2025 年 IEEE 海外机器东说念主与自动化大会（ICRA 2025）已于 5 月 23 日在好意思国亚特兰大 · 乔治亚寰宇会议中心拒绝，最好论文等奖项音问随之传来开yun体育网， 其中上海交通大学卢策吾团队与新加坡国立大学邵林团队分离斩获 Best Paper 奖项。

当作机器东说念主与自动化鸿沟最具影响力的海外顶级会议之一，ICRA 聚集环球科研前锋、产业泰斗与革命力量，评比出的最好论文频频代表着前沿时刻与首要摧毁。

本次 ICRA 2025 共收到环球超 3000 篇论文投稿，勾引 7000 余名参会者。大会公布的 Best Paper 奖项共设 12 项，每项奖项的入围论文频频仅 3 篇，最终从中遴择出一篇最好论文，竞争态势热烈。

其中上海交通大学卢策吾团队斩获" Best Paper Award on Human-Robot Interaction "（东说念主机交互最好论文奖），新加坡国立大学助理栽种邵林团队荣获" Best Paper Award on Robot Manipulation and Locomotion "（机器东说念主操作与畅通最好论文奖）。

Best Paper 花落谁家

ICRA 2025 共有 50 篇论文入围，其中最好论文奖有 16 篇。

官网流畅：https://2025.ieee-icra.org/program/awards-and-finalists/

最好论文

本届 ICRA 所有评比出 2 篇最好论文。

第一篇最好论文颁给了由加拿大多伦多大学、蒙特利尔麦吉尔大学共同发布的《Marginalizing and Conditioning Gaussians Onto Linear Approximations of Smooth Manifolds with Applications in Robotics》。

论文流畅：https://arxiv.org/pdf/2409.09871

作家：Zi Cong Guo, James Richard Forbes, and Timothy Barfoot

论文先容：本文给出对高斯散布进行边际化和条目化到线性流形上的闭式抒发式，并展示怎么将这些抒发式诳骗于对非线性流形进行线性化。尽管边际化和条目化操作已得到了充分辩论，但将其诳骗于非轴对皆流形的操作还未被充分阐明。本文通过三个诳骗展示了这些抒发式的效力：1）投影正态散布，跟着问题非线性进度的增多，线性类似的质地也会提高；2）科普曼（Koopman）同期定位与舆图构建（SLAM），展示了在信得过寰宇数据集上，协方差收缩问题会跟着非线性进度的增多而减轻；3）拘谨广义时辰同步与空间感知（GTSAM），展示了在模拟中协方差收缩是一致的。

第二篇最好论文属于来自卡内基梅隆大学、上海交通大学团队共同推出的《MAC-VO: Metrics-Aware Covariance for Learning-Based Stereo Visual Odometry》，这一责任由国防科技与工程局（DSTA）扶植。

论文流畅：https://arxiv.org/pdf/2409.09479

作家：Yuheng Qiu, Yutian Chen, Zihao Zhang, Wenshan Wang, and Sebastian Scherer

论文先容：本文建议了 MAC-VO，一种基于学习的立体视觉里程计（VO）要领，其性能优于视觉里程计，致使在具有挑战性的数据集上越过了同期定位与舆图构建（SLAM）算法。在本文刻下的责任中，模子聚焦于两帧姿态优化。本文以为畴前的责任将麇集在通过光束平差法、多帧优化和回文检测带来的上风上。此外，本文筹谋将此度量感知协方差模子诳骗于多传感器和会，举例与惯性测量单元（IMUs）和会。

最勤学生论文

本年的最勤学生论文一共有 4 篇获奖。

第一篇颁给了由卡内基梅隆大学、新加坡国立大学共同推出的《Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding》。

论文流畅：https://arxiv.org/pdf/2410.21415

作家：He Jiang, Yutong Wang, Rishi Veerapaneni, Tanishq Harish Duhan, Guillaume Adrien Sartoretti, Jiaoyang Li

论文先容：终生多智能体旅途霸术（LMAPF）旨在为不停有新观念的多个智能体找无碰撞旅途。近来该鸿沟用基于学习的要领，依局部不雅测生成单步动作，但要并排先进算法仍具挑战，尤其在大限制场景。本辩论建议基于师法学习的 LMAPF 求解器，引入新通讯模块及系统单步碰撞经管与全局诱导时刻。可彭胀师法学习算法（SILLM）兼具基于学习要领的快速推理和 GPU 加持下基于搜索要领的高求解质地。在六个大限制舆图（含多达 10,000 智能体）测试中，SILLM 优于最勤学习和搜索基线算法，平均迷糊量分离擢升 13.7% 和 16.0% ，还在 2023 年海外 LMAPF 竞赛胜出。临了，在模拟仓库用 10 个信得过、100 个虚构机器东说念主考证了 SILLM 。

