三角对。数值实验显示，该度量多数可闭式或一维搜索求解，整体查询较穷举和若干现有库更快或相当。
Robotics and Control Laboratory, School of Advanced Manufacturing and Robotics, and the State Key Laboratory of Turbulence and Complex Systems, Peking University, Beijing, China
针对浮空飞艇续航和人机安全性好、但易受气流扰动限制户外应用的问题，论文提出 RGBlimp-Q：用仿鸟连续体臂作为内部移动质量调姿机构，并在末端加入爪具实现抓取/栖停。该设计把轻量连续体机构同时作为执行与操作模块，文中通过建模、原型和室内外飞行实验表明，其姿态鲁棒性、飞行时间与距离及抗扰适应性均较基线提升。
Te Pūnaha Ātea—Space Institute, University of Auckland, Auckland, New Zealand
面向航天器近距离交会/对接中纯强化学习缺少稳定性保证、搜索空间大且难以达到最优的问题，论文将LQR与控制Lyapunov函数嵌入RL框架，用神经网络生成状态相关控制矩阵，并提出非贪婪CLF控制方向以考虑全轨迹效果。在CWH动力学下的时间最优和燃料最优任务中，该方法相较RL-only、粒子群和若干贪婪控制基线更接近最优控制解，并保持稳定性约束。
Department of Mechanical Engineering, The University of Hong Kong, Hong Kong; Shien-Ming Wu School of Intelligent Engineering, South China University of Technology, Guangzhou, China; Department of Data and Systems Engineering, The University of Hong Kong, Hong Kong
针对软气动执行器在大变形与承载/鲁棒性之间难以兼顾的问题，论文提出将扁平气管编织进螺旋弹簧的 CFTA，通过编程管路编织模式实现伸长、平面弯曲和空间螺旋弯曲，并建立解析模型指导设计。实验显示伸长型在 200 kPa 下应变达 200%，弯曲型在 160 kPa 下曲率达 0.516 mm⁻¹，约为同尺度已有方案的 5 倍，并展示了上肢可穿戴辅助、缠绕抓手和爬杆机器人应用。
Center for Robotics, School of Control Science and Engineering, Shandong University, Jinan, China; Engineering Research Center of Intelligent Unmanned System, Ministry of Education, Jinan, China; Department of Materials and Production, Aalborg University, Aalborg, Denmark
面向机械臂在动态环境中难以兼顾实时性、安全性与局部极小逃逸的问题，论文提出并行 MPPI：同时运行多种策略规划器并按状态自适应融合，同时设计由速度和 SDF 梯度调制的碰撞代价，结合 IK 引导与稀疏奖励提升到达效率。仿真和 Franka 实机在人机交互、穿越障碍、抓取任务中优于传统 MPPI/SDF 代价，控制频率约 27.8 Hz，末端平均/最高速度 0.523/1.225 m/s，碰撞率低于 5%。
Integrative Sciences and Engineering Programme, NUS Graduate School, National University of Singapore, Singapore; Advanced Robotics Centre, National University of Singapore, Singapore; Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore, Singapore
针对冗余机械臂在复杂环境中无碰运动规划训练代价高、依赖最小距离与逆运动学、探索效率低的问题，URPlanner用参数化任务空间和无需最小距离的通用避障奖励建模，并引入增强策略探索/评估与专家数据扩散以提升样本利用率。实验表明该范式可跨平台、适用于任意自由度机械臂，在训练与部署成本及规划效果上优于既有DRL方法。
Department of Mechanical and Aerospace Engineering, University of California, Los Angeles, CA, USA
面向救援、勘探等场景中腿式机器人难以同时满足强负载运动与精细抓取的自由攀爬问题，SCALER通过可变躯干、并串联四肢和欠驱动C-GOAT双指夹爪，将多模态抓取与全身受力耦合起来。硬件实验显示其可在地球重力下攀爬垂直、仰角、天花板、湿滑表面和抱石墙，并实现闭环动态步态与负载携带。
State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Department of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, China
多机器人在共享密集空间中易因安全约束与任务目标冲突而陷入死锁，传统几何枚举难扩展。本文将死锁定义为CBF-QP闭环动力学中的非期望平衡，指出其出现在活跃CBF边界交点，且稳定力落入安全力锥包时发生，并据此设计分布式在线检测与调制稳定力的反应式避让插件。仿真和硬件实验显示，该框架能在多类协同任务中减少由死锁导致的任务失败，同时保持CBF安全约束。
School of Communication Engineering, Hangzhou Dianzi University, Hangzhou, China; Research scientist at Pingyang Institute of Science and Technology Innovation, Wenzhou, China; Department of Mechanical Engineering, Temple University, Philadelphia, PA, USA
面向多机器人部署中团队规模、环境与传感参数变化导致性能难预测的问题，论文用无量纲变量把任务与团队参数压缩为可解释的组合，并据此拟合参数化性能模型。在多目标跟踪和多智能体路径规划案例中，该方法在训练外配置上仍能较好预测表现，且优于直接用系统参数训练的SVR基线，说明收益主要来自尺度归一化后的参数交互建模。
Autonomous Vehicles Laboratory, Department of Aerospace Engineering, Toronto Metropolitan University, Toronto, ON, Canada
针对四旋翼在扰动、不确定性和机载算力受限下仍需高速鲁棒飞行的问题，论文提出自适应、无 unwinding 的四元数滑模控制框架，避免欧拉角动力学简化、SO(3) 收敛慢及传统自适应增益过度增长，并给出全局稳定性分析。硬件实验超过130次，在32克纳米四旋翼上实现250/500 Hz控制，较三种基线跟踪更准、控制 effort 更低，并完成抛投起飞、翻转和超过3g加速。
State Key Laboratory of Internet of Things for Smart City and the Department of Computer and Information Science, University of Macau, Macau, China; Department of Civil and Environmental Engineering, University of Macau, Macau, China; Department of Automotive Engineering, Tsinghua University, Beijing, China
面向自动驾驶中静态 TTC/DTC 等安全指标难以刻画动态交互风险的问题，SA-TP² 将风险建模为随场景连续演化的自适应驾驶员风险场，并结合模仿学习、规则约束、物理信息网络、Linformer 与时序超图卷积，实现预测与规划一体化。论文在 NGSIM、HighD、MoCAD、NuScenes 上报告轨迹预测达到 SOTA，并在 NuPlan、CommonRoad 闭环测试中优于基线。
Faculty of Electrical Engineering, University of Sarajevo, Sarajevo, Bosnia and Herzegovina; Agile Robots SE, Munich, Germany
面向动态、未知环境中高自由度机械臂需快速重规划且保证安全的问题，论文提出采样式 DRGBT，并通过耗时分析与调度识别关键例程，利用到障碍物距离构造动态扩展气泡，给出满足运动学约束下的安全运动充分条件。对比实验和真实机器人含人场景验证其可在普通传感器与廉价顺序硬件上实时运行，无需 GPU 或重并行化。
Department of Biomedical Engineering, City University of Hong Kong, Hong Kong; Department of Civil Engineering, , University of Hong Kong, Hong Kong; Mechatronics and Robotic Systems Laboratory, Department of Mechanical Engineering, University of Hong Kong, Hong Kong; Department of Mechanical Engineering, City University of Hong Kong, Hong Kong; Centre for Nature-Inspired Engineering, City University of Hong Kong, Hong Kong; Department of Mechanical and Industrial Engineering, University of Toronto, Toronto, ON, Canada
针对飞行机器人载荷小、地面机器人在复杂地形机动性受限的问题，本文将四旋翼与被动弹性腿结合，并引入可产生上下双向推力的旋翼，在下落阶段主动补能；同时重推含重载的支撑相动力学，并用压缩神经网络实现板载实时控制。220 g 原型可跳跃携带最高 2 kg 载荷，并在携带 730 g LiDAR 时完成越障、急转和简单自主导航。
Bosch Center for Artificial Intelligence, Renningen, Germany; Division of Robotics, Perception, and Learning, KTH Royal Institute of Technology, Stockholm, Sweden; Computer Science Department, Technische Universität Darmstadt, Darmstadt, Germany
针对扩散策略在视觉运动模仿学习中推理慢、蒸馏式加速训练复杂且难处理姿态等流形约束的问题，论文提出RFMP，用黎曼流匹配直接在欧氏/黎曼动作空间生成策略，并进一步以LaSalle不变性构造SRFMP增强到目标分布支撑集的稳定性。10个仿真与真实任务显示，其训练和推理更高效，在相同训练轮次下优于扩散策略和一致性策略，SRFMP还可用更少ODE步数达到相近性能。
Buildings and Transportation Science Division, Oak Ridge National Laboratory, Oak Ridge, TN, USA; Applied Dynamics and Control Group, Clemson University—International Center for Automotive Research, Greenville, SC, USA
面向野外多AGV任务中固定充电站难部署、能耗又受地形不确定性影响的问题，论文将高置信能量感知轨迹规划与移动充电车会合调度结合，提出带概率能量约束的混合整数模型和滚动时域REACH-MP框架。蒙特卡洛仿真显示，任务中动态更新会合计划可降低任务延迟且不显著增加能耗，但更新过频会因模型失配导致无效循环甚至任务失败。
Beijing Key Laboratory of Advanced Manufacturing Technology, College of Mechanical & Energy Engineering, Beijing University of Technology, Beijing, P.R. China; Department of Biomedical Engineering, Southern University of Science and Technology, Shenzhen, China
针对踝关节康复机器人预设轨迹缺乏个体化、难以复现医师复杂手法的问题，论文提出两级KMP模仿学习：先结合贝叶斯优化学习医师轨迹，再用第二层KMP提升调制后的平滑性，并引入患者力矩反馈的PILO在线适配。在10名患者实验中，算法能按反馈调整训练轨迹，10次训练后调制点平均减少85.19%，相比KMP/ProMPs在平滑性和轨迹保持上更优。
University of Colorado Boulder, Boulder, CO, USA
面向不确定环境中机器人执行复杂任务时需在时间、能耗、风险等目标与安全约束、用户偏好间取舍的问题，本文将形式化时序逻辑规划与多目标强化学习结合：规划层生成满足任务规范的 Pareto 候选计划，选择层用主动推断/期望自由能在探索 Pareto 前沿和贴合偏好间调节。仿真、基准和洗碗硬件实验显示其比对比方法更样本高效，并能学习多种最优权衡。
Robotics and Perception Group, Department of Informatics, University of Zurich, Zürich, Switzerland
针对现有动力学增强 VIO 在模型失配、持续风扰下退化且难以在线纳入旋转动力学的问题，HDVIO2.0 将点质量物理模型与基于控制指令和 IMU 历史的 TCN 残差模型结合，并用 B 样条连续时间表示旋转动力学，实现 6DoF 动力学紧耦合估计。其在 Blackbird、VID、新数据集及 25 km/h 风中飞行实验中优于 VIMO、VID，并能在不依赖精确车辆状态或真值力测量训练的情况下估计风力与状态。
State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, China; Institute of Medical Equipment Science and Engineering, Huazhong University of Science and Technology, Wuhan, China
面向双方意图偏好未知的人机协作，论文关注机器人怎样才会被人类视作“像人”的伙伴。作者将二阶机器心智、博弈式意图—动作模型与贝叶斯预测结合，区分共情/非共情、主动/反应式、自我/非自我策略，核心结论是共情且主动的非自我策略更接近人类协作行为。受试者类图灵测试与虚拟软组织操作实验显示，该策略更易被误判为人类，并提升复杂任务中的跟踪精度、协作省力性和主观满意度。
Department of Robotics, University of Michigan, Ann Arbor, MI, USA
针对遮挡、狭窄环境中仅靠视觉难以确定可移动目标位姿，且接触探索易把物体推出工作空间的问题，RUMI 将已知形状的位姿信念与机器人轨迹覆盖区域的互信息相结合，实时构造信息增益与可达性代价，并嵌入随机动力学的闭环 MPC 中规划翻找动作。实验显示其在仿真和真实机器人、多物体任务中比基线更稳定成功，是唯一实现一致成功的方法。
State Key Laboratory for Turbulence and Complex Systems, College of Engineering, Peking University, Beijing, China
针对行波驱动板式压电机器人因振动耦合导致自由度受限、直线性差和转弯半径大的问题，本文借鉴章鱼运动，将0.7 mm金属板划分驱动区域并建立含接触摩擦的动力学模型，实现平面任意方向3自由度可控运动。样机仅14.2 g，可爬16.5°坡、拖20 g、载180 g，并承受超5000倍自重；无线闭环控制使轨迹误差较开环降低80%以上。
Department of Artificial Intelligence, Korea University, Seoul, Seongbuk-gu, South Korea; Department of Computer Science, ETH Zurich, Zurich, Switzerland; Department of Mechanical and Aerospace Engineering, UCLA, Los Angeles, CA, USA
针对四足机器人难以直接模仿动物或手持视频中动作、且重定向后常不满足运动学/动力学可行性的问题，论文提出 STMR，将动作迁移拆为空间重定向与时间重定向：先由无全局坐标的关键点恢复无足滑/穿透的全身运动，再通过嵌套优化调整时序满足动力学约束，并用于强化学习跟踪。实验显示其较基线跟踪更准、保持接触时序，并在 Go1、Go2、AlienGo、B2 等真机上部署了跳转、后空翻等动态动作。
School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore; School of Control Science and Engineering, Shandong University, Jinan, China
面向清扫车等车辆沿路缘作业中检测易受路缘形态、植被设施干扰且运动生成偏保守的问题，Curb-Tracker将基于2.5D高程图的在线自适应路缘检测与MPCC统一起来，在保持指定横向偏移的同时优化沿路缘推进速度。系统部署在Hunter 2.0阿克曼平台，并在Gazebo与真实道路实验中验证了对多类道路场景的适应性、鲁棒性和任务效率。
School of Biomedical Engineering and Imaging Sciences, King’s College London, London, U.K.; School of Engineering and Materials Science, Queen Mary, University of London, London, U.K.; LIRMM, University of Montpellier, CNRS, Montpellier, France; Department of Mechanical and Aerospace Engineering, University of California, San Diego, La Jolla, CA, USA; Bioinspired Soft Robotics Laboratory, Istituto Italiano di Tecnologia, Genova, Italy
面向狭窄、敏感和难进入环境中传统机器人摩擦大、部署受限的问题，本文系统梳理顶端生长机器人。核心洞察是将该领域归纳为压力外翻与增材沉积两条主线，并跨设计制造、转向/回撤、传感工具集成、力学建模、控制和应用比较158篇工作。主要结果是给出材料与机构选择、控制策略和应用版图的结构化综述，同时指出长距离可靠生长、可控转向、感知集成与工程化应用仍是瓶颈。
School of Engineering and Applied Sciences, Harvard University, Cambridge, MA, USA; Department of Informatics, King’s College, London, U.K.; Department of Computer Science and Engineering, Lehigh University, Bethlehem, PA, USA
面向含未知恶意成员的移动多机器人协作，论文关注直接互相观测在大规模动态图网络中耗时过高的问题。其核心是 quasi-Dynamic Crowd Vetting：机器人只需直接观察部分邻居，并利用可信邻居的二手信任意见与滑动窗口，在准动态时段内完成全队信任判定，同时结合 settling protocol 兼顾持久监视分布控制。理论给出达到指定失败概率所需时间步闭式界，显示相对直接协议的对数增长，DCV 在固定恶意比例和多数图拓扑下可近似保持常数，并由持久监视仿真验证。
The BioRobotics Institute, Scuola Superiore Sant’Anna, Pisa, Italy; Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna, Pisa, Italy; Center for Automation and Robotics, Spanish National Research Council, Madrid, Spain; IUVO S.r.l., Pontedera, Italy; Institute of Recovery and Care of Scientific Character (IRCCS) Fondazione Don Carlo Gnocchi, Firenze, Italy; IRCCS Fondazione Don Carlo Gnocchi, Firenze, Italy; Dipartimento delle Professioni Tecnico Sanitarie, della Riabilitazione e della Prevenzione Azienda USL Toscana Sudest, Arezzo, Italy; IRCSS Fondazione Don Carlo Gnocchi, Firenze, Italy
面向卒中后偏瘫步态中摆动期屈膝不足、支撑期膝过伸/打软等问题，论文提出单侧主动膝外骨骼 AKO-β：用紧凑串联弹性执行器实现可控助力，并仅依赖患侧膝角编码器结合自适应振荡器估计步态相位、相位锁定施加屈伸扭矩。3名慢性卒中受试者试验中，佩戴后患侧摆动期膝屈曲平均增加18.70°，支撑期过伸减少4.50°，膝关节步态变量评分改善37.5%；但样本很小，时空对称性改善不稳定。
Department of Engineering, King’s College London, London, U.K.; School of Engineering Mathematics and Bristol Robotics Laboratory, University of Bristol, Bristol, U.K.; Department of Computer Science, University of Illinois Urbana-Champaign, Champaign, IL, USA; School of Engineering and Materials Science, Queen Mary University of London, London, U.K.; Institute for Cognitive Systems (ICS), Technische Universität München, München, Germany; Department of Electrical and Computer Engineering, Northeastern University, Boston, MA, USA
面向人机共处、灵巧操作与医疗等近距离交互需求，本文将触觉机器人学界定为把分布式触觉传感整合进机器人系统的领域。其核心洞察是不能只比较单一传感器，而需从材料、换能机制、全身触觉皮肤、仿真数据、基准、数据解释、视觉融合和主动触摸进行系统设计。主要结果是梳理了压阻/压电、电容、磁、光学等路线的取舍，指出标准化评测、可规模化制造和多模态闭环将决定未来十年进展。
Department of Mechanical Engineering, Massachusetts Institute of Technology (MIT), Cambridge, MA, USA; Department of Aerospace and Mechanical Engineering, University of Notre Dame, Notre Dame, IN, USA
针对人形/腿式机器人中齿轮、电差速、四杆等局部运动学闭环使传统 ABA 难以直接用于快速仿真的问题，论文从传播视角重释约束嵌入，将单刚体间的关节模型、运动/力子空间推广到受闭环约束的刚体组，并据此推导多柄 articulated body 的递归正/逆动力学算法。C++ 基准显示，在局部闭环机构场景中该方法较非递归稀疏求解更快，但相对优势依赖闭环结构与问题规模。
Electrical and Computer Engineering Department, University of Kentucky, Lexington, KY, USA
针对传统 GCS 运动规划只能处理最短距离等凸/简单代价、难以优化任意非凸代价的问题，论文提出 GCSGC：用多层 ReLU 网络将非凸代价分解为局部线性区域，与无碰撞凸区域相交建图，并用 McCormick 松弛凸化边代价，同时通过图预处理删去环和高代价路径。2D、7D 仿真及两组实物实验显示，其在轨迹代价、计算效率和内存占用上与 PRM*、TrajOpt、BIT*/AIT*、GCS-SLP 等方法相比具有竞争力。
School of Automation Science and Electrical Engineering, Beihang University, Beijing, China; School of Control Science and Engineering, Tiangong University, Tianjin, China; Tianmushan Laboratory, Hangzhou, China
针对传统向量场导航计算轻但更重视收敛、难以在快速穿越场景中优化时间的问题，论文将迭代学习控制引入空间域向量场，用历史执行数据逐轮调整沿路径的推进策略，而不依赖精确动力学模型。其关键在于把时间最优学习与路径弧长参数化结合，使每轮复杂度保持 O(n)，适合航点较多的实时规划。文中给出稳定性、时间最优性与鲁棒性分析，并通过仿真和实验证明可缩短通行时间、提升移动机器人快速导航效率。
Department of Electronic Engineering, Tsinghua University, Beijing, China; Division of Information Science and Engineering at KTH Royal Institute of Technology, Stockholm, Sweden; Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology, Tsinghua University, Beijing, China; Shanghai AI Laboratory, Shanghai, China
面向 GNSS 受限场景下多机器人依赖 VIO 易漂移、传统 UWB 只能测距且随规模增大更新率下降的问题，论文设计轻量级 stereo UWB 阵列，直接获得机器人间 3D 方向与距离，并通过误差标定、UWB/IMU 分布式相对定位和信号复用网络测距协议提升鲁棒性与可扩展性。真实实验显示，仅用 UWB 可在 100 Hz 更新率下达到厘米级定位精度。
College of Information Science and Engineering, Northeastern University, Shenyang, China; Computer Science and Software Engineering, Shenzhen University, Shenzhen, China
软体夹爪在接触丰富任务中缺少类似身体意识的内部预测模型，难以统一利用视觉、压力与弯曲信号。本文以自由能原则为动机，构建贝叶斯 VAE 多模态关联框架，并采集时序抓取数据来学习跨模态潜变量与未来图像流。实验显示模型可预测抓取结果、未来交互状态，并能从视觉推断压力等跨模态信号，但具体相对增益幅度文中片段未充分说明。
State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI), Beijing, China; Institute for Artificial Intelligence, Peking University, Beijing, China; School of Psychological and Cognitive Sciences, Peking University, Beijing, China; Institute for Artificial Intelligence and School of Artificial Intelligence, Peking University, Beijing, China; Department of Automation, Tsinghua University, Beijing, China
面向长时序移动操作中导航、机械臂与物体运动强耦合、传统分层/TAMP易因几何可达性失配而回溯的问题，本文将场景结构也建模为运动学实体，提出增强构型空间 A-Space，并用任务规划、目标细化与轨迹优化三层联动求解。仿真成功率较基线提升84.6%，实机覆盖7类刚体/关节物体、17种场景，并完成最长14步任务。
College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China
针对多指灵巧手在未知、易变形或易滑物体上难以同时实现手指协同与接触力控制的问题，论文从人类本体感觉-运动整合出发，用可在人手和机器人手间共享的数据手套采集触觉与关节运动，并以极坐标图表示和TK-STGN建模时空触觉-运动关系，再通过力-位置混合映射生成控制指令。实验显示其在成功率、力控稳定性、抓取效率和跨物体/跨机器人手泛化上优于对比方法，更接近人类抓取表现。
School of Geography and Information Engineering, China University of Geosciences, Wuhan, China; College of Computer Science, Chongqing University, Chongqing, China; School of Computer Science, China University of Geosciences, Wuhan, China; Engineering Research Center of Natural Resource Information Management and Digital Twin Engineering Software, Ministry of Education, Wuhan, China; State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing, China
面向低纹理、光照变化等场景下特征法易失效、直接法依赖光度一致且边缘法计算重的问题，本文提出 RGB-D EdgeSLAM：用子模边缘选择只跟踪少量高信息量边缘，并以自适应鲁棒核处理配准外点，结合跟踪、建图与回环。在 TUM RGBD、ICL-NUIM、ETH3D 上相较五种方法取得 29.17% 精度提升，最高 120 FPS，定位成功率 97.06%。
College of Engineering, University of Massachusetts Lowell, Lowell, MA, USA; Department of Mechanical and Aerospace Engineering, The Ohio State University, Columbus, OH, USA; Robotics Department, University of Michigan, Ann Arbor, MI, USA; School of Mechanical Engineering, Purdue University, West Lafayette, IN, USA
面向列车、船舶等加速刚性平台上的人形行走，论文指出静态地面控制会把持续晃动当作扰动而失稳。核心是将角动量 LIP 解析扩展为显式含地面周期晃动的时变非齐次混合 ALIP-DRS，并据此设计离散落脚控制与充分稳定条件。Digit 仿真和实机显示，该方法在未知表面运动和外部推扰下仍能稳定行走。
Department of Computer Science, Rice University, Houston, TX, USA; RAI Institute, Cambridge, MA, USA
面向拥挤场景中的多物体非抓取重排，论文指出传统以机器人动作为中心的推理会在高维接触动力学中低效且易受建模误差影响。其核心做法是先在物体中心视角规划期望物体运动，再用在线闭环推推动作实现，从而把任务意图与执行反馈解耦。仿真和真实机器人对比显示，该框架在多类平面推动重排任务中更高效、动作更贴近任务目标，并提出了相应基准协议。
Department of Computer Science, University of Milan, Milano, Italy
面向服务机器人将视觉检测外包给不可信云端时“传输加密仍需解密推理”的隐私风险，论文提出在机器人端运行轻量编码器-解码器混淆器，并用带 proposal selection 的弱损失与检测网络协同训练，只保留目标检测所需特征、抑制可读场景信息。作者从理论和实验分析检测精度与抗重建隐私的权衡，在公开数据集和 Giraff 实机上表明该方法能生成近似噪声且较抗模型反演攻击的图像，同时维持可用检测性能。
Department of Electrical and Computer Engineering, University of British Columbia, Vancouver, Canada
面向欠发达或远程地区远程超声中“视频指导不精确、机器人系统昂贵”的矛盾，论文把混合现实人类遥操作建模为双边遥操作控制问题，将新手替代从端机器人，并比较多种含力/位姿反馈的控制架构。结果表明，失稳虽不危险却会使系统不可用；小于约200 ms延迟时三通道方案最优，较大延迟下模型介导控制配合新手本地位姿与力反馈更可行。
School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China
针对学习式运动规划在场景剧烈变化或 OOD 环境中易失效的问题，论文将规划建模为序贯采样，提出 CDMPNet：用 PointNet 自编码器提取点云特征，并以 CfC 网络和多变量 evidential 回归同时预测下一状态分布与置信度，低置信时自适应扩大采样范围；还将其嵌入 RRTConnect 以保留概率完备性。实验显示其在 2D/3D/7D 任务中泛化优于 MPNet，路径更短更平滑，7D 下 CDRRTConnect 较 RRTConnect 快约 2–3 倍，并在 Sawyer 实机上验证可迁移性。
Department of Precision Instrument, Tsinghua University, Beijing, China; School of Aerospace Engineering, Beijing Institute of Technology, Beijing, China; Autonomous Aerial Vehicle Lab, Meituan, Beijing, China; Department of Mechanical Engineering, Department of Computer and Information Sciences, University of Delaware, Newark, DE, USA
针对无人机在 GNSS 失效或大范围飞行时 VINS 易尺度不定、累计漂移且卫星图检索占内存的问题，GeoVINS 将正射卫星图的地理信息与视觉惯性估计紧耦合，提出“先分类再检索”的空中地点识别、分层地理关联和 CPU-GPU 异步融合。实飞结果显示，其仅依赖卫星图即可在 2500 km² 未见区域上机实时定位，地图内存约 0.4 MB，识别推理 43 ms，状态估计 25 Hz。
GRASP Laboratory, University of Pennsylvania, Philadelphia, PA, USA; Aquatic Labs, Cambridge, MA, USA; Zipline, San Francisco, CA, USA
面向自治施工等含任务先后依赖、协作执行和不确定结果的大规模多机器人任务分配，论文用任务图与奖励函数统一刻画前序任务质量和联盟规模影响，并提出非线性网络流及在线迭代重分配算法。实验显示，该方法在中大规模问题上比MINLP快数个量级，在线版本在失败和模型误差下更稳健，小规模接近最优，高保真仿真中可支持最多100机器人、25任务的规划。
Department of Computer Science and Operations Research, Université de Montréal, Montréal, QC, Canada; Mila - Quebec AI Institute, Montréal, QC, Canada; Integrus Solutions, Sheung Wan, Hong Kong; Institute for Robotics and Intelligent Machines, Georgia Institute of Technology, Atlanta, GA, USA; National Research Council Canada, St. John’s, NL, Canada; Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada
面向北极碎冰场中难以完全避碰、且碰撞代价取决于冰 floe 形状与接触位置的船舶局部自主导航问题，AUTO-IceNav 将船冰碰撞的动能损失建模为代价，并以格点规划给出初解、再用连续优化滚动细化路径。仿真与物理水池实验表明，该方法可降低平均/最大冲击力和能耗，物理实验较前作性能提升约46%。
Division of Robotics, Perception, and Learning, KTH Royal Institute of Technology, Stockholm, Sweden; Autonomous Transport Solutions Lab, Scania Group, Södertälje, Sweden
本文关注高速公路和多激光雷达重卡场景中常被忽略的动态目标自身运动畸变：仅做自车补偿会拉伸或复制车辆点云。HiMo将自监督场景流用于单帧非自车运动补偿，并提出实时SeFlow++及点级补偿精度、物体形状相似度指标。在Argoverse 2、ZOD和新采集Scania数据上，HiMo显著降低畸变，最高带来约81%形状改进，并提升语义分割和3D检测表现。
College of Intelligent Robotics and Advanced Manufacturing, Fudan University, Shanghai, China; College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China
针对现有GS-SLAM多依赖深度/LiDAR、难以扩展到户外大场景且易受尺度漂移和动态物体影响的问题，VINGS-Mono将VIO前端与2-D Gaussian地图结合，并用采样光栅化、评分管理、单帧到多帧位姿细化提升效率与一致性；其进一步利用GS的新视角合成能力做回环检测和地图校正，配合动态擦除器减少伪影。实验显示其定位接近VIO，并在室内外、移动端场景中优于近期GS/NeRF SLAM的建图与渲染质量。
Department of Computer Engineering, Technical University of Munich, Garching, Germany
面向自动驾驶中轨迹一旦违反交通规则就从头重规划的低效与不连续问题，论文提出“轨迹修复”框架：用STL形式化规则，结合SMT求解与集合可达性分析，定位可修复片段并生成时空约束，且以模型预测鲁棒性加速SAT搜索。仿真和实车实验表明，该方法能在复杂规则场景中实时修复违规轨迹，使车辆更快恢复合法安全行驶。
Brubotics, Vrije Universiteit Brussel and IMEC, Elsene, Belgium; Biorobotics Institute, Scuola Superiore Sant’Anna (SSSA), Pisa, Italy; Physical Chemistry and Polymer Science, Vrije Universiteit Brussel, Elsene, Belgium
针对真空软体弯曲驱动器受负压上限限制、弯曲角和输出力不足的问题，论文提出一种无预制折痕的折纸启发式真空弯曲执行器，通过有限元优化刚度分布，使结构在抽真空时有序自折叠。该设计可用单一60A TPU在消费级FFF打印机上一体成型，最高弯曲约138°，并支持模块化重构；结合自闭合吸盘后构成章鱼式真空夹爪，可包覆并抓取不规则小物体和较大平面物体。
