由于微信公众号开始试行乱序推送，为了让您在第一时间获取AI新文，请将"AI新文"设为星标。
在线相机姿态无关的立体内窥镜组织变形恢复具有组织不变的视觉-生物力学一致性
原标题：Online Camera-Pose-Free Stereo Endoscopic Tissue Deformation Recovery With Tissue-Invariant Vision-Biomechanics Consistency
作者：Jiahe Chen; Naoki Tomii; Ichiro Sakuma; Etsuko Kobayashi
期刊：IEEE Transactions on Robotics
出版时间：2026/09/14
摘要：基于立体内窥镜图像的组织变形恢复有利于手术导航和自主软组织操作，然而现有方法在动态可变形的术中环境中往往难以应对，因为它们依赖于准静态条件、准确的摄像机姿态估计、离线优化或特定组织的生物力学先验等假设。本工作介绍了一种在线的、基于立体视觉的组织变形恢复方法，配备了若干新颖机制以克服这些限制。我们提出的方法在以相机为中心的设置中运行，消除了对相机姿态及其相关误差的依赖。它使用高维映射表示复杂的组织几何形状和变形，并将帧间恢复表述为一个具有视觉生物力学驱动约束的功能优化问题。在体内和体外腹腔镜数据集上的实验表明，即使存在遮挡和不规则的相机运动，也能进行稳健建模。该方法实现了高精度的三维重建（0.37±0.27 mm表面距离）并能够进行密集表面应变估计，为术中机械分析提供了一种新的模式。
原文链接
非线性模型预测控制单执行器单旋翼飞行器使用混合旋转动力学和INDI
原标题：Nonlinear Model Predictive Control of Single-Actuator Monocopters Using Hybrid Rotational Dynamics and INDI
作者：Emmanuel Tang; Xinyu Cai; Shawndy Michael Lee; Shaohui Foong
期刊：IEEE Transactions on Robotics
出版时间：2026/09/07
摘要：我们提出了一种用于Samara种子启发的单执行机构单旋翼机（SAM）的轨迹跟踪框架，通过重构一个非线性模型预测控制（NMPC）架构实现，该架构利用了混合旋转动态模型，并集成了增量非线性动态反转（INDI）。与传统分离盘片和机身旋转动力学的SAM方法不同，我们制定了一个混合表示方案，在该方案中，NMPC计划同时包含盘片和机身角速率。我们的架构使SAM实现此前无法达到的线性速度和鲁棒性的水平，使其能够执行动态上不可行轨迹的激进机动。最终，在不同的轨迹上对SAM变体（短翼、长翼和超轻翼）进行了广泛的飞行试验，在名义条件和扰动条件下，NMPC+INDI在经验基准测试中优于基于微分平坦性的控制器与INDI。结果表明NMPC+INDI使长翼的欧氏位置均方根误差减少了最多39.5%，短翼减少了37.2%，同时使超轻翼的速度均方根误差降低了高达43.5%。这些显著减少的误差范围不仅验证了混合模型的有效性，也展示了NMPC+INDI方法的效果和可扩展性，如在不同形态因素的SAMs上的实验所示
原文链接
非线性模型预测控制单执行器单旋翼飞行器使用混合旋转动力学和INDI
原标题：Nonlinear Model Predictive Control of Single-Actuator Monocopters Using Hybrid Rotational Dynamics and INDI
作者：Emmanuel Tang; Xinyu Cai; Shawndy Michael Lee; Shaohui Foong
期刊：IEEE Transactions on Robotics
出版时间：2026/09/07
摘要：本文中，我们提出了一种基于非线性模型预测控制（NMPC）架构重构的单执行器单旋翼飞行器（SAM）轨迹跟踪框架，该架构利用了混合旋转动态模型，并集成了增量非线性动态反转（INDI）。与传统的SAM方法不同（这些方法分离了盘片和主体的旋转动力学），我们提出了一种混合表示形式，该形式结合了盘片和主体的角速率用于NMPC方案。我们的架构使SAM实现此前无法达到的线性速度和鲁棒性的水平，使其能够执行动态上不可行轨迹的激进机动。最终，在不同的轨迹上对SAM变体（短翼、长翼和超轻翼）进行了广泛的飞行试验，在名义条件和扰动条件下，NMPC+INDI在经验基准测试中优于基于微分平坦性的控制器与INDI。结果表明NMPC+INDI使长翼的欧氏位置均方根误差(RMSE)减少了最多39.5%，短翼上减少了37.2%，同时超轻翼的最大速度RMSE降低了高达43.5%。这些显著减少的误差范围不仅验证了混合模型的有效性，也展示了NMPC+INDI方法的效果和可扩展性，如在不同形态因素的SAMs上的实验所示
