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驱散，最好论文等奖项音信随之传来， 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差异斩获 Best Paper 奖项。

手脚机器东说念主与自动化畛域最具影响力的海外顶级会议之一，ICRA 集聚寰球科研前锋、产业泰斗与革生力军，评比出的最好论文时时代表着前沿时刻与紧要冲突。

本次 ICRA 2025 共收到寰球超 3000 篇论文投稿，引诱 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时时仅 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教授邵林团队荣获" 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。

官网承接：https://2025.ieee-icra.org/program/awards-and-finalists/

最好论文

本届 ICRA 系数评比出 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》。

论文承接：https://arxiv.org/pdf/2409.09871

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

论文先容：本文给出对高斯分散进行边际化和条目化到线性流形上的闭式抒发式，并展示何如将这些抒发式行使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盘问，但将其行使于非轴对皆流形的操作还未被充分意会。本文通过三个行使展示了这些抒发式的遵循：1）投影正态分散，跟着问题非线性进程的增多，线性类似的质料也会提高；2）科普曼（Koopman）同期定位与舆图构建（SLAM），展示了在果真寰宇数据集上，协方差收缩问题会跟着非线性进程的增多而减轻；3）敛迹广义时代同步与空间感知（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）辅助。

论文承接：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）设施，其性能优于视觉里程计，甚而在具有挑战性的数据集上荒谬了同期定位与舆图构建（SLAM）算法。在本文现时的责任中，模子聚焦于两帧姿态优化。本文以为翌日的责任将荟萃在通过光束平差法、多帧优化和回文检测带来的上风上。此外，本文筹办将此度量感知协方差模子行使于多传感器和会，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》。

论文承接：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：终生多智能体旅途筹算（LMAPF）旨在为不休有新指标的多个智能体找无碰撞旅途。近来该畛域用基于学习的设施，依局部不雅测生成单步动作，但要并排先进算法仍具挑战，尤其在大畛域场景。本盘问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贬责与全局指令时刻。可推广师法学习算法（SILLM）兼具基于学习设施的快速推理和 GPU 加持下基于搜索设施的高求解质料。在六个大畛域舆图（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，平均婉曲量差异培植 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 个果真、100 个虚构机器东说念主考据了 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顾惜像头已毕干系测量与信息索求。回射传感虽能判辨物体局面，但无法检测横向位移，会忽略环节摩擦信息，而镶嵌不透明标记物又难以制造。本文建议 ShadowTac 触觉传感器，将回射照明与彩色暗影酿成的非侵入性标记物结合，其回射名义有亚毫米凹坑图案，不封锁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，能灵验预计物体驱动滑动，符合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驾驭器的用户而言，操作高目田度机器东说念主颇具挑战，笛卡尔空间款式切换存在截至参考系不直不雅、截至分离及畅通受限等问题。本文建议" Point and Go "款式切换，以新扫动动作界说平移轴构建直不雅动作空间，含平移与旋转款式，旋转款式结合位置截至与终局执行器定向框架。经三任务用户盘问对比，该款式使任务完成时代减 31%、停顿减 41% 、款式切换次数减 33% ，且收货用户高度认同。

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》，本盘问部分由好意思国国度科学基金资助。

论文承接：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：本文先容自主翱游虫豸机器东说念主（FIR）传感器套件方面的阐扬，该机器东说念主分量小于一克，领受 FIR 时刻，因为其分量轻，是以有可能已毕大畛域部署和可推广性。可是，其尺寸小带来了显耀的截至挑战，包括高带宽能源学、功率受限以及灵验载荷才调有限等问题。诚然在竖立轻量级传感器方面已有阐扬，且许多灵感源自生物系统，但亚克级无东说念主机仍无法已毕无需依赖外部传感（如畅通捕捉系统）的接续悬停。

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现时具身智能产业界的要点议题紧密呼应。相较于昨年的最好论文场所，本年新增了机器东说念主学习、畅通与操作、筹算与截至等场所的奖项论文。

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教授邵林团队的《D ( R,O ) Grasp: A Unified Representation of Robot and Object Interaction for Cross-Embodiment Dexterous Grasping》

论文承接：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约莫点场所，亦然广受考虑的议题。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。

文中建议一种用于改造聪敏抓取的新设施，即引入 D ( R,O ) 默示法，该设施捕捉了机器东说念主手与物体交互的本色。与现存的高度依赖物体或机器东说念主特定默示的设施不同，该设施通过调处框架弥合了差距，能很好地在不同机器东说念主和物体几何局面间通用。此外，本文磨真金不怕火设施增强了模子稳当不同手构型的才调，使其适用于平方的机器东说念主系统。实验隔断说明，本文设施在告捷率、万般性和筹算恶果方面均有显耀培植。