Department of Systems Innovation, Graduate School of Engineering Science, Osaka University, Toyonaka, Japan; School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China; National Institute of Advanced Industrial Science and Technology, Tokyo, Japan
针对单视角下未知物体只被部分观测、学习式抓取对噪声和环境变化敏感的问题，本文改用“相似物体迁移抓取知识”的思路：从语义、几何和尺寸多层匹配数据库模型，并用 C-FPFH 处理局部点云到完整模型的相似性，再生成仿照抓取并局部微调。真实孤立与杂乱场景实验显示，该方法用少于100个模型即可在成功率、效率和泛化上优于现有基线。
GRASP Laboratory, University of Pennsylvania, Philadelphia, PA, USA; CSAIL, Massachusetts Institute of Technology, Cambridge, MA, USA; University of Pennsylvania, Philadelphia, PA, USA; Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA
面向未知重要度场中的多机器人覆盖控制，论文关注局部感知、受限通信下传统CVT方法难以共享有效观测的问题。LPAC将CNN局部感知编码、GNN学习“传什么/如何融合”、MLP输出动作，并用全知集中式规划器做模仿学习。实验显示其优于集中式与分布式CVT基线，可泛化到不同环境和更大机器人规模，并对位姿噪声较稳健。
Centre for AI, Robotics and Space, FEAS, Cranfield University, Cranfield, U.K.; Korea Advanced Institute of Science and Technology (KAIST), Daejeon, Republic of Korea
面向大规模异构多机器人任务分配中集中求解不可扩展、去中心化通信与计算开销高的问题，论文提出递减阈值任务分配 DTTA，用阈值筛选和并行分配减少效用查询与共识轮次，并在子模效用下给出约 (1-ε)/2 的最优性保证。多目标监视仿真显示，其解质量接近现有方法但运行更快，优势在千级机器人和任务规模下更明显。
University of Bologna, Department of Computer Science and Engineering, Bologna, Italy
本文针对大规模、动态环境中传统 SLAM 依赖静态地图导致回环检测和图优化随地图增长而失实时的问题，提出持续学习“区域”的思路：将地图节点动态聚类为区域，增量训练区域预测网络，并用潜在回放缓解遗忘，从而在 RTAB-Map 中只预选相关节点参与定位与优化。多个真实数据集实验显示，该方法能在保持定位可用性的同时显著降低节点处理时间，更适合长期重复巡航场景。
Department of Electrical & Computer Engineering, Northeastern University, Boston, MA, USA; Laboratory for Information & Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA
本文针对视觉惯性导航中特征过多导致的机载算力与能耗压力，将“看哪些特征”建模为面向未来运动、直接关联 MSE 的非子模优化问题。核心在于用动态预判评估特征对估计误差的贡献，并为贪心、低秩贪心、随机采样和一阶线性化选择器给出可计算近似界。实验在标准数据与自建控制感知平台上验证了理论趋势，显示可在保持估计质量的同时支持实时部署。
Mobile Robotics Lab, School of Computation, Information and Technology (CIT), Technical University of Munich (TUM), Munich, Germany; Munich Institute of Robotics and Machine Intelligence (MIRMI), Munich, Germany; Mobile Robotics Lab, ETH Zurich, Zurich, Switzerland
面向移动机器人既要高精度定位又要可用于导航的稠密地图这一需求，OKVIS2-X将视觉、惯性、LiDAR/测深网络与GNSS统一到因子图中，并用与状态估计紧耦合的体素占据子地图和地图对齐因子提升大场景可扩展性，还支持相机外参在线标定。实验显示其在EuRoC、Hilti22和VBR等基准上取得领先或有竞争力的轨迹精度，并可在9 km序列中实时构建全局一致的稠密占据地图。
Thrust of Robotics and Autonomous Systems and the Thrust of Intelligent Transportation, Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China; Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE; School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China; School of Computation, Information and Technology, Technical University of Munich and the Munich Center for Machine Learning, Garching, Germany
PG-SLAM针对动态场景中直接剔除前景会导致重建不完整、定位约束不足的问题，将Gaussian Splatting用于RGB-D SLAM，同时建模静态背景与人/四足动物/刚体前景。其关键在于把动态高斯与形状先验、光流和像素外观约束关联，并在局部地图间联合几何与外观优化。真实数据实验显示，该方法在相机定位精度和动态场景建图质量上优于现有方法。
The State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin, China; School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland
多足机器人在稀疏落脚点和复杂地形中需同时决定步态、落脚点与机身姿态，且受稳定性、碰撞、运动学、力矩和接触约束限制。本文将接触规划建模为并行 MCTS 搜索，引入多约束可达性判定、哈希并行、无价值节点剪枝、深度优先回传与虚拟损失，以更快排除物理不可行序列。实验显示其在稀疏落脚环境中的可通行性、解质量和物理可行性优于主流方法，并在六足和人形机器人仿真及硬件上完成验证。
Adaptive Robotic Controls Lab (ArcLab), Department of Mechanical Engineering, The University of Hong Kong, Hong Kong, SAR China
针对盲式四足控制器难以安全跨越窄桥、平衡梁和大间隙，且感知式方案常依赖多传感器/高算力的问题，MARG将高程地图与本体感知输入强化学习策略，训练时引入特权信息并设计足端奖励以学习安全落足，同时用单个 LiDAR 生成低漂移地形图以支持零样本实机迁移。实验显示其在Unitree Go1/Go2上可稳定通过18 cm窄桥、9 cm平衡梁和最高65 cm间隙等风险地形。
School of Mechatronic Engineering, Robotics Institute, Lanzhou Jiaotong University, Lanzhou, China; College of Mechatronic Engineering, Robotics Institute, Lanzhou Jiaotong University, Lanzhou, China; State Key Laboratory of Structural Analysis, Optimization, CAE Software for Industrial Equipment, Dalian University of Technology, Dalian, China; Hebei Key Laboratory of Trans-Media Aerial Underwater Vehicle, North China Institute of Aerospace Engineering, Hebei, China
针对BCF/MPF混合推进机器鱼中胸鳍—身体多自由度强耦合、传统模型难以适应动态水流且三维轨迹跟踪研究不足的问题，本文构建三自由度胸鳍与三关节尾体原型，用CPG生成协同步态，并结合CFD/六维力传感数据、BiLSTM离线建模与在线更新，再以事件触发NMPC补偿推进力。六组路径跟踪实验表明，该框架在不同工况和水流扰动下保持较高跟踪精度，同时降低实时计算开销。
School of Science and Engineering, The Chinese University of Hong Kong (CUHK), Shenzhen, China; Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS), Shenzhen, China; Institute of Control Systems, Hamburg University of Technology (TUHH), Hamburg, Germany
面向超长斜拉桥缆索巡检与重载维护中反复装拆耗时、载荷和敏捷性难兼得的问题，本文提出 CCRobot-S 多机器人协作方案：以四个可移动锚基和绞盘构成可重构并联缆驱系统，飞行平台用可控吸附抓持缆索，并配套零停机巡检步态、类蜘蛛维护步态及锚点/抓取优化。实验表明该策略可扩展工作空间、跨缆移动并实现较强负载操作，但具体量化增益在给定片段中未充分说明。
Toyota Research Institute, Cambridge, MA, USA
针对接触丰富机器人仿真中摩擦接触 NCP 难解、SAP/MuJoCo 等凸近似存在滑移伪影且难接入工程接触律的问题，本文提出无旋接触场框架，用势函数条件生成凸近似，并给出 lagged/similar 两类模型，可结合 Hunt-Crossley 与库仑摩擦。实验与 Drake 实现显示其在软/近刚接触、多机器人任务中保持稳健交互速率，lagged 模型可消除滑移伪影并支持可微梯度计算。
Department of Mechanical Engineering, Pohang University of Science and Technology (POSTECH), Pohang, South Korea; Department of Electrical and Electronic Engineering, Hanyang University, Ansan, South Korea; Department of Robotics, Hanyang University, Ansan, South Korea; Neuromeka, Seoul, South Korea
面向六自由度接触任务，传统欧拉角有奇异性，四元数/对偶四元数又非最小，直接在SE(3)上设计势能还可能带来姿态半周处力矩消失等问题。本文用指数坐标作为最小表示，在SE(3)中定义阻抗、在同构于R6的se(3)中实现控制，并给出指数映射微分及其时间导数的闭式转换，使质量-弹簧-阻尼设计可延伸到加速度层。6-DoF机械臂实验显示该框架能保持群结构并实现期望动态行为。
Department of Cognitive Robotics, Delft University of Technology, Delft, The Netherlands; Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Oberpfaffenhofen, Germany
针对细长可变形物体操作中常见准静态假设难以处理电缆等具有显著惯性与重力影响对象的问题，本文借鉴软体机器人建模，用应变函数参数化建立机器人—物体耦合动力学，并将末端位姿控制转化为形状调节问题，给出带闭环稳定性与稳态收敛条件的模型控制框架。实验在7自由度机械臂和6种高压电缆上验证了静动态建模及平面末端位置、姿态调节能力。
Robotics Institute, University of Technology Sydney, Ultimo, NSW, Australia; School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China; Institut National des Sciences Appliquées de Lyon (LIRIS, INSA-Lyon), Villeurbanne, France; School of Informatics, University of Edinburgh, Edinburgh, U.K.
面向单目可变形 SLAM 中非刚体建图难以在强弯曲、非等距形变下稳定恢复深度的问题，论文提出 Con-NRSfM：用微分几何证明共形形变下连接的旋转不变性，从而解耦共形尺度与深度约束，并放弃局部平面/线性假设，结合图优化、并行可分迭代和自监督编解码器生成带纹理稠密点云。合成与真实数据表明其在重建精度和鲁棒性上优于既有方法，优势在非等距和强弯曲场景更明显。
School of Control Science and Engineering, Shandong University, Shandong, China; Key Laboratory of Machine Intelligence and System Control, Ministry of Education, Jinan, China; School of Computer Science and Informatics, Cardiff University, Cardiff, U.K.
面向未知室内环境中多机器人探索易短视、目标分配组合复杂的问题，AIM-Mapping在训练阶段让critic利用未探索区域的特权信息，通过非对称特征表示与互信息评估改进状态价值估计，再结合几何拓扑图和图匹配为机器人分配长期边界目标。方法仅用少量场景训练，却在iGibson、机器人数量泛化和真实AGV实验中较启发式、优化及强化学习基线缩短探索时间、减少轨迹重叠；但实际部署仍依赖集中式地图融合。
Department of Control Science and Engineering, College of Electronics and Information Engineering, Tongji University, Shanghai, China; Shanghai Institute of Intelligent Science and Technology, National Key Laboratory of Autonomous Intelligent Unmanned Systems, and Frontiers Science Center for Intelligent Autonomous Systems, Ministry of Education, Beijing, China; School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore, Singapore; School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Stockholm, Sweden; School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore; School for Engineering of Matter, Transport, and Energy, Arizona State University, Tempe, AZ, USA; Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Stockholm, Sweden; Digital Futures, Stockholm, Sweden
这篇论文针对逆强化学习中奖励/代价设计依赖试错、且传统双层方法常用开环轨迹误差导致闭环示范下估计有偏的问题，提出用 DDP 的 Bellman 条件为带等式/不等式约束的内层最优控制高效求外层梯度，并设计刻画反馈生成机制的闭环损失。理论上证明与 PMP 类方法等价，并在一定秩条件下可恢复参数；四个机器人数值例子和真实四旋翼穿门实验显示闭环 IRL 学到的代价更能泛化到扰动和新场景。
School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore; School of Robotics, Hunan University, Hunan, China; School of Transportation Science and Engineering, Beihang University, Beijing, China
针对多机器人在障碍环境中按固定目标导航易产生路径交叉、绕行和死锁的问题，论文提出 CATE，将目标分配、收敛以及机器人/障碍避碰统一编码为整数约束与控制屏障函数约束，在在线优化中同时求分配和控制输入而非先规划路径。作者证明可行性与渐近收敛，并通过仿真和 AMR 实验显示其在静/动态障碍、2D/3D任务中较基线提升可行性与效率。
Department of Automation, University of Science and Technology of China, Hefei, China
面向电缆驱动并联机器人在张力正有界约束、冗余驱动及未知扰动下难以高精度跟踪的问题，论文将非线性DOB嵌入工作空间MPC，用扰动估计改进预测模型，并结合观测误差与扰动时变界进行管状约束收紧，将问题转化为可在线求解的QP，同时证明递归可行性和输入到状态稳定性。仿真与实验证明该方法在模型不确定和外扰下提升轨迹跟踪精度，并保持电缆张力满足约束。
Korea Institute of Science and Technology, Seoul, South Korea; School of Electrical Engineering, Korea University, Seoul, South Korea; Advanced Robotics Laboratory, CTO Division, LG Electronics Inc., Seoul, South Korea; Center for Humanoid Research, Korea Institute of Science and Technology, Seoul, South Korea; Department of Computer Science, Cornell University, Ithaca, NY, USA
针对机械臂任务空间 MPC 在非线性模型、多约束下计算开销过大、难以达到 1 kHz 实时更新的问题，论文将 MPPI 改为单实例采样并引入动态预测时域，以减少采样与长时域优化负担。7 自由度机械臂实验和对比仿真显示，该方法平均约 0.298 ms 完成优化、预测时域达 2.55 s，并提升控制精度。
Shenzhen International Graduate School, Tsinghua University, Shenzhen, China; Institute of AI and Robotics, Fudan University, Shanghai, China; Jianghuai Advance Technology Center, Hefei, China
面向传统海洋机器人在泥沙、碎石和浪涌交界区易失稳、耗能高的问题，论文设计了无缆仿海龟两栖机器人IBATR，以三自由度鳍肢结合贝叶斯步态优化，并用视觉-触觉双流CNN进行地形识别与步态切换。实验中五类地形分类准确率达99.17%，相较固定步态能效提升19.1%、速度提升9.2%，并完成受波浪扰动的陆水过渡验证。
School of Advanced Manufacturing and Robotics, Peking University, Beijing, China; Institute for Artificial Intelligence, Peking University, Beijing, China; School of Advanced Manufacturing and Robotics, and the Institute for Artificial Intelligence, Peking University, Beijing, China
针对水下踢蹼推进耗气高、限制潜水续航的问题，论文设计了一套自主防水的双侧膝关节水下外骨骼，依据扑腿周期在下打阶段提供膝伸展辅助，并结合IMU、肌电和气瓶压力评估真实游动效果。6名经验潜水员100米泳池实验中，开启辅助使净耗气平均降低22.7%，股四头肌峰值激活降低20.9%，腓肠肌激活降低20.6%，表明膝辅助可有效转化为水下能耗收益。
Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; Department of Automation, Tsinghua University, Beijing, China; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China
针对仿生机器鱼水动力建模中传统准稳态模型难以刻画瞬态涡结构、CFD又计算昂贵的问题，本文提出SSDVM，将低展弦比拍动翼中弦向涡主导流场演化作为核心假设，用滑动条带离散涡进行准三维力计算。模型与CFD结果接近且成本更低，耦合动力学后预测机器鱼游速与实验吻合，MAPE为6.54%。
George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, USA
面向联网移动机器人轨迹跟踪中传统模型检测可能失效的安全风险，本文揭示非完整机器人动力学的部分线性与对称性可被仿射变换利用，构造对观测量和控制命令协同的反射/缩放 FDIA，使机器人执行偏离轨迹而控制端观测几乎不变。Turtlebot 3 实验证实攻击可完全隐蔽并显著影响运动，同时提出基于状态监测签名函数 SMSF 的检测思路。
Department of Mechanical Engineering, University College London, London, U.K.; Hamlyn Centre for Robotic Surgery, Department of Mechanical Engineering, Imperial College London, London, U.K.; Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA; Robotics and Autonomous Systems Group, CSIRO, Pullenvale, QLD, Australia; Universidad Nacional de Loja, Loja, Ecuador
针对纤维增强腔软体连续体机器人设计仍依赖试错、且受材料柔顺性与腔体加压引入强非线性的问题，本文建立静态解析建模—设计—评估框架，将Cosserat杆、腔体增刚、截面变形及线性/超弹性材料纳入统一模型，并提供GUI仿真工具与物理测试平台。框架在8种不同直径和长度的机械臂上验证，可预测正运动学与末端力，并揭示伸长几何、加压腔体和材料超弹性对性能的影响。
Department of Mechanical and Civil Engineering, California Institute of Technology, Pasadena, CA, USA; DEVCOM U.S. Army Research Laboratory (ARL), Adelphi, MA, USA; Department of Mechanical and Aerospace Engineering, University of California San Diego, La Jolla, CA, USA
论文针对传统运动规划只给路点、难保证底层控制器同时安全避障与动力学可执行的问题，提出将RRT与CLF/CBF兼容性检查结合的C-CLF-CBF-RRT，在扩展树时筛选可由安全稳定反馈跟踪的路径段；对线性系统及多面体/椭球约束可转化为每步QCQP，并证明概率完备性，仿真与硬件实验验证了可行性。
Department of Mechanical Engineering, University of California, Berkeley, CA, USA; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong KongSAR, China
面向非结构环境中机器人需在柔顺适应与高刚度承载间切换的问题，论文提出可编程锁定单元 PLC：用腱驱动机械互锁实现模块化、离散刚度调节，并结合刚度建模与 k-d tree 离散规划。单元刚度变化最高约 950%，在两指变刚度夹爪和 16 段管道穿行机器人中验证了自适应抓取、稳固保持、手内操作及狭窄空间形态适应能力。
Institute for Photogrammetry and Geoinformatics, University of Stuttgart, Stuttgart, Germany; Technical University of Munich, Munich, Germany; Karlsruhe University of Applied Sciences, Karlsruhe, Germany; Munich Center for Machine Learning, Munich, Germany
针对单目重建缺少尺度与几何约束、现有神经/3DGS SLAM常在渲染质量和几何精度间取舍的问题，HI-SLAM2将学习式稠密SLAM产生的深度代理与单目深度/法线先验结合，用3D Gaussian表示地图，并通过网格尺度对齐、回环后的位姿图BA和高斯单元形变实现在线一致更新。在Replica、ScanNet、Waymo、ETH3D和ScanNet++上，论文报告其较现有神经SLAM显著提升，部分指标甚至超过RGB-D方法。
Multirobot and Control Systems Group, Universidad de Sevilla, Seville, Spain
面向户外长航时异构多机器人（尤其多无人机）任务中电量受限、任务需协同且环境动态的问题，论文提出新的 MRTA 建模：同时考虑充电调度、任务分片/接力、固定或可变规模联盟同步执行，并给出 MILP 与可在线修复/重规划的启发式求解框架。实验在多无人机巡检场景中验证其相对小规模最优解的可行性、较大规模求解效率以及应对延迟、故障和新增任务的在线重规划能力。
National Engineering Laboratory for Big Data System Computing Technology, School of Artificial Intelligence, College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China; College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China; School of Artificial Intelligence, National Engineering Laboratory for Big Data System Computing Technology, Shenzhen University, Shenzhen, China; College of Mechatronics and Control Engineering, Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ), Shenzhen University, Shenzhen, China; Department of Automation, Shanghai Jiao Tong University, Shanghai, China; Department of Electrical and Computer Engineering, National University of Singapore, Singapore
面向包裹存在紧急顺序且无人机续航/载重受限的多卡车多无人机配送，论文将优先约束显式纳入协同路径规划。核心做法是先用扩展最小边际成本生成满足顺序的卡车路线，再拆分为卡车—无人机混合路线并检查续航，最后仅扰动卡车路线做变邻域下降以降低修复复杂度。仿真和实验显示，相比常用 ALNS，该启发式在解质量和计算时间上更优。
Microsoft, Redmond, WA, USA; Texas A&M University, College Station, TX, USA; GRASP Laboratory, University of Pennsylvania, Philadelphia, PA, USA; University of California, Riverside, CA, USA; Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA
面向多机器人长期导航中密集地图计算、存储和通信开销过高且缺少语义可用性的问题，SlideSLAM以稀疏对象级度量-语义地图为统一表示，结合RGBD/LiDAR前端、对象轨迹联合优化后端、语义驱动地点识别与间歇通信下的去中心化协作。系统已部署在空地异构平台，并在室内外实测和公开数据集上验证了实时性、地图合并与定位建图效果。
School of Automation, Beijing Institute of Technology, Beijing, China; School of Automation, Nanjing University of Science and Technology, Nanjing, China
面向机器人在操作、导航和交互中同时需要真实外观、稳定几何与开放词汇语义的建图需求，OmniMap用紧耦合3DGS-体素混合表示统一三类属性，并加入轻量相机补偿、基于TSDF的增量高斯初始化与法线约束、概率实例融合。实验显示其在渲染质量、网格精度和零样本语义分割上优于已有方法，并可支撑场景问答、编辑、感知引导操作和地图辅助导航。
Department of Mechanical Engineering, University of Delaware, Newark, DE, USA; Department of Department of Mechanical and Aerospace Engineering, George Washington University, Washington, DC, USA; XREAL Inc., Beijing, China
面向嵌入式机器人中 VINS 在单精度计算下易数值不稳定、初始化慢的问题，本文提出基于平方根协方差滤波的 √VINS，用 LLT 更新保持协方差平方根的上三角结构，并设计无需三角化 3D 特征的动态初始化。实验显示其在 32 位浮点上仍稳定，运动跟踪速度约为 SOTA 两倍，并可在 100 ms 最小窗口内高成功率初始化。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Key Laboratory of Intelligent Robotics, Shanghai Jiao Tong University, Shanghai, China
针对3D打印PneuNet因材料非线性、复杂截面和初始曲率导致难以建模与设计的问题，论文以最小势能法建立有限螺旋变形的通用非线性框架，并纳入多种超弹性本构模型。实验显示Mooney–Rivlin模型无需拟合参数即可较准预测多圈变形，R²达0.975，显著优于线性模型；作者还据此完成反向设计，并展示章鱼式抓取、流体传输与软传感集成。
School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; State Key Laboratory of Multimodel Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences Beijing, China
面向人机交互与抓取中接触前后感知割裂、双模传感器易受干扰且体积偏大的问题，本文用可变光路实现触觉、表面反射实现接近感知，并构建触觉-接近统一伺服框架。传感器厚度4 mm、灵敏度最高1.12 V/N，8000次循环漂移低于1%；伺服误差达到毫米/亚厘米级，并在抓取中用TPNet实现番茄四级成熟度94.4%分类准确率。
State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, China
面向极地机器人受电池/燃料限制、难以长期科考的问题，论文提出可折叠帆与可变形履带结合的多模态运动平台：帆在合适风况下直接提供助推、恶劣风况下折叠保稳，履带可在牵引与滑行间切换以降低驱动力，并配套建模与节能控制。实验显示多模式综合运行约节能24%，验证了该策略在极地长时探索中的潜力。
Machinery Dynamics Laboratory, Hiroshima University, Hiroshima, Japan
面向人机接触和装配中导纳控制难以同时保证任务空间顺应性、关节力矩显式限幅与奇异位形安全的问题，论文将力矩有界导纳控制扩展到冗余机械臂任务空间，并用连续化伪逆融合任务空间与零空间动力学，避免饱和时回弹和过冲。七自由度 Kinova Gen3 实验显示，该方法在多种交互场景及完全伸展近奇异姿态下仍能保持有效控制。
School of Intelligent Systems Engineering, Sun Yat-sen University, Guangzhou, China; Differential Robotics Technology Company, Ltd., Hangzhou, China
面向空中机械臂在抓取、击打等多技能任务中需同时规划无人机与末端执行器、且激进姿态易陷入局部最优的问题，论文提出带灵活部分航点约束的全身时空优化框架，并用模仿学习生成局部运动先验来引导优化。系统同时处理碰撞、动力学与运动学可行性，在仿真和实机中展示了九类基础操作技能。
Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Garching bei München, Germany; Munich Center for Machine Learning, München, Germany; Munich Center for Machine Learning, Germany; Medical Intelligence and Robotic Cognition Lab, The University of Hong Kong, Hong Kong
论文针对扩散策略在模仿学习中易过度依赖本体感知、遇到分布外关节状态后难以恢复的问题，提出 D3P：用视觉分支负责判断任务进展与失败重试，融合分支负责精细操作，并以深 Koopman 模块建模视觉时序动态、用测试时损失聚合动作片段。在 6 个 RLBench 任务和 3 个真实操作任务上，较强基线分别平均提升 14.6% 和 15.0%。
Department of the Electrical and Computer Engineering, Seoul National University, Seoul, South Korea; School of Mechanical Engineering, Kumoh National Institute of Technology, Gumi, South Korea; Department of Mechanical Engineering, Seoul National University, Seoul, South Korea; Department of Electrical and Computer Engineering, Seoul National University, Seoul, South Korea; Institute of Advanced Machines and Design, Seoul National University, Seoul, South Korea
面向人形机器人和移动操作臂使用为人手设计的工具，论文指出传统夹爪过于专用、软夹爪负载不足而刚性夹爪适应性差。其核心是双侧摩擦棱柱 pin-array 夹爪：弹簧半自动驱动的独立针阵列贴合物体形状，并以防滑针尖提供多接触支撑和全向抓取。实验中负载达 2400 g，高于 RG2-FT 的 800 g 和平面摩擦夹爪的 400 g，抓取力与锤子、金属锉操作误差也显著优于基线。
Technion Autonomous Systems Program (TASP), Technion—Israel Institute of Technology, Haifa, Israel; Stephen B. Klein Faculty of Aerospace Engineering, Technion—Israel Institute of Technology, Haifa, Israel; Faculty of Data and Decision Sciences, Technion—Israel Institute of Technology, Haifa, Israel
面向部分可观测机器人在线规划中“有限计算时间内仍可能选到危险动作”的问题，论文将概率信念约束嵌入连续状态、动作和观测空间的 MCTS，并在扩展树中即时剪除危险动作、清理其对访问统计和值估计的贡献，从而不依赖收敛即可保持当前树安全。作者证明一类算法以指数速率概率收敛；仿真显示即使查询次数很少，也比基线更安全且目标值更高。
Meta AI, Pittsburgh, PA, USA; Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA
面向多机器人 SLAM 中集中式 PGO 通信开销高、隐私与规模受限的问题，论文将 majorization-minimization 引入分布式位姿图优化，构造适配多类鲁棒核的代理函数，并用 Nesterov 加速与自适应重启提升收敛；其中无主节点版本保持完全去中心化，理论上收敛到一阶临界点，2D/3D SLAM 基准实验显示其比现有分布式方法收敛更快且解质量更好。
University of Notre Dame, Notre Dame, IN, USA; University of Pennsylvania, Philadelphia, PA, USA; University of Waterloo, Waterloo, ON, Canada; Inria centre at the University Grenoble Alpes, Saint Ismier, France; LAAS-CNRS, Toulouse, France; University of Trento, Trento, Italy
面向足式机器人在物流、农业和家庭等真实场景中的实时运动生成难题，本文综述近十年基于优化的控制方法，核心洞察是将难点归结为接触建模、动力学降阶与数值转录/求解的耦合选择。文中梳理了固定/自由接触序列、刚性/弹性接触、简化模型、DDP与QP全身控制等路线，给出方法分类与适用权衡，为后续结合学习方法提供框架。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai, China; Autonomous Multi-Robots Lab, Department of Cognitive Robotics, Delft University of Technology, Delft, The Netherlands
针对粒子式动态占据地图受离散网格尺寸制约、难以兼顾规划分辨率与实时效率的问题，论文提出DSP连续占据地图，直接以点云输入，用体素存储/重采样与类金字塔遮挡感知更新的双结构在连续空间传播粒子，并结合初始速度估计和静动态混合模型降噪。实验显示其在动态环境占据与速度估计上优于网格粒子地图，静态场景表现接近常用静态地图，并可在小型四旋翼机载CPU上用于避障。
Continuum Robotics Laboratory, Department of Mathematical & Computational Sciences, University of Toronto, Toronto, ON, Canada; DEFROST Team, Inria and CRIStAL UMR CNRS 9189, University of Lille, Lille, France
该文针对腱驱连续体机器人在腱力作用下易屈曲、且刚度与顺应性难兼顾的问题，系统分析任意平面结构的弹性稳定性。核心在于用分岔图揭示同一驱动输入可对应多种形态，并推导连接设计参数与临界腱力的全局稳定准则；进一步把接近屈曲用于主动软化，在保持形状的开环控制下实验实现约4倍顺应性提升。