原文链接
考虑收缩的统计鲁棒性非线性控制的强化学习
原标题：Contraction-Aware Reinforcement Learning for Nonlinear Control with Statistical Robustness
作者：Minjae Cho; Hiroyasu Tsukamoto; Huy T. Tran
期刊：IEEE Transactions on Robotics
出版时间：2026/08/24
摘要：控制收缩度量（CCMs）——由黎曼度量定义，在该度量下闭环系统是增量指数稳定的——为合成非线性路径跟踪问题中的收缩策略提供了一个构造性的框架。然而，虽然合成的策略确保了点对点满足CCM条件，但它们可能无法在瞬态和稳态制度下保证长期最优性（即最小化轨迹级跟踪误差）。此外，这些政策的近视性质也可能使它们在使用近似动态来制定CCMs时更容易受到学习偏差的影响。为了解决这些问题，我们建议将因果不变性模型（CCMs）整合到强化学习（RL）中。CCM提供动力学信息反馈来学习一个具有稳定性保证的策略——即收缩感知的策略——而RL则提供了一个在近似动态下最小化累积跟踪误差的框架。给定一个预训练的动力学模型，我们的算法，感知收缩的强化学习（CARL），同时学习生成CCMs并优化一种根据这些CCMs定义奖励的策略。我们证明了CARL在模拟和真实世界机器人实验中都能提高路径跟踪性能，并且比相关的基准方法更能抵抗近似动力学误差的影响。我们也提供了将CCMs整合到RL中的理论依据。
原文链接
四旋翼MPC规划与控制的时序级联(Temporal Cascading of Planning and Control for Quadrotor MPC)
原标题：Temporal Cascading of Planning and Control for Quadrotor MPC
作者：Rudolf Reiter; Chao Qin; Leonard Bauersfeld; Davide Scaramuzza
期刊：IEEE Transactions on Robotics
出版时间：2026/08/24
摘要：许多涉及四旋翼的空中任务既需要即时反应也需要长时段规划以实现避障、节能或轨迹追踪。高保真模型能够实现精确控制但对长时域来说速度太慢。低保真规划器可以扩展但不能直接控制系统，需要级联架构。现有的分层方法采用简化模型进行规划，并使用高保真控制器进行跟踪，然而这种分解本质上是次优的。控制器受粗略计划的限制，而传统的MPC替代方案缩短地平线以保持实时可行性。我们介绍了UNIQUE，一种MPC架构，它用时间级联取代了这种层次堆叠。规划问题被表述为单个多阶段MPC的第二个尾部地平线，而不是单独求解。我们将不同时间范围的成本进行对齐，推导出点质量规划模型的可行性约束，并引入转换约束将高保真状态转化为有意义的低保真状态。并行点质量及混合整数求解器在规划地平线上结合渐进的三维障碍物平滑处理的同时解决非凸性问题。在仿真和真实飞行中，在同等计算预算下，UNIQUE相比标准MPC和分层基准提升了闭环跟踪性能最多达75％。消融实验和帕累托分析证实了在时间范围、约束近似和平滑调度的变化中性能均有提升。
原文链接
机器人系统的非光滑冲击方向(NSID)
原标题：The Nonsmooth Impact Direction (NSID) of Robotic Systems
作者：Annika Kirner; Christian Ott
期刊：IEEE Transactions on Robotics
出版时间：2026/08/13
摘要：刚性连杆机器人与刚性环境的碰撞通常被建模为瞬时事件。在这种理想化下，冲击力变得尖锐，系统的速度不再平滑。在这项工作中，我们系统地分析了碰撞前后的速度，重点关注我们所称的“非光滑碰撞方向”(NSID)。我们表明这是机器人碰撞的一个特征方向，并且很大程度上独立于接触属性。这些结果直接适用于具有刚性连杆的大类可背驱机器人系统。我们研究了具有非弹性及柔性关节的系统的特点，包括未受约束以及受约束的系统。此外，我们表明相对于NSID的方向设置了摩擦的、非弹性的碰撞中的冲击力的方向。本工作的全面理论分析并辅以实验验证可作为未来各种机器人冲击应用的规划和控制算法的基础。这些可以包括在滑面上的人形行走或重复锤击。
原文链接