第二篇是《ShadowTac: Dense Measurement of Shear and Normal Deformation of a Tactile Membrane from Colored Shadows》

作家：Giuseppe Vitrani, Basile Pasquale, and Michael Wiertlewski

论文先容：机器东说念主需通过丰富触觉感知机械作用以处理物体，新式触觉传感器借袖重视像头竣事联系测量与信息索要。回射传感虽能明白物体步地，但无法检测横向位移，会忽略关节摩擦信息，而镶嵌不透明标志物又难以制造。本文建议 ShadowTac 触觉传感器，将回射照明与彩色暗影变成的非侵入性标志物勾搭，其回射名义有亚毫米凹坑图案，不保密视觉且能投射可见暗影，可拿获密集法向和精确横向位移场，且易于制造。经评估，它测量可靠，能灵验预计物体启动滑动，合适跟踪机器东说念主与操作物体间动态作用。

第三篇是《Point and Go: Intuitive Reference Frame Reallocation in Mode Switching for Assistive Robotics》

作家：Allie Wang, Chen Jiang, Michael Przystupa, Justin Valentine, and Martin Jagersand

论文先容：关于轮椅搭载机器东说念主主管器的用户而言，操作高解放度机器东说念主颇具挑战，笛卡尔空间步地切换存在放弃参考系不直不雅、放弃分离及畅通受限等问题。本文建议" Point and Go "步地切换，以新扫动动作界说平移轴构建直不雅动作空间，含平移与旋转步地，旋转步地勾搭位置放弃与结尾试验器定向框架。经三任务用户辩论对比，该步地使任务完成时辰减 31%、停顿减 41% 、步地切换次数减 33% ，且成绩用户高度认同。

第二篇颁给华盛顿大学团队发布的《TinySense: A Lighter Weight and More Power-Efficient Avionics System for Flying Insect-Scale Robots》，本辩论部分由好意思国国度科学基金资助。

论文流畅：https://arxiv.org/pdf/2501.03416

作家：Zhitao Yu, Josh Tran, Claire Li, Aaron Weber, Yash P. Talwekar, and Sawyer Fuller

论文先容：本文先容自主飞动虫豸机器东说念主（FIR）传感器套件方面的推崇，该机器东说念主分量小于一克，罗致 FIR 时刻，因为其分量轻，是以有可能竣事大限制部署和可彭胀性。但是，其尺寸小带来了显贵的放弃挑战，包括高带宽能源学、功率受限以及灵验载荷才智有限等问题。天然在斥地轻量级传感器方面已有推崇，且许多灵感源自生物系统，但亚克级无东说念主机仍无法竣事无需依赖外部传感（如畅通捕捉系统）的不绝悬停。

卢策吾、邵林团队摘获最好论文奖

在本次最好论文名录里，各单项最好论文奖项与刻下具身智能产业界的重心议题紧密呼应。相较于旧年的最好论文标的，本年新增了机器东说念主学习、畅通与操作、霸术与放弃等标的的奖项论文。

ICRA 2025 机器东说念主操作与畅通最好论文奖属于新加坡国立大学助理栽种邵林团队的《D ( R,O ) Grasp: A Unified Representation of Robot and Object Interaction for Cross-Embodiment Dexterous Grasping》

论文流畅：https://arxiv.org/pdf/2410.01702

作家：Zhenyu Wei、Zhixuan Xu、Jing 翔 Guo、Yiwen Hou、Chongkai Gau、Zhehao Cai、Jiayu Luo、Lin Shao

操作与畅通是具身智能两大重心标的，亦然广受计划的议题。据了解，邵林团队这次获奖，是近五年来亚洲机构初度以第一单元身份斩获该奖项。

文中建议一种用于校正灵敏抓取的新要领，即引入 D ( R,O ) 暗示法，该要领捕捉了机器东说念主手与物体交互的骨子。与现存的高度依赖物体或机器东说念主特定暗示的要领不同，该要领通过和谐框架弥合了差距，能很好地在不同机器东说念主和物体几何步地间通用。此外，本文磨练要领增强了模子适合不同手构型的才智，使其适用于平淡的机器东说念主系统。实验扫尾证据，本文要领在见效率、千般性和蓄意效果方面均有显贵擢升。

在 ICRA 2025 获奖名单中，一支中国团队荣获东说念主机交互鸿沟最好论文奖。

论文流畅：https://arxiv.org/pdf/2407.00299

ICRA 2025 机器东说念主交互最好论文奖颁给由上海交通大学东说念主工智能学院和伊利诺伊大学厄巴纳 - 香槟分校（UIUC）联络推出的《Human - Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition》。

在机器东说念主操作鸿沟，怎么高效地让机器东说念主从东说念主类示范中学习手段一直是辩论的中枢挑战。传统遥操作系统依赖东说念主类手动放弃机器东说念主完成任务，但是，生理结构相反、短少触觉响应等问题导致数据采集效果低下，操作家需耗尽大批元气心灵重迭试验任务。