Department of Mechanical Engineering, Seoul National University, Seoul, South Korea; School of Mechanical Engineering, Pusan National University, Pusan, South Korea
面向三足式服务机器人越障，论文试图用单执行器1-DOF可变形轮替代更重、更贵的2-DOF方案。核心是把无基准机构的拓扑、尺寸与关节类型统一为基于JBM的梯度优化，并同时约束末端轨迹/姿态、力矩—力传递比和移动副数量。结果合成出含转动/移动副的四杆、六杆及全转动十杆机构，仿真与样机运动验证了越台阶可行性。
Department of Computing, Imperial College London, London, U.K.; Department of Mechanical and Industrial Engineering, Toronto Metropolitan University, Toronto, ON, Canada
面向多机器人/多设备在无中心云地图下仍需共享空间定位的问题，论文提出 Robot Web：将全局非线性因子图按设备切分，用支持李群状态的高斯置信传播和异步网页式消息交换完成端到端分布式推断。结果显示其在千机器人仿真中可接近集中式优化精度，并在丢包、离群观测下保持鲁棒，九台真实机器人验证了板载实时可行性。
École Centrale de Nantes, Laboratoire des Sciences du Numèrique de Nantes, Nantes, France; Centre National de la Recherche Scientifique, Laboratoire des Sciences du Numèrique de Nantes, Nantes, France
面向依赖机载相机方位测量的四旋翼分布式编队，论文关注“通常刚性”的有向方位图在特定几何下失去刚性的风险。其核心是把传感与运动约束等价为虚拟运动机构，用螺旋理论按图子结构分类奇异性，从而解释对应不可控运动。结果表明可构造任意规模、奇异条件全集已知的编队，并展示了利用这些条件进行避奇异刚性维护控制。
Province Key Laboratory of Precision Equipment and Manufacturing Technology, School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou, China
针对细胞显微注射中单目缺乏深度、传统双目视场受限导致注射针与持针/胚胎难以精确对准的问题，论文构建由双目远心微视觉和倒置显微镜组成的混合三视图系统，并结合粗到细针尖/针轴特征提取与位姿—图像两阶段伺服。斑马鱼胚胎实验中平均位置偏差约0.1 μm、姿态偏差约0.4°，表明该视觉配置能显著改善对准精度。
Mechatronics and Robotic Systems Laboratory, Department of Mechanical Engineering, University of Hong Kong, Hong Kong, SAR, China
面向高分辨率、长量程 LiDAR 带来的海量 ray-casting 与高分辨率地图更新开销，本文提出 D-Map：用深度图投影直接判定栅格占据状态，在树结构上按大单元更新，并利用 LiDAR 低误检率删除已知单元形成递减地图。多传感器公开与私有数据实验显示，其在保持相近建图精度的同时显著提升更新效率并降低内存，且可在手持设备和搭载高分辨率 LiDAR 的飞行平台上实时运行。
Humanoid Research Center, School of Mechanical, Aerospace & Systems Engineering, Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea
针对腿式机器人仅依赖 IMU 与腿部运动学时易受足端打滑、松动地面等动态接触破坏的问题，论文将群仿射残差引入固定滞后平滑，使雅可比不依赖当前估计，并结合可重评估的滑移不确定性调整与跨时刻足端位置约束。实机室内及 160 m 室外实验表明，该方法较 InEKF 和非不变平滑器在动态接触下更稳健、估计精度更高。
Biorobotics Laboratory, Department of Mechanical Engineering, SNU-IAMD, Institute of Engineering, Seoul National University, Seoul, South Korea; Soft Robotics Research Center, Seoul National University, Seoul, South Korea; Interactive and Networked Robotics Laboratory, Department of Mechanical Engineering, SNU-IAMD, Institute of Engineering Research, Seoul National University, Seoul, South Korea
面向无人机空中抓取/栖停中足端易与目标高速碰撞的问题，论文借鉴鸟足自动栖停机制，将Sarrus踝部连杆、弹性腱和电黏附腱锁结合，用冲击能量被动驱动爪闭合，并把腱刚度作为匹配质量与速度的设计/控制参数。原型无需闭环驱动即可约45 ms闭合、锁止约20 ms，并在1.8 kg无人机上完成不同杆/绳栖停及20–50 mm物体搬运。
Embodied Dexterity Group, Department of Mechanical Engineering, University of California Berkeley, Berkeley, CA, USA; Department of Computer and Electrical Engineering, University of California Santa Cruz, Santa Cruz, CA, USA
针对视觉吸盘抓取在透明、反光、细小几何或未知硬件配置下易失效的问题，本文把接触后的触觉搜索作为视觉规划的补偿：智能吸盘通过远端流量/压力测量定位局部漏气，无需在杯体嵌入电子器件，并用模型控制实时调整位姿以改善密封。实验显示流量信号在边缘和曲面上可指示有效运动方向，箱拣对抗物体时相较纯视觉规划最高提升约2.5倍成功率。
Mobile Perception Lab of School of Information Science and Technology, ShanghaiTech University, Shanghai, China; Inc. Motovis, Shanghai, China
面向无人机稳定与避障等速度控制场景，传统 VIO 将速度作为位姿和地图估计的副产物，易受跟踪失败、回环和运动模糊影响。本文用事件相机替代帧相机，基于三焦张量建立事件线观测与相机速度的直接约束，并结合两层 RANSAC 初始化与 IMU 预积分滑窗优化实现紧耦合速度估计。仿真和真实实验表明，该方法在高动态甚至极端运动下可连续、稳定估计速度，且优于基于点位姿的传统 VIO。
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA, USA
面向多机器人 SLAM/SfM 中旋转平均与平移估计的协同后端，论文针对一阶分布式方法收敛慢、二阶消元通信矩阵过密的问题，利用黎曼 Hessian 与加权图 Laplacian 的关系，将近似二阶迭代转化为拉普拉斯系统求解，并在机器人上传前做谱稀疏化以调节精度—通信量。理论证明局部线性收敛且速率受稀疏化参数影响，并结合 GNC 提供鲁棒估计；真实 SLAM/SfM 实验显示通信效率和收敛速度优于基线。
Institute of Robotics and Machine Intelligence, Poznan University of Technology, Poznan, Poland; Department of Computer Science, Technische Universität Darmstadt, Darmstadt, Germany; Huawei R&D London, Cambridge, U.K.; Research Department: Systems AI for Robot Learning, German Research Center for AI (DFKI), Kaiserslautern, Germany; Hessian, Darmstadt, Germany
面向空中曲棍球等动态操作任务，传统采样/优化规划在复杂运动学、动力学和任务约束下难以及时给出可执行轨迹。论文提出 CNP-B，将约束统一为流形并用深度网络学习生成由 B 样条表示的轨迹，同时学习约束度量并强化边界条件满足。仿真和 Kuka LBR Iiwa 14 实验显示，该方法规划/重规划速度显著快于对比规划器，且执行运动更快、更准，但仍可能输出不可行局部轨迹。
Sensory-Motor Systems Lab, ETH Zurich, Zurich, Switzerland; Robotic Systems Lab, ETH Zurich, Zurich, Switzerland; Rehabilitation Engineering Lab, ETH Zurich, Zurich, Switzerland; Spinal Cord Injury Center, University Hospital Balgrist, Zurich, Switzerland
针对上肢康复机器人控制器常只自动化底层辅助、难迁移到不同任务/设备/患者的问题，论文提出按会话、练习、任务、辅助四层组织的多态高层控制框架，用不变状态和 selector 在治疗师约束下选择/生成控制器。作者基于20个既有控制器抽取状态，在任务与辅助层各集成4类控制器并设计两种自动选择算法；实机单人模拟患者实验显示系统能对“治疗师”外部调整产生合理响应，但临床有效性仍未充分验证。
Multi-Scale Robotics and Automation Lab, School of Mechanical Engineering, Purdue University, West Lafayette, IN, USA; Weldon School of Biomedical Engineering (By Courtesy), Purdue University, West Lafayette, IN, USA
面向杂乱环境中未知物体的移动操作，论文针对吸盘抓取缺少大规模、可靠标注数据的问题，提出 Sim-Suction：用解析模型结合动态物理仿真生成含 500 个场景、320 万抓取位姿的合成基准，并训练基于点云与文本提示的对象感知 PointNet 预测 6D 吸附抓取。真实实验在三类杂乱物体上成功率达 96.76%、94.23% 和 92.39%。
Rehabilitation Research Institute of Singapore (RRIS), Clinical Science Building, Nanyang Technological University (NTU), Singapore
面向低自由度摇杆控制7自由度机械臂时，日常抓取同一物体存在多种抓法，单靠被动观察输入易误判意图并与用户对抗。论文将共享自治建模为离散高层动作POMDP，把询问、面向目标移动、面向目标分布移动和不辅助纳入统一决策，以主动权衡探索与执行。两组用户研究显示，该方法在复杂抓取场景中比无主动信息获取的 hindsight optimization 更快、输入更少、对抗动作更少，且主观偏好更高。
Department of Mechanical and Mechatronics Engineering, University of Auckland, Auckland, New Zealand; Advanced Mechatronics Team, Applied Technologies Group, Callaghan Innovation, Auckland, New Zealand; School of Engineering, Computer and Mathematical Sciences, Auckland University of Technology, Auckland, New Zealand
面向柔性机器人桌在狭小平面内同时分拣易损物体时的协同与避碰难题，论文将多智能体路径规划思路改造为“离散规划—轨迹生成—跟踪”框架：用含 SoTa 约束的时变势场分层搜索生成多物体路径，再以分段 B 样条转为可执行轨迹。仿真与 CBS 对比，并在 4×4 SoTa 上完成三物体分拣实验，验证了该策略能实现安全的多物体操作。
CNRS, Clermont Auvergne INP, Institut Pascal, Université Clermont Auvergne, Clermont-Ferrand, France; Instituto de Investigación en Ingeniería de Aragón, Universidad de Zaragoza, Zaragoza, Spain
面向弹性物体形状伺服中自由度高、遮挡和对象形态差异导致的通用控制困难，本文将物体绑定到三维 lattice，转而跟踪和伺服该简化结构，并用 ARAP 模型推导解析形变雅可比，实现无需材料参数的全局或局部形状控制。实验覆盖线状、薄壳和体积物体及纸、橡胶、塑料、泡沫等材料，在大形变与复杂表面场景中可达约 20–30 FPS，但穿越奇异形状等情形仍受限。
School of Automation Science and Electrical Engineering, Beihang University, Beijing, China; Shenyuan Honors College, Beihang University, Beijing, China; School of Aeronautic Science and Engineering, Beihang University, Beijing, China; Collaborative Flying Robotics, Hangzhou Innovation Institute, Beihang University, Hangzhou, China; Department of Mechanical Engineering, University of Victoria, Victoria, BC, Canada
针对机器人在突发风、阻力或基座运动等未知扰动下难以同时保证初始安全与稳态精度的问题，EVOLVER将模型型扰动观测器与基于Koopman算子的在线学习结合：先用反应式观测快速抑制扰动，再用持续更新的扰动模型提高预测与补偿精度。文中给出理想条件下收敛分析，并通过洛伦兹扰动仿真、自由飞行物体预测、四旋翼抗风飞行和移动基座机械臂控制验证，性能优于多种模型型和学习型基线。
Sorbonne Université, CNRS, ISIR, Paris, France; Perception Team, Magazino GmbH, München, Germany
本文针对工业机器人中动作/观测异步且负载等动力学跨回合突变的问题，提出 ACUMEN：将元学习的 Neural ODE 连续时间动力学模型嵌入采样式 MPC，使控制器可在不规则时间戳下预测并快速适配新环境，同时保持任务无关性。实验覆盖两个机器人仿真和真实 SOTO2 工业机器人，显示该框架具备实际可行性；但真实机器人上的元学习验证主要依赖离线部署数据。
School of Biomedical Engineering, Western University, London, ON, Canada; Department of Mechanical and Materials Engineering, Department of Electrical and Computer Engineering, and School of Biomedical Engineering, Western University, London, ON, Canada; Department of Mechanical and Materials Engineering and School of Biomedical Engineering, Western University, London, ON, Canada; Department of Electrical and Computer Engineering and School of Biomedical Engineering, Western University, London, ON, Canada
面向帕金森等疾病手部震颤抑制，论文针对腱驱动手套轻量但非线性强、控制依赖精确腱位移模型的问题，建立包含各关节“腱线接触关节圆弧”阈值弯曲角的综合运动学模型。仿真与台架、单关节和多关节运动验证显示，模型与实验数据二维相关系数达0.96±0.01，相比既有欧氏范数模型平均降低RMSE约83%，尤其改善大腱位移场景。
voraus robotik GmbH, Hanover, Germany; Institute for Information Processing, L3S, Leibniz University Hannover, Hannover, Germany; Computer Vision Laboratory, Linköping University, Linköping, Sweden
面向工业机器人运行中异常样本稀缺且私有数据难以复现的问题，论文发布 voraus-AD：基于协作机器人抓取放置任务的公开机器数据集，含130路机电信号、正常样本与12类细微异常，并给出逐类评测协议。作者还提出面向多变量时序的归一化流基线 MVT-Flow，用密度估计检测低似然事件；实验中其AUROC较既有基线提升6.2%，但部分收益可能来自更适配该数据结构的模型设计。
Robotics Systems Lab, ETH Zürich, Zürich, Switzerland; ANYbotics AG, Zürich, Switzerland
针对隧道、开阔平面等几何约束不足场景中 ICP 易沿退化方向漂移甚至发散的问题，X-ICP 在 scan-to-map 对应关系的优化特征空间中评估各主方向可定位性，并将其转化为受约束位姿更新：可定位方向正常优化，部分可定位方向限幅，非可定位方向保持先验。仿真与矿井、工地、公园等实测结果显示，其无需场景化调参即可更稳定检测退化并提升定位与建图精度。
Shaanxi Key Lab of Intelligent Robots, School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an, China; School of Mechanical and Precision Instrument Engineering, Xi'an University of Technology, Xi'an, China; Jiangsu Provincial Key Laboratory of Special Robot Technology, Hohai University, Changzhou, China
针对传统软双稳态执行器一经结构定型后行程与刚度难以调节、限制多任务机器人的问题，本文将电活性扭卷聚合物纤维、角度放大机构与高压缩柔顺机构结合，从能量景观入手用电压调控双稳态能垒，并支持双稳态/后双稳态两种运动；链式梁约束与电活性材料模型得到实验验证，双执行器夹爪在3 V下负载能力最高达自重6.5倍。
Department of Mechanical Engineering, Marquette University, Milwaukee, WI, USA
面向多指手在接触任务中为被抓物体设计期望空间阻抗的需求，本文分析硬点接触抓取的可实现阻抗空间。核心洞察是该空间并非任意 6×6 阻抗，而受硬点只能传递力、不能传递力矩的结构约束，形成 20 维超平面；文章给出给定抓取可实现阻抗的充要条件及物理解释，并证明通过选择三指接触位置与各指平移阻抗，可实现该超平面内任意满秩空间阻抗。
Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China; Huzhou Institute, Zhejiang University, Huzhou, China; DJI Technology Company, Shenzhen, China; Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, SAR, China
面向无人机与地面移动平台协同中续航受限、需不停驶停靠的问题，论文将动态跟踪与栖停统一为高频时空 SE(3) 轨迹优化：通过可微可见性指标避免遮挡和丢失目标，柔性调整终端时间与耦合状态，并用切向相对速度松弛处理安全/动力学冲突。系统部署在 DJI Mavic 3 上，实车实现 30 km/h SUV 顶部栖停及 3.5 m/s、60° 倾角后备箱栖停。
Department of Advanced Manufacturing and Robotics, College of Engineering, and the Institute for Artificial Intelligence, Peking University, Beijing, China; Beijing Engineering Research Center of Intelligent Rehabilitation Engineering, Beijing, China; Institute for Artificial Intelligence, Peking University, Beijing, China; National Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI), Beijing, China; Peking University Third Hospital, Beijing, China; University of Health and Rehabilitation Sciences, Qingdao, China; Beijing Institute for General Artificial Intelligence, Beijing, China
面向可穿戴机器人在助力相与透明相之间高效切换、且更贴近肌肉向心/离心收缩的问题，论文提出带离合—弹簧机构的仿生线缆驱动：向心助力由电机主动输出，离心助力利用阻尼张力调节，非助力时脱开以降低交互。台架显示向心闭环带宽18.2 Hz、离心线性拟合R²>0.99、离合约90 ms；用于踝外骨骼后，5名受试者比正常行走腓肠/比目鱼肌活动中比目鱼肌降低27.32%。
Department of Engineering for Innovation Medicine, University of Verona, Verona, Italy; Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada
面向移动机器人在边云集群中同时运行实时与非实时 ROS 节点时，标准 Kubernetes 难以保障混合关键性任务时序的问题，论文提出 RT-Kube，在不修改 Kubernetes 源码的前提下加入关键性感知调度、实时容器监控、截止期违例检测与低优先级任务迁移。基准与 Robotnik RB-Kairos 实验显示，容器开销可忽略，相比标准调度可将实时任务漏截止减少最高约 50%，总体漏截止可降一个数量级。
EndoTheia, Inc., Nashville, TN, USA; Department of Mechanical, Aerospace, and Biomedical Engineering, University of Tennessee, Knoxville, TN, USA
针对既有CPPR模型局限于双管、平面、无扭转且不考虑载荷，本文把带偏置刚度中心的激光切管表示为修正Kirchhoff杆，并通过同心约束与能量最小化求解任意管数、三维变曲率及外载下的形状。作者用FEA表征非均匀切割管参数，并在两管、三管原型上验证，实验与模型吻合，支持其用于医疗连续体机器人的设计优化、规划和控制。
Institute of Photogrammetry and Remote Sensing, Karlsruhe Institute of Technology, Karlsruhe, Germany
面向视觉引导工业机器人，论文指出传统手眼标定默认机器人位姿精确，忽略了高重复性但低绝对精度带来的系统误差。其核心是把机器人位姿不确定性纳入随机参数估计，同时可校正机器人位姿、支持有靶/自标定及相机内参联合估计。仿真、真实实验和公开数据集评估显示，该框架精度明显优于15种已有方法。
Environmental Robotics Laboratory, Department of Environmental Systems Science, ETH Zurich, Zurich, Switzerland; Swiss Federal Institute for Forest, Snow and Landscape Research (WSL), Birmensdorf, Switzerland; Institute of Environmental Engineering, Department of Civil, Environmental and Geomatic Engineering, ETH Zurich, Zurich, Switzerland; Swiss Federal Institute of Aquatic Science and Technology (EAWAG), Dübendorf, Switzerland
面向树冠内部难以进入、无人机续航与抗碰撞不足、攀爬机器人依赖附着的问题，论文提出 AVOCADO，将顶部锚定的绳索升降与推进器横向机动结合，并加入防护外壳、机载计算与相机估计，建立含绳长的三维动力学模型和解耦控制。仿真与室内外实验显示其可跟踪三维轨迹、绕过枝条/障碍，并对绳索扰动与有效绳长突变保持稳定。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; Meta Robotics Institute, Shanghai Jiao Tong University, Shanghai, China
针对气动软体执行器因材料非线性和结构各向异性导致形变难以可控设计的问题，论文用晶格超材料作为硅胶管外部约束层，通过倾斜网格、马蹄单元和差异厚度分别编程扭转、伸长与弯曲，并建立考虑几何正交各向异性和有限变形的解析模型。实验验证模型可预测压力、取向角和图案对轨迹的影响，发现约36°时扭转最大、互补角网格可实现纯伸长，并据此演示侧向攀爬机器人、探索软机械臂及叠加晶格产生的复合扭转-弯曲-伸长运动。
STORM Lab, Institute of Autonomous Systems and Sensing (IRASS), School of Electronic and Electrical Engineering, University of Leeds, Leeds, U.K.; School of Computing, University of Leeds, Leeds, U.K.
面向手术等场景中三维软组织难以实时建模、特征跟踪易受遮挡且代价高的问题，论文用下采样3D表面点云直接作为反馈状态，构建加权残差形变模型，将形状误差非线性映射到多机械臂6DoF速度控制，并通过调节采样分辨率增强遮挡鲁棒性。在仿真、软组织假体和达芬奇平台尸体肠组织实验中，相比线性和数据驱动基线分别提升46.5%/15.9%精度，并减少55.2%/25.7%操作时间。
Department of Electrical and Computer Engineering, National University of Singapore, Singapore; Continental Automotive Singapore, Singapore
针对四旋翼在风、气动耦合、载荷等扰动下鲁棒飞控依赖繁琐调参或真实扰动标签的问题，论文提出 NeuroMHE：用小型神经网络在线生成 MHE 权重，并通过对 KKT 条件隐式求导、以卡尔曼滤波递推高效计算梯度，使估计器可直接由轨迹跟踪误差训练。仿真和实机结果显示，其在多种挑战飞行中相较 NeuroBEM 最高降低 76.7% 力估计误差，且网络参数仅为其 7.7%。
Department of Mechano-Infomatics, The University of Tokyo, Tokyo, Japan; Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan
针对传统空中机械臂悬停操作末端不稳、关节力矩受限且旋翼集中削弱可达性的问题，论文提出可用根部贴附天花板/平面的最小构型分布式旋翼机械臂，将旋翼布置到各连杆以分担自重，并设计飞行、贴附控制与考虑贴附力约束的逆运动学规划。实验表明其在飞行与贴附状态下提升末端稳定性、可达性和可施加力，支持钻孔、喷涂、开阀等更高负载操作。
LS2N Lab, Institut Mines Telecom Atlantique, Nantes, France; LS2N Lab, CNRS, ECN, Nantes, France; Khalifa University Center for Autonomous Robotics Systems (KUCARS) and the Department of Mechanical and Nuclear Engineering, Khalifa University of Science and Technology, Abu Dhabi, UAE
面向刚柔混合、任意拓扑软体机器人在高刚度或较大步长下显式积分易失稳的问题，本文将假设应变模态的 Cosserat 杆拉格朗日模型与 Newmark 隐式积分结合，并提出统一的 Newton–Euler 递归逆动力学及其切线版本来计算残差和雅可比。单杆、飞行杆及机器人算例显示，在精度相当时该方法对杆刚度更鲁棒，仿真时间对刚度不敏感，优于需极小步长的显式方法。
Department of Mechanical Engineering, Southern Methodist University, Dallas, TX, USA
针对全局磁场驱动下多磁机器人难以独立控制的问题，论文研究异构机器人以不同速度平行响应时的无障碍多边形工作空间规划。核心在于用线性独立“运动模式”给出可控性条件，并把工作空间边界、机器人间最小距离与运动序列可行性纳入优化规划；作者还设计毫米级多面磁 pivot walker 作为平台。实验表明该算法能在避免碰撞/磁吸风险的同时实现多机器人独立到达目标位置。
School of Mechanical Engineering, State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China; Department of Mechanical and Aerospace Engineering, Monash University, Clayton, VIC, Australia
针对多移动机器人在密集障碍中既要保持任务编队又要避障而导致可行运动空间急剧缩小的问题，论文将同时满足编队与障碍约束的有效构型离散映射为无向图，用 BFS 判定可达性，并结合路径长度与编队偏好的代价用 Dijkstra 求优，同时用边界加密缓解离散化误差。仿真显示该方法可在多种刚性或任务相关编队约束下穿越障碍丰富环境，但效果主要基于仿真验证。
Division of Robotics, Automation and Mechatronics in the Department of Mechanical Engineering, KU Leuven, Leuven, Belgium; DMMS-M Lab, Flanders Make, Leuven, Belgium; TU Eindhoven, Eindhoven, The Netherlands; Materialise NV, Leuven, Belgium
面向MPC、接触轨迹优化和强化学习中高频受限动力学计算的瓶颈，本文用高斯最小约束原理把受限动力学等价为LQR并以动态规划求解，重释并扩展PV算法到浮动基树结构和任意连杆约束，同时揭示LQR对偶Hessian与逆操作空间惯量的关系，推导含软约束的O(n+m)求解器。数值结果显示其在四足和人形等高维机器人仿真中较Featherstone LTL方法有更好扩展性和明显加速。
Shien-Ming Wu School of Intelligent Engineering, South China University of Technology, Guangzhou, China; Pazhou Lab, Guangzhou, China; State Key Laboratory for Turbulence and Complex Systems, Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University, Beijing, China
针对鱼类巡游、缓转和快速转向通常需分别建模、导致机器鱼多模态控制繁琐的问题，本文将非线性振荡器与行波方程结合，提出由偏置、幅值、频率和节拍比等少量参数统一调节的鱼体运动学模型。作者据此建立多关节机器鱼动力学与控制方法，并通过仿真和实体验证其可生成直游、转弯及 C/S 类快速转向等多种泳姿。
State Key Laboratory of Robotics and Systems, Laboratory for Space Environment and Physical Sciences, Harbin Institute of Technology, Harbin, China; State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin, China
针对小型水面跳跃中水面柔顺、变形与溅水耗能导致驱动力难以准确建模、尺度增大又削弱起跳能力的问题，本文设计划水腿微型机器人，并用修正 Wagner 理论建立考虑水面变形的腿—水相互作用模型及全跳跃动力学，进而联合优化储能形式、划水轨迹和支撑腿形状。91 g 原型实现最高 241 mm、最远 965 mm 的水面跳跃。
Department of Engineering Mechanics, State Key Laboratory of Fluid Power and Mechatronic System, Key Laboratory of Soft Machines and Smart Devices of Zhejiang Provinces, Center for X-Mechanics, Zhejiang University, Hangzhou, China
面向昆虫尺度无缆机器人中SCM折纸传动易在初始折叠构型陷入奇异、导致刚度和运动性能受限的问题，论文将Grassmann–Cayley代数用于2自由度折纸并联传动的奇异性分析，并据此重设计S²worm-G。实验显示奇异性被消除，4.71 g、4.0 cm原型最高速度由27.4提升至75.0 cm/s，转向速度也提升至9.3 cm/s。
School of Engineering and Applied Sciences, Harvard University, Cambridge, MA, USA; Department of Sciences and Methods for Engineering (DISMI), University of Modena and Reggio Emilia, Reggio Emilia, Italy
多机器人在含恶意个体时需保持高连通韧性编队，但靠近队形会与避障、通道通过等安全约束冲突并引发 CBF 死锁。论文刻画障碍/狭窄区域中韧性不可保证的条件，将环境重映射为只包含可证明维持韧性的可行空间；若无此路径，则用嵌套 CBF 将韧性软约束化并给出避免死锁的临界增益。仿真和 6 台 GoPiGo 实验显示其能在杂乱环境和对抗者存在下完成韧性一致与导航。
Sibley School of Mechanical and Aerospace Engineering, Cornell University, Ithaca, NY, USA
面向水下、微纳等难以通信和定位的场景，论文研究无记忆、无显式通信、无相对位置测量的极简群体如何包围未知运动目标。核心是用仅依赖局部信号强度的离散反应式控制律，在搜索、避碰和绕行包围之间切换，并用 Lyapunov 分析给出目标/机器人速度比与传感器布置相关的保证条件。结果表明算法可在避免碰撞下包围静止和动态目标，目标更快时也能给出随机收敛保证，并通过仿真分析噪声、参数和非圆机器人影响。
Tandon School of Engineering, New York University, Brooklyn, NY, USA
面向多旋翼通过缆绳、刚性连杆等被动机构进行运输与操作时建模复杂、实机试错成本高的问题，RotorTM 提供可配置的开源仿真框架，集成完整动力学、规划与控制，并重点给出缆绳松弛/张紧切换时的混合动力学与碰撞闭式模型。多种构型的仿真—实机对比显示其能较好复现实验行为，并支持算法快速原型到实机部署。
Klipsch School of Electrical and Computer Engineering, Las Cruces, NM, USA; Department of Mechanical and Aerospace Engineering, Las Cruces, NM, USA
面向任务数多于智能体的分布式多任务分配，论文针对 CBBA 收敛慢、DRHBA 随任务/智能体比例增大而计算开销上升、CBHA 依赖任务聚类相似性的局限，提出 DMCHBA：先通过邻居通信收敛到全局知识库，再用智能体克隆与伪任务构造方阵并运行匈牙利算法，结合本地规划确定执行顺序。文中证明有限时间无冲突分配，蒙特卡洛实验显示其在收敛速度和总代价上优于 CBBA、DRHBA 与 CBHA。
Munich Institute of Robotics and Machine Intelligence, Technische Universität München (TUM), Munich, Germany; Institute of Automatic Control, Leibniz University, Hannover, Germany
面向动态、拥挤且仅部分已知环境中的双臂协作操作，论文针对传统单一向量场易陷局部极小、全局规划反应慢的问题，提出预测式多智能体探索与CoSTP优先级控制耦合框架，在协作双任务空间中同时处理避障、关节限制、姿态/接触与安全着陆。仿真和14自由度KoBo实机实验显示，该方法能在复杂非静态场景中更可靠完成受约束搬运与放置任务。
Department of Mechanical Engineering, University of Washington, Seattle, WA, USA; Department of Industrial & Systems Engineering and the Department of Mechanical Engineering, University of Washington, Seattle, WA, USA
面向低成本移动机器人在陌生、杂乱室内场景中识别被遮挡物体的难题，论文将持久同调与人类“物体统一/恒常性”推理结合，提出点云切片拓扑描述子 TOPS 与 THOR 框架，通过视角归一化和拓扑特征匹配缓解遮挡导致的形状缺失。实验在 OCID 与新建 UW-IS Occluded 数据集上显示，THOR 相比 DGCNN、SimpleView 等方法在多种光照、环境和遮挡程度下取得更高识别准确率。
State Key Laboratory for Turbulence and Complex Systems, Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University, Beijing, China; State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China; School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; Nanchang Innovation Institute, Peking University, Nanchang, China
面向模型控制器依赖专家建模、Koopman 方法又常只优化辨识误差而不保证控制效果的问题，本文提出以任务性能为目标的贝叶斯 Koopman 控制器自动生成框架，同时搜索 lifting 函数与 MPC 参数，并加入资源分配以降低试验成本。仿真和实机覆盖摆、软体、水下、仿企鹅等机器人，结果显示相较未优化 Koopman-MPC 任务精度显著提升，并对扰动有补偿效果。
State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, China; Robotics Institute, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China; Artificial Intelligence, Robotics and Mechatronic Systems (ARMS) Group, School of Engineering, University of Aberdeen, Aberdeen, U.K.