基于贝叶斯意图推理的未知目标和运动学条件下的轨迹预测
原标题：Trajectory Prediction Via Bayesian Intention Inference Under Unknown Goals and Kinematics
作者：Shunan Yin; Zehui Lu; Shaoshuai Mou
期刊：IEEE Transactions on Robotics
出版时间：2026/08/13
摘要：本工作介绍了一种通过意图推断进行实时轨迹预测的自适应贝叶斯算法，在这种情况下，目标的意图和运动特征是未知且会变化的。该方法同时估计两个关键变量：目标当前的意图，建模为马尔可夫潜在状态，以及一个描述目标遵循最短路径策略程度的意图参数。通过整合这种联合更新技术，所提出的算法在轨迹预测中保持了对突然意图转变的鲁棒性以及未知运动动力学的鲁棒性。一种基于采样的轨迹预测机制然后利用这些自适应估计生成具有量化不确定性的概率预报。通过数值实验验证该算法：两个案例的消融研究，以及500次试验的蒙特卡洛分析；在四旋翼和四足平台上的硬件演示。实验结果表明，所提出的方法显著优于非自适应和部分自适应方法。该方法在大约547赫兹的实时运行中无需训练或对目标行为的详细先验知识，展示了其在各种机器人系统中的适用性。
原文链接
抓取并用旋转基座多臂空间 manipulator 稳定翻滚物体
原标题：Grasping and Stabilizing Tumbling Objects With Rotating-Base Multi-Arm Space Manipulators
作者：Farhad Aghili
期刊：IEEE Transactions on Robotics
出版时间：2026/08/13
摘要：本文提出了一种创新的引导和控制方法，用于太空机械臂，在近距离操作期间主动操纵其基座以使翻滚物体相对于基座保持静止。这简化了运动规划，降低了碰撞风险，并且能够利用单臂或多臂配置（有或无预定义抓取接口）实现无冲击捕获。所提出的方法包括两个阶段。在抓取前阶段，同步控制使目标的质心(CoM)与系统的瞬时回转中心(ICR)对齐，从而虚拟地刚化了目标-服务系统，使物体保持静止以便可靠地抓取。在抓取后的阶段，基于哈密顿动力学和最优控制的控制策略通过最小化时间、燃料或能量来稳定组合系统，同时遵守基础扭矩限制和多个抓取约束。对于结构化目标，施加的力和扭矩保持在其范围内；对于非结构化目标，摩擦约束防止滑动。一个案例研究展示了该方法在使随后的抓取和去旋转阶段得以实现方面的有效性。
原文链接
机器人搬运工：从人类演示中学习移动大型物体
原标题：RobotMover: Learning to Move Large Objects from Human Demonstrations
作者：Tianyu Li; Joanne Truong; Tsung-Yen Yang; Alexer Clegg; Akshara Rai; Sehoon Ha
期刊：IEEE Transactions on Robotics
出版时间：2026/08/13
摘要：搬运大型物件，如家具或家用电器，是机器人在人类环境中运行的关键能力。这一任务带来了独特的挑战，包括全身协调以避免碰撞以及管理笨重的重型物体的欠驱动动力学。在这项工作中，我们介绍了RobotMover，一个基于学习的大型物体操作完整系统，该系统利用人与物体交互演示来训练机器人控制策略。RobotMover 将操作问题作为模仿学习来制定，使用一种简化的空间表示——称为交互链（Interaction Chain）——以无形态感知的方式捕获基本的人与物体互动动态。我们将这种交互链整合到奖励结构中，并使用领域随机化在模拟中训练策略，以支持零样本迁移至真实世界硬件。训练出的策略使Spot机器人能够操控各种大型物体——包括椅子、桌子和落地灯。通过在模拟和真实世界平台上的广泛实验，我们证明RobotMover在能力、鲁棒性和可控性方面表现出色，优于学习和远程操作基准。我们的系统通过将学习到的策略与简单的规划模块相结合，在现实世界中支持长期的对象运输和重新排列任务。
原文链接
基于采样的协调信息多目标多机器人强化学习
原标题：Sampling-Based Coordination-Informed Multi-Objective Multi-Robot Reinforcement Learning
作者：Antonio Marino; Esteban Restrepo; Soon-Jo Chung; Paolo Robuffo Giordano; Claudio Pacchierotti
