機(jī)器之心報(bào)道

機(jī)器之心編輯部

恭喜獲獎(jiǎng)?wù)摺?br/>

RSS（Robotics: Science and Systems，機(jī)器人科學(xué)與系統(tǒng)會(huì)議）是機(jī)器人領(lǐng)域頂級(jí)學(xué)術(shù)會(huì)議，自 2005 年起每年舉辦一次，該會(huì)議旨在促進(jìn)機(jī)器人領(lǐng)域的科學(xué)研究和技術(shù)應(yīng)用的發(fā)展。

今年大會(huì)已于 6 月 21 日至 25 日在美國(guó)洛杉磯舉行。杰出 Demo 論文獎(jiǎng)、杰出系統(tǒng)論文獎(jiǎng)、杰出學(xué)生論文獎(jiǎng)、杰出論文獎(jiǎng)多個(gè)獎(jiǎng)項(xiàng)已經(jīng)公布。

地址：https://roboticsconference.org/program/awards/

杰出 Demo 論文獎(jiǎng)

論文標(biāo)題：Demonstrating MuJoCo Playground

• 論文鏈接：https://www.roboticsproceedings.org/rss21/p020.pdf
• 論文主頁(yè)：https://playground.mujoco.org/
• 機(jī)構(gòu)：UC 伯克利、Google DeepMind、多倫多大學(xué)、劍橋大學(xué)
• 作者：Kevin Zakka, Baruch Tabanpour, Qiayuan Liao, Mustafa Haiderbhai, Samuel Holt, Jing Yuan Luo, Arthur Allshire, Erik Frey, Koushil Sreenath, Lueder Alexander Kahrs, Carmelo Sferrazza, Yuval Tassa, Pieter Abbeel

論文摘要：該研究提出了 MuJoCo Playground—— 這是一個(gè)基于 MJX 構(gòu)建的完全開(kāi)源機(jī)器人學(xué)習(xí)框架，其核心設(shè)計(jì)目標(biāo)是大幅簡(jiǎn)化仿真環(huán)境搭建、模型訓(xùn)練以及仿真到現(xiàn)實(shí)場(chǎng)景的遷移全流程。研究人員僅需執(zhí)行簡(jiǎn)單的「pip install playground」安裝命令，即可在單 GPU 硬件上完成分鐘級(jí)策略訓(xùn)練。

該框架支持四足機(jī)器人、人形機(jī)器人、靈巧手及機(jī)械臂等多類型機(jī)器人平臺(tái)，能夠直接基于狀態(tài)觀測(cè)或像素級(jí)輸入實(shí)現(xiàn)零樣本仿真到現(xiàn)實(shí)遷移。

這一突破性成果依托于高度集成的物理引擎、批量渲染器與訓(xùn)練環(huán)境技術(shù)棧。

四足機(jī)器人

人形機(jī)器人

機(jī)器人跌倒又恢復(fù)

杰出系統(tǒng)論文獎(jiǎng)

論文標(biāo)題：Building Rome with Convex Optimization

• 論文地址：https://arxiv.org/pdf/2502.04640
• 論文主頁(yè)：https://computationalrobotics.seas.harvard.edu/XM/
• 機(jī)構(gòu)： 哈佛大學(xué)
• 作者：Haoyu Han、Heng Yang

論文摘要：該研究 (i) 提出了一種名為 SBA（scaled bundle adjustment）的公式，其利用學(xué)習(xí)到的深度將二維關(guān)鍵點(diǎn)測(cè)量提升到三維；(ii) 該研究還設(shè)計(jì)了一個(gè)經(jīng)驗(yàn)上緊致的凸半有限規(guī)劃 (SDP) 松弛函數(shù)，用于求解 SBA 并達(dá)到可驗(yàn)證的全局最優(yōu)解；(iii) 該研究使用 Burer-Monteiro 分解和基于 CUDA 的信賴域黎曼優(yōu)化器（簡(jiǎn)稱 XM）求解極端規(guī)模的 SDP 松弛問(wèn)題；(iv) 構(gòu)建了以 XM 為優(yōu)化引擎的運(yùn)動(dòng)結(jié)構(gòu) (SfM) 流程，并展示了 XM-SfM 在重建質(zhì)量方面優(yōu)于現(xiàn)有流程，同時(shí)速度顯著提升、可擴(kuò)展性更強(qiáng)且無(wú)需初始化。

XM 是一款功能強(qiáng)大且可擴(kuò)展的優(yōu)化引擎，專為大規(guī)模 SfM（Structure-from-Motion）任務(wù)而設(shè)計(jì)。該動(dòng)圖展示了其在短短一小時(shí)內(nèi)高效求解 10,155 幀并達(dá)到全局最小值的能力。

重建結(jié)果（左）與來(lái)自 Replica 數(shù)據(jù)集的輸入圖像（右）。

杰出學(xué)生論文獎(jiǎng)

論文標(biāo)題：Solving Multi-Agent Safe Optimal Control with Distributed Epigraph Form MARL