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

论文承接：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）搭伙推出的《Human - Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition》。

在机器东说念主操作畛域，何如高效地让机器东说念主从东说念主类示范中学习妙技一直是盘问的中枢挑战。传统遥操作系统依赖东说念主类手动截至机器东说念主完成任务，可是，生理结构各别、败落触觉响应等问题导致数据采集恶果低下，操作家需花消精深元气心灵疏导执行任务。

举例，在基于视觉的遥操作中，即使使用先进的 3D 手势估筹算法，手部动作与机器东说念主终局执行器的映射缺陷仍显耀影响操作精度，尤其在开抽屉、器用使用等战役密集型任务中，东说念主类难以通过视觉精确截至力度和角度，导致数据采集告捷率低、耗时长。

为贬责上述用功，盘问团队给与接收了传统的 shared autonomy 的念念想，将数据采集和模子磨真金不怕火两个历程深度耦合，使得数据采集八成伴跟着模子磨真金不怕火的鼓舞，建议 Human-Agent Joint Learning（HAJL）框架通过蜕变"东说念主 - 智能体搭伙学习"范式，搪塞机器东说念主操作妙技学习中高质料数据取得资本高、恶果低的中枢用功，与传统设施比较，数据采集告捷率提高了 30%，采集速率果真翻倍，同期减少东说念主类操作员的稳当需求。可推广的具身数采和大畛域磨真金不怕火奠定了基础。

具体而言，Human-Agent Joint Learning（HAJL）中枢是通过动态分享截至机制，已毕东说念主类与学习型代理的结合。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聚集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结合动作。通过蜕变 "截至比例 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（如手指周折角度）。举例，在拾取鸡蛋任务中，东说念主类指定抓取指标后，代理可凭据历史数据自动筹算最好抓执力度，幸免因东说念主工截至过紧导致物体损坏。

这个历程反复进行，智能体不休地加噪和去噪，徐徐优化东说念主类的驱动动作，最终得到一个高质料、精确的操作隔断。

在磨真金不怕火的脱手阶段，盘问者会采集一丝的数据，并使用这些一丝的数据脱手进行模子的磨真金不怕火；此时的模子因为数据不及并不成很好的完成指标任务，但却不错对任务有大致的意会，或者八成在职务的某些浮松设施掌执一定的技巧，因而盘问者让模子脱手与遥操作员分享对机器东说念主的截至，这种分享截至会让数据采集的历程变得减轻。

举例东说念主可能只需要将手朝着指标位置作念比较轻捷的出动，机械臂就不错在东说念主与模子分享截至下出动到接近指标位置的情状。这么，采集员八成更快速更节略地采集数据；而跟着数据的累积，模子才调会渐渐增强，盘问者也就不错将模子分享截至权重渐渐升高，数据采集也愈发减轻，直到模子八成完好的胜任指标任务；数据采集和模子磨真金不怕火历程也便同期完成了。

本文作家吕峻解说这背后的更深层的主见在于，其以为遥操作采集数据磨真金不怕火模子本色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落后的示教，好的示教应当如同东说念主类教东说念主类通常——许多时候只需要话语甚而是肢体话语一丝即通、必要的讲究操作才需要手把手这么费时竭力的率领，这篇著述的背后更多是但愿去探索一种愈加机动的示教范式。

在模拟环境中，盘问团队测试了 6 类任务（包括聪敏手和夹爪操作），隔断标明：

告捷率培植 30%：如器用使用任务中，分享截至款式告捷率从纯手动的 42% 培植至 66.5%；

采集速率翻倍：拾取搁置任务的恶果从 176 样本 / 小时培植至 320 样本 / 小时；

轨迹更平滑：平均轨迹长度缩小 40%，动作连贯性显耀改善。

在果真物理实验中，基于 Flexiv Rizon4 机械臂和 RealSense 相机的测试知道，分享截至款式采集的数据磨真金不怕火出的模子性能与纯东说念主类数据相配，部分任务（如推立方体）甚而更优。用户响应也说明，系统显耀缩小了操作包袱，易用性和沉静度评分差异达到 Cronbach ’ s α =0.852 和 α =0.769。

这篇论文的共统一作差异为罗盛成、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 助理教授）、卢策吾（上交东说念主工智能学院教授、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教授、上海创智学院全时导师）。

参考承接：https://2025.ieee-icra.org/program/awards-and-finalists/

雷峰网雷峰网开云体育