期刊：IEEE Transactions on Robotics
出版时间：2026/08/13
摘要：多机器人系统必须在保持协调行为的同时优化相互竞争的目标。现有的多智能体强化学习方法通常依赖于固定或集中式的协调，这限制了适应性并违反了分布式约束。这项工作介绍了协调信息多目标强化学习（CIMORL）框架，整合了分布式权重预测机制、特权专家训练策略以及帕累托最优解的理论保证。我们介绍了基础的CIMORL方法以及两种基于采样的变体，CIMORL-TS（Tree Search）和CIMORL-MPPI（MPPI），这些变体在训练过程中利用特权全局信息，从而实现完全去中心化的部署。实验验证在合作和对抗场景中展示了21.2％的超体积改进和优于最新基准的方法的策略稳定性。通过Crazyflie无人机进行的真实世界实验进一步验证了该框架在资源分配以及部分可观察性下的多攻击者多防御场景中的鲁棒性
原文链接
无奇点的基于向量场的安全分布式运动协调框架（用于多机器人系统）
原标题：A Singularity-Free Vector-Field-Based Framework for Safe Distributed Motion Coordination of Multi-Robot Systems
作者：Zheng Li; Yaonan Wang; Hang Zhong; Xiangfeng Meng; Dongshen Li; Baiheng Cao
期刊：IEEE Transactions on Robotics
出版时间：2026/08/12
摘要：引导矢量场（GVF）方法通过生成平滑的引导信号来解决流形跟踪问题，这些信号引导机器人朝向并导航到所需的几何流形。最近在高维GVF设计方面的进展成功地消除了经典公式中出现的奇点。然而，机器人在实际应用中还必须实现避障、机器人之间的碰撞预防以及协作协调。当引入向量场合成时，现有的基于GVF的方法常常无法保持无奇点的性质。为了解决这一挑战，在高维空间中集成了一个截断的导向矢量场和一个避障矢量场，使机器人能够在跟随期望路径的同时避开障碍物。基于此公式化方法，进一步开发了一个统一且分布式的协调与安全框架，以实现协作运动的同时结合障碍物规避和机器人间碰撞预防。通过引入适当设计的虚拟坐标，复合引导矢量场在集体非消失且个体矢量场零点不持久的意义上被证明是系统级无奇点的。严格的理论分析在无冲突的同时安全约束下建立了安全性，并证明了当避碰项最终变得不活跃时的条件收敛性。广泛的数值模拟和软件在环（SITL）实验验证了该方法在单机器人和多机器人场景中的有效性。此外，真实世界垂直起降（VTOL）无人驾驶航空器（UAV）实验实证证明了所提出的方法在现实飞行环境中的适用性。
原文链接
基于分布式激光雷达的空中无人机群可见性感知协同跟踪
原标题：Visibility-Aware Cooperative Tracking With Decentralized LiDAR-Based Aerial Swarms
作者：Longji Yin; Yunfan Ren; Fangcheng Zhu; Liuyu Shi; Fanze Kong; Benxu Tang
期刊：IEEE Transactions on Robotics
出版时间：2026/08/12
摘要：自主无人机空中追踪在监控、影视制作和工业检查方面具有巨大的潜力。尽管单个无人机跟踪已经得到了广泛研究，基于群组的目标跟踪由于其在分布式感知、容错性和多方向覆盖方面的优势仍然相对未被充分探索。我们提出了一种基于LiDAR的去中心化群组跟踪框架，该框架能够在复杂环境中实现视距感知的协同跟踪。为了提高可见性，我们引入了一种基于球面有符号距离场（SSDF）的新颖度量方法来表示三维环境遮挡，并结合了一个能够实现实时车载SSDF更新的算法。提出了一种支持异构激光雷达配置的通用视场(FOV)对齐成本，以实现一致的目标观测。通过成本来增强群组协调，这些成本强制执行机器人之间的间隔距离，防止相互遮挡，并通过一种新型的受静电势启发的分布指标促进三维多方向目标包围。这些被整合到一个层次化规划器中，该规划器结合了运动动力学前端搜索器与时空$SE(3)$后端优化器。所提出的方法通过全面的基准比较和消融研究进行了彻底评估。部署在异构LiDAR群集上，该完全去中心化的系统支持协作感知、分布式规划和动态重构能力。通过在杂乱的户外环境中进行广泛的实地实验验证，所提出的系统展示了对动态目标（无人机，人类）的强大协作跟踪能力，同时实现了可见性维护。代码链接是: https://github.com/hku-mars/Swarm-Tracker.