• 論文地址：https://arxiv.org/pdf/2504.15425
• 論文主頁(yè)：https://mit-realm.github.io/def-marl/
• 機(jī)構(gòu)：MIT
• 作者：Songyuan Zhang, Oswin So, Mitchell Black, Zachary Serlin, Chuchu Fan

論文摘要：多機(jī)器人系統(tǒng)通常要求機(jī)器人能夠協(xié)作完成團(tuán)隊(duì)目標(biāo)，并確保安全性。該問(wèn)題通常被形式化為一個(gè)受約束的馬爾可夫決策過(guò)程（CMDP），其目標(biāo)是最小化全局代價(jià)，并將約束違反的平均值控制在用戶設(shè)定的閾值以下。

受現(xiàn)實(shí)世界機(jī)器人應(yīng)用的啟發(fā)，該研究將安全性定義為「零約束違反（zero constraint violation）」。

此外，該研究還采用約束優(yōu)化的 epigraph 形式來(lái)提升訓(xùn)練穩(wěn)定性，并由此提出名為 Def-MARL 的新型「集中訓(xùn)練 - 分散執(zhí)行」多智能體強(qiáng)化學(xué)習(xí)算法。

在兩種不同模擬器的 8 項(xiàng)任務(wù)測(cè)試中，Def-MARL 不僅整體性能最優(yōu)、滿足安全約束，還保持了穩(wěn)定的訓(xùn)練過(guò)程。通過(guò) Crazyflie 四旋翼飛行器的實(shí)體實(shí)驗(yàn)進(jìn)一步證明：相較于其他方法，Def-MARL 能更安全地協(xié)調(diào)智能體完成復(fù)雜協(xié)作任務(wù)。

穿越狹窄走廊

協(xié)作檢查目標(biāo)

杰出論文獎(jiǎng)

論文標(biāo)題：FEAST: A Flexible Mealtime-Assistance System Tackling In-the-Wild Personalization

• 論文地址：https://www.roboticsproceedings.org/rss21/p083.pdf
• 論文主頁(yè)：https://emprise.cs.cornell.edu/feast/
• 機(jī)構(gòu)：康奈爾大學(xué)、密西根大學(xué)等
• 作者：Rajat Kumar Jenamani, Tom Silver, Ben Dodson, Shiqin Tong, Anthony Song, Yuting Yang, Ziang Liu, Benjamin Howe, Aimee Whitneck, Tapomayukh Bhattacharjee

論文摘要：物理看護(hù)機(jī)器人有望改善全球數(shù)百萬(wàn)需要幫助喂養(yǎng)的人的生活質(zhì)量。然而，由于在部署過(guò)程中出現(xiàn)的活動(dòng)（例如，吃飯、喝水、擦嘴）、環(huán)境（例如，社交、看電視）、食物和用戶偏好的多樣性，家庭用餐輔助機(jī)器人仍然面臨極大的挑戰(zhàn)。

該研究提出了 FEAST—— 一個(gè)靈活的進(jìn)餐輔助系統(tǒng)，可在真實(shí)環(huán)境中進(jìn)行個(gè)性化調(diào)整，以滿足對(duì)照護(hù)對(duì)象的特殊需求。

系統(tǒng)設(shè)計(jì)遵循三大原則：適應(yīng)性、透明性與安全性。FEAST 系統(tǒng)通過(guò)以下方式踐行這些原則：（一）采用模塊化硬件設(shè)計(jì)，可靈活切換輔助進(jìn)食、飲水與擦嘴功能；（二）提供包括網(wǎng)頁(yè)界面、頭部姿勢(shì)識(shí)別和實(shí)體按鈕在內(nèi)的多樣化交互方式，以適應(yīng)不同用戶的功能需求與使用偏好；（三）運(yùn)用參數(shù)化行為樹(shù)架構(gòu)，支持通過(guò)大語(yǔ)言模型進(jìn)行安全透明的個(gè)性化調(diào)整。

結(jié)果表明：與僅限于固定定制的最先進(jìn)基線系統(tǒng)相比，F(xiàn)EAST 能提供更廣泛、透明且安全的泛化功能。

時(shí)間檢驗(yàn)獎(jiǎng)

另外，RSS 2025 時(shí)間檢驗(yàn)獎(jiǎng)（Test of Time Award）論文也已經(jīng)公布：Nathan Michael、Jonathan Fink 和 Vijay Kumar 于 2009 年發(fā)布的《Cooperative Manipulation and Transportation with Aerial Robots》。

論文地址：https://www.roboticsproceedings.org/rss05/p1.pdf

該論文探討了控制多個(gè)機(jī)器人通過(guò)線纜在三維空間中操縱和運(yùn)輸有效載荷的問(wèn)題，其中開(kāi)發(fā)了用以確保有效載荷在期望姿態(tài)下保持靜態(tài)平衡的機(jī)器人配置，同時(shí)兼顧張力約束，并對(duì)這些配置的有效載荷穩(wěn)定性進(jìn)行了分析。該團(tuán)隊(duì)也執(zhí)行了模擬和實(shí)驗(yàn)，在一組空中機(jī)器人上演示了新提出的方法。

https://roboticsconference.org/program/testoftimeaward/

https://roboticsconference.org/program/awards/