针对介电弹性体执行器在不同构型、材料和自由度下受速率相关粘弹性、机电非线性与共振振动耦合影响而难以统一建模和精确控制的问题，论文提出面向控制的广义动力学模型，引入状态观测器估计不可测粘弹性，并设计增强指数趋近律滑模控制器。实验覆盖四种构型、两类材料和多自由度DEA，结果表明模型能描述复杂动态响应，控制器可实现较精确轨迹跟踪。
Department of Mobility and Robotic Systems, NASA Jet Propulsion Laboratory, Pasadena, CA, USA; Department of Mechanical Engineering, ETH Zürich, Autonomous Systems Lab, Zürich, Switzerland; Department of Computer Science, University of Colorado Boulder, Boulder, CO, USA; Robotics and Autonomous Systems Group, CSIRO, Pullenvale, QLD, Australia; Department of Aeronautics and Astronautics, MIT, Cambridge, MA, USA; Department of Mechanical Engineering, Bangladesh University of Engineering and Technology, Dhaka, Bangladesh; Robotics Embedded Systems Lab, University of Southern California, Los Angeles, CA, USA; Department of Computer Science and Software Engineering, Laval University, Québec, QC, Canada; Department of Mechanical and Process Engineering, ETH Zürich, Zürich, Switzerland; Carnegie Mellon University, Pittsburgh, PA, USA; 347J, NASA Jet Propulsion Laboratory, Pasadena, CA, USA; Faculty of Electrical Engineering, Department of Cybernetics, Multi-Robot Systems Group, Czech Technical University in Prague, Prague, Czech Republic; Department of Cybernetics, Czech Technical University in Prague, Ceske Budejovice, Czech Republic; Faculty of Electrical Engineering, Czech Technical University in Prague, Ceske Budejovice, Czech Republic; Agricultural Faculty, University of Bonn, Bonn, Germany; Department of Cybernetics, Czech Technical University in Prague, Prague, Czech Republic; Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA; Robotics NASA-JPL, Caltech, Pasadena, CA, USA; Department of Engineering Cybernetics, NTNU - Norwegian University of Science and Technology, Trondheim, Norway; Data61, Commonwealth Scientific and Industrial Research, Pullenvale, QLD, Australia; Department of Mobility and Robotic Systems, Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA, USA; Institute of Robotics and Intelligent Systems, ETH Zurich, Zurich, Switzerland; Department of Robotics, CSIRO Robotics and Autonomous Systems, Pullenvale, QLD, Australia; Department of Computer Science and Software Engineering, Université Laval, Quebec City, Canada; Department of Cybernetics, Czech Technical University in Prague, Prague 6, Czech Republic; Autonomous Systems Lab, ETH Zürich, Zürich, Switzerland; Robotics and Autonomous Systems Group, CSIRO, Kenmore, QLD, Australia; Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA
面向地下、洞穴等无 GNSS、弱光且通信受限的极端环境，本文借 DARPA SubT 挑战梳理六支队伍的实战 SLAM 系统，核心洞察是当前可靠方案主要依赖 LiDAR 中心、多传感器融合与异构多机器人架构，成败常由参数调优、算力、通信和故障恢复等工程细节决定。文中对照 DARPA 人工真值图评估各系统，显示中等规模团队已能实现较准确实时建图，但在遮挡退化、感知混淆、超大规模分布式协同和韧性自适应方面仍未充分解决。
State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, China; Department of Mechanical Engineering, City University of Hong Kong, Hong Kong; School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan, China
面向多机器人协作中双机器人坐标关系难以由传统线性方法解耦并同步标定的问题，论文将 AXB=YCZ 变换链放到 SE(3) 李群上，构造凸优化模型并显式推导李导数雅可比，同时用权重平衡旋转/平移尺度，避免迭代后再正交化。仿真和实机实验显示其精度与稳定性优于两种既有方法，陶瓷球平均测量误差降至 0.4381 mm。
CNRS, Inria, IRISA, University of Rennes, Rennes, France; University of Siena, Siena, Italy; Istituto Italiano di Tecnologia, Genova, Italy
面向遥操作中力反馈设备昂贵且易引入稳定性风险的问题，本文梳理皮肤/触觉反馈作为替代路径的依据：去除接地动觉力后，仍可通过皮肤刺激传递接触、纹理、形状等信息，并在硬接触、时延等情况下更易保持闭环安全稳定。论文按刺激类型系统归纳现有装置，指出其在精细操作、抓取、医疗机器人等任务中可改善感知与操控，但产业化仍受显示能力、集成形态和评价标准限制。
Department of Mechanical Engineering, University of Washington, Seattle, WA, USA
面向柔性物体多机器人去中心化搬运中“变形小但耗时长”的矛盾，论文提出延迟自强化 DSR：各机器人仅利用已有的历史局部力/变形信息增强自身动作，近似无变形的集中式搬运而不增加通信或改网络结构，并分析含旋转时变动力学的稳定条件。实验在相同搬运时间下将最大变形至少降低约72%，平移场景约75%。
Unit of Electrical Engineering, Tampere University, Tampere, Finland; Department of Electrical Engineering, Uppsala University, Uppsala, Sweden; Department of Electrical Engineering, Chalmers University of Technology, Gothenburg, Sweden; Department of Electronics Engineering, Chungnam National University, Daejeon, South Korea
针对杂波环境中 SLAM 易受数据关联不确定性影响、粒子滤波需大量粒子的问题，论文将量测与地标建模为随机有限集，提出以不同数据关联假设为高斯混合分量的多假设重要密度，并用逐量测分区更新把视野内地标复杂度降为线性。合成与真实实验显示，该方法较现有 PHD-SLAM 提升定位建图精度与鲁棒性，尤其适合高杂波场景。
School of Automation Science and Electrical Engineering, Beihang University, Beijing, China; School of Aeronautical Science and Engineering, Beihang University, Beijing, China; Department of Mechanical, Industrial and Aerospace Engineering, Concordia University, Montreal, QC, Canada; China Aerospace Science and Technology Corporation, Beijing, China; Beijing Institute of Aerospace Control Devices, Beijing, China
针对空中机械臂受无人机浮动基座扰动和多连杆误差放大影响、末端精度长期停留在厘米级的问题，论文将扰动抑制转为基于运动预测的轨迹重规划：在线学习预测平台运动，在基座系修改机械臂参考轨迹，并用含运动学、执行器和动力学约束的优化控制跟踪。实飞中相较反馈和势场方法误差显著下降，并完成抓取直径11 mm笔、插入20 mm孔的毫米级飞行插孔任务。
Faculty of Engineering, Mechanical Engineering Department, Université de Sherbrooke, Sherbrooke, QC, Canada
面向协作机器人在接近/接触人时受传统伺服齿轮高反射惯量限制而不得不降速降力的问题，论文将磁流变执行器作为安全本体设计核心，利用其低输出惯量、高带宽和较干净动力学，建立并实验验证碰撞模型，同时提出基于关节角速度带通滤波的无模型快速碰撞检测。结果显示，仅替换执行器架构可使安全水平最高提升约3倍，结合快速检测与被动泡棉后，相比典型UR5类系统冲击力可降低约10倍。
Tandon School of Engineering, New York University, New York, USA; University of Freiburg, Freiburg, Germany
针对飞行机器人在载荷、风扰等工况变化下模型失配会削弱MPC控制的问题，论文提出自监督离散时间动力学学习框架，将离线经验与在线主动更新结合，并用无迹变换估计数据不确定性来调节MPC，使控制动作同时服务于跟踪和高效采样。四旋翼实验证明该方法能适应悬挂载荷、桨叶混合和风扰等未见条件，预测与轨迹跟踪优于经典及自适应基线。
Multi-Scale Robotics Lab, ETH Zürich, Zürich, Switzerland
面向磁导航导管、内窥镜等微创器械，论文针对透视成像有辐射且常规磁定位易受驱动磁场干扰的问题，提出在同一电磁导航系统的驱动场上叠加各线圈不同频率的小幅振荡定位场，并用尖端单个三轴霍尔传感器分离相量，实现六自由度位姿估计与驱动同步。三线圈实验和血管模型导管演示中，在80×80×60 mm工作空间以10 Hz达到位置平均精度/重复性小于1 mm、姿态误差小于2°。
Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI, USA
针对越野高速非完整车辆在三维起伏地形上仅做路径规划会忽略速度与动力学可行性的问题，本文提出A*引导采样、含非完整/动力学约束的RRT生成轨迹、再用LTR局部细化的分层全局轨迹规划器。随机地形、障碍场和MRZR仿真表明，该方法较现有方法成本更低、成功率和计算效率更高，并能在基线因忽略车辆动力学而失败的场景中生成可跟踪轨迹。
Department of Biomedical Engineering, National University of Singapore, Singapore; National University of Singapore (Suzhou) Research Institute, Suzhou, China
针对双电机背部助力外骨骼偏重、单电机方案又难兼容左右髋异步和行走自由度的问题，本文设计了差分串联弹性驱动器D-SEA，用单电机在两侧输出平衡助力，并通过直接弹簧形变反馈、绳轮传动和行走/搬举模式切换实现精确力控与低阻抗反驱。实验中搬举时背部肌肉激活最高降低40%，行走时未增加背部和腿部肌肉负担。
Massachusetts Institute of Technology, Cambridge, MA, USA
面向电池与内存访问能耗受限的微型机器人，GMMap将深度图单遍压缩为同时表示空闲/占据区域的局部高斯混合，并直接融合为全局连续占据图，避免多遍处理和射线投射；同时扩展GMR以查询占据概率并保留未知区。在Jetson TX2/ARM A57上可达CPU 60帧/秒，在精度相近下地图大小、内存开销、DRAM访问和能耗分别至少降低56%、88%、78%和69%。
Overstory B.V., Amsterdam, The Netherlands; Robert Bosch GmbH, Corporate Research, Renningen, Germany; Delft Center for Systems and Control (DCSC), TU Delft, Delft, The Netherlands
面向AGV/移动机器人在动态仓储等场景中因人或第三方车辆造成大延迟、原MAPF执行顺序导致低效甚至乱序死锁的问题，论文提出可切换动作依赖图SADG，并用低维MILP构成收缩/滚动时域反馈控制，在线重排交叉口通行顺序，同时保持碰撞与死锁避免证明。仿真和Gazebo实验显示，相比ADG和鲁棒MAPF方法，大延迟下累计完成时间最多降低约25%，70车规模MILP可在1秒内求解。
Informatics XVII – Robotics, Julius-Maximilians-University of Würzburg, Wurzburg, Germany
针对机器人三维感知中几何、颜色、红外乃至语义特征往往需分别建模的问题，Uni-Fusion用基于GPR核近似的免训练通用隐式编码，将点云按稀疏体素编码为可增量融合的LIM，从而统一生成连续表面、属性场和CLIP特征场。实验展示其可用于彩色重建、2D属性迁移和开放词汇场景理解，整体表现最佳或具竞争力。
Autonomous Space Robotics and Mechatronics Laboratory (ASRoM-Lab), Carleton University, Ottawa, ON, Canada
面向移动平台机械臂在航天、海洋等场景中基座大范围运动易引入参数化奇异和模型复杂的问题，本文在 Lie 群主丛上用 Lagrange–Poincaré 方程统一车辆与机械臂动力学，分离外部锁臂系统与内部关节运动，并给出可直接实现的矩阵形式。案例与 Simscape Newton–Euler 模型在 19683 个状态上验证一致，15 秒仿真最大位置误差约 1.5e-4 rad 或 5e-5 m。
State Key Laboratory of Intelligent Manufacturing Equipment and Technology (iMET), Huazhong University of Science and Technology, Wuhan, China
面向人机协作和非结构环境中多自由度关节既要灵巧又要本体柔顺、而传统弹性机构或阻抗控制复杂且受反馈稳定性限制的问题，本文提出通过球面电磁铁电流塑形磁能的球形关节电机，在无弹性元件和力/矩反馈下同时设定平衡点与全向刚度。原型在任意平衡附近实现可调刚度，10°范围内刚度线性误差约5%，作为Kuka腕关节可无力传感完成倾斜大于10°的插孔，并能估计环境形状和刚度，误差低于20%。
Department of Convergence IT Engineering, Pohang University of Science and Technology, Pohang, South Korea; Robot Center, Samsung Research, Samsung Electronics, Seoul, South Korea; Division of Advanced Nuclear Engineering, Pohang University of Science and Technology, Pohang, South Korea
针对传统推进式水下机器人在急流、海草缠绕、崎岖海床和狭窄结构中机动性受限的问题，论文提出仿生多模态平台 HERO-BLUE：用带大量被动关节、单自由度驱动的鳍同时承担游泳鳍和行走肢功能，并结合蝾螈式脊柱、软波动鳍与浮力调节实现游泳、行走、爬行无硬件切换。仿真、水槽与海域/湖泊/溪床外场实验表明，其可在砾石、水流、斜坡等复杂环境中连续组合多种运动，提升水下通过性。
Department of Electrical and Computer Engineering, Michigan State University, East Lansing, MI, USA; Department of Electrical and Computer Engineering, Purdue University, West Lafayette, IN, USA; Department of Computer Science and Engineering, Michigan State University, East Lansing, MI, USA; Control Science Center, Air Force Research Laboratory, Dayton, OH, USA
针对无人机/地面机器人在受限扇形区域内防御任意时刻、任意数量入侵者的问题，本文用竞争分析刻画在线多车周界防御的最坏情形性能，而非依赖先验或随机到达假设。核心贡献是给出有限竞争性的必要参数条件，并设计三种去中心化与两种协同算法；其中两种去中心化算法分别达到1与2竞争比，一种协同算法达到1.5竞争比，其余算法在不同参数区间给出有限界，并扩展讨论异构车辆。
Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA
面向无人机仅有RGB图像与VIO/SLAM稀疏深度时难以在线获得稠密地形几何和语义的问题，TerrainMesh将地形表示为局部三角网格，先用稀疏关键点深度闭式初始化顶点高程，再把2D图像/语义特征投影到3D顶点并用GCN在联合几何-语义损失下细化，可随关键帧拼接成全局模型。仿真和真实航拍实验显示其较几何-only方案更准确，并具备在线环境监测与巡检建图潜力。
Berkeley AI Research Lab (BAIR), Department of Electrical Engineering and Computer Science, University of California, Berkeley, CA, USA; Intrinsic Innovation LLC, Mountain View, CA, USA
面向线缆穿过多个卡扣的长时程操作，论文指出单个技能小失误会在多阶段中累积放大，单纯顺序执行或端到端克隆难以可靠完成。其核心是分层模仿学习：低层从视觉示教学习插线等原语，高层学习何时重试、拉紧或切换卡扣，并用历史嵌入和交互式微调增强恢复能力。实验显示该方法显著优于平坦BC、BeT、ACT和手写状态机，并能泛化到较大卡扣位置变化，失败主要来自误判已成功穿扣。
Institute of Medical Robotics and Department of Automation, Shanghai Jiao Tong University, Shanghai, China; Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai, China; Tencent Robotics X, Shenzhen, China; Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China
面向腔内介入中连续体机器人与组织不可避免接触带来的损伤风险，论文将带多点 FBG 的驱动光纤同时用于牵引和原位张力剖面感知，并结合考虑分段差异、多光纤耦合与外力作用的梁模型反推接触。仿真和带缺口机器人实验表明，该方法无需显式建模光纤—通道摩擦即可恢复分段驱动力，并估计接触点数量、位置和接触力。
Department of Mechanical Engineering, Tsinghua University, Beijing, China; Department of Computer Science and Engineering, University of California, San Diego, CA, USA
面向触觉强化学习依赖大量真实交互且刚体触觉仿真难以刻画弹性形变的问题，论文提出面向标记式视觉触觉传感器的通用 Sim2Real 流程：用 FEM 仿真接触形变，直接以标记点坐标做点式触觉特征，并结合自监督预训练与多域随机化。方法在插孔任务上完成大量零样本 Sim2Real 验证，并扩展到插头调整和开锁，显示出较好的跨任务泛化。
Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague, Prague, Czech Republic
针对车载相机—LiDAR外参会因振动、热胀或轻微碰撞产生时变漂移，论文将问题拆成在线监测、内部跟踪与信息帧预筛选，提出有历史记忆的自适应随机优化OCAMO和逐帧固定网格搜索LTO，用低层点状跨模态特征与鲁棒核相关损失降低算力和存储开销。实验显示两类监测统计准确率超过98%，OCAMO更擅长小失准检测，LTO对突发失准响应更快，随机旋转漂移跟踪的yaw误差约0.03°。
Department of Systems and Control Engineering, Tokyo Institute of Technology, Tokyo, Japan; Department of Mechanical and Aerospace Engineering, Princeton University, Princeton, NJ, USA; Department of Information Physics and Computing, The University of Tokyo, Tokyo, Japan; Department of Electrical Engineering and Computer Science, University of California Irvine, Irvine, CA, USA
面向多四旋翼低空视觉监测中视场之间可能产生漏检空洞、影响态势感知和视频拼接的问题，论文用由视场半径定义的 power diagram 推导三机间无空洞的充要条件，并将其转化为逻辑组合的非光滑控制屏障函数，形成可随三机组合切换的分布式约束控制；再与提升成像质量、减少视场重叠的覆盖律结合。仿真和实机实验表明，该方法能在优化监测质量的同时抑制团队视场间未监测区域。
University of Minnesota, Minneapolis, MN, USA
针对杂乱场景中新物体难以快速教会机器人定向抓取的问题，本文将颜色、形状等可泛化属性作为目标描述，构建视觉-文本端到端抓取网络，并利用抓取前后物体持久性自监督对齐属性嵌入；进一步提出无标签对抗适应与一次抓取适应，减少目标域数据需求。仿真和真实实验中，未知物体实例抓取成功率超过81%，且组合适应在域移更强时带来更明显提升。
Department of Mechanical Engineering, The University of Hong Kong, Hong Kong; School of System Design and Intelligent Manufacturing, Southern University of Science and Technology, Shenzhen, China
针对 LiDAR 场景识别在大视角变化、稀疏且异构点云下难以同时保持位姿不变性和判别力的问题，BTC 将三关键点边长构成的全局三角描述子与刻画关键点邻域分布的二进制局部描述子结合，并利用顶点对应估计 6D 相对位姿。多类 LiDAR、平台和环境实验显示，其相比 Scan Context、LCD-Net 等在精度、鲁棒性和适应性上更优，尤其适合反向行驶、大平移或旋转等困难回环。
Key Laboratory of Optoelectronic Imaging Technology and Systems, Ministry of Education, School of Optics and Photonics, Beijing Institute of Technology, Beijing, China; Mobile Perception Lab, ShanghaiTech University, Shanghai, China; Shanghai Engineering Research Center of Intelligent Vision and Imaging, ShanghaiTech University, Shanghai, China
针对传统视觉定位在低照度、强光变化和高速运动下不稳、而纯事件相机建图质量不足的问题，论文将事件相机仅用于跟踪，借助深度相机或常规视觉 SLAM/SfM 生成的半稠密地图做跨模态 3D-2D 配准；核心改进是引入带极性的 signed time-surface 代价和遮挡点预剔除，扩大收敛域并减少误匹配。多组公开与自采数据表明，该方法在困难光照和动态场景中比纯事件里程计、RGB-D/常规相机替代方案更稳且精度更高。
Department of Mechanical Engineering, Stanford University, Stanford, CA, USA; The Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA; Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, USA
面向足式等机器人在接触建立/断开时难以用通用 MPC 同时处理接触时序、接触力与实时性的痛点，论文提出 CI-MPC：用双层规划将下层接触动力学写成时变 LCP，并通过参考轨迹泰勒近似、结构化内点法和定制轨迹优化器获得可微且快速的在线求解。实验显示其能在四足硬件上实时跟踪非周期行为，并在多类仿真系统中对模型误差和扰动重新发现接触模式。
Georgia Institute of Technology, Atlanta, GA, USA; Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA, USA
面向运动与观测不确定下的长时域机器人规划，论文指出传统 BRM 难保证信念节点可达，易产生历史依赖。CS-BRM 将协方差转向作为信念路标图边控制器，在有限时间满足终端均值/协方差约束，并允许采样非静止信念、搜索速度空间。数值仿真与室内四旋翼实验显示，相比 SLQG-FIRM 可减少等待收敛过程，得到成本更低、效率更高的路径。
Shenzhen Key Laboratory of Control Theory and Intelligent Systems and the Center for Control Science and Technology, Southern University of Science and Technology, Shenzhen, China; School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore; School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore
针对四旋翼在单位面积推力与机动性之间的结构性取舍，本文设计双反转共轴旋翼无人机，用串联的两个舵机直接实现滚转/俯仰推力矢量，避免传统倾斜盘的复杂机构；同时建立六自由度欠驱动模型并提出非线性控制分配与阻尼稳定项。仿真和实飞显示，该平台可完成悬停与轨迹跟踪，阻尼项对姿态稳定尤其关键。
GRASP Lab, University of Pennsylvania, Philadelphia, PA, USA; Department of Computer Science, University of North Carolina at Charlotte, Charlotte, NC, USA
面向道路、电力线、管道等线状设施巡检，论文将多机器人线覆盖建模为含服务/空驶、资源约束和方向相关代价的图路由问题；核心是提出构造式 MEM 及多基地扩展，在规划内统一处理大图、多基地、转弯代价与非完整约束。方法在 100 个道路网络上评测，并用无人机完成实地覆盖实验，显示可生成满足电量约束的可部署路线。
Technion Autonomous Systems Program (TASP), Haifa, Israel; Department of Aerospace Engineering Technion - Israel Institute of Technology, Haifa, Israel
面向主动 SLAM、传感器部署等高维信念空间规划，论文关注 POMDP 中未来观测分支和信念依赖约束带来的在线计算瓶颈。核心做法是在不展开全部采样观测的情况下，自适应接受或剔除候选动作序列，并以 VaR 形式寻找满足概率约束的最大信息收益，同时引入可证明不降解解质量的自适应简化。仿真显示该框架在参数化和粒子信念下均能显著加速规划。
Department of Computer Science, TransGP Centre, University of Hong Kong, Hong Kong, China; College of Information and Control Engineering, Xi'an University of Architecture and Technology, Xi'an, China; School of Marine Science and Technology, Northwestern Polytechnical University, Xi'an, China
针对多机器人驱赶中逃逸体会在无威胁时重新分散、使“收集”和“推进”难以同时完成的问题，论文提出分布式 outmost push：每个牧者仅依据局部视野选择离目标区最远的逃逸体并从其后方施压，而非依赖全局质心或预设编队。作者给出收敛性与最小感知范围分析，并通过仿真及最多 25 台实体机器人实验验证其在不同聚合规则、障碍和队伍规模下的有效性。
University of Utah Robotics Center and Kahlert School of Computing, University of Utah, Salt Lake City, UT, USA; Georgia Tech, Georgia, USA; NVIDIA Corporation, Santa Clara, CA, USA
面向日常场景中多物体与家具结构强耦合的操作任务，论文关注如何从局部点云直接推理物体—物体、物体—环境关系，而非依赖已知位姿或CAD模型。核心是将分割点云编码到对象感知潜空间，用环境感知关系分类器和潜空间动力学支持以逻辑关系为目标的TAMP规划，其中Transformer动力学被认为是主要增益来源。仿真与真实实验显示，eRDTransformer在复杂物体—环境交互、可变物体数和新家具形状上优于GNN/MLP，并实现无需微调的 sim-to-real。
Instituto de Investigación en Ingeniería de Aragón and DIIS, Universidad de Zaragoza, Zaragoza, Spain; Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, USA
面向航拍仍依赖飞手与摄影师、现有自主运镜多只控制位姿的问题，CineMPC将薄透镜相机的焦距、对焦距离、光圈与无人机位姿统一纳入非线性MPC，并结合RGB-D多目标姿态感知实时重规划，以按用户构图与景深意图拍摄。仿真和真实平台实验表明，该系统能实现变焦、对焦、景深等仅靠外参控制难以获得的电影化效果，并发布了模块化ROS实现。
Dipartimento di Ingegneria Civile e Ingegneria Informatica, Università di Roma “Tor Vergata,”, Roma, Italy; Istituto di Analisi dei Sistemi ed Informatica “A. Ruberti,”, Consiglio Nazionale delle Ricerche, Roma, Italy
面向机器人接触、碰撞系统中速度突变且恢复系数与接触切线方向未知的问题，论文提出仅依赖位置测量和已知碰撞时刻的确定性混合观测器，联合估计速度与冲击模型参数，并证明误差半全局指数收敛；仿真、视频后处理实验及 Raspberry Pi 实时实验显示该方法在非理想测量条件下仍可有效恢复关键参数。
School for Engineering of Matter, Transport, and Energy, Arizona State University, Tempe, AZ, USA; General Robotics, Automation, Sensing and Perception (GRASP) Laboratory, University of Pennsylvania, Philadelphia, PA, USA
面向灵巧操作中接触模式组合爆炸导致建模与实时控制困难的问题，论文提出按任务需求压缩混合动力学：用少量任务相关的 LCS 模式替代完整模式集，并结合 on-policy MPC 数据迭代学习，理论上约束控制性能差距。实验显示在合成系统中模式数降数个数量级且性能损失低于 5%，三指手未知物体重定向仅需数千样本、数分钟在线学习即可达到较强闭环表现。
Shenzhen Key Laboratory of Robotics Perception and Intelligence and the Department of Electronics and Electrical Engineering, Southern University of Science and Technology, Shenzhen, China; Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong
针对直接视觉伺服虽可绕开几何特征提取、匹配与跟踪但收敛域小、鲁棒性受像素冗余和非线性影响的问题，论文将图像投影到离散正交矩基上，把 Tchebichef、Krawtchouk、Hahn 矩作为紧凑视觉特征，并给出阶数/参数自适应选择及交互矩阵解析形式。仿真和真实机械臂实验显示该 DOM-VS 在较大位移下仍能稳定收敛，精度和鲁棒性优于若干既有 DVS 方法。
Vanderbilt University, Nashville, TN, USA; University of Tennessee, Knoxville, TN, USA
针对连续体机器人在接触环境中形状测量有噪声、外载荷又会反过来改变形状而导致解耦估计不可靠的问题，论文将弧长域上的连续时间批量估计用于统一状态估计，把通用力学模型作为统计先验并融合离散传感器数据，同时输出形状、分布载荷及不确定性。仿真表明少量位置/应变测量即可获得较低形状误差，应变更利于分布载荷估计；点载荷实验和腱驱动机器人验证了方法的适用性。
Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland; Department of Information Technology, Uppsala University, Uppsala, Sweden
面向真实机器人中外部离散环境因素不可直接观测的问题，本文将未知重量、地面状态等建模为不确定上下文，结合带频率学置信界的多分类器与基于 MMD 的实验式上下文识别，使 SafeOpt 类安全强化学习仍可使用概率安全保证。在 Furuta 摆的相机识别不同配重实验中，方法能在分类不确定时主动识别上下文，并逐步改进策略学习。