原文链接
G-图灵手：一种具有混合控制和轻量化闭合引导体内操作的可重构仿人手
原标题：G-raph Hand: A Reconfigurable Anthropomorphic Hand with Hybrid Control and Lightweight Closure-Guided In-Hand Manipulation
作者：Qiujie Lu; Chang Liu; Fang Zhang; Jiehan Zou; Kai Chen; Zhongxue Gan
期刊：IEEE Transactions on Robotics
出版时间：2026/08/11
摘要：欠驱动机器人手具有高度的适应性和控制简单性，然而有限的灵巧度常常限制了它们的操作能力。为了解决这一限制，本文介绍了G-raph手，这是一种可重构的人形机器人手，旨在实现稳定的手中操作，同时保持控制的简单性。受人类操作启发，该设计集成了欠驱动手指和一个具有中心柔顺机制的可重构掌部。这种仿生架构通过调节指基分布实现了主动重构和被动适应。此外，开发了一种结合位置和力反馈控制以及基于快速闭合属性评估的轻量级步态规划策略的手部操作混合控制方案。通过结合运动意图和系统稳定性，所提出的框架促进了稳定抓取和显著的对象重新定向。运动工作空间分析和广泛的多指操作实验表明，G raph手及其相关控制框架在复杂任务中实现了可靠、灵活和仿人的性能。
原文链接
HERMES：从多源运动数据中学习的人机具身学习用于移动灵巧操作
原标题：HERMES: Human-to-Robot Embodied Learning From Multi-Source Motion Data for Mobile Dexterous Manipulation
作者：Zhecheng Yuan; Tianming Wei; Langzhe Gu; Pu Hua; Tianhai Liang; Yuanpei Chen
期刊：IEEE Transactions on Robotics
出版时间：2026/08/10
摘要：利用人类运动数据赋予机器人多样的操作技能已成为机器人操作领域的一种有前景的范式。然而，将多源的人类手部动作转化为可行的机器人行为仍然具有挑战性，特别是对于配备了复杂高维动作空间的多指灵巧手的机器人而言。此外，现有方法往往难以产生能够适应多样环境条件的策略。在本文中，我们介绍了HERMES，一个用于移动双臂灵巧操作的人机学习框架。首先，HERMES 制定了一个统一的强化学习方法，能够无缝地将来自多个来源的异构人类手部动作转换为物理上合理的机器人行为。随后，为了缓解仿真到现实的差距，我们设计了一种基于深度图像的端到端仿真到现实转换方法，以提高在真实场景中的泛化能力。此外，为了在多变且无结构的环境中实现自主运行，我们通过增加一个闭环Perspective-n-Point (PnP) 定位机制来增强导航基础模型，确保视觉目标的精确对齐，并有效连接自主导航和灵巧操作。大量的实验结果表明，HERMES 在各种各样的现实场景中始终表现出可泛化的行为，成功地完成了许多复杂的移动双手动灵巧操作任务。
原文链接
残差MPC：强化学习与GPU并行化模型预测控制的融合
原标题：Residual MPC: Blending Reinforcement Learning with GPU-Parallelized Model Predictive Control
作者：Se Hwan Jeon; Ho Jae Lee; Seungwoo Hong; Sangbae Kim
期刊：IEEE Transactions on Robotics
出版时间：2026/08/07
摘要：模型预测控制（MPC）提供了基于物理模型的可解释且可调的运动控制器，但其鲁棒性依赖于频繁的重新规划，并受到模型不匹配和实时计算约束的限制。强化学习(RL)通过随机训练可以产生高度鲁棒的行为，但通常缺乏可解释性，容易出现分布外失败，并且需要密集的奖励工程。本工作提出了一种GPU并行化的残差架构，通过在转矩控制层面融合MPC和RL的输出，紧密集成了MPC和RL。我们开发了一种用于强化学习训练的全身动力学模型预测控制公式，在每秒100赫兹的速度下对数千个智能体进行并行评估。残差策略学会对MPC输出进行有针对性的修正，结合基于模型控制的可解释性和约束处理能力以及强化学习的适应性。基于模型的控制先验作为一个强大的偏置，通过一组简单的奖励初始化并引导策略趋向于期望的行为。与独立的MPC或多端到端RL相比，我们的方法实现了更高的采样效率，收敛于更大的渐近奖励，扩展了可跟踪的速度命令范围，并能够实现对未见过的步伐和不平坦地形的零样本适应性
