熱門議題一：V2V 協(xié)同自動(dòng)駕駛

Salim Azak 單日發(fā)布 9 篇 ICRA 2026 論文，V2V 自動(dòng)駕駛通信方向最為集中，圖推理與大模型兩條路徑同組并行推進(jìn)。

1. V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving

摘要： "V2V-GoT"解決了車車協(xié)同自動(dòng)駕駛中通信效率低下的問題，利用圖推理（Graph of Thought）技術(shù)增強(qiáng) V2V 通信效率，創(chuàng)新點(diǎn)在于將圖推理引入車車協(xié)同決策框架，在多車協(xié)作場(chǎng)景下實(shí)現(xiàn)更高效的推理鏈路和可解釋的決策路徑，成果在協(xié)同駕駛 benchmark 上顯著優(yōu)于傳統(tǒng) V2V 通信方案。

鏈接： https://x.com/salimazak/status/2059026549794390293

2. V2V-LLM: Vehicle-to-Vehicle Cooperative Autonomous Driving with Large Language Models

摘要： "V2V-LLM"解決了車車協(xié)同自動(dòng)駕駛中語義理解與通信的問題，將大語言模型應(yīng)用于 V2V 通信場(chǎng)景，創(chuàng)新點(diǎn)在于用 LLM 替代傳統(tǒng)通信協(xié)議實(shí)現(xiàn)車車間的語義級(jí)協(xié)同，在開放詞匯和長(zhǎng)尾場(chǎng)景下表現(xiàn)優(yōu)于結(jié)構(gòu)化通信方案，與 V2V-GoT 形成圖推理 vs 大模型的路徑對(duì)照。

鏈接： https://x.com/salimazak/status/2059025303410725186

熱門議題二：Proximal Manipulation 與線纜操控

Ken Goldberg 實(shí)驗(yàn)室（UC Berkeley AUTOLAB）首度全面官宣 ICRA 產(chǎn)出規(guī)?！? 篇論文集中在線纜路由與放置規(guī)劃方向，Proximal Manipulation 從小眾走向 ICRA 主流。

3. CRAFT: Long-Horizon Cable Routing Algorithm and Low-Friction Caging Gripper

摘要： "CRAFT"解決了機(jī)器人長(zhǎng)時(shí)域線纜路由中拓?fù)渌阉餍实秃蛫A持滑動(dòng)的問題，提出分層規(guī)劃框架將線纜路由從 ad-hoc 拓?fù)渌阉魃?jí)為可泛化的層級(jí)規(guī)劃，并設(shè)計(jì)低摩擦籠式夾爪解決線纜夾持中的滑動(dòng)與形變問題，創(chuàng)新點(diǎn)在于首次實(shí)現(xiàn)長(zhǎng)時(shí)域線纜路由的全自動(dòng)閉環(huán)執(zhí)行。

鏈接： https://x.com/Ken_Goldberg/status/2058618263077298526 

4. Stable Placement Planning（UTIAS STARS Lab / Philippe Nadeau）

摘要： "Stable Placement Planning"解決了機(jī)器人放置物體時(shí)穩(wěn)定性預(yù)測(cè)的問題，創(chuàng)新點(diǎn)在于引入物理約束下的放置可行性評(píng)估，將物體幾何、摩擦和支撐面信息統(tǒng)一建模為放置穩(wěn)定性預(yù)測(cè)器，與 Goldberg lab 放置規(guī)劃方向形成互補(bǔ)。

鏈接： https://x.com/utiasSTARS/status/2058604590602559863

熱門議題三：3DGS-SLAM 與視覺導(dǎo)航

Gaussian Splatting 進(jìn)入 SLAM 領(lǐng)域，ICRA 2026 收錄 17 篇 3DGS 相關(guān)論文，多相機(jī) SLAM 是其中最活躍的細(xì)分方向。

5. MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting

摘要： "MCGS-SLAM"解決了多相機(jī) SLAM 中多視角融合效率低的問題，采用 Gaussian Splatting 技術(shù)構(gòu)建首個(gè)純 RGB 多相機(jī) SLAM 系統(tǒng)，創(chuàng)新點(diǎn)在于將 3DGS 引入多相機(jī)位姿估計(jì)與地圖構(gòu)建，無需慣性數(shù)據(jù)即可實(shí)現(xiàn)高保真建圖，在 Awesome3DGS 收錄的 ICRA 2026 全部 17 篇 3DGS 論文中為唯一的多相機(jī)方案。

鏈接： https://x.com/salimazak/status/2059022644805005651

6. Learning to Anchor Visual Odometry: KAN-Based Pose Regression（RA-L + ICRA）

摘要： "Learning to Anchor VO"解決了視覺里程計(jì)位姿回歸精度不足的問題，利用 KAN（Kolmogorov-Arnold Networks）替代傳統(tǒng) MLP 進(jìn)行位姿回歸，創(chuàng)新點(diǎn)在于首次將 KAN 應(yīng)用于視覺里程計(jì)錨定任務(wù)，以更少的參數(shù)量實(shí)現(xiàn)更精確的位姿估計(jì)，在 RA-L 期刊 + ICRA 雙重發(fā)表。

鏈接： https://x.com/salimazak/status/2059019597433475505

7. StepNav: Structured Trajectory Priors for Efficient and Multimodal Navigation

摘要： "StepNav"解決了導(dǎo)航中多模態(tài)軌跡生成效率低的問題，引入結(jié)構(gòu)化軌跡先驗(yàn)約束導(dǎo)航策略搜索空間，創(chuàng)新點(diǎn)在于通過軌跡先驗(yàn)實(shí)現(xiàn)高效多模態(tài)導(dǎo)航，降低復(fù)雜環(huán)境下的規(guī)劃計(jì)算量，在多模態(tài)導(dǎo)航 benchmark 上以更少的采樣次數(shù)達(dá)到同等成功率。

鏈接： https://x.com/salimazak/status/2059018197328605428