Center for Robotics and Biosystems, Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA; Shirley Ryan AbilityLab, Chicago, IL, USA; Shirley Ryan AbilityLab and Department of Physical Medicine and Rehabilitation, Northwestern University, Chicago, IL, USA; Shirley Ryan AbilityLab and Department of Biomedical Engineering, Northwestern University, Evanston, IL, USA; Department of Biomedical Engineering, Northwestern University, Chicago, IL, USA; Shirley Ryan AbilityLab, Center for Robotics and Biosystems, and Department of Physical Medicine and Rehabilitation, Northwestern University, Chicago, IL, USA; Department of Physical Medicine and Rehabilitation, Department of Biomedical Engineering, Shirley Ryan AbilityLab and Center for Robotics and Biosystems, Chicago, IL, USA; Center for Robotics and Biosystems and Department of Mechanical Engineering, Northwestern University, Chicago, IL, USA; Shirley Ryan AbilityLab, Center for Robotics and Biosystems, Department of Mechanical Engineering, Department of Biomedical Engineering, and Department of Physical Medicine and Rehabilitation, Northwestern University, Chicago, IL, USA
面向带足浮基下肢外骨骼在自由步行中难以布置全接触力传感器、且重型机体需补偿全身动力学的问题，论文提出 WECC：用整机动力学与关节力矩估计完整步态交互力矩，并通过带物理/安全约束的优化闭环跟踪目标力矩。三名受试者实验显示，其在零力透明与非零交互力跟踪中均保持较低误差，尤其改善了简化双摆模型在支撑相的失效。
Technion—Israel Institute of Technology, Haifa, Israel
面向少指手在重力下稳定搬运平面物体的问题，论文以“篮式抓取深度”刻画物体逃逸所需最小势能增量，用双支撑与单支撑接触空间统一枚举候选抓取曲线上的逃逸姿态，从而选择最深、最安全的指位。实验机器人验证了该计算能推荐更稳抓取，并通过扰动仿真与蒙特卡洛分析表明其对形状和质心估计误差具有一定鲁棒性。
State Key Laboratory for Turbulence and Complex Systems, Intelligent Biomimetic Design Lab, College of Engineering, Peking University, Beijing, China; College of Engineering, Peking University, Beijing, China; National Engineering Research Center of Software Engineering, Peking University, Beijing, China; Institute of Ocean Research, Peking University, Beijing, China
针对软体两栖机器人在陆水混合环境中机动性不足、翻覆后难自恢复及地形适应受限的问题，本文借鉴果蝇幼虫跳跃与西班牙舞者海蛞蝓摆动推进，提出嵌入不可拉伸塑料片的薄膜气动执行器，实现大角度双向弯曲与蓄能。机器人可在陆地和水中完成前进、后退、转向和自翻正，达到1.77 BL/s跳跃、0.69 BL/s游动及111.8°/s转向，并展示越障、陆水过渡和浮力调节能力。
KIMLAB (Kinetic Intelligent Machine LAB), University of Illinois Urbana-Champaign, Urbana, IL, USA
针对轮式平台高效但越障/低速稳定受限、腿式平台适应性强但效率较低的问题，本文借鉴人骑小型单轮车辆时用腿辅助平衡的机制，提出 Ringbot：在环形单轮内部放置两个驱动模块并各配 3 自由度腿，通过质心横移实现平衡与转向，并用有限状态机组织自恢复、原地转向等腿部动作。仿真和硬件原型验证了该“带腿单轮”概念可完成轮式行驶与辅助腿动作，但性能增益相对传统轮腿平台的来源仍需更多对比说明。
School of Physics, Engineering, and Technology, and Institute for Safe Autonomy, University of York, York, U.K.; Cognitive Robotics, 3mE, Delft University of Technology, Delft, The Netherlands; Honda Research Institute Europe, Offenbach, Germany
面向老年/残障人群穿衣辅助中单臂方案难以跟踪被遮挡手臂、且手臂悬空易疲劳的问题，论文提出双机器人服务同一手臂：交互臂牵手支撑并引导，穿衣臂执行套袖。核心洞察是肘角决定是否易卡住，据此设计伸展控制，并用随手臂姿态定义的穿衣坐标学习策略。实验和消融表明该框架可在动态姿态、不同臂长和多类衣物上更稳健完成穿衣，但肩部静止与双臂显式协同仍是限制。
School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China; Guangdong Provincial Key Laboratory of Short-Range Wireless Detection and Communication, Guangzhou, China
针对VIO缺少全局约束会漂移、而RTK融合中丢弃或插值GNSS帧可能损失载波相位信息的问题，本文在滑窗滤波中保留GNSS测量时刻的位姿、速度和IMU偏置，并用预设顺序的并行消元同时求解优化与模糊度协方差。实测表明，该设计在GNSS受限环境下提升并稳定了整周模糊度固定率，且无论是否有基站都获得更好的定位精度。
Chair of Information-oriented Control, TUM School of Computation, Information and Technology, Technical University of Munich, Munich, Germany
面向软体、变阻抗和人机交互机器人中模型不准导致外力/扰动观测不可靠的问题，本文将满足拉格朗日结构的高斯过程嵌入动量观测器，并利用多维相关的闭式误差界自适应调节增益，从概率上保证指数稳定和可设定收敛特性。仿真与实物实验表明，相比传统扰动观测、误差界和辨识方法，估计精度与理论保守性均有明显改善。
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology, Atlanta, GA, USA; Toyota Research Institute, Los Altos, CA, USA
针对统一自动驾驶风格难以满足不同用户偏好、单纯模仿又可能不符合乘客期望的问题，MAVERIC通过观察用户驾驶学习个性化嵌入，并沿“攻击性”方向调节控制参数，在保留其他风格特征的同时生成更激进或更谨慎的行为。两项54人研究表明其能客观和主观上匹配用户风格并有效调节攻击性，且偏好还受人格、感知相似性和高速驾驶倾向显著影响。
State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin, China; Idiap Research Institute, Martigny, Switzerland; Ecole Polytechnique Fédérale de Lausanne, Lausanne, Switzerland
针对锤击等冲击型工具操作中“怎么抓工具”会直接影响末端速度/力的问题，论文将工具可供性与方向速度可操作度纳入统一最优控制，在 iLQR 中结合 ADMM 处理抓取范围等约束，使抓取姿态能为后续冲击动作预先优化。仿真与真实 7 轴机器人钉锤实验表明，显式最大化任务方向可操作度可提升冲击前速度与任务表现。
LASA Laboratory, Swiss Federal School of Technology in Lausanne—EPFL, Lausanne, Switzerland; Nonlinear Systems Laboratory, Massachusetts Institute of Technology, Cambridge, MA, USA
面向动态、拥挤环境中机器人需实时避障且尽量保持原有非线性运动场的问题，论文提出 ROAM：通过将初始动力学闭式旋转到障碍切空间来保证碰撞避免，并用 tree-of-stars 与加权向量树扩展到凹障碍、多障碍和安全管约束。实验显示其较少陷入局部极小、对原始动力学扰动更小，并在 7 自由度机械臂动态避障中实现无碰撞导航。
REACT Lab, Computer Science Department, School of Engineering and Applied Sciences, Harvard University, Cambridge, MA, USA; REACT Lab, Cambridge, MA, USA; Department of Computer, Information, and Decision Systems Engineering, Arizona State University, Tempe, AZ, USA; Electrical Engineering and Computer Science Department, Massachusetts Institute of Technology, Cambridge, MA, USA
面向部分可观测、多机器人长期协作中状态/动作空间爆炸与通信不完美的问题，论文将多智能体 rollout 扩展到 POMDP，通过逐个或联合控制优化、截断 rollout、终端代价近似、近似策略迭代与 online play 降低计算量并保留近似策略改进性质。实验在大规模网络维修任务上验证，可扩展到数十机器人，较 POMCP、MADDPG、PA-POMCPOW/A3C3 等得到更低代价，并分析了间歇通信和随机化策略下的性能保证。
Tencent Robotics X Lab, Tencent Binhai Mansion, Shenzhen, China; Chair of Automatic Control Engineering, Technical University of Munich, Munich, Germany; Department of Electrical and Computer Engineering, Technical University of Munich, Munich, Germany; School of Automation, Nanjing University of Information Science and Technology, Nanjing, China; Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Munich, Germany; State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, China
面向双臂机器人在家庭等非结构化场景中抓取并搬运未知大物体的需求，论文将可达性/灵巧性感知抓取与层级二次规划控制耦合：前者用端到端评估和可达性概率生成抓取对，后者用学习的自碰撞距离代理与黎曼流形上的可操作性椭球跟踪实现在线安全协作。长时程重排、双臂翻转及对比实验表明，该框架能提升未知物体双臂抓取可行性，并在实时操作中兼顾避碰、灵巧性和技能迁移。
College of Intelligent Science and Technology, National University of Defense Technology, Changsha, China; Shanghai Key Laboratory of Navigation and Location-based Services, School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China
面向长期视觉惯性 SLAM 中关键帧冗余难以剔除、3D 点 BA 带来维度膨胀的问题，PIPO-SLAM 推导流形上的预积分合并理论，可合并预积分量、协方差与偏置雅可比，并用仅位姿的多视几何构建无 3D 点优化器。实验在仿真、KITTI、EuRoC 和真实场景中验证，相比 BA、ORB-SLAM3/VINS 等在计算时间、内存规模和轨迹精度上取得更轻量且有竞争力的结果。
Department of Robotics, University of Michigan, Ann Arbor, MI, USA; Department of Computer and Information Science, University of Pennsylvania, Philadelphia, PA, USA; Latitude AI, Pittsburgh, PA, USA; Peer Robotics, New Haven, CT, USA; Ford Motor Company, Canton, MI, USA
面向自动驾驶在有限感知下的实时滚动规划，论文指出在线数值积分与简化模型可达集会在安全性、实时性和保守性间冲突。REFINE用参数化鲁棒部分反馈线性化控制器，在全阶闭环车辆模型上离线计算基于 zonotope 的控制参数化前向可达集，并在线嵌入优化做避障约束。仿真全尺寸车和1/10赛车实测表明，相比现有方法可在更复杂环境中保持安全导航。
School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China; State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China
面向物理人机协作中意图估计不准会放大人机分歧、降低辅助效果的问题，本文提出双环控制器：外环融合BNN数据预测与人体阻抗模型，并用置信度调节机器人行为；内环以神经自适应控制补偿动力学非线性，并用DDPG在线调整参考模型参数。Franka Panda仿真与协作搬举实验显示，该方法相较基线具有更小位置误差、更低分歧和更高辅助水平。
Department of Computer, Control and Management Engineering, Sapienza University of Rome, Rome, Italy; Department of Cognitive Robotics, Delft University of Technology, Delft, The Netherlands; Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Oberpfaffenhofen, Germany; Institute Mines Telecom Atlantique, Nantes, France; Khalifa University Center for Autonomous Robotics System (KUCARS) and the Department of Mechanical and Nuclear Engineering, Khalifa University of Science and Technology, Abu Dhabi, United Arab Emirates
针对拉格朗日机器人系统中构型相关驱动矩阵使控制设计复杂的问题，论文从功率不变性出发刻画何时可通过广义坐标变换实现输入解耦，提出“collocated”系统类及简明判别条件，并证明该条件与存在作动坐标充要等价。结果适用于全驱、过驱和欠驱系统，进一步说明腱/细流体腔等线状驱动软体机器人天然满足条件，并据此推广阻尼欠驱机械系统控制器到三维连续软体机器人。
Robotics Department, University of Michigan, Ann Arbor, MI, USA
针对采样式 MPC 在复杂障碍环境中随机采样难以命中低成本轨迹、易陷入局部最优的问题，论文用条件 normalizing flow 学习依赖起终点、环境与代价的轨迹采样分布，并可无重训接入 MPPI 与 iCEM；其关键洞察是对 OOD 环境表示做投影，使模型“看到”更接近训练分布但仍保留真实规划约束的环境。实验在双积分器、12 自由度四旋翼和 7 自由度机械臂上显示，该方法在分布内外及不同代价下优于 MPC 基线，并包含真实数据生成环境与机械臂实体验证。
Chair of Automatic Control Engineering (LSR), Technical University of Munich, Munich, Germany; Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Weßling, Germany; Department of Mechanical Engineering, Korea Advanced Institute of Science & Technology (KAIST), Daejeon, South Korea
面向冗余机器人多任务控制中鲁棒性、严格优先级、约束处理与奇异规避难以兼顾的问题，论文提出分层增量MPC：用增量系统近似不确定动力学，避免复杂模型辨识，并将多层约束OCP转为线性MPC/QP，以等式约束实现动态一致的任务优先级。作者证明分层与递归可行性，并在冗余机械臂1 kHz实机实验中展示高跟踪精度、约束可满足性和相较任务优先控制器的奇异规避能力。
State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing, China; Robotics and Intelligent Systems Laboratory, City University of Hong Kong, Hong Kong; Advanced Micro and Nanosystems Laboratory, University of Toronto, Toronto, ON, Canada
面向狭窄、非结构化环境中软体跳跃机器人转向依赖多执行器、体积重量大的问题，论文提出受瘿蚊幼虫启发的单个双轴电液执行器软体机器人，通过四向电极与薄膜褶皱/液体流向引导实现多方向跳跃，并切换连续非储能跳跃与储能跳跃。2.25 g 样机可四向运动，储能跳远 5.2 cm、高 3.4 cm，连续速度 5.39 cm/s，并在迷宫中演示绕障、越障及环境探测。
Department of Mechanical and Aerospace Engineering, University of California, San Diego, La Jolla, CA, USA; LIRMM, Univ Montpellier, CNRS, Montpellier, France; Department of Mechanical Engineering, University of California, Santa Barbara, CA, USA; Department of Surgery, University of California, San Diego, La Jolla, CA, USA
面向微创医疗和狭窄检修等需要毫米级、可连续送入工具的场景，论文指出传统藤蔓式软体机器人加入工作通道后，小尺度下尾部与通道摩擦会显著抬高生长压力并限制弯曲路径部署。作者提出将褶皱材料预存于机器人尖端的两种结构，以绕开主要内摩擦，并通过模型与实验验证，展示了最小直径 2.3 mm、带连续工作通道的原型可实现生长部署。
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China
面向柔顺机器人刚度建模中模型随载荷、约束而碎片化且几何含义不清的问题，本文将关节到笛卡尔刚度映射提升到 SE(3) 上，用微分形式与刚度张量统一解释对称性、恰当性和保守性，指出在 CCT 下对称且恰当的关节刚度可生成保守笛卡尔刚度，并给出 ECT 等映射。串并联机构仿真验证理论，进一步导出保持被动性的变刚度阻抗控制和基于斜对称结构的刚度辨识方法。
Learning Algorithms and Systems Laboratory, EPFL, Lausanne, Switzerland
针对抓取/准静态推送难以把物体送出机械臂工作空间的问题，论文将有意碰撞建模为可控操作，提出 hitting flux 指标，把接触前速度、机器人构型惯量与物体属性联系到碰后运动，并结合任务空间动力系统规划、方向惯量控制及二次规划约束实现。仿真和 KUKA iiwa 实验表明，对不同位置、尺寸和质量箱体可产生较可重复的击打后运动。
Department of Cognitive Robotics, ME, Delft University of Technology, Delft, The Netherlands
面向在线多机器人取送等随机任务分配，论文关注服务质量、能耗/距离与避让人类空间等目标间的可选折中，而非单一最优。其核心是在线性标量化权重空间中自适应采样，同时利用均值离散度和统计检验避免生成行为不可区分的策略，并证明完备性。仿真中该方法比规则采样等基线更能覆盖近似 Pareto 前沿，且在敏感性分析中保持稳健。
Department of Aerospace Engineering, University of Texas at Austin, Austin, TX, USA; Department of Aerospace and Mechanical Engineering, University of Notre Dame, Notre Dame, IN, USA
面向DDP、SQP和MPC等优化控制中动力学二阶导数计算昂贵、常被iLQR一阶近似替代的问题，论文为含多自由度关节、固定/浮动基座的开链刚体系统推导逆/正动力学二阶解析导数，并用张量化空间向量代数与递归实现降低开销。实验显示在36自由度ATLAS上，二阶逆动力学约200微秒、正动力学约2.1毫秒，相比AD分别加速约3.2倍和3.8倍，并开源MATLAB/C++实现。
Department of Computer Science and Engineering, University at Buffalo, Buffalo, NY, USA; Department of Electrical and Computer Engineering, University of Florida, Gainesville, FL, USA; Department of Mechanical and Aerospace Engineering, University of Florida, Gainesville, FL, USA; Amazon Robotics, Reading, MA, USA
针对微型飞行机器人抖动强、算力难以实时做点云/图像稳定的问题，论文把补偿前移到传感器硬件：用高速 MEMS 微镜重定向 LiDAR 扫描视场，使传感器朝向可独立于机体姿态，并接入 IMU 或外部里程计反馈。仿真与 UAV 原型验证显示，该系统可在约 10 ms 内进行运动补偿，并可嵌入 Gazebo 与 LIO-SAM 流程以改善建图稳定性。
Department of Computer Science, University of Oxford, Oxford, U.K.; School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Stockholm, Sweden
针对连续时间非线性系统在含嵌套时间算子的 STL 规范下控制合成仍缺少有效方法的问题，论文提出 STL tree（sTLT）将公式满足性转化为特定时间区间内的集合不变性，并据此构造 CBF 与事件触发的在线激活区间更新。作者证明 sTLT 与原 STL 的等价或保守欠近似关系及闭环正确性，并在单积分器和独轮车模型上验证可处理嵌套规范。
Laboratory for Intelligent Systems and Informatics, Graduate School of Information Science and Technology, University of Tokyo, Bunkyo, Japan
面向香蕉剥皮这类长时程、易变形且难建模的双臂灵巧操作，论文提出目标条件化双动作模仿学习：接触物体时用反应式局部动作保证精细调整，非精细阶段生成全局轨迹以抑制误差累积，并用预测目标状态约束动作。方法在UR5真实双臂上完成多形态香蕉剥皮，消融显示局部反应与全局轨迹对精度和长程稳定性均不可缺。
Department of Electromechanical Engineering, Faculty of Science and Technology, University of Macau, Macau, China
针对冠脉介入中传统导管难以在弯曲、分叉血管内安全顺滑导航且依赖辐射成像的问题，论文设计了同心伸缩三段式可变刚度磁导管，并用移动磁模块、体外超声与基于相对雅可比的分层控制协同多臂系统。体外人尺度冠脉模型中平均定位误差为1.52±0.35 mm，超声目标丢失率15.8%，接触力维持在2.50±1.02 N，显示其在无辐射自主超声冠脉介入中的可行性。
Kinetic Intelligent Machine Lab (KIMLAB), University of Illinois Urbana-Champaign, Champaign, IL, USA; Department of Robotics and Mechatronics Engineering, Daegu Gyeongbuk Institute of Science and Technology (DGIST), Daegu, South Korea; Kinetic Intelligent Machine LAB (KIMLAB), University of Illinois Urbana-Champaign, Champaign, IL, USA
面向协作机器人全身触觉皮肤难制造、成本高且可靠性不足的问题，本文提出由3D打印TPU气密软垫和商用气压传感器组成的模块化气动皮肤，并用ROS、微控制器和串行总线简化集成。其关键取舍是牺牲高空间分辨率，优先保证柔顺性、可定制覆盖和耐用性；实验表明该皮肤可感知交互力与动态刺激，并在自研机械臂上实现触觉伺服和直观物理人机交互。
Department of Electrical and Computer Engineering, Princeton University, Princeton, NJ, USA
面向更薄、更易集成的电驱软体爬行机器人，本文用五个贴附在同一金属箔上的压电执行器协同变形，不依赖胶黏脚或摩擦贴片，而是通过抬起头/尾改变接触力分布，实现两端摩擦不对称。作者建立含重力与地面接触的准静态解析模型，并用实验验证形状、接触力转移和位移预测；最终机器人可按序列实现前后双向尺蠖运动，约0.1 cm/周期。
CARIAD SE and University of Bonn, Bonn, Germany; University of Bonn, Bonn, Germany; CARIAD SE, Mönsheim, Germany; Department of Engineering Science, University of Oxford, Oxford, U.K.; Lamarr Institute for Machine Learning and Artificial Intelligence, Germany
面向自动驾驶/移动机器人在恶劣天气和动态场景中的避障需求，论文聚焦稀疏噪声雷达点云的运动实例分割。核心做法是在单帧当前扫描中用时序注意特征编码引入历史信息，配合全分辨率骨干、局部/全局注意实例头和基于图的类别无关分配，避免多帧整体输入带来的延迟与信息损失。作者扩展 RadarScenes 构建基准，并报告在多环境运动实例分割上优于既有方法。
Soft Robotics Research Center, Seoul National University, Seoul, South Korea; CREATE Lab, Institute of Mechanical Engineering, Swiss Federal Institute of Technology Lausanne, Lausanne, Switzerland; Samsung Electronics, Suwon, South Korea; Department of Mechanical Engineering, Seoul National University, Seoul, South Korea; Institute of Advanced Machines and Design, Seoul National University, Seoul, South Korea; Institute of Engineering Research, Seoul National University, Seoul, South Korea; Department of Mechanical Engineering, Arizona State University, Tempe, AZ, USA; Argonne National laboratory, Lemont, IL, USA
面向危险或远程场景中的灵巧操作，论文提出一种可拼接的光纤FBG机器人皮肤：每个六边形模块通过三角梁与S–L关节把接触转化为三自由度形变，从而连续估计法向力大小和二维接触位置，并支持多模块多点感知。原型实现约1.45 N力分辨率、1.85/1.91 mm定位分辨率，并在商业机械臂上展示了遥操作与自主控制应用。
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA, USA; University of Pennsylvania, Philadelphia, PA, USA
针对现有动力系统避障多依赖凸/星形几何、在密集非凸环境中易保守或产生局部吸引的问题，本文提出基于流形导航的DS调制策略，用扩展等值面近似测地线绕行，并用采样式与投影式表示统一描述复杂障碍。实验显示其可在仿真约束场景和真实7自由度机械臂含动态人体障碍中实现反应式避障，控制环达1 kHz，采样表示在CPU上约35k点、GPU上约600k点可低于1 ms计算。
Department of Mechanical Engineering, McGill University, Montreal, QC, Canada; Department of Electrical Engineering, Polytechnique Montreal, Montreal, QC, Canada
针对多机器人UWB定位中同一时刻只能一对收发器测距、时钟不同步且IMU原始数据通信负担重的问题，论文提出无层级被动监听测距协议，并在SE₂(3)上结合IMU预积分与流形EKF同步估计时钟和相对位姿。仿真覆盖最多7机，三架四旋翼实验证明定位精度相较无被动监听最高提升48%。
Department of Mechanical Engineering, University College London, London, U.K.; Facultad Agropecuaria y de Recursos Naturales Renovables, Universidad Nacional de Loja, Loja, Ecuador
针对机器人抓取与医疗触诊中需在运动中定量感知软组织弹性、且硬质探头可能损伤组织的问题，本文将 PMOT 软端光学传感器与膜片顺应性控制结合，通过调压并观测膜形变，在无需外部位姿参考下估计弹性并动态寻找刚度边界。实验显示其弹性量程为 4.20–177.62 kPa，未训练样本 RMSE 为 7.72%，线性导轨触诊信噪比最高 39.5:1，遥操作定位嵌入边界准确率达 96.5%。
Department of Electrical Engineering and Computer Science of TU Berlin, Berlin, Germany; Einstein Center Digital Future (ECDF) and the Science of Intelligence (SCIoI) Excellence Cluster, Berlin, Germany
针对事件相机在高速、HDR纯旋转场景中虽有优势但既缺统一评测、又缺少全局后端优化的问题，论文将对比最大化引入旋转-only BA，用连续时间轨迹把事件直接对齐到全局全景边缘图，并构建含前端与后端的 CMax-SLAM。实验覆盖合成、室内外和星空数据，显示其可离线平滑或在线运行，并相对既有事件旋转估计方法提升精度与鲁棒性。
Department of Aerospace and Mechanical Engineering, University of Southern California, Los Angeles, CA, USA
面向灾害救援、巡检等场景中足式机器人需在崎岖地形承载未知重物且保持动态步态的问题，论文将 L1 自适应控制嵌入力控制/MPC 框架，使其在线补偿模型误差与未知地面冲击，同时保留力控越障鲁棒性。Unitree A1 实验显示，该方法可在草地、碎石、软泡沫等地形上背负约自重 50% 负载，并完成快速小跑和 bounding，基线控制在部分软地形会失稳。
Cheng Kar-Shun Robotics Institute, The Hong Kong University of Science and Technology, Hong Kong; School of Artificial Intelligence, Sun Yat-Sen University, Zhuhai, China; Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University, Hangzhou, China; Huzhou Institute, Zhejiang University, Huzhou, China
针对四旋翼吊挂载荷在绳索松弛/拉紧切换时易产生冲击、导致轨迹不可行和控制失配的问题，论文将模式选择写成带非线性互补约束的统一优化，并用增广拉格朗日结合多项式轨迹求解，同时设计混合非线性MPC跟踪不同动力学模式。仿真和实机表明，该方法在障碍环境中比 Ipopt 等基线有更高成功率和效率，并实现了真实系统中自动多次模式切换。
BRAin-Inspired Robotics Lab, BioRobotics Institute, Scuola Superiore Sant'Anna, Pontedera, Italy; Department of Excellence in Robotics and AI, Scuola Superiore Sant'Anna, Pisa, Italy; Department of Mechanical Engineering, National University of Singapore, Singapore
软体机械臂因材料滞后、随机性和训练到真实差距，RL 策略在真实高精度到达中易失准。论文在三模块气动软臂上用 PPO 训练避障到达策略，并提出 BOAC 与 GPRCA 两种在线自适应补偿/引导方法，借助贝叶斯优化提高样本效率。实验显示二者可在数次试验内恢复精度和重复性，并在气腔可逆损伤、外载等未建模变化下多数场景无需重训策略仍能完成任务。
Department of Automation, Shanghai Jiao Tong University, Shanghai, China; MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China; Department of Automation, the Key Laboratory of System Control and Information Processing of Ministry of Education and the Shanghai Engineering Research Center of Intelligent Control and Management, Shanghai Jiao Tong University, Shanghai, China
针对固定机架无人机难以在狭窄环境中变形并完成空中抓取的问题，本文提出仿鹰爪的可变形四旋翼：用单个中央舵机驱动20连杆闭环机构，使四臂垂直收拢而螺旋桨姿态保持不变，并结合自适应滑模控制与导纳滤波适应扰动和未知物体尺寸。实验显示其可在飞行中平滑变形，以0.4 m/s动态抓取多种未知物体，并完成穿越窄缝和栖停。
Mitsubishi Electric Research Laboratories, Cambridge, MA, USA; Eric Jonsson School of Engineering & Computer Science, The University of Texas at Dallas, Richardson, TX, USA; Mitsubishi Electric Corporation, Kamakura, Japan
面向无人机在拥挤且感知、执行均含随机不确定性的多机运动规划，论文针对纯强化学习缺乏硬安全保证、多人强化学习训练难的问题，提出“单机RL生成参考轨迹+在线凸优化安全滤波”的框架，用机会约束和集合控制最小修正控制量，保证状态/输入约束及机间、障碍物避碰的高概率安全。仿真与Crazyflie实验表明其可实时运行并保持较好任务完成能力。
School of Mechanical Engineering and Automation, Harbin Institute of Technology, Shenzhen, China; Guangdong Provincial Key Laboratory of Intelligent Morphing Mechanisms Adaptive Robots, Key University Laboratory of Mechanism and Machine Theory and Intelligent Unmanned Systems of Guangdong, Shenzhen, China; Honda Research Institute Europe (HRI-EU), Offenbach am Main, Germany; School of Informatics, University of Edinburgh, Edinburgh, U.K.
