ICRA 2026 亮点：强化学习、复杂行为生成与机器人技术的未来

在维也纳举行的ICRA 2026上，主要议题包括强化学习、复杂行为场景生成以及机器人技术的未来。最佳会议论文奖颁给了SymSkill（数据高效的长时程操作）和OmniRetarget（人形机器人全身移动操作）。在机器人学习领域，一篇关于基于相机条件化的视角不变策略学习的论文（《你知道你的相机在哪里吗？》）表明，当相机移动时，视觉-语言-动作（VLA）模型性能显著下降，该论文提出通过每个像素的普吕克坐标来编码相机位置，从而在不进行相机随机化的情况下提升性能。在机器人感知领域，FindAnything提出了一种使用多种基础模型进行开放词汇、以对象为中心的建图系统，用于探索任务。在研讨会上，来自华为、NVIDIA Research和OpenDriveLab的World Engine使自动驾驶汽车在上海无需人工干预行驶了200公里，并已开源代码。NVIDIA宣布了AlpaSim挑战赛，其数据集涵盖25个国家、2500个城市和1700小时的驾驶数据。其他值得注意的工作包括：用于微调行为克隆策略的残差离策略强化学习（亚马逊前沿人工智能与机器人团队）、FP3（使用Uni3D编码器的三维基础策略）、Search3D（分层开放词汇三维分割）以及COMPASS（来自NVIDIA Research的跨形态移动策略框架）。在自动驾驶领域，Waabi AI的扩散引导泛化增强器改善了轨道附近的3D重建，Attention BEV通过注意力块增强了鸟瞰图（BEV）融合，TreeIRL结合蒙特卡洛树搜索（MCTS）与逆向强化学习（IRL）在拉斯维加斯实现了安全的城市驾驶，而一个用于标注延迟和误报自动紧急制动（AEB）事件的系统则处理了极端类别不平衡和标签噪声问题。另一篇论文提出通过模仿周围车辆来学习驾驶，利用nuPlan场景并将优秀智能体的轨迹转换到自车视角。