【封面图片来源：网站名微信公众号，所有者：极市平台】 一、背景  工业质检和医疗影像分析中，传统方法采用"一个任务一个模型"的碎片化模式，检测不同模态（如RGB、红外、3D深度）需要部署多个专用模型，导致运维成本高、泛化能力差。现有方法存在域干扰问题——直接融合多域特征会引入噪声，导致大量误报。 能否构建一个通用的"大脑"，既能理解多模态融合信息，又能针对不同任务动态调用"专家知识"？...

一、背景  视觉-语言-动作（VLA）模型正成为机器人智能化的核心架构，但现有主流方法（如OpenVLA、π0、CogACT）存在一个根本性缺陷：用同一个动作模型统一处理所有类型的动作。这种「一刀切」的设计在面对机器人操控任务时暴露出两大内在矛盾。 从任务特性来看，机器人操控存在两种本质不同的动作类型：手臂大幅度运动（粗动作）需要全局场景理解、路径约束宽松；夹爪精细操作（精...

一、研究背景   视觉-语言-动作（VLA）模型是具身智能的核心架构，旨在让机器人通过视觉感知和语言理解直接输出动作指令。然而，当前主流VLA模型（如RT-2、OpenVLA）通常架构复杂、训练流程冗长，缺乏一个设计简洁、易于理解和复现的基准模型，阻碍了社区对VLA核心设计决策的系统性研究。 此外，现有VLA模型在训练效率上存在显著差异——有些需要大规模预训练数据，有些依赖...

一、研究背景   视觉-语言-动作（VLA）模型是当前具身智能的主流架构，但主要分为两大范式，各自面临根本性局限：端到端VLA模型（如RT-2、OpenVLA）严重依赖海量的「指令-视觉-动作」成对数据进行训练，数据获取成本极高且泛化能力有限；分层模型虽通过中间目标表示连接高层语义与底层动作，但中间目标通常需要3D点云等精确几何输入，在开放环境中难以获取。 如何在不依赖任何...

把盘子垂直插入碗架的窄槽、将花茎稳稳放入花瓶——这些对人类来说近乎本能的高精度操作，却是机器人至今难以跨越的门槛。北京大学董豪团队在ICRA 2026上提出的Imagine2Act框架，让机器人先“想象”出任务完成时的理想状态，再据此规划动作，在多项精细操作任务上取得了显著突破。 一、背景：高精度操作的两大瓶颈 家庭服务机器人要真正帮人类干活，光会“抓取-放置”远远不够。面...

2025 年 IEEE 国际机器人与自动化大会（ICRA 2025）已于 5 月 23 日在美国亚特兰大·乔治亚世界会议中心落幕，最佳论文等奖项消息随之传来， 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分别斩获 Best Paper 奖项。 作为机器人与自动化领域最具影响力的国际顶级会议之一，ICRA 汇聚全球科研先锋、产业巨擘与创新力量，评选出的最佳论文通常代表着前沿技术与重大突...

雷锋网 AI 科技评论按：本篇属于「顶会见闻系列」。每年这么多精彩的人工智能/机器学习会议，没去现场的自然可惜，在现场的也容易看花眼。那么事后看看别的研究员的见闻总结，也许会有新的收获呢。 Alex Irpan 本科毕业于 UC 伯克利大学的计算机科学专业，在伯克利人工智能 AI 研究所（BAIR）做的本科毕业设计，导师为 Pieter Abbeel，而后加入谷歌大脑的机器人团队做软件工程...

雷锋网 AI 科技评论按：ICRA 2018 本周于澳大利亚布里斯班举行。随着会议议程的推进，今天也迎来了本次大会的重头戏——ICRA 相关奖项的颁布仪式。 ICRA 2018 颁奖仪式包括 IEEE 系列奖项及 ICRA 2018 论文奖项等两个环节。 论文颁奖环节 ICRA 2018 大会主席 Peter Corke 在大会开场提供的论文数据显示，美国以 630 ...

雷锋网按：本文为PerceptIn联合创始人兼CEO张哲参加今年5月29日至6月3在新加坡举行的ICRA大会的感想，主要分享作者关于各个种类的SLAM及相关研究应用的看法和思考。 张哲，纽约州立大学机器人方向博士，清华大学自动化系本科。研发方向：地图重建、位置跟踪、机器人自主避障导航、设备端和云端的算法优化。2009-2014年在微软，2014-2016年初在Magic Leap工作。  ...

雷锋网按：ICRA 2017 于 5 月 29 日至 6 月 4 日举行，雷锋网 AI 科技评论从新加坡带来一线报道。该会议举办期间，雷锋网将围绕会议议程及获奖论文展开系列专题报道，敬请期待。 目前，ICRA 2017 所有最佳论文评选名单已经出炉，已经于 6 月 1 日进行颁奖典礼。 当天下午，会场的桌子还保留着前一天晚宴的圆桌式摆设，而每一个奖项的多个候选团队都会派代表坐在同一个...