面向大动量、快速翻滚物体的双臂接取，论文关注接触瞬间速度不匹配导致的冲击、滑脱和损伤问题。核心做法是把物体运动预测、全表面接触点选择、冲击模型与多模式轨迹优化联动，同时优化双臂末端运动、刚度和接触力，并用间接力控制执行。仿真验证了冲量分布与接触选择效果，真实 KUKA 双臂实验成功接住有约束和自由飞行的大动量物体。
Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague, Praha, Czech Republic; Inria and Département d'Informatique de l'École Normale Supérieure, PSL Research University in Paris, Paris, France
面向机器人仿真、运动规划中窄相碰撞检测的高频计算瓶颈，论文将经典 GJK 重新解释为全校正 Frank–Wolfe 的特例，并据此引入 Polyak 与 Nesterov 动量加速版本，同时保持对凸几何距离计算和布尔碰撞检测的适用性。百万级物体对及 Bullet 轨迹实验显示，相比标准 GJK 收敛更快、计算时间最高约减半，并可结合 warm-start 利用时间相干性。
General Robotics, Automation, Sensing and Perception (GRASP) Laboratory, University of Pennsylvania, Philadelphia, PA, USA; UM-SJTU Joint Institute, Shanghai Jiao Tong University, Shanghai, China
针对腿式机器人常用倒立摆等降阶模型依赖人工假设、会限制全身动力学性能的问题，本文把“模型好坏”定义为给定任务分布和代价下的控制效果，而非拟合误差，并用双层优化自动合成任务最优 ROM，结合实时 MPC 部署到 Cassie。仿真中关节力矩代价最高降低 23%、步行速度最高提升 54%，硬件平地行走力矩代价降低约 10%。
LightSpeed Studios, Tencent, Los Angeles, CA, USA; Department of Computer Science, Yale University, New Haven, CT, USA
针对关节机器人轨迹优化中碰撞约束随连续时间产生无限多非凸约束、离散采样易漏检的问题，本文将其建模为半无限规划，并用保守运动界、可行线搜索与自适应细分在优化过程中维持连续时间安全性。理论上证明在 Lipschitz 运动连续性假设下可有限迭代收敛到任意精度的近局部最优可行解；仿真中在工业机械臂和多 UAV 场景可数分钟生成无碰撞轨迹。
College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China; National Innovation Institution of Defense Technology, Beijing, China
针对纯 LiDAR SLAM 在长期运行中易受漂移、退化和重定位失败影响的问题，论文将回环检测与重定位统一为“候选检索—6DoF 配准”的粗到细框架，并提出多头 LCR-Net，通过共享骨干、轻量全局描述子、姿态感知注意力及 3D-RoFormer++/VoteEncoder 支持快速检索和密集匹配。多数据集实验显示其在候选检索、闭环配准和连续重定位上超过现有方法，且无需耗时 RANSAC/ICP 即可用于在线 LiDAR SLAM。
CRISTAL, CNRS UMR 9189 and JUNIA, Lille, France; JUNIA, Lille, France; Embry-Riddle Aeronautical University, Daytona Beach, FL, USA; CRISTAL, CNRS UMR 9189, University of Lille, Villeneuve d'Ascq, France
针对软连续机械臂自由度近似无限、实时形状控制中模型维度高且PH曲线控制点难以独立调节的问题，论文提出结合七次PH曲线与Gauss-Lobatto求积的降阶运动学模型，使控制多边形点可独立运动并保持长度与最小弯曲能量约束。在仿真和仿生象鼻软体机器人实验中，平均形状跟踪误差约3–3.5 mm，优于PCC和传统PH-Bézier方法。
School of Information Science, Japan Advanced Institute of Science and Technology, Nomi, Japan; IAS-8: Data Analytics and Machine Learning, Institute for Advanced Simulation, Forschungszentrum Jülich, Jülich, Germany
针对未知物体平面推移中质心、摩擦和形状信息不准导致难以保证纯平移的问题，本文将 Mason 投票定理扩展到含接触法向与执行误差的质心估计，用半平面投票逐步收缩且保证包含真实质心的凸区域，并结合 ZMTEP 选择可容忍质心不确定性的接触配置。实验显示无需全状态反馈，物体最多两次受控推动即可较准确到达目标位置。
Department of Mechanical, Aerospace and Civil Engineering, The University of Manchester, Manchester, U.K.; NERIC, University of Salford, Salford, U.K.; North of England Robotics Innovation Centre (NERIC), School of Science, Engineering and Environment, University of Salford, Salford, U.K.; Key Laboratory of Bionic Engineering, Ministry of Education, Jilin University, Changchun, China; School of Mechanical, Aerospace and Civil Engineering, University of Manchester, Manchester, U.K.
针对仿生肩关节常在体积、活动范围与负载能力之间取舍的问题，论文从人体盂肱关节中提炼不完整球窝、肱桡—盂肱耦合稳定性和自锁等“机械智能”，并将骨、韧带、软骨、肌腱等结构实体化到机器人肩部。仿真与实验证明该设计提升灵活性和承载能力，可负载4 kg，并完成需1.5 Nm以上扭矩的开门操作。
Department of Mechanical, Aerospace and Civil Engineering, The University of Manchester, Manchester, U.K.; North of England Robotics Innovation Centre, University of Salford, Salford, U.K.; North of England Robotics Innovation Centre (NERIC), School of Science, Engineering and Environment, University of Salford, Salford, U.K.; Key Laboratory of Bionic Engineering, Ministry of Education, Jilin University, Changchun, China; School of Mechanical, Aerospace and Civil Engineering, University of Manchester, Manchester, U.K.
针对传统肘—前臂机器人在紧凑性、稳定性、输出能力与人机交互安全之间难以兼顾的问题，本文从人体三骨结构及韧带、软骨、肌腱等软组织作用出发，设计更完整的仿生关节与驱动系统。原型肘关节达到人体活动范围的98.8%，前臂旋转达58.6%，并实现最高24 N·m屈曲力矩、超过4 kg负载及快速击球等动态能力。
Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, USA; Department of Mechanical and Civil Engineering, California Institute of Technology, Pasadena, CA, USA
针对 NeRF 难以直接查询占据、因而难以用于有安全保证的机器人导航的问题，CATNIPS 将 NeRF 密度场等价解释为泊松点过程，用连续概率占据计算碰撞概率，并构建 PURR 体素表示结合图搜索与样条轨迹优化实现机会约束规划。仿真和硬件实验显示其能按用户设定的碰撞概率生成不过度保守的安全轨迹，并在笔记本上约 3Hz 在线重规划，快于既有 NeRF 规划方法。
Department of Computer Science, The University of Hong Kong, Hong Kong; TransGP Center, the University of Hong Kong, Hong Kong; College of Information and Control Engineering, Xi'an University of Architecture and Technology, Xi'an, China; School of Marine Science and Technology, Northwestern Polytechnical University, Xi'an, China
针对以往多机器人围捕多假设目标同质、单机器人点捕获不适用于强目标的问题，本文研究弱、强及群体移动等异质目标的自组织围困。核心做法是用基于局部密度的交互替代预定义形状函数和成对引斥力，使机器人能按目标强度自适应分配数量并在单层、多层环形间转换。仿真及最多50台实体机器人与1个真人控制目标实验验证了方法可行性。
Department of Electrical Engineering and Computer Science, University of California, Irvine, CA, USA
这篇论文针对移动机器人在未知工作空间、未知时序逻辑任务和动力学误差下难以兼顾泛化、安全与可解释性的问题，提出神经符号任务—运动规划框架：离线用形式化约束训练一组代表符号转移的 ReLU 神经网络，在线依据 LTL 任务构建 MDP 并组合相应网络。结果显示，该方法在仿真和真实车辆上能满足 BLTL/scLTL 规格，并在若干未见任务上优于元强化学习基线。
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong; Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Department of Mechanical Engineering, University of California, Berkeley, CA, USA
面向搬运等场景中腰背外骨骼难以同时兼顾柔顺交互、便携性和足够助力的问题，论文提出缆驱串联弹性驱动系统，通过扭簧-支撑梁机构在 SEA 与刚性驱动状态间切换，并配套统一力矩控制以处理状态跃迁带来的不连续动力学。台架与人体实验表明，该系统能较准确输出期望助力，并在躯干屈伸中降低相关肌肉活动。
School of Informatics, University of Edinburgh, Edinburgh, U.K.; Department of Mechanical Engineering, Kyung Hee University, Suwon-si, South Korea; Idiap Research Institute, Martigny, Switzerland; École Polytechnique Fédérale de Lausanne, Lausanne, Switzerland; Dyson Limited, Malmesbury, U.K.; Touchlab Limited, Edinburgh, U.K.; Artificial Intelligence Programme, Alan Turing Institute, London, U.K.
面向崎岖地形上的人形机器人多接触在线重规划，论文指出瓶颈在于预测时域用高保真非凸动力学近似价值函数过慢。作者分别用预测时域凸松弛的多保真RHP，以及学习局部目标来构造局部价值函数的短时域LG-RHP降低计算量；实验显示LG-RHP在线收敛周期达95%–98.6%，并支持Talos在动态变化环境中实机行走。
Defrost Team, Inria, Centrale Lille, CRIStAL - Centre de Recherche en Informatique Signal et Automatique de Lille - UMR 9189, University of Lille, Lille, France
面向软细长机器人在操作、运动和医疗场景中必须与环境实时接触、而大变形与摩擦接触带来非线性和非光滑难题，本文用 Cosserat 杆和分段局部应变/接触场建立低维动力学模型，将摩擦接触写成 NCP 并进一步平滑为等式约束，使变形与接触力可在统一优化/牛顿求解框架中实时计算；仿真和实验对比验证了模型对动态形变与接触力预测的有效性。
Learning Algorithms and Systems Laboratory (LASA), EPFL, Ecublens, Switzerland
面向灵巧抛掷中物体形变、摩擦和夹爪开合速度导致的释放时刻不确定性，论文不再为每个物体学习补偿模型，而将复杂接触影响抽象为夹爪释放延迟，并提出 tube acceleration/递归任务有效性优化，使末端在释放阶段停留于一族有效抛掷配置内；通过带误差界的凸松弛可在线求解，在7自由度机械臂上对多类物体保持较高精度，平面抛掷成功率达97%。
Department of Mechanical Engineering, Binghamton University, Binghamton, NY, USA; Department of Mechanical and Aerospace Engineering, Rutgers University, Piscataway, NJ, USA
面向道路、桥面等基础设施裂缝检测与灌缝中“先找全、再覆盖修复”耦合导致的低效问题，论文将其抽象为同时传感检测与足迹覆盖（SIFC）规划，结合细胞分解、目标图与最小代价遍历，并扩展为在线多项式时间 oSCC 算法，在未知裂缝地图下边扫描边构图边修复。实验还配合全向移动平台与喷嘴 MPC 协同控制，验证其能保证全域检测覆盖，并以较短行驶距离实现近最优裂缝覆盖与填充。
Department of Mechanical Engineering, National University of Singapore, Singapore; Department of Mechanical Engineering, Johns Hopkins University, Baltimore, MD, USA; Department of Mechanical Engineering, University of Delaware, Newark, DE, USA
面向示教学习在复杂家居任务中难以同时处理末端姿态、换视角、未知经由点和新障碍的问题，本文提出在机器人6D工作空间上建模轨迹概率密度的PRIMP，并用该分布引导Workspace-STOMP进行避障规划。方法可少样本/单示教泛化并适配不同机器人；基准中PRIMP较已有方法快5倍以上，生成轨迹与示教和目标位姿的接近度提升超过2倍，并在工具使用与物体可供性实验中验证可用性。
Department of Civil and Environmental Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, South Korea
针对高精地图构建/更新成本高、GPS遮挡下定位易失效的问题，本文提出一种仿人多阶段定位框架：先用车载传感器和短时 SLAM 构建局部 3D 地图，再通过孪生式地点识别网络将建筑、道路等语义与公开 2D 矢量地图匹配，并进行度量级精定位。多数据集与公开地图实验表明，无需预建 HD 地图或 DGPS 也可实现最高分米级的全局 3-DOF 定位。
Biomedical Engineering, National University of Singapore, Singapore; Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore
面向工业分拣中软体夹爪适应性强但承载不足、手工制备一致性差的问题，论文提出可3D打印的金属内骨骼增强气动执行器MERA，用不锈钢片与气动夹持通道在局部调刚，并结合模型、有限元和疲劳测试验证。实验中峰值指尖力达8 N，较无金属增强提升291%，夹持载荷提升76.5%，单执行器最大保持力13.8 N，且重量约82 g，可重构夹爪能抓取多形状物体。
Mechanical, Materials, and Aerospace Engineering Department, Illinois Tech, Chicago, IL, USA
面向生命关键移动机器人，仅用协方差难以覆盖激光特征关联中的未探测故障，尤其是未建图目标被误关联到路标的 UA 风险。论文用带标注的城市激光数据为每个路标估计并更新 UA 概率，并将其纳入卡方与固定滞后平滑完整性监测。芝加哥实测表明，既有常数假设多数场景尚可，但严格安全需求下需显式建模该风险。
Stanford Intelligent Systems Laboratory (SISL), Stanford University, Stanford, CA, USA; Stanford: University of California, Riverside, CA, USA; Honda Research Institute USA, San Jose, CA, USA; Korea Advanced Institute of Science and Technology, Daejeon, South Korea
面向路口等多智能体强交互场景中DRL决策黑箱且易过保守/激进的问题，论文将周围交通参与者的性格、让行意图、轨迹预测作为辅助任务，并用时空图网络建模关系；通过“有/无自车”反事实轨迹差定义交互分数，突出真正受自车影响的对象。在含车辆与行人的部分受控路口仿真中，该方法在完成率、碰撞率、效率及分布外鲁棒性上优于基线，同时给出可解释的内部状态和交互指标。
Center for Artificial Intelligence and Robotics (CAIR), New York University Abu Dhabi, Abu Dhabi, UAE; New York University Abu Dhabi, Electrical Engineering, Abu Dhabi, UAE; New York University, Electrical and Computer Engineering Department, Brooklyn, NY, USA; Laboratoire d'informatique, de robotique et de microelectronique de Montpellier (LIRMM) Montpellier, Montpellier Cedex 5, France
针对欧氏物体距离在多见证点时不可微、导致避障雅可比和二阶控制约束不稳定的问题，论文提出带参数的平滑集合距离及改造的 von Neumann 投影算法，在凸物体上保证无穷可微，并可调节逼近真实距离与导数大小的权衡；进一步嵌入加速度级 QP 控制器，给出收敛与 Lyapunov 分析，并在 7 自由度 Kuka 机械臂避障实验中验证可用性。
School of Engineering, Westlake University, Hangzhou, China; College of Computer Science and Technology, Zhejiang University, Hangzhou, China; Research Center for Industries of the Future and the School of Engineering, Westlake University, Hangzhou, China
面向无人机集群中依赖机载视觉感知邻机的需求，论文将MAV检测从2D框提升到单目6D位姿估计，以利用姿态改善运动状态估计。核心方法MAV6D用质心引导关键点定位网络直接回归9个关键点并经PnP求位姿，配合自动采集的5.7万余张室内标注数据和自训练无监督域适应迁移到室外。实验显示其精度和效率优于ROPE、YOLO6D、EfficientPose，速度较ROPE快16倍，结合姿态的Pose-KF也减小了高速目标状态估计滞后。
Robotics and Artificial Intelligence Lab, KAIST, Daejeon, South Korea
本文针对腿式机器人强化学习控制中依赖大量奖励项和系数调参的问题，提出将工程意图显式写成约束、与少量奖励共同优化的框架，并设计两类约束及低开销策略优化方法。实验覆盖多种四足与双足机器人、仿真和真实复杂地形，显示在仅少量奖励调参下仍能获得鲁棒运动控制，且约束更易解释并可跨平台复用。
Department of Electronic Engineering, Tsinghua University, Beijing, China; ORCA-Uboat, Shaanxi, China
针对单目视觉里程计在移动机器人复杂环境中存在尺度不确定、尺度漂移及动态/视觉退化场景鲁棒性不足的问题，MS-VRO将低成本4D毫米波雷达以多阶段方式嵌入VO：包括视觉-雷达初始化、联合优化和雷达辅助特征筛选，以利用雷达尺度与速度信息并剔除动态特征。作者构建视觉-雷达数据集并在自采与公开数据上验证，结果显示其相对纯VO显著提升精度与鲁棒性，并优于若干典型VIO方法。
School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an, China
面向航空发动机等狭长空间的原位检修，传统腱驱连续体机器人易受重力和端载耦合导致扭转、屈曲及形态估计不准。论文提出基于轴承的接触辅助柔顺机构，并结合链式梁约束的静力学建模，显式考虑腱路摩擦、物理关节约束和屈曲判据。实验显示其扭转刚度较双枢轴设计至少提升24倍，整体刚度提升超过100倍，形态误差低于机械臂长度2.5%，并避免一阶失稳。
Robotics and Perception Group, University of Zürich, Zürich, Switzerland; University of California, Berkeley (UC Berkeley), Berkeley, CA, USA; Multi-Robot Systems Group, Czech Technical University in Prague, Prague, Czech Republic
面向搜救、巡检和配送中对高速、鲁棒自主飞行的需求，本文将自主无人机竞速作为检验感知、状态估计、规划与控制协同能力的极限基准。核心洞察是系统梳理模型驱动与学习驱动路线、动力学/传感器建模、仿真、竞赛与开源资源的演进。主要结论是该领域已在受控赛道达到接近甚至超越人类的表现，但安全性、跨环境泛化和真实应用迁移仍未解决。
Faculty of Computer and Information Science, University of Ljubljana, Ljubljana, Slovenia
针对传统 DWA 难以处理动态障碍且代价权重依赖人工调参、纯学习导航又缺少安全约束的问题，论文提出 DADWA：用 PPO 训练的神经网络根据近期多帧观测动态预测扩展 DWA 代价权重，让规划器在保留速度空间安全与平滑性的同时适应行人运动。实验在真实 3D 场景扫描构建的动态环境中评估，结果优于标准 DWA、此前 ADWA 及纯深度学习方法。
School of Electronics, Electrical Engineering and Computer Science, Queen's University Belfast, Belfast, U.K.
面向人机共处等场景中机械臂沿既定路径运动时需同时满足安全、力矩和时序约束的问题，论文将轨迹速度规划转化为投影路径动力学上的 reach–avoid 集计算，并通过新的力矩反馈参数化获得可有限计算的安全速度轮廓集合。由此生成低复杂度在线反馈控制器，可保证状态/输入约束、支持参考跟踪及避障/会合等时变规格，并在 UR10 上做了概念验证。
College of Information Science and Engineering, Ritsumeikan University, Ibaraki, Osaka, Japan; Northwestern Polytechnical University, Xi'an, Shaanxi, China; Ritsumeikan Global Innovation Research Organization, Ritsumeikan University, Kusatsu, Shiga, Japan
针对软体手难以精确建模和测量接触/变形、因而不利于高精度手内操作的问题，论文分析了一种用并联软执行器和视觉反馈实现物体位姿控制的方法：将变化的驱动转换矩阵近似为常值估计矩阵，并重点给出稳定性证明与正定、对称条件分析。数值分析和二维验证实验表明，该近似在约±10 mm范围内可保持稳定控制，但条件仅为充分条件，控制时间和运动范围仍受限。
School of Aerospace Engineering, Tsinghua University, Beijing, China
针对足式机器人落地冲击沿腿部传递、造成传感器振动和关节疲劳的问题，论文受人膝半月板启发，在仿人关节狭小间隙内加入由弯曲臂和预紧弹性带组成的半月板状结构，通过保持贴合接触分散应力、形成高静低动非线性刚度并利用滑动摩擦耗能。理论分析与冲击实验显示，其能量吸收效率约70%，约80%吸收能被耗散，在多种关节姿态下优于普通弹性缓冲，竖直胫骨配置中股骨峰值加速度降低超过50%。
Department of Biomedical Engineering, City University of Hong Kong, Hong Kong, SAR, China; School of Science, Harbin Institute of Technology, Shenzhen, China; Department of Mechanical Engineering, City University of Hong Kong, Hong Kong, SAR, China
针对磁驱微型机器人随尺寸缩小和驱动距离增大而输出力不足、难以完成组织穿刺的问题，论文提出由外部旋转立方磁体与机内两颗球形磁体构成的 MINRob，通过可逆、可重复的磁碰撞在有限空间内放大冲击力，并建立多状态磁力/力矩模型用于优化。实验和有限元验证模型，测得冲击与穿刺力约为仅用磁吸引方案的十倍，并结合遥操作实现位置与姿态控制。
Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, U.K.