举例，在基于视觉的遥操作中，即使使用先进的 3D 手势估蓄意法，手部动作与机器东说念主结尾试验器的映射舛讹仍显贵影响操作精度，尤其在开抽屉、用具使用等战斗密集型任务中，东说念主类难以通过视觉精确放弃力度和角度，导致数据采集见效率低、耗时长。

为经管上述贫苦，辩论团队招揽接受了传统的 shared autonomy 的想想，将数据采集和模子磨练两个历程深度耦合，使得数据采集好像伴跟着模子磨练的鞭策，建议 Human-Agent Joint Learning（HAJL）框架通过革命"东说念主 - 智能体联络学习"范式，搪塞机器东说念主操作手段学习中高质地数据得到资本高、效果低的中枢贫苦，与传统要领比较，数据采集见效率提高了 30%，采集速率实在翻倍，同期减少东说念主类操作员的适合需求。可彭胀的具身数采和大限制磨练奠定了基础。

具体而言，Human-Agent Joint Learning（HAJL）中枢是通过动态分享放弃机制，竣事东说念主类与学习型代理的合作。该框架引入扩散模子辅助代理，通过 "正向扩散 - 反向去噪" 历程和会东说念主类动作与代理动作：

正向历程为东说念主类动作添加高斯噪声，模拟操作中的不笃定性；

反向历程则通过神经相聚对噪声动作进行去噪，生成兼顾东说念主类意图与代理优化的合作动作。通过养息 "放弃比例 γ "（0 为全手动，1 为全自主），东说念主类只需提供高层意图（如 "抓取物体"），代理自动补全底层动作细节（如手指袭击角度）。举例，在拾取鸡蛋任务中，东说念主类指定抓取观念后，代理可左证历史数据自动蓄意最好抓持力度，幸免因东说念主工放弃过紧导致物体损坏。

这个历程反复进行，智能体不停地加噪和去噪，冷静优化东说念主类的启动动作，最终得到一个高质地、精确的操作扫尾。

在磨练的动手阶段，辩论者会采集极少的数据，并使用这些极少的数据动手进行模子的磨练；此时的模子因为数据不及并弗成很好的完成观念任务，但却不错对任务有大约的阐明，或者好像在职务的某些浅显要领掌持一定的技巧，因而辩论者让模子动手与遥操作员分享对机器东说念主的放弃，这种分享放弃会让数据采集的历程变得收缩。

举例东说念主可能只需要将手朝着观念位置作念比较渺小的转移，机械臂就不错在东说念主与模子分享放弃下转移到接近观念位置的状况。这么，采集员好像更快速更唐突地采集数据；而跟着数据的积贮，模子才智会渐渐增强，辩论者也就不错将模子分享放弃权重渐渐升高，数据采集也愈发收缩，直到模子好像完竣的胜任观念任务；数据采集和模子磨练历程也便同期完成了。

本文作家吕峻讲明这背后的更深层的想法在于，其以为遥操作采集数据磨练模子骨子上是机器东说念主的示教系统，而手把手的、一毫米对一毫米的遥操作应当是一种逾期的示教，好的示教应当如同东说念主类教东说念主类相似——好多时候只需要谈话致使是肢体谈话一丝即通、必要的良好操作才需要手把手这么费时笨重的携带，这篇著作的背后更多是但愿去探索一种愈加生动的示教范式。

在模拟环境中，辩论团队测试了 6 类任务（包括灵敏手和夹爪操作），扫尾标明：

见效率擢升 30%：如用具使用任务中，分享放弃步地见效率从纯手动的 42% 擢升至 66.5%；

采集速率翻倍：拾取放弃任务的效果从 176 样本 / 小时擢升至 320 样本 / 小时；

轨迹更平滑：平均轨迹长度裁减 40%，动作连贯性显贵改善。

在信得过物理实验中，基于 Flexiv Rizon4 机械臂和 RealSense 相机的测试露出，分享放弃步地采集的数据磨练出的模子性能与纯东说念主类数据尽头，部分任务（如推立方体）致使更优。用户响应也证据，系统显贵裁减了操作包袱，易用性和惬意度评分分离达到 Cronbach ’ s α =0.852 和 α =0.769。

这篇论文的共归拢作分离为罗盛成、彭泉泉（上交 ACM 班大三本科生）、吕峻，合作家为 Kaiwen Hong（UIUC）、Katherine Rose Driggs-Campbell（UIUC 助理栽种）、卢策吾（上交东说念主工智能学院栽种、副院长，上海创智学院副院长），通讯作家为李永露（上交东说念主工智能学院助理栽种、上海创智学院全时导师）。

参考流畅：https://2025.ieee-icra.org/program/awards-and-finalists/

雷峰网雷峰网开yun体育网