Goldberg 6篇官宣、V2V雙線破局：ICRA 2026論文公告回暖

熱門議題一：V2V 協同自動駕駛

Salim Azak 單日發布 9 篇 ICRA 2026 論文，V2V 自動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。

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

摘要： "V2V-GoT"解決了車車協同自動駕駛中通信效率低下的問題，利用圖推理（Graph of Thought）技術增強 V2V 通信效率，創新點在于將圖推理引入車車協同決策框架，在多車協作場景下實現更高效的推理鏈路和可解釋的決策路徑，成果在協同駕駛 benchmark 上顯著優于傳統 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"解決了車車協同自動駕駛中語義理解與通信的問題，將大語言模型應用于 V2V 通信場景，創新點在于用 LLM 替代傳統通信協議實現車車間的語義級協同，在開放詞匯和長尾場景下表現優于結構化通信方案，與 V2V-GoT 形成圖推理 vs 大模型的路徑對照。

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

熱門議題二：Proximal Manipulation 與線纜操控

Ken Goldberg 實驗室（UC Berkeley AUTOLAB）首度全面官宣 ICRA 產出規模——6 篇論文集中在線纜路由與放置規劃方向，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"解決了機器人長時域線纜路由中拓撲搜索效率低和夾持滑動的問題，提出分層規劃框架將線纜路由從 ad-hoc 拓撲搜索升級為可泛化的層級規劃，并設計低摩擦籠式夾爪解決線纜夾持中的滑動與形變問題，創新點在于首次實現長時域線纜路由的全自動閉環執行。

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

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

摘要： "Stable Placement Planning"解決了機器人放置物體時穩定性預測的問題，創新點在于引入物理約束下的放置可行性評估，將物體幾何、摩擦和支撐面信息統一建模為放置穩定性預測器，與 Goldberg lab 放置規劃方向形成互補。

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

熱門議題三：3DGS-SLAM 與視覺導航

Gaussian Splatting 進入 SLAM 領域，ICRA 2026 收錄 17 篇 3DGS 相關論文，多相機 SLAM 是其中最活躍的細分方向。

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

摘要： "MCGS-SLAM"解決了多相機 SLAM 中多視角融合效率低的問題，采用 Gaussian Splatting 技術構建首個純 RGB 多相機 SLAM 系統，創新點在于將 3DGS 引入多相機位姿估計與地圖構建，無需慣性數據即可實現高保真建圖，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"解決了視覺里程計位姿回歸精度不足的問題，利用 KAN（Kolmogorov-Arnold Networks）替代傳統 MLP 進行位姿回歸，創新點在于首次將 KAN 應用于視覺里程計錨定任務，以更少的參數量實現更精確的位姿估計，在 RA-L 期刊 + ICRA 雙重發表。

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

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

摘要： "StepNav"解決了導航中多模態軌跡生成效率低的問題，引入結構化軌跡先驗約束導航策略搜索空間，創新點在于通過軌跡先驗實現高效多模態導航，降低復雜環境下的規劃計算量，在多模態導航 benchmark 上以更少的采樣次數達到同等成功率。

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