面向自动驾驶/移动机器人中语义分割遭遇天气、场景或未知物体导致的分布偏移问题，论文提出 γ-SSL：利用目标域未标注数据，通过增强一致性选择性训练像素级不确定性，并在单次前向中输出风险区域。基于 SAX 跨城市场景到越野的测试基准，方法较多种不确定性与 OoD 检测基线更稳，在最难场景 AUROC 提升最高 10.7%、AUPR 提升 19.2%。
Department of Electrical Engineering, Chalmers University of Technology, Gothenburg, Sweden; Department of Automatic Control, Lund University, Lund, Sweden; ELLIIT Strategic Research Area, Lund University, Lund, Sweden
面向抓取、推挤和足地接触中的平面滑移/粘滞建模，论文指出传统一维摩擦或库仑极限面难以同时刻画切向力与摩擦力矩耦合及动态 stick–slip。其核心是将 LuGre 动力学与极限面结合，先构造任意接触压力下的分布式模型，再用预计算极限面得到低维模型，并扩展弹塑性项以抑制振荡载荷下漂移。仿真显示降阶模型精度接近分布式模型，计算开销约降低 80 倍。
Department of Artificial Intelligence and Robotics, Sejong University, Seoul, South Korea; Seon ENS, Seoul, South Korea; Artificial Intelligence and Robotics Institute, Korea Institute of Science and Technology, Seoul, South Korea
这篇论文针对传统仿生机器人头部机构复杂、过度拟人易触发恐怖谷且语音与头部动作难同步的问题，提出 Ray：用一次性 3D 打印的多层弹性头部和下置腱驱动系统实现极简外观与四自由度运动，并结合音频驱动模块自动生成头、口同步动作。实验展示其可作为讲解员、歌手机器人和主持人，运动较平滑自然，但深入用户体验评估仍留待后续工作。
Key Laboratory of Sensing Technology and Biomedical Instrument of Guangdong Province, School of Biomedical Engineering, Shenzhen Campus of Sun Yat-sen University, Shenzhen, China; Guangdong Provincial Engineering and Technology Center of Advanced and Portable Medical Devices, School of Biomedical Engineering, Sun Yat-sen University, Guangzhou, China; Shenzhen Research Institute of Sun Yat-sen University, Shenzhen, China; School of Mechanical Engineering, Translational Research Center, Shanghai Yangzhi Rehabilitation Hospital, Tongji University, Shanghai, China; Department of Biomedical Engineering, The Chinese University of Hong Kong, Hong Kong
针对肌电控制上肢康复机器人在三维运动意图估计中跨任务泛化弱的问题，本文将肌肉协同假设引入缆驱康复机器人控制：由8路sEMG经肌肉激活模型与NNMF提取6维非负低维指令，再用于状态空间力估计和导纳控制。跨三角/矩形轨迹训练测试及实时实验表明，相比不建模肌肉协同的肌电控制器，该方法提高了三维力估计与轨迹跟踪精度，并降低人机交互力。
Department of Cognitive Robotics, Delft University of Technology, Delft, The Netherlands; Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, U.K.; Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Wessling, Germany
针对四足机器人利用并联弹性实现爆发跳跃时，起跳可规划但落地易受模型误差、扰动和地形影响的问题，论文提出显式刻画并联弹性的 actuated SLIP 模型，结合离线运动-动力学轨迹优化与在线冲击感知落地调节，在空中修正腿部、触地后优化恢复。实验显示该方法可在刚性 Go1 和并联弹性 E-Go 上完成稳健 3D 跳跃，并带来更远跳距、更高落地能力和更低能耗。
Tencent Robotics X, Shenzhen, China; Department of Biomedical Engineering, City University of Hong Kong, Hong Kong; Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong
针对高速抛掷中物体动力学受抓取位置、滑移和未知惯性影响而难以用视觉稳定测量的问题，TossNet主张仅利用机器人本体运动序列与腕部力/力矩信号，学习与物体无关的抛掷动力学隐表示，并直接预测未知物体的6D飞行轨迹。仿真和真实实验显示，该方法对已见/未见物体均能近实时预测，消融也支持不同本体感知模态的互补作用，可用于盲抛接和高精度投掷等任务。
Continuum Robotics Laboratory, University of Toronto, Toronto, ON, Canada; Institute of Mechatronic Systems, Leibniz University Hannover, Hannover, Germany; Department of Mechanical, Aerospace and Biomedical Engineering, University of Tennessee, Knoxville, TN, USA; Department of Mechanical Engineering, University of British Columbia, Vancouver, BC, Canada
面向传统并联机构工作空间受限、连续体机器人刚度与精度不足的问题，本文系统梳理并联连续体机器人这一交叉形态。核心贡献是给出PCR定义、记法与分类框架，并按结构设计和建模方法整合已有工作，揭示其通过多条柔性连续链闭环并联，在保持轻量顺应和狭窄空间适应性的同时提升整体刚度、操作力与潜在精度。主要结果是形成该领域的状态图谱，并指出建模、奇异性、设计优化和应用落地等开放问题。
State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Heilongjiang, China; Department of Aerospace Engineering, Toronto Metropolitan University, Toronto, ON, Canada
针对可变轴距轮式机器人在松软、起伏地形上机动性提升但控制困难的问题，论文借鉴蠕虫伸缩运动提出 creeping gait，将轴距控制分为轮随动模式和指定长度模式，并用轮地交互指标、模糊逻辑与驻留时间切换实现稳定过渡。三轮实体实验显示，相比固定轴距，路径跟踪精度提升约37%，响应/运行时间改善约11%，内部力矩降低超过41%。
Department of Computer Engineering, School of Computation Information and Technology, and Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM), Munich, Germany; Department of Cognitive Robotics, Delft University of Technology (TU Delft), Delft, CD, The Netherlands; Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Oberpfaffenhofen, Weßling, Germany; Istituto Italiano di Tecnologia, Genova, Italy; Centro “E. Piaggio” and Dipartimento di Ingegneria dell'Informazione, University of Pisa, Pisa, Italy
针对传统刚性平足在人形机器人踩到石块等不规则地面时支撑面缩小、仅加软垫又难兼顾稳定与抗冲击的问题，论文提出完全被动的 SoftFoot：用仿生的刚柔结构及滑轮-腱-弹簧机构随载荷改变足形和刚度，并给出解析模型。与同尺寸刚足、柔顺足对比实验显示，它在障碍物上站立时等效支撑面最大、所需踝部补偿更小，冲击吸收接近柔顺足。
The BioRobotics Institute, Scuola Superiore Sant'Anna, Pontedera, Italy; Department of Excellence in Robotics and AI, Scuola Superiore Sant'Anna, Pisa, Italy; The BioRobotics Institute, Pontedera, Pisa, Italy; Technology and Innovation Hub (tiHUB), Shirley Ryan AbilityLab, Chicago, IL, USA; Max Nader Laboratory for Rehabilitation Technologies and Outcomes Research, Shirley Ryan AbilityLab, Chicago, IL, USA; The BioRobotics Institute, Scuola Superiore Sant'Anna, Pontedera, Pisa, Italy; Institute of Recovery and Care of Scientific Character (IRCCS), Fondazione Don Carlo Gnocchi, Firenze, Italy; Centro Protesi Inail, Vigorso di Budrio, Bologna, Italy; IUVO S.r.l., Pontedera, Pisa, Italy
针对大腿截肢者行走能耗高、现有主动假肢常因双关节独立驱动而增重耗能的问题，论文提出 SynPro：用单个200 W动力执行器经差动机构同时分配至膝、踝，并结合制动器与串联弹性实现关节耦合/解耦和力感知顺应控制。台架测试显示位置、力矩控制带宽超过2.5 Hz；3名受试者可完成平地行走、上下楼梯和坐站转换，关节运动接近健全人参考，验证了膝踝欠驱动方案的可行性。
University of Texas, Austin, TX, USA
针对现有自动驾驶或城市机器人数据集在传感器视角、模态与语义标注上难以支撑城市移动机器人三维感知的问题，本文构建了UT校园CODa数据集，提供多模态传感器、重复路线、丰富物体与地形三维标注及基准。实验显示，用CODa训练或预训练可提升城市场景三维检测，传感器特定微调也带来增益，但提升可能主要来自更匹配的机器人视角与数据分布。
Faculty of Mechanical Engineering, Eindhoven University of Technology, Eindhoven, The Netherlands; Department of Cognitive Robotics, Delft University of Technology, Delft, The Netherlands
面向双臂抓取中为缩短节拍而主动利用碰撞的需求，论文针对名义同步冲击导致的速度误差和力矩峰值问题，将参考扩展控制嵌入二次规划框架，并用遥操作生成冲击一致的前/后冲击参考，加入无需接触完成检测的过渡模式处理非同步单点冲击。双臂实验证明，相比三种基线，该方法在物体位置和冲击时序存在不确定时能减少输入峰值与跳变，同时保持任务跟踪与抓取成功。
Department of Computer Science, Rice University, Houston, TX, USA; School of Computing, Australian National University, Canberra, ACT, Australia
本文针对传统任务-运动规划依赖完整几何与符号 grounding、在遮挡和建模不准时难以执行的问题，提出 TAMPER：允许计划中保留部分未 grounding 的动作，并在执行时用人工设计或学习的闭环行为补齐，失败再反馈为约束重规划。40 次真实机器人实验显示，该框架在多类知识缺口场景中成功率更高、动作更少、执行更快。
Robotics Lab of the Materials, Mechanical, and Aerospace Engineering Department, Illinois Institute of Technology, Chicago, IL, USA; Assured Vehicle Autonomy Lab, Department of Aerospace and Ocean Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA; Assured Vehicle Autonomy (AVA) Lab, Department of Aerospace and Ocean Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA; Robotics Lab of the Materials, Mechanical, and Aerospace Engineering Department, Illinois Institute of Technology (IIT), Chicago, IL, USA
面向移动机器人进入人类附近等安全关键场景时，传统粒子散布或协方差难以刻画数据关联故障下的定位风险。论文为基于地标图的粒子滤波定位构建完整性监测框架，推导测量故障、噪声与控制扰动对粒子及均值误差的传播，设计故障检测器并给出完整性风险上界。仿真与实验表明，地标更密且可区分、粒子数足够时安全性提升；地标混淆时粒子滤波通常比 EKF 更安全，但地标分离良好时优势并不稳定。
Department of Electromechanical Engineering, Faculty of Science and Technology, University of Macau, Macau, China
针对抓取算法通常绑定特定夹爪、难以把两指数据迁移到多指/新夹爪的问题，论文将可学习的场景知识与夹爪运动学解耦：由反平行抓取生成指尖数据，预测交互概率图，再在优化中替换不同关节约束生成平面抓取。实验在 Cornell 上达到 95.51% 成功率，并在真实世界 10 种多指夹爪上验证了跨夹爪迁移能力。
École Centrale de Nantes, Nantes Université CNRS, Nantes, France; LIP6, Sorbonne Université, Paris, France; Inria, CNRS, IRISA, University Rennes, Rennes, France
针对基于图像点的视觉伺服长期只能证明局部稳定、局部极小和鞍点数量缺乏形式保证的问题，本文把平衡条件改写为不显式依赖相机位姿的多项式系统，并结合代数几何求解与对称破缺，穷举六类经典控制器的稳定/不稳定平衡点；在四、五点平面与非平面任务中揭示了多样的极小和鞍点结构，仿真还显示噪声和深度不确定性主要影响轨迹而不改变定性动力学。
Mitsubishi Electric Research Laboratories (MERL), Cambridge, MA, USA
面向未知物体与环境中的接触丰富操作，论文聚焦两点支撑下需保持滑动接触的 pivoting，难点在质量、质心、摩擦和接触位置不确定时仍保证机械稳定。核心洞察是将摩擦提供的“稳定裕度”显式解析并纳入接触隐式双层优化，最大化轨迹最坏情形裕度；还扩展到非凸物体的模式优化与视觉反馈 MPC。仿真和 6DoF 机械臂实验证明其比普通轨迹优化更鲁棒，可重定向多种零件并闭环跟踪调节物体位置。
Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong
面向空中集群在近距离协作、避障和探索中对相对定位精度与远距离全局一致性的不同需求，D²SLAM将协同视觉惯性SLAM拆分为近场D²VINS和远场D²PGO：前者用分布式优化实现重叠视野下的高精度相对状态估计，后者用异步分布式位姿图优化应对低带宽和网络延迟。实验表明其在自运动估计、相对定位和轨迹一致性上有效，并具备较好的扩展性与抗延迟能力。
Department of Mechanical and Automation Engineering, Chinese University of Hong Kong, Hong Kong SAR, China
针对传统缆驱并联机器人默认机架刚性、在开放轻量机架中易因变形导致出绳点和力方向误差的问题，论文将可变形机架显式纳入D-CDPR建模，采用Euler–Bernoulli梁描述机架动力学，并扩展工作空间/可用力集分析，提出基于模型的前馈长度控制以用绳长实现张力调节。仿真和二维硬件实验表明，考虑机架变形后轨迹跟踪精度明显提升，也降低了对高刚度重型机架的依赖。
Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, USA
针对密集大石块地形中足式机器人难以仅靠避障或扰动抑制稳定通行的问题，论文把障碍接触力转化为可利用的运动资源。核心洞察是不同四足步态会与周期障碍场耦合，形成朝特定朝向收敛的“漏斗”，并用组合返回映射预测这些稳态朝向。实验在小型四足机器人和12种步态上验证了朝向量化收敛，并通过顺序切换步态生成期望轨迹。
Robotics and Artificial Intelligence Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology, Luleå, Sweden; Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology, Luleå, Sweden
面向未知、狭窄且无 GPS 的三维环境中无人机“下一步去哪”的实时决策难题，论文提出 ERRT，将探索收益、安全路径规划和机器人执行代价统一到树采样框架中，只对通向候选目标的优良分支做路径优化、NMPC 动力学评估和沿轨迹信息增益估计，以降低计算量。仿真、对比和地下实地实验表明，该方法能在受限环境中实现可部署的自主探索，并已集成 ROS。
School of Engineering and Applied Sciences, Harvard University, Cambridge, MA, USA; Faculty of Engineering, Bar-Ilan University, Ramat Gan, Israel; Department of Electrical and Computer Engineering, Princeton University, Princeton, NJ, USA
面向多机器人众包感知中恶意机器人甚至占多数、且融合中心只能获得一次噪声测量的脆弱决策问题，本文将通信信号等产生的随机信任观测引入对抗二元假设检验，提出已知恶意比例下的两阶段方法和未知比例下的A-GLRT，分别兼顾最坏攻击最优性与联合估计的可计算性。硬件交通感知实验中，在Sybil攻击下两法错误率降至30.5%和29.0%，明显低于不使用信任值的52.0%。
Faculty of Mathematics, Technion—Israel Institute of Technology, Haifa, Israel; Department of Aerospace Engineering, Technion—Israel Institute of Technology, Haifa, Israel
面向高维观测下ρ-POMDP/信念空间规划计算随观测维度爆炸的问题，本文把未来测量随机变量划分为观测空间分区，并用分区后的期望信息奖励解析上下界替代精确评估，从而在保持性能保证的同时加速决策；该框架适用于一般信念，并给出高斯主动SLAM实现，理论上至少4倍改进，仿真和真实实验中较SOTA显著缩短规划时间且选出相同最优轨迹。
Machine Perception and Intelligent Robotics Group, System Engineering and Automation Department, University of Málaga, Campus de Teatinos, Málaga, Spain
面向室内泄漏、应急等场景中障碍物与湍流使单点气体/风速观测难以直接定位源的问题，论文将机器人实测构建的概率 gas-hit 地图与候选源的在线丝状扩散仿真进行概率匹配，并用粗到细计算分配和信息增益式探索提升实时性。仿真与真实实验表明，该方法能在复杂室内环境中完成气源定位，较依赖简化羽流或启发式传播的方法更适应障碍与非稳态气流。
Institute of Robotics, State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China
针对软体机器人在未知接触、分布载荷下难以同时感知交互力并保持精确控制的问题，本文用 Hermite 插值统一参数化连续构型与分布外力，并以有限运动观测实时估计接触位置和力，再反馈更新模型控制器。实验显示其在多种外力下平均轨迹误差低于 0.3 mm，并可用于自动避障和精确抓取。
State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, China; Department of Biomedical Engineering, College of Design and Engineering, National University of Singapore, Singapore; Ji Hua Laboratory, Foshan, China; Department of Automation, Shanghai Jiao Tong University, Shanghai, China
针对软体机械臂在保持柔顺安全的同时难以获得高刚度、抗扰性和精确控制的问题，论文提出锥形软体机械臂TSM：以Bowden管-钢缆复合腱与气动锥形波纹管形成缆-气混合拮抗驱动，并用神经网络逆运动学和末端位姿反馈的闭环迭代控制提升精度。实验显示其刚度可调，稳定区点定位均误差0.17 mm、圆轨迹误差0.87±0.57 mm、姿态误差小于1°，在受扰、遥操作、狭窄避碰和擦板任务中表现出较强鲁棒性。
Robotics Department, University of Michigan, Ann Arbor, MI, USA
针对高约束轨迹优化中可行集低维、局部方法依赖初始化且惩罚式约束易失衡的问题，论文将问题改写为轨迹分布上的受约束变分推断，用约束 SVGD 并行优化多条粒子轨迹，并在约束切空间重采样以跳出局部极小。实验覆盖四旋翼在线避障和 7DoF 操作，CSVTO 在成功率与约束违反上优于 IPOPT、SVMPC 等基线，扳手任务达到 20/20 成功。
INRIA - Département d'Informatique de l'École normale supérieure, PSL Research University, Paris, France
这篇短文针对 RaiSim 虽能支撑四足机器人仿真训练、但其滑动接触求解不满足最大耗散原则的问题，推导指出耦合 Delassus 矩阵会导致摩擦方向偏离物理约束。作者在原高斯–赛德尔二分框架中加入 de Saxcé 修正，几乎不增加计算量；滑动方块和拖拽实验显示能恢复预期能量耗散、消除异常内力并降低 NCP 误差。
Laboratory of Intelligent Systems, Ecole Polytechnique Federale de Lausanne, Lausanne, Switzerland
面向搜救、巡检等需要多无人机在未知拥挤环境中高速协同飞行的场景，论文提出去中心化同步规划框架 HDSM，将未知空间显式视为安全约束，并结合安全走廊、智能体间避碰与速度自适应来生成可执行轨迹。仿真中相较四种开源 SOTA 达到 100% 到达率、速度提升 97%、飞行时间降低 50%，并在 Crazyflie 编队上验证了轨迹可行性。
Robotic Systems Lab, ETH Zurich, Zurich, Switzerland; Institute of Robotics and Mechatronics, German Aerospace Center (DLR), Weßling, Germany
面向人形、四足等在未知环境中受冲击又需高力矩带宽的场景，本文针对差分弹性执行器中“抗冲击—开环力矩带宽”的参数权衡，建立以冲击诱发齿轮力矩衡量鲁棒性、以开环带宽和高频增益衡量性能的解析设计流程，用闭式公式选择弹簧刚度、惯量和阻尼。作者还构建可重构 DEA 原型，验证带宽、刚度控制与冲击实验，表明该指南可在无需大量仿真的情况下给出满足应用约束的参数取舍。
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong, SAR, China; Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University (PolyU), Hong Kong, SAR, China; Shenzhen Research Institute, The Hong Kong PolyU, Shenzhen, China; Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Department of Mechanical and Automation Engineering, Department of Surgery, CUHK T Stone Robotics Institute, and Chow Yuk Ho Technology Center for Innovative Medicine, The Chinese University of Hong Kong, Hong Kong, SAR, China; Multi-Scale Medical Robotics Center, Hong Kong Science Park, Hong Kong, SAR, China
面向狭窄复杂环境中微操作仍依赖人工、抓取释放机制难自动化的问题，论文利用可重构磁性微群在不同动态磁场下形成不同形态，并借助其流场实现选择性拾取与释放；同时结合有限状态机、带扰动观测器的超扭转滑模控制、类 RRT 路径规划和增强遗传算法。实验显示其可搬运不同尺寸形状微物体，在多目标场景中保持选择性，并具备长距离输运和对摩擦变化的适应性。
Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA; Kuwait University, Kuwait
针对手工动力学模型在无人车、飞行器和水下机器人中易有结构偏差、黑箱神经 ODE 又难保证物理约束的问题，本文把矩阵李群运动学约束、端口哈密顿能量守恒与摩擦/阻力耗散显式嵌入神经 ODE，并基于学习到的模型设计能量塑形与阻尼注入控制。实验覆盖仿真摆、Crazyflie 及多种真实四旋翼，显示该框架可用于长期预测、稳定化和轨迹跟踪。
Inria—Département d'Informatique de l'École Normale Supérieure, PSL Research University, Paris, France; LAAS-CNRS, Toulouse, France; Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University, Prague, Czechia
机器人控制、规划和强化学习高度依赖接触仿真，但不同引擎对刚体接触、摩擦和数值求解的近似会在精度与效率间产生隐性取舍。本文从 Signorini 条件、库仑摩擦和最大耗散原理出发，统一比较主流接触模型与求解器，并提出物理一致性和计算性能的定量基准及开源 C++ 实现。实验显示，常用松弛和算法近似可能显著扩大 sim-to-real 现实差距，影响运动生成与安全验证。
Department of Mechanical Engineering, University of Delaware, Newark, DE, USA; Department of Mechanical Engineering, Department of Computer and Information Sciences, University of Delaware, Newark, DE, USA
针对传统视觉惯性 SLAM 中批量优化难以实时、PTAM 式前后端解耦又会破坏估计相关性与一致性的问题，论文从贝叶斯批估计出发，将单目相机-IMU SLAM 划分为并行定位与建图：前端用 robocentric VIO 保持实时跟踪，后端用 world-centric BA 异步处理回环并保留前后端状态相关性。仿真显示一致性和精度明显提升，真实动态、长期和大规模数据上相对强基线表现更好或至少相当，且建大图不阻塞实时定位。
Massachusetts Institute of Technology, Cambridge, MA, USA; DEVCOM Army Research Laboratory, Adelphi, MD, USA; University of Michigan, Ann Arbor, MI, USA; Boston Dynamics AI Institute, Cambridge, MA, USA; Northeastern University, Boston, MA, USA
EVORA针对越野自主导航中学习式可通行性模型难以同时处理地形随机性和分布外风险的问题，将牵引力建模为离散分布，并用证据深度学习与平方EMD损失估计偶然不确定性，同时以潜特征密度识别认知不确定性；规划端用最坏情形期望牵引力和OOD惩罚生成风险感知轨迹。仿真及轮式、四足机器人实验显示，其导航表现优于无打滑、期望牵引力和最坏成本优化等基线。
Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada; Department for Cognitive Robotics, Delft University of Technology, Delft, The Netherlands
针对机器人多目标规划中线性加权常需预计算、但均匀采样权重会在 Pareto 前沿上产生冗余且缺少误差保证的问题，论文把“任意权重由已采样解近似”的损失形式化为 regret，并贪心选择当前最不被代表的权重，同时给出误差界；方法还扩展到次优求解器和权重分布已知的随机情形，在轨迹规划、mTSP 与用户偏好学习实验中较均匀采样等基线获得更均匀覆盖和更低 regret。
Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA; Department of Electrical Engineering, Stanford University, Stanford, CA, USA
面向静态但规模很大的已知环境，论文关注如何在成千上万个轴对齐安全盒中快速生成全时刻无碰撞的平滑路径。核心做法是离线构建盒交叠图并估计边权，在线先做最短路得到折线路径，再用一系列凸最优控制问题和 Bézier 参数化平滑轨迹，从而保留完备性和不可行性检测但放弃全局最优保证。实验显示其可在含万级安全盒的场景中实现秒级甚至更快规划，并开源 fastpathplanning。
Computer Science Department, Technical University of Darmstadt, Darmstadt, Germany; Hessian Centre for Artificial Intelligence, Darmstadt, Germany; LASR Lab, Technische Universität Dresden, Dresden, Germany; Centre for Tactile Internet With Human-in-the-Loop, Dresden, Germany; SAIROL, German Research Center for AI (DFKI), Darmstadt, Germany; Centre for Cognitive Science, Darmstadt, Germany
针对RGB光学触觉传感器空间分辨率高但时间响应不足的问题，Evetac将内部相机替换为事件相机，并配套1000 Hz在线读出与基于标记点的凝胶形变跟踪算法。实验显示其可感知最高498 Hz振动、重建剪切力且数据率低于RGB方案；事件特征还支持滑移检测/预测，并驱动500 Hz闭环抓取控制以适应多类物体。
Georgia Institute of Technology, Atlanta, GA, USA; Carnegie Mellon University, Pittsburgh, PA, USA; Sandia National Laboratories, Albuquerque, NM, USA
面向异构机器人团队中状态、动作与传感能力不一致导致“同构通信”失效甚至降性能的问题，本文扩展 HetNet，用异构图注意力和 MAH-PPO 学习按类别区分的协作策略，并加入可二值化、可扩展且抗噪的通信机制。实验显示其在多任务中较最强基线提升 5.84%–707.65%，同时将通信带宽需求降低约 200 倍。
College of Artificial Intelligence and Automation, Hohai University, Changzhou, China; School of Microelectronics and Control Engineering, Changzhou University, Changzhou, China; School of Computing and Mathematical Sciences, University of Leicester, Leicester, U.K.; Cognitive Robotics Laboratory, University of Manchester, Manchester, U.K.
针对人形机器人表情常依赖预设类别或稀疏关键点、难以呈现细粒度肌肉运动的问题，论文提出两阶段方案：先用AU-FEDS在弱监督下解耦表情相关/无关线索生成AU驱动表情图像，再以带物理电机位置约束的映射网络转为机器人面部电机命令。Emotionet定性定量实验验证生成效果，自研情感机器人上也能按给定AU产生较自然、具体的表情。
Michigan State University, East Lansing, MI, USA
针对跨数据集 LiDAR 3D 检测依赖目标域标注、伪标签又易受尺寸分布偏差和框点不一致噪声影响的问题，DALI 将去噪拆为分布级与实例级：训练后寻找无偏尺度做尺寸归一化，并用两类伪点云生成策略让伪框与点云一致。实验在 KITTI、Waymo、nuScenes 多个 UDA 任务上优于 ST3D/ST3D++ 等方法，且能兼顾源域与目标域表现。
General Robotics, Automation, Sensing and Perception (GRASP) Laboratory, University of Pennsylvania, Philadelphia, PA, USA; Department of Electrical and Computer Engineering, University of Toronto, Toronto, ON, Canada
针对多接触操作/运动中接触建立、断开及粘滑模式需在线决策，而混合整数 MPC 难以实时扩展的问题，论文将局部多模态动力学表述为线性互补系统，并提出基于 ADMM 的 Consensus Complementarity Control，通过共识分解并行化接触调度，配合凸投影加速求解。实验在五个数值任务、欠驱动多接触平台及 Panda 机械臂高维多接触操作中验证了实时性和抗扰适应能力。
Institute of Automation, Chinese Academy of Sciences, Beijing, China; Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences, Hong Kong, SAR, China; School of Artificial Intelligence, Chinese Academy of Sciences, Beijing, China; Institute of Automation Chinese Academy of Sciences, Beijing, China
本文针对多指手难以在少量示教下生成符合使用、交接、拾取等意图的类人功能抓取的问题，提出基于指节级细粒度接触与锚点对齐的六步合成流程，并用类别内稠密形状对应把少量人类示教扩展到多物体、多手型，进而合成万级数据训练 DexFG-Net，从单视角重建物体并生成意图条件抓取。仿真和真实实验表明其抓取更接近人类且具稳定性与功能性，但透明物体、重建误差和开环控制仍会导致失败。
R&D Team 2 of Celloid Company Ltd., Pohang, South Korea; Department of Mechanical Engineering, Pohang University of Science and Technology (POSTECH), Pohang-si, South Korea; School of Electrical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea
针对导纳控制在刚性接触中因力/力矩传感器与虚拟代理动力学非共址、代理与真实机器人速度误差而易失稳的问题，本文从无源性分析出发，提出双向能量流调制并结合能量罐约束，使控制结构在导纳与阻抗特性间连续调整。三组真实机器人实验表明，该方法相较传统导纳控制可保持系统无源并稳定交互，同时较好保留期望动力学，但会牺牲部分导纳渲染精度。
Soft Haptics Lab., School of Materials Science, Japan Advanced Institute of Science and Technology, Ishikawa, Japan; VNU University of Engineering and Technology, Ha Noi, Vietnam
面向管道巡检、内窥等狭窄且易受损环境，论文设计了一种小型自推进软体机器人：串联气动腔体以相位脉冲产生正弦波推进，并用分布式气囊实现竖直攀爬与锚定，同时给出速度和侧向作用力解析模型。实验显示模型速度、侧向力误差为7.89%和16.86%，水平刚性管内最高40.11 mm/s，带尾部气囊可竖直上爬9.22 mm/s。
Center for AI and Natural Sciences (CAINS), Korea Institute for Advanced Study (KIAS), Seoul, South Korea
针对传统 MMP 依赖离散时间轨迹、难以做时间调制和经由点约束调整的问题，论文将参数曲线模型嵌入运动流形原语，提出 MMP++，并进一步用等距正则和 CurveGeom 度量缓解潜空间几何扭曲。实验在二维避障、7 自由度机械臂和 SE(3) 规划中显示，其轨迹生成优于 DMP/ProMP/VMP 等基线，并支持在线适应动态约束。
Robotics Institute, University of Toronto, Toronto, ON, Canada; Department of Mechanical Engineering, McGill University, Montreal, QC, Canada
针对传统定位与 SLAM 依赖精确过程/观测模型、模型失配时性能下降的问题，本文用 Koopman lifting 将控制仿射系统升维为双线性形式，并从带真值数据中学习模型；推理时通过流形约束与 SQP 联合估计轨迹和路标，单次迭代随时间步线性扩展。仿真和两组真实数据表明，RCKL-Loc/SLAM 与经典模型法精度相近，在先验模型不完善时更稳健。
Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, USA
针对随机机器人系统难以在有限仿真下给出安全/性能保证的问题，本文将轨迹代价视为标量随机变量，用分布无关的有限样本统计界来认证任意策略的期望、VaR、CVaR与失败概率，并扩展到约束检验、sim-to-real偏移鲁棒界和多策略选择的多重假设校正。在Ant、Half-cheetah、Swimmer及Shadow Hand实验中验证了界的统计有效性和校正必要性。
Institute of Automatic Control, Faculty of Mechanical Engineering, RWTH Aachen University, Aachen, Germany; Department of BioMechanical Engineering, Delft University of Technology, Delft, Netherlands; Department for Rehabilitation Medicine, Erasmus MC, Rotterdam, GD, Netherlands; University of Toronto Robotics Institute, Toronto, ON, Canada
面向城市峡谷、隧道等场景中 GNSS 与局部传感器都会退化且异步的问题，论文提出 gnssFGO：用连续时间高斯过程轨迹和时间中心因子图，把 GNSS、IMU、速度计与 LiDAR 里程计以松/紧耦合统一融合，避免依赖单一主传感器触发优化。多城市实测表明其在传统融合或 LiDAR-centric 方法失效时仍能稳定定位，Aachen 17 km 序列紧耦合原始 GNSS+LiDAR 平均 2D 误差为 0.48 m。
Shenzhen Key Laboratory of Control Theory and Intelligent Systems, Southern University of Science and Technology, Shenzhen, China; College of Engineering, China Agricultural University, Beijing, China; Department of Systems and Control Engineering, Tokyo Institute of Technology, Tokyo, Japan; School of Data Science, The Chinese University of Hong Kong, Shenzhen, China; Robotics Institute, University of Technology Sydney, Sydney, NSW, Australia; Department of Mechanical Engineering, City University of Hong Kong, Hong Kong
面向多麦克风阵列机器人听觉中阵列间位姿、初始时偏和采样时钟差难以同步标定的问题，论文将其建模为批量 SLAM，把阵列视作地标、声源轨迹视作机器人运动，并用 FIM 给出可观性/不可辨识条件，再设计三角化、ICP 与线性最小二乘初始化。仿真和真实实验显示，该流程相比现有框架及带噪真值初始化的优化具有更高标定与声源定位精度，并收敛更快。
University of Bonn, Bonn, Germany; Department of Engineering Science, University of Oxford, Oxford, U.K.; Lamarr Institute for Machine Learning and Artificial Intelligence, Dortmund, Germany
针对现有神经隐式 SLAM 难以实时闭环修正、难保持大规模地图全局一致的问题，PIN-SLAM 用稀疏可优化神经点表示弹性 SDF 地图，并结合无对应点的点到隐式模型配准、神经点特征回环检测与体素哈希索引。实验显示其在 LiDAR/RGB-D 场景中精度达到或优于主流里程计/SLAM，并生成更紧凑一致、可重建网格的地图，且可在中等 GPU 上按传感器帧率运行。