原文链接
涡流补偿设计用于磁场畸变环境中的鲁棒室内导航
原标题：Eddy Current Compensation Design for Robust Indoor Navigation in Magnetic Field Distortion Environment
作者：Byungjin Lee; Sangkyung Sung
期刊：IEEE Transactions on Robotics
出版时间：2026/08/07
摘要：本文提出了一种通过整合电气和电子领域内的多种学科技术来增强基于交流磁场导航的误差性能的方法。尽管磁定位系统(MPS)在通常会损害电磁信号或光学测量的恶劣环境中仍然保持稳健，但在富含金属的环境中，例如建筑物内部，其性能可能会受到不利影响。所提出的方法通过采用同时双频磁场补偿建筑物框架内金属加固结构引起的涡流磁場畸变。四个发射器各自使用大型圆形线圈和MOSFET H桥产生双频正弦磁场。配备三维磁阻传感器的接收器测量信号并通过锁相检测技术提取振幅和相位信息。利用自由空间圆电流环模型将有效导航区域扩展到几米。通过两阶段最小二乘算法计算了与涡流补偿和导航相关的状态参数，为实时实现铺平了道路。实验结果表明位置误差显著减小。使用手持接收机进行在线测量计算得出）
原文链接
涡流补偿设计用于磁场畸变环境中的鲁棒室内导航
原标题：Eddy Current Compensation Design for Robust Indoor Navigation in Magnetic Field Distortion Environment
作者：Byungjin Lee; Sangkyung Sung
期刊：IEEE Transactions on Robotics
出版时间：2026/08/07
摘要：本文提出了一种通过整合电气和电子领域内的多种学科技术来提升基于交流磁场导航的误差性能的方法。尽管磁定位系统在通常会损害电磁信号或光学测量的恶劣环境中仍保持稳健，但在富含金属的环境中，例如建筑物内部，其性能可能会受到不利影响。所提出的方法通过采用同时双频磁场补偿建筑物框架内的金属加固结构引起的涡流磁場畸变。四个发射器各自使用大型圆形线圈和mosfet H桥产生双频正弦磁场。配备三维磁阻传感器的接收器测量信号并通过锁相检测技术提取幅度和相位信息。利用自由空间圆电流环模型将有效导航区域扩展到几米。通过两阶段最小二乘算法计算了与涡流补偿和导航相关的状态参数，为实时实现铺平了道路。实验结果表明位置误差显著减小。使用手持接收机进行在线测量计算得出）
原文链接
四旋翼敏捷飞行的鲁棒最优控制：基于内部模型的非线性模型预测优化方法
原标题：Robust Optimal Agile Flight of Quadrotors: An Internal Model-Based Nonlinear Model Predictive Optimization Approach
作者：Qiang Wang; Martin Guay; Fang Deng; Jie Chen; Maobin Lu
期刊：IEEE Transactions on Robotics
出版时间：2026/08/06
