RSS 2026: три лучшие статьи — FlashSAC, Muninn и NeuralActuator; среди финалистов много китайских команд

Робототехническая конференция RSS (Robotics: Science and Systems) 2026 объявила лауреатов трёх номинаций на лучшую статью. Всего было подано 708 работ, принято 210 (приём 29,7%), в финал вышли 8. Лучшая статья — FlashSAC от Holiday Robotics, KAIST, KRAFTON, TU Darmstadt и KTH. Предложенный метод ускоряет обучение с подкреплением для высокоразмерного управления роботами за счёт сокращения градиентных обновлений при увеличении модели и объёма данных. В экспериментах с человекоподобным роботом время обучения сократилось с часов до минут. Лучшая студенческая статья — Muninn от UIUC, Florida International University и Providence College. Работа introduces кэширование для диффузионных моделей траекторий, ускоряя процесс до 4,6 раз без потери качества. Лучшая системная статья — NeuralActuator от MIT CSAIL. Модель на Transformer и дифференцируемой симуляции предсказывает момент актуатора, внешние силы и контакт, избавляя от необходимости в датчиках силы. В финал также вошли: автоматический синтез лицевых механизмов для аниматронных роботов (清华 AIR), OAT (упаковка непрерывных действий в токены) от Stanford, DAPL (динамическое обучение для манипуляции в зашумлённой среде) от Galbot и партнёров, cuNRTO (GPU-ускоренная робастная оптимизация траекторий) от Yingmu Technology, и симуляция плавания робота-угря от CMU. Кроме того, были вручены Test of Time Awards: EuRoC dataset (ETH Zurich) и Compliant, Underactuated Robotic Hand (TU Berlin). В секции Early Career Spotlight выступили четыре молодых учёных, включая Ли Хунжана (全身智能, Whole-Body Intelligence) и Wenzhen Yuan (тактильное восприятие).