Goldberg 6篇官宣、V2V双线破局：ICRA 2026论文公告回暖

热门议题一：V2V 协同自动驾驶

Salim Azak 单日发布 9 篇 ICRA 2026 论文，V2V 自动驾驶通信方向最为集中，图推理与大模型两条路径同组并行推进。

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

摘要： "V2V-GoT"解决了车车协同自动驾驶中通信效率低下的问题，利用图推理（Graph of Thought）技术增强 V2V 通信效率，创新点在于将图推理引入车车协同决策框架，在多车协作场景下实现更高效的推理链路和可解释的决策路径，成果在协同驾驶 benchmark 上显著优于传统 V2V 通信方案。

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

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

摘要： "V2V-LLM"解决了车车协同自动驾驶中语义理解与通信的问题，将大语言模型应用于 V2V 通信场景，创新点在于用 LLM 替代传统通信协议实现车车间的语义级协同，在开放词汇和长尾场景下表现优于结构化通信方案，与 V2V-GoT 形成图推理 vs 大模型的路径对照。

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

热门议题二：Proximal Manipulation 与线缆操控

Ken Goldberg 实验室（UC Berkeley AUTOLAB）首度全面官宣 ICRA 产出规模——6 篇论文集中在线缆路由与放置规划方向，Proximal Manipulation 从小众走向 ICRA 主流。

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

摘要： "CRAFT"解决了机器人长时域线缆路由中拓扑搜索效率低和夹持滑动的问题，提出分层规划框架将线缆路由从 ad-hoc 拓扑搜索升级为可泛化的层级规划，并设计低摩擦笼式夹爪解决线缆夹持中的滑动与形变问题，创新点在于首次实现长时域线缆路由的全自动闭环执行。

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

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

摘要： "Stable Placement Planning"解决了机器人放置物体时稳定性预测的问题，创新点在于引入物理约束下的放置可行性评估，将物体几何、摩擦和支撑面信息统一建模为放置稳定性预测器，与 Goldberg lab 放置规划方向形成互补。

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

热门议题三：3DGS-SLAM 与视觉导航

Gaussian Splatting 进入 SLAM 领域，ICRA 2026 收录 17 篇 3DGS 相关论文，多相机 SLAM 是其中最活跃的细分方向。

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

摘要： "MCGS-SLAM"解决了多相机 SLAM 中多视角融合效率低的问题，采用 Gaussian Splatting 技术构建首个纯 RGB 多相机 SLAM 系统，创新点在于将 3DGS 引入多相机位姿估计与地图构建，无需惯性数据即可实现高保真建图，在 Awesome3DGS 收录的 ICRA 2026 全部 17 篇 3DGS 论文中为唯一的多相机方案。

链接： 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"解决了视觉里程计位姿回归精度不足的问题，利用 KAN（Kolmogorov-Arnold Networks）替代传统 MLP 进行位姿回归，创新点在于首次将 KAN 应用于视觉里程计锚定任务，以更少的参数量实现更精确的位姿估计，在 RA-L 期刊 + ICRA 双重发表。

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

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

摘要： "StepNav"解决了导航中多模态轨迹生成效率低的问题，引入结构化轨迹先验约束导航策略搜索空间，创新点在于通过轨迹先验实现高效多模态导航，降低复杂环境下的规划计算量，在多模态导航 benchmark 上以更少的采样次数达到同等成功率。

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

雷峰网版权文章，未经授权禁止转载。详情见转载须知。