Điểm nhấn ICRA 2026: Học tăng cường, tạo hành vi phức tạp và tương lai của ngành robot

Tại ICRA 2026 diễn ra ở Vienna, các chủ đề chính bao gồm Học tăng cường (Reinforcement Learning), tạo sinh các tình huống hành vi phức tạp, và tương lai của lĩnh vực robot học. Giải thưởng Bài báo Hội nghị Xuất sắc nhất (Best Conference Paper Award) được trao cho SymSkill về khả năng thao tác dài hạn tiết kiệm dữ liệu, và OmniRetarget về khả năng vận động - thao tác toàn thân (whole-body loco-manipulation) của robot hình người. Trong lĩnh vực Học cho Robot (Robot Learning), một bài báo về học chính sách bất biến theo góc nhìn với điều kiện hóa camera (Do You Know Where Your Camera Is?) cho thấy các mô hình VLA (Vision-Language-Action) suy giảm hiệu suất đáng kể khi camera bị di chuyển, và đề xuất mã hóa vị trí camera thông qua tọa độ Plücker cho từng pixel, giúp cải thiện hiệu suất ngay cả khi không áp dụng ngẫu nhiên hóa camera. Trong lĩnh vực Nhận thức cho Robot (Robot Perception), FindAnything giới thiệu một hệ thống lập bản đồ theo đối tượng với từ vựng mở, sử dụng nhiều mô hình nền tảng (foundation models) để phục vụ việc khám phá môi trường. Tại các workshop, World Engine — sản phẩm hợp tác giữa Huawei, NVIDIA Research và OpenDriveLab — đã giúp một xe tự hành lái được 200 km tại Thượng Hải mà không cần can thiệp, với mã nguồn được công bố mở. NVIDIA công bố thử thách AlpaSim cùng một bộ dữ liệu thu thập từ 25 quốc gia, 2500 thành phố, và 1700 giờ lái xe. Các công trình đáng chú ý khác bao gồm Residual Off-Policy RL để tinh chỉnh (finetune) các chính sách nhân bản hành vi (behavior cloning) từ Amazon Frontier AI & Robotics, FP3 (Chính sách Nền tảng 3D - 3D Foundation Policy - sử dụng bộ mã hóa Uni3D), Search3D (phân đoạn 3D theo cấu trúc thứ bậc với từ vựng mở), và COMPASS (khung chính sách di chuyển liên hiện thân - cross-embodiment mobility policy framework - từ NVIDIA Research). Trong lĩnh vực xe tự hành, Diffusion-guided Generalizable Enhancer của Waabi AI cải thiện khả năng tái tạo 3D gần đường ray, Attention BEV nâng cao khả năng hợp nhất BEV (Bird's-Eye-View - Góc nhìn từ trên xuống) bằng các khối chú ý (attention blocks), TreeIRL kết hợp MCTS (Monte Carlo Tree Search) với IRL (Inverse Reinforcement Learning - Học tăng cường nghịch) để lái xe an toàn trong đô thị tại Las Vegas, và một hệ thống gán nhãn cho các sự kiện AEB (Automatic Emergency Braking - Phanh khẩn cấp tự động) bị trễ hoặc sai đã giải quyết được vấn đề mất cân bằng lớp dữ liệu cực đoan và nhiễu nhãn. Một bài báo khác đề xuất phương pháp học lái xe bằng cách bắt chước các phương tiện xung quanh, sử dụng các cảnh từ nuPlan và chuyển đổi quỹ đạo của các tác nhân (agents) di chuyển tốt sang góc nhìn của xe chủ (ego perspective).