摘要：在存在未知外部干扰和参数不确定性的情况下实现稳健的四旋翼飞行仍然是一项重大挑战。受鲁棒输出调节理论的启发，本文提出了${ ext{I} ext{M}}$-NMPO，一种基于${ ext{I}}$nternal ${ ext{M}}$odel的非线性模型预测优化框架，用于敏捷飞行期间的鲁棒最优规划和控制。核心见解是通过内部模型原理(IMP)系统地将不确定动态从优化循环中分离出来，从而实现实时干扰学习和拒绝，同时减少对高保真物理模型的依赖。这使得时间最优规划和非线性模型预测控制(NMPC)能够在同一扰动解耦的名义动态上运行。所提出的框架包含三个主要组成部分：用于实时干扰抑制的平移和旋转非线性内部模型补偿器，用于约束敏捷轨迹跟踪的NMPC优化稳定器，以及用于高效在线时间最优参考生成的滚动地平线多项式航路点分配模块。通过严格的理论分析保证了鲁棒约束满足性、递归可行性以及渐近稳定性通过在各种干扰条件下进行广泛的飞行试验验证了有效性和通用性，包括未知负载、持续的风扇引起的风以及随时间变化的阵风，在具有不同轴距的四旋翼飞机上进行。该框架成功部署于2024年DJI Robomaster智能MAV锦标赛（四旋翼飞行器规划与控制），其中它完成了速度高达23.3m/s的挑战性竞速赛道，在不到第二名所用时间三分之一的情况下获得第一名。
原文链接
胎儿SLAM：低纹理环境下的单目内窥镜SLAM用于胎儿手术
原标题：Fetal SLAM: Monocular Endoscopic SLAM in Low-texture Environment for Fetal Surgery
作者：Yuyu Cai; Ruixuan Li; Zhehua Mao; Sophia Bano; Mouloud Ourak; Jan Deprest
期刊：IEEE Transactions on Robotics
出版时间：2026/08/06
摘要：在双胎输血综合征(TTTS)中，单绒毛膜胎盘中的异常血管吻合会导致两个胎儿之间的血液流动失衡。目前的实践中，激光消融是治疗TTTS（选择性胎儿输血综合征）的标准手术方法，通过闭合异常吻合来实现。该手术微创且依赖于使用胎儿镜的直接观察。成功的治疗要求正确识别并消融所有吻合口尽管在其他手术中已经尝试了马赛克技术和同时定位与地图构建（SLAM），但在低纹理环境下稳健的单目SLAM仍然未解决，这限制了胎儿镜检查过程中的术中引导和机器人辅助。为了解决这些挑战，本工作提出了一种基于深度特征的SLAM框架。通过引入一种新的双模态特征跟踪策略（带有光束调整），所提出的方法确保了实时相机跟踪以及用于手术导航的准确密集胎盘表面重建。所提出的方法在Unity中的高度逼真的胎盘模型、自定义设计的胎盘仿体以及离体胎盘上得到了验证。我们的方法在低纹理和低分辨率环境中优于基准方法。所提出的方法在稀疏地图重建中实现了高精度。相机姿态估计在所有实验中也表现出一致的低平移误差。据我们所知，这是首个用于TTTS胎儿手术的SLAM框架，能够实现稳健的三维重建和跟踪。关键词：同时定位与地图构建（SLAM），无纹理特征跟踪，医疗机器人，内窥镜胎儿手术实现稳健的三维重建和跟踪。
原文链接
全身双边遥操作带有多阶段对象参数估计的轮式人形半机械化
原标题：Whole-Body Bilateral Teleoperation with Multi-Stage Object Parameter Estimation for Wheeled Humanoid Locomanipulation
作者：Donghoon Baek; Amartya Purushottam; Jason J. Choi; Joao Ramos
期刊：IEEE Transactions on Robotics
出版时间：2026/08/06
摘要：本文提出了一种轮式人形搬运机器人全身双边遥操作框架（对象感知）该框架结合了全身双边遥操作与在线多阶段物体惯性参数估计模块。多阶段过程依次整合了一个基于视觉的目标尺寸估计器，一个由大型视觉-语言模型（VLM）生成的初始参数猜测值，以及一种解耦分层采样策略。视觉大小估计和VLM先验提供了物体惯性参数的强有力初始猜测，显著减少了基于采样的细化搜索空间，并提高了整体估计速度。一种分层策略首先估计质量与质心，然后根据物体大小推断惯性，以确保物理上可行的参数，而一个解耦的多假设方案增强了对VLM先验误差的鲁棒性。我们的估计器与高保真模拟和硬件并行运行，从而实现实时在线更新。估计的参数更新了轮式人形机器人的平衡点，并补偿了对象动力学，使操作员能够专注于任务执行，同时改善力反馈、动态同步和操纵跟踪而不牺牲柔顺性行为。我们在一个配备了机器人夹爪和人机界面的定制轮式人形机器人上验证了该系统，展示了实时执行提起、运送和释放任务的能力，负载重量约为机器人自重的三分之一。
原文链接