Industrial Engineering Department, UAS Technikum Vienna, Wien, Austria; Columbia Artificial Intelligence and Robotics Lab, Columbia University, New York, NY, USA; Automation and Control Institute, TU Wien, Vienna, Austria; Department of Computer Technology, University of Alicante, Alicante, Spain
面向机器人抓取与场景理解，论文指出单目 RGB 6D 位姿估计虽因低成本、高分辨率和快速推理而实用，但既有综述过宽，难以暴露机器人场景特有难题。作者梳理 2021–2024 年机器人与视觉顶会/期刊工作，认为闭集域迁移、对称与杂乱等问题已被较充分研究，而遮挡处理、紧凑无歧义位姿表示、类别级/新物体估计、多物体、大规模物体集、折射材料与不确定性仍是主要瓶颈；未来需结合本体、场景级推理、真实数据集并关注算法生态成本。
Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign, Champaign, IL, USA; Department of Computer Science, University of Illinois Urbana-Champaign, Champaign, IL, USA
针对机器人低层控制器手工调参低效、模型法难落地而无模型法又样本效率和稳定性不足的问题，DiffTune将控制器调参表述为可微参数优化，展开动力学—控制器计算图，并用灵敏度传播在真实系统数据上获得梯度，再结合L1自适应控制减小未建模不确定性造成的梯度偏差。在Dubin车和四旋翼仿真中优于AutoTune/SafeOpt，实机四旋翼12维非线性控制器仅10次试验使激进轨迹跟踪误差降低3.5倍。
Université de Sherbooke, Sherbrooke, QC, Canada; Concordia University, Montreal, QC, Canada
针对关节力矩、接触等方向性传感器会随构型改变而在某些任务空间方向“失明”的安全问题，本文提出传感器可观测性分析 SOA，将分布式传感器轴映射到任务空间，形成类似可操作度的指标和椭球，并可用于优化或零空间控制以避开可观测性奇异。仿真及自制 3 自由度机器人、Baxter 实验表明，该指标能揭示并改善物理交互中的力感知盲区。
Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China; Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong (CUHK), Hong Kong; Department of Mechanical and Automation Engineering, Chow Yuk Ho Technology Centre for Innovative Medicine, and CUHK T Stone Robotics Institute, The Chinese University of Hong Kong, Hong Kong
面向磁驱微/小机器人在人体尺度大工作空间中的旋转磁场驱动，论文关注线圈避碰与各向同性场生成之间的冲突。核心做法是量化比较可重构三线圈构型的场各向同性、可操控性等指标，并用性能引导优化在线调整线圈布局，使目标局部区域内获得更均匀的旋转场。作者实现了可重构 EMA 平台并通过多组实验验证方法可提升大范围、安全磁操控能力。
Institute of Robotics and Automatic Information System, College of Artificial Intelligence Nankai University, Tianjin, China; Haihe Lab of ITAI, Tianjin, China
针对3D蛇形机器人步态多样、接触点时变导致缺少通用运动模型的问题，本文把由骨干曲线生成的地面步态运动分解为曲线分量与位移分量，并在无滑假设下用接地点和曲线参数确定运动方向与幅值。该框架统一建模侧蜿蜒、crawler、S-pedal等步态，三组实验证明其对运动方向和位移大小的预测精度优于已有方法。
Woods Hole Oceanographic Institution, Woods Hole, MA, USA; Massachusetts Institute of Technology, Cambridge, MA, USA; Australian Centre for Robotics, University of Sydney, Sydney, NSW, Australia; Toyota Technological Institute at Chicago, Chicago, IL, USA; Department of Applied Ocean Physics and Engineering, Woods Hole Oceanographic Institution, Woods Hole, MA, USA
针对水下ROV采样依赖专家、低带宽/高延迟下直接遥操作效率低且限制远程科学家参与的问题，论文提出SHARC共享自治框架：用VR界面提供按带宽更新的3D场景理解，并允许操作者以自然语言或手势下达任务级指令。受控实验显示，在0.1–0.5 fps受限视频条件下，新手使用SHARC-VR比专家用传统控制器更快完成操作，同时提升完成率与采样精度。
National Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology, Beijing, China
面向室内有害源定位中初始位置不可控、羽流狭窄且大量区域缺少气流/浓度线索的问题，论文提出探索增强搜索算法：用优先级策略在上游追踪、回溯、下游搜索与前沿探索间切换，并结合 RRT* 气流跟踪。仿真消融、不同风速测试及真实环境实验表明，其在源不在气流或位于机器人下游时仍保持较高搜索成功率，整体优于对比方法。
Department of Electrical and Computer Engineering, Florida A&M University-Florida State University College of Engineering, Tallahassee, FL, USA; Department of Mechanical Engineering, Florida A&M University-Florida State University College of Engineering, Tallahassee, FL, USA; Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA
针对采样数据触觉接口中被动性阻尼下界公式复杂且既有推导不够严谨的问题，论文重新审视 Colgate–Schenkel 模型，给出必要性与充分性的严格证明，并推导等价但更易处理的新表达式。借此作者为多类虚拟环境传递函数及含时延情形给出闭式被动性条件，还将操作者从完全被动放宽到允许被动性不足，仅需相应修正阻尼下界。
Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada; Avidbots Corporation, Kitchener, ON, Canada; Department of Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, ON, Canada
面向清洁、仓储等环境频繁变化场景，论文关注未知静态障碍打断覆盖路径后，重算全局路径太慢、贪心绕行又易产生多余转弯的问题。作者将 OARP 扩展为 OARP-Replan，用整数规划及其线性松弛在给定时间预算内选择可近优重规划的受影响覆盖 ranks，保留未受影响路径。仿真中与贪心绕行和多种覆盖规划器比较，并在工业级自主机器人上验证了在线重规划可行性。
Department of Mechanical Engineering, McGill University, Montreal, QC, Canada
针对机器人状态估计、点云配准等非线性最小二乘在离群点和差初始化下易失效的问题，本文将自适应鲁棒核嵌入 GNC 框架，推导无需预先选择和调参的广义损失形式。实验覆盖点云对齐、网格配准和位姿图优化，显示其较非 GNC 自适应/固定核更稳健，并与专门为 GNC 设计的损失函数表现相当。
Stanford University, Stanford, CA, USA; National University of Singapore, Singapore; Cornell University, Ithaca, NY, USA; University of Pennsylvania, Philadelphia, PA, USA; Idiap Research Institute, EPFL, Lausanne, Switzerland
面向装配、检查等需要稳定抓持下重定位的手内操作，论文提出四指 Roller Grasper V3：在前三指滚轮基础上加入可动可转向“掌”指以扩大稳定姿态范围，并用点云驱动的高层可达路径规划结合低层滚动控制，实现 SE(3) 六自由度物体搬移。实机在方块、开孔块、长方体、杯子和带柄物体上验证了跨形状操作能力，但低层近似球体、实时位姿依赖标签传感，泛化仍受限制。
Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA, USA
针对 HJ 可达性安全/活性滤波在真实机器人中易出现突变切换和 bang-bang 控制的问题，论文把滤波统一表述为“可保证安全/活性的最大控制集合 + 投影算子”，并由此构造最少限制、平滑最少限制和平滑融合三类滤波器。实验覆盖自主导航、火箭着陆和实体机器人，展示了不同滤波器在性能、计算开销与控制平滑性之间的取舍。
Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza, Zaragoza, Spain
面向内窥镜等医疗场景中组织受呼吸、器械交互而非刚性形变、且多为单目成像的 SLAM 难题，NR-SLAM 用动态形变图连接稀疏地图点，并结合粘弹性形变模型、光流关联与滑窗可形变 BA，同时估计相机运动和环境形变，避免网格拓扑和近等距假设。在多组医疗数据上优于既有可形变 SLAM，达到毫米级重建精度，并开源实现。
Massachusetts Institute of Technology, Cambridge, MA, USA; Woods Hole Oceanographic Institution, Falmouth, MA, USA; Northeastern University, Boston, MA, USA
针对测距辅助 SLAM 中量测带来的强非凸性、初始化敏感和缺乏全局最优性证书的问题，论文提出 CORA：将 RA-SLAM 重写为 QCQP，并通过 SDP 松弛与 Riemannian Staircase 高效求解，得到下界、近似解及可量化次优间隙。真实数据实验显示其在随机初始化下仍能稳定获得高质量结果，并分析了机器人、地标和测距数量等图连通因素对松弛紧性的影响。
Key Laboratory of Mechanism Theory and Equipment Design of the Ministry of Education, School of Mechanical Engineering, Tianjin University, Tianjin, China; School of Mechanical Engineering, Hebei University of Technology, Tianjin, China; Department of Electrical and Computer Engineering, Clemson University, Clemson, SC, USA; Advanced Manufacturing Technology Research Group, Faculty of Engineering, University of Nottingham, Nottingham, U.K.; Centre for Robotics Research, Department of Engineering, King's College London, London, U.K.; Institute for Robotics, Southern University of Science and Technology, Shenzhen, China
面向飞行/碰撞目标抓取中冲击大、位姿速度不确定且刚性夹爪容错低的问题，论文借鉴海葵“多触手协同而非单触手强力”的机制，设计含主动/被动连续臂的12触手夹爪，并用折纸-Sarrus可展开基座协调展开、IMU触发捕获。实验显示其可抓取不同形状、速度和入射角目标，网球约90%、篮球约80%成功率，并对少量触手失效保持鲁棒。
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA, USA
针对MPC虽性能强但在线计算昂贵、传统模仿学习又需大量专家轨迹且抗扰性不足的问题，本文用鲁棒管MPC生成示范，并利用管集合刻画可能偏离状态、辅助控制器生成动作，做tube-guided采样增强来高效训练DNN策略。多旋翼敏捷飞行实验中，方法可由1到2条示范、约百秒训练得到可上机策略，并较DAgger和域随机化在示范效率、训练时间及未见扰动鲁棒性上更好。
Joint Department of Biomedical Engineering, North Carolina State University, Raleigh, NC, USA; University of North Carolina, Chapel Hill, NC, USA; Didi Research America LLC., Mountain View, CA, USA; Electrical and Computer Engineering Department, North Carolina State University, Raleigh, NC, USA; Department of Physical Medicine and Rehabilitation, The University of North Carolina-Chapel Hill, NC, USA
针对混合外骨骼中 FES 易诱发肌肉疲劳、导致电刺激与电机助力难以稳定分配的问题，论文将实时超声提取的肌肉应变作为疲劳生物标志，引入最优控制以动态调节 FES 剂量和外骨骼扭矩。在 2 名脊髓损伤者和 4 名健全者的连续坐姿膝伸展与地面行走实验中，结果表明该肌肉—机器接口可用于更直接地感知疲劳并改进共享控制。
Inria, École Normale Supérieure, PSL University, Paris, France; Robotics Institute, University of Toronto, Toronto, ON, Canada
机器人状态估计中的非线性最小二乘常依赖局部求解器，而半正定松弛要达到全局最优通常需人工寻找冗余约束，成本高且难扩展。本文提出 AUTOTIGHT 与 AUTOTEMPLATE，用采样方式自动判断并生成可泛化的紧化约束模板。作者在基于距离定位和双目位姿估计的仿真与真实数据上验证，并复现多篇已有松弛，结果显示其能找到更少但足以保证紧性的约束。
Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, USA; Department of Electrical and Computer Engineering, University of Michigan, Ann Arbor, MI, USA; Department of Robotics, University of Michigan, Ann Arbor, MI, USA
面向未知或动态环境中安全集只能由在线传感逐步获得、且规划轨迹可能不满足非线性动力学与输入约束的问题，本文提出 gatekeeper 作为规划器与跟踪控制器之间的安全验证层：通过短时前向仿真候选轨迹，并在必要时切换到备份控制器，递归生成可执行的 committed trajectory。作者证明在有界扰动和状态估计误差下可保证全时域安全，并在动态消防仿真和四旋翼在线感知避障实验中验证，计算上较类似 MPC 更轻量。
School of Industrial Engineering, Purdue University, West Lafayette, IN, USA
面向动态搬运和受外力扰动时传统抓取难以兼顾稳固与不过度用力的问题，LeTac-MPC将GelSight高维触觉经神经网络编码，并把可微MPC作为输出层，使学习到的触觉表征直接服务于有约束、可收敛的实时控制。作者用少量标准材料块自动采集训练数据，实验显示该控制器能以25 Hz运行，并在日常物体、动态摇晃和力交互任务中优于纯模型MPC、PD和开环抓取。
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China; Department of Advanced Computing Sciences, Maastricht University, Maastricht, The Netherlands; Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS), The Chinese University of Hong Kong, Shenzhen, China
面向海浪扰动下 USV 浮基机械臂捕获空中静止目标的问题，论文指出单纯依赖精确预测和实时跟踪在随机快速基座运动与力矩受限下并不可靠。其核心是把基座系中的目标视作运动目标，在线用小波网络预测，并以贝叶斯置信管评估多步预测质量，再在非线性规划中选择高置信捕获时刻与轨迹。实验用伺服平台复现实船运动，150 余次测试中达到约 80% 捕获成功率。
Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague, Praha, Czechia; Czech Institute of Informatics, Robotics, and Cybernetics, Czech Technical University in Prague, Praha, Czechia
面向仅靠一次抓取快速区分海绵、泡沫等可变形物体的问题，论文系统比较四类夹爪/仿人手、触觉/力/位置通道与压缩速度、手指构型对触觉判别的影响，并公开2.4万次测量数据。核心洞察是夹爪形态和动作参数造成的特征差异往往大于分类器差异，跨构型泛化困难。结果显示特征SVM与原始序列LSTM最稳，快压缩会降性能，Barrett Hand凭丰富触觉在泡沫集约95%准确率，显著优于普通二指夹爪。
Soft Robotics for Human Cooperation and Rehabilitation, Istituto Italiano di Tecnologia, Genova, Italy; Department of Information Engineering and Centro di Ricerca “Enrico Piaggio”, University of Pisa, Pisa, Italy
面向安全运动规划中“沿连续路径碰撞概率”定义不清、网格/JCC 近似受离散化和事件相关性假设影响的问题，本文提出风险密度（Risk Density）指标，将单点碰撞事件的不同依赖假设联系起来，并在随机初始条件、确定性动力学的连续轨迹场景下给出可计算近似。实验显示其精度优于或接近既有方法，同时计算成本更低或具有竞争力。
Institute for Data, Systems, and Society, Massachusetts Institute of Technology, Cambridge, MA, USA; Industrial & Enterprise Systems Engineering Department, University of Illinois at Urbana-Champaign, Urbana, IL, USA; Laboratory for Information & Decision Systems, the Institute for Data, Systems, and Society, and the Department of Civil and Environmental Engineering, Massachusetts Institute of Technology, Cambridge, MA, USA
针对多车道混合自治交通中“单辆自动车通过换道稳定多车道”的理论缺口，论文将车辆连续动力学与换道离散跳变建模为混合系统，并用基于方差的 Lyapunov 分析刻画换道频率对稳定性的影响。结果解释了高频换道产生类似交通截流的“幻影车”效应，也指出存在更少侵入的中等换道周期；数值实验与理论边界较一致，并可指导交通感知换道控制设计。
Shenzhen Key Laboratory of Ubiquitous Data Enabling, Shenzhen International Graduate School, Tsinghua University, Shenzhen, China; Institute of Artificial Intelligence, Collaborative Innovation Center for the Marine Artificial Intelligence, Shanghai University, Shanghai, China; RISC-V International Open Source Laboratory, Tsinghua-Berkeley Shenzhen Institute, Shenzhen, China
面向机器人精细交互中高分辨、多模态触觉难以兼得的问题，M3Tac 将可见光、近红外与中红外成像集成到视觉触觉传感器，并用可调透光弹性膜在接触与近距感知间切换。其算法库实现像素级力、三维形变、温度超分、黏性与多模态分类，报告力误差±0.023 N、近距±3.8 mm、重建0.33 mm、温度±0.3℃，并在抓取、热源检测等实验中验证应用潜力。
Department of Electrical Engineering and Computer Sciences (EECS), University of California, Berkeley, CA, USA; Centre d'Enseignement et de Rercherche en Mathématiques et Calcul Scientifique (CERMICS), École des Ponts ParisTech, Champs-sur-Marne, France; Department of Mechanical Engineering, University of California, Berkeley, CA, USA; Department of Civil and Environmental Engineering, Vanderbilt University, Nashville, TN, USA; Department of Electrical and Computer Engineering, The University of Alabama in Huntsville, Huntsville, AL, USA; Institute for Software Integrated Systems, Vanderbilt University, Nashville, TN, USA; Department of Mathematical Sciences and Center for Computational and Integrative Biology, Rutgers University, Camden, NJ, USA; Departments of Mathematics and Physics, Temple University, Philadelphia, PA, USA; Department of Computer Science, Vanderbilt University, Nashville, TN, USA
面向混合交通中自动车低渗透率也可能缓解走走停停、降低能耗的需求，论文提出从真实高速数据采集、数据回放仿真、PPO训练到Gazebo验证和实车部署的完整sim-to-real流程。核心在于用I-24的772 km轨迹构建单车道扰动环境，并用非对称critic训练仅依赖本车局部传感信息的巡航控制器。仿真中车队平均油耗降低约10%、CAV约16%，并在4辆Toyota RAV4上完成高速实测验证，显示策略具备一定波动平滑能力。
Corporation, Kirkland, WA, USA; Department of Computer Science, Iowa State University, Ames, IA, USA
面向厨房和食品工业中易变形食材的自动切割控制，本文将切割力分解为变形、摩擦与断裂相关成分，用并行二维 FEM 近似三维对象并结合能量释放率/断裂韧性判定裂纹扩展，同时刻画切片运动、刀刃几何和旋转轨迹对力的影响。模型被接入已有控制策略实现 rock chop，并在多类天然果蔬实验中验证了力预测精度和接近实时应用潜力。
Autonomous Robotics and Perception Group, University of Colorado Boulder, Boulder, CO, USA; Robust Perception and Mobile Robotics Lab, Seoul National University, Seoul, South Korea; Autonomous Space Robotics Laboratory, University of Toronto, Toronto, ON, Canada
面向烟雾、粉尘、雨雪等视觉退化场景中相机和激光雷达易失效的问题，本文系统梳理76–81GHz毫米波雷达在机器人中的应用。核心洞察是雷达凭借穿透性、长距离和直接测速能力，可作为独立或互补感知源支撑运动估计、定位建图、目标检测与分类；同时论文归纳了CFAR、特征/直接法、传感器融合、数据集与标定进展，指出当前主要瓶颈仍在低分辨率、噪声、多径和跨模态融合评测不足。
State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, China
面向细胞和弯曲血管精细穿刺中“长行程、纳米分辨率、二维运动与可调穿刺力”难以兼得的问题，论文提出单压电致动器驱动的紧凑2-DOF跨尺度操作器，并通过新的构型与驱动方式实现直线/旋转协同及力调节。原型达到38.5 mm直线行程、360°旋转、48 nm和0.38 μrad分辨率，穿刺力1.70–301.34 mN、力分辨率0.13 mN，并完成不同尺寸及弯曲硅胶毛细管穿刺验证。
Robotics and Autonomous Systems Group, CSIRO, Pullenvale, QLD, Australia; Queensland University of Technology (QUT), Brisbane, QLD, Australia
面向腿式机器人在未知地形中难以依赖高速闭环控制应对冲击的问题，论文将纤维堵塞结构做成可一次多材料3D打印的“肌腱”，通过真空调节关节刚度与阻尼，并集成到多关节机器人腿JEG的拮抗肌腱布局中。仿真与拉伸、冲击、步行实验表明，该结构可吸收冲击、改变脚尖上下扰动响应，并通过不同堵塞模式影响地面反力和行走稳定性。
Universitat Pompeu Fabra, Barcelona, Spain; Tampere University, Tampere, Finland; Nokia, Espoo, Finland; University of Pennsylvania, Philadelphia, PA, USA; Zoox, Foster City, CA, USA; University of Pittsburgh, Pittsburgh, PA, USA; Universidad de la República, Montevideo, Uruguay
面向偏远地区、灾害/活动现场等固定无线设施不足或易拥塞的场景，本文把一组无人机作为按需移动通信基础设施，联合优化中继无人机位置与网络路由，使任务智能体只需声明 QoS 需求即可自由移动。仿真与实飞实验显示，该系统可扩展任务通信范围，在复杂巡逻中将通信中断率由 28.19% 降至 0%，并能在网络无人机失效或更换时通过重构维持连接。
Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA
针对腿式机器人MPC中高保真模型计算昂贵、简单模型又可能破坏可行性与稳定性的矛盾，论文提出ACMPC：在预测时域内按模板/锚点的精确关系在线判定哪些区段可用简化模型，必要处保留复杂模型，并证明不牺牲稳定与可行性。四足仿真显示，多数行为可安全简化，最高速度提升55%，且可执行任务范围较固定复杂度方案更大。
Department of Mechanical and Aerospace Engineering, Arizona State University, Tempe, AZ, USA; School of Manufacturing Systems and Networks, Ira A. Fulton Schools of Engineering, Arizona State University, Mesa, AZ, USA
面向安全人机交互中一般和双人微分博弈的状态约束控制，论文聚焦 HJI 值函数因约束产生不连续、PINN 难以学习而导致闭环安全性下降的问题。作者比较混合学习、值硬化和上图技术三条路径，核心洞察是用 BVP 生成的均衡值与协态监督补足 PINN 对不连续边界的采样盲区。5D/9D 车辆与 13D 无人机实验显示，混合学习在泛化、动作预测和安全闭环控制上优于其他方法，且低值误差并不必然对应高安全性。
University of Utah Robotics Center and Department of Mechanical Engineering, Salt Lake City, UT, USA; United States Air Force, Air Force Nuclear Weapons Center, Albuquerque, NM, USA; Engineering Liaison Office, Ramstein, Germany; University of Utah Robotics Center and Kahlert School of Computing, Salt Lake City, UT, USA; NVIDIA, Seattle, WA, USA
面向空间碎片等微重力场景中的非接触操控，论文研究如何用仅两个固定旋转磁偶极源调节导电非磁物体位置。核心洞察是尽管单源总含排斥力，物体位于两源中点附近时仍可实现三维位置控制，并提出最小寄生力矩与最大可用力两类底层力控制器。数值与水面物理微重力模拟表明系统能稳定收敛；最小力矩控制显著降低末端角速度，但代价是更慢收敛和略长路径。
University of Michigan, Ann Arbor, MI, USA; Neya Systems Division, Applied Research Associates, Warrendale, PA, USA; US Army DEVCOM Ground Vehicle Systems Center, Warren, MI, USA
面向噪声传感器和越野等分布外场景中语义地图既要实时又要可信的问题，论文将贝叶斯核推断改写为可微的深度可分离卷积层，在体素内维护 Dirichlet 概率与方差，并学习类别相关几何核。实验显示 ConvBKI 相比传统概率地图显著提速，可达 10Hz 以上；相对学习式方法在已见数据上性能相近，并在未见与真实越野数据上更稳健，且提供 ROS 实现。
Bio-Inspired Robotics Lab, Department of Engineering, University of Cambridge, Cambridge, U.K.; School of Electrical and Control Engineering, North China University of Technology, Beijing, China
面向钢琴合奏中机器人难以同时处理和声选择、精细击键与时序同步的问题，论文构建了基于非语言线索的人机协作框架：用 RNN 根据人类旋律实时预测和弦，并结合 MPC 行为自适应控制与传递熵评估双向协作质量。实验中即兴模型达到 93% 准确率，机器人可在同音织体演奏中实时跟随并完成伴奏。
Department of Mechanical and Energy Engineering, Southern University of Science and Technology, Shenzhen, China; Department of Ocean Science and Engineering, Southern University of Science and Technology, Shenzhen, China; School of Design, Southern University of Science and Technology, Shenzhen, China
面向软体手指在陆地/水下接触中难以实时获知全身形变的问题，论文将软多面体网络结构与指内相机结合，用刚度感知的聚合多手柄约束优化体素化形变，并以高斯过程隐式表面重建物体形状。实验用动捕与触觉设备验证，整体形变中位误差1.96 mm（约指长2.1%），运行快于Abaqus，并在浑浊水体和ROV水下抓取中展示了可用的触觉感知。
Department Robot and Assistive Systems, Fraunhofer IPA, Stuttgart, Germany; Department Cyber Cognitive Intelligence (CCI), Fraunhofer IPA, Stuttgart, Germany; Institute of Industrial Manufacturing and Management IFF, University of Stuttgart, Stuttgart, Germany
面向开放世界服务机器人执行多类取放/搬运任务时感知碎片化、难以支撑高层控制的问题，HIPer将人类感知拆为识别、知识表示与解释三层：前景/背景识别融合可替换目标检测和SLAM，多层知识库组织语义与空间信息，并用时空分析和感知学习自调整。作者在两个仿真和一个真实取送场景做单设置消融，展示各模块对感知与任务表现的贡献，但具体量化增益在给定片段中未充分说明。
School of Interactive Computing, Georgia Institute of Technology, Atlanta, GA, USA
本文关注不完美机器人决策支持中用户过度依赖或拒绝正确建议的问题，通过数学题与序贯纸牌任务联合考察机器人属性、建议时机和用户专长。结果显示，拟人感与失败后的反馈显著影响信任；在延迟反馈的序贯任务中，先让用户独立提出方案可降低过度依赖，而任务专长决定是否能恰当采纳机器人建议。
School of Mechanical & Manufacturing Engineering, University of New South Wales, Sydney, NSW, Australia; School of Electrical Engineering and Telecommunications, University of New South Wales, Sydney, NSW, Australia; School of Biomedical Engineering and Digital Health, Harbin Institute of Technology, Shenzhen, China
面向微创手术中组织牵拉缺少器械端力感知与闭环控制的问题，本文利用可同时测量夹持力与牵拉力的微型力感知钳，建立考虑钳—软组织相互作用的静态模型，并通过力解耦实现两类力的独立或同步控制。实验比较目标、估计与参考力，并在双臂离体组织切除中验证，显示该多力控制可减少滑脱、过拉等风险，支持自动组织牵拉的可行性。
Department of Automation, Tsinghua University, Beijing, China; Shenzhen MileBot Robotics Company Ltd., Shenzhen, China; Department of Mechanical and Energy Engineering, Southern University of Science and Technology, Shenzhen, China
针对下肢外骨骼在换人、换任务时常需手工调参且泛化有限的问题，论文提出人在环在线适应框架：用 DMP+贝叶斯优化学习个体化步态轨迹，借助神经网络任务翻译迁移到上下楼、蹲起等任务，并以异常检测调节可变阻抗以缓解人机冲突。实机实验显示控制器可稳定跟踪并在异常阻抗下降，任务翻译 RMSE 约 2.6–3.3，在线优化约 14 分钟收敛。
School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China
面向SLAM、SfM、点云配准等几何感知中高比例随机/聚集外点导致RANSAC低效、M估计与MCC不稳的问题，论文提出AMCC：用PDF匹配估计带宽，引入GNC与最差剔除，并以局部分布度量评估内点质量。多类任务实验显示其可承受约80%–90%随机外点，在80%聚集外点下成功率显著高于次优方法，并在低维高外点场景比RANSAC类快10–100倍。
Department of Biomedical Engineering, City University of Hong Kong, Hong Kong; Department of Ocean Science and Engineering, Southern University of Science and Technology (SUSTech), Shenzhen, China
面向微/纳机器人从材料级表面修饰走向系统级功能集成的难题，本文用卷曲成形将离散软磁微齿环向嵌入人工细菌鞭毛，以微齿作为功能子单元的物理占位并通过局部应力调控三维螺旋形貌。实验显示微齿角度和数量可调控变形与推进形态，同时基本保持运动速度，并实现轨迹规划、追逐运动和类步进运动，说明功能子结构嵌入与磁驱推进可较好兼容。
School of Interactive Computing, Georgia Institute of Technology, Atlanta, GA, USA; Electrical and Microelectronic Engineering, Rochester, NY, USA
面向手术、航天、救灾等高风险遥操作场景，论文关注操作者压力与工作负荷如何共同影响任务表现。作者通过24人实验同时操控压力和视觉、听觉、认知等负荷，区分二者作用：适度压力下超70%参与者表现提升或呈倒U趋势，而负荷升高普遍降低表现；分析还显示负荷会中介痛苦感对性能的影响，为自适应遥操作界面设计提供依据。
Department of Electrical Engineering, Eindhoven University of Technology, Eindhoven, The Netherlands; Faculty of Engineering and Computer Science, University of Victoria, Victoria, BC, Canada
针对多自由度机器人运动规划中强化学习训练慢、泛化弱的问题，论文将DMP作为低维启发式规划空间，并把真实人类示教通过隐式行为克隆融入离策略RL训练，而非仅作初始化。实验显示该IBC-DMP RL相较常规RL收敛更快、得分更高，并在真实机器人简单装配任务中验证了可用性。
Systems Theory and Robotics (STR) Group, College of Engineering, Computing and Cybernetics, Australian National University, Canberra, ACT, Australia
面向高速、低照和高动态范围场景中传统帧相机易模糊、延迟高的目标跟踪问题，论文提出异步事件斑点跟踪器，将目标建模为时空事件似然，并用逐事件更新的 EKF 结合动态阈值最近邻关联，同时通过伪量测估计斑点形状。实验显示其可在超过 11000 pixels/s 运动、夜间车灯和高速无人机等场景中稳定估计位置、速度与形状，更新率可达 50–100 kHz，并支持 TTC 与距离估计。
Department of Computer Science, Centro de Investigación en Matemáticas (CIMAT), Guanajuato, México; Consejo Nacional de Ciencia y Tecnología, CONACyT, Mexico City, México
针对多边形障碍环境中基于可见性的追逃跟踪缺乏精确解析解、简化情形也具高复杂度的问题，论文将 PRM* 采样路网与动态规划值迭代结合，在单一图中编码追逃双方状态并做 min-max 搜索。其证明离散模型正确，且样本趋于无穷时收敛到 HJI 连续形式；2D/3D 仿真显示可处理奇异面等既有方法难解情形，并随采样增加改进近似。
Department of Automation, Tsinghua University, Beijing, China; School of Artificial Intelligence, Beihang University, Beijing, China
面向追逃/到达-避障等需要两机器人协同完成任务的多机器人分配问题，论文将其视为 NP-hard 的 3-set packing 特例，针对集中式近似算法不适合动态与失效场景的痛点，提出 ε-联盟竞争均衡及同步分布式拍卖算法，并给出有限轮收敛和性能保证；仿真显示其近似质量可接受，且通过增强机制适配任务随时间变化的应用。
Robotics Institute, University of Toronto, Toronto, ON, Canada; Inria Paris, École Normale Supérieure, PSL University, Paris, France
针对可认证感知中常把噪声简化为各向同性、难以适配真实传感器矩阵权重的问题，本文分析了矩阵加权定位与 SLAM 的半定松弛紧性。核心洞察是各向异性权重会引入对偶间隙，并将证书矩阵与后验不确定性建立联系；同时给出适用于矩阵加权 SLAM 的替代表述。实验表明，低噪声下定位松弛可能仍紧，但 SLAM 需加入特定冗余约束才能在仿真和真实数据上恢复紧性。
Department of Information Engineering, University of Padova, Padova, Italy; Mitsubishi Electric Research Lab, Cambridge, MA, USA
面向缺少精确物理模型时的机器人逆动力学辨识，本文将黑盒高斯过程与拉格朗日结构结合：不直接回归各关节力矩，而是以动能、势能为潜变量，并用 LIP 多输出多项式核编码能量的结构和力矩间相关性。仿真及 Panda、MELFA 实机结果显示，其在精度、泛化和数据效率上优于常见 GP/神经网络黑盒方法，并在 MELFA 上接近精调模型法且所需先验更少。
Department of Electromechanical, Systems and Metal Engineering, Ghent University, Ghent, Belgium; Core Lab MIRO, Flanders Make, Lommel, Belgium; Robotics and Multibody Mechanics (R&MM) Research Group, Vrije Universiteit Brussel (VUB), Brussels, Belgium; IMEC, Leuven, Belgium; Core Lab R&MM, Flanders Make, Lommel, Belgium
面向非结构环境中高速工业机器人碰撞易损伤齿轮箱和轴承的问题，论文将碰撞耐受性直接纳入离线路径规划，并区分普通传动与串联过载离合关节建立评估算法。核心洞察是最优运动方向会随硬件改变：无离合时宜垂直末端法兰，有离合时宜平行法兰。6轴样机实验验证了冲击方向影响，并在最高1.2 m/s碰撞下实现缓冲。