從ICRA到CVPR，機器人圈最近到底在聊什麼？｜北京·週三晚

## 從ICRA到CVPR，機器人圈最近到底在聊什麼？

近期兩大國際頂級會議——機器人領域的ICRA（國際機器人與自動化會議）與電腦視覺領域的CVPR（計算機視覺與 pattern 辨識會議）接連落幕，讓全球機器人研究社群掀起一波討論熱潮。從這兩場會議的焦點話題可以看出，機器人技術正與電腦視覺、多模態感知、大型語言模型深度整合，尤其在「具身智能」（Embodied AI）這個方向上，學界與業界的投入力道明顯加大。無論是學術論文發表，還是新創公司的展示攤位，大家都在問：機器人如何更自然理解人類指令、適應非結構化環境，以及從模擬世界順利過渡到真實世界？

### 重點整理：從感知到行動的技術鏈正在打通

回顧ICRA，許多討論圍繞著機器人操作的精準度與泛化能力，特別是「視覺－語言－行動」（Vision-Language-Action, VLA）模型逐漸成為主流。研究人員不再滿足於讓機器人執行固定軌跡的任務，而是希望它能夠觀看一段示範影片或聽取口頭說明後，即時生成對應的動作序列。到了CVPR，視覺基礎模型（Vision Foundation Models）與場景理解技術又往前推進，例如開放詞彙的物體偵測、零樣本分割，以及可應用於機器人導航的3D動態場景重建。兩場會議銜接起來，正好勾勒出一條技術路徑：用更好的視覺模型看懂世界，再轉譯為機器人可執行的低階控制訊號。

### 背景脈絡：跨領域會議為何愈走愈近？

過去機器人圈與電腦視覺圈雖然常有合作，但各自的核心問題並不相同——前者側重控制、運動規劃與硬體實現，後者專注於辨識、追蹤與影像理解。然而，隨著深度學習與強化學習的成熟，以及生成式AI帶來的多模態能力，機器人必須具備即時解讀視覺資訊的能力，電腦視覺研究也需要真實的機器人互動場景來驗證模型的魯棒性。ICRA 2025與CVPR 2025不約而同設立了「具身智能」、「機器人操作中的視覺」、「仿真到現實遷移」等聯合研討會，甚至有許多論文同時投稿兩個會議。更值得注意的是，來自台灣與中國大陸的團隊在這些場域中相當活躍，像是利用擴散策略（Diffusion Policy）進行精細操作的案例，或是以邊緣運算為基礎的即時視覺伺服系統。

### 可能影響：產業落地與台灣供應鏈的機會

這股技術浪潮直接衝擊到機器人產業的產品型態。過去工業機器人依賴離線編程與剛性環境，現在則有更多廠商嘗試導入「視覺引導的隨機取放」、「人機協作的安全偵測」等方案。服務型機器人與家務機器人更是受惠於多模態模型，能夠辨識自然語言指令如「把桌上那個紅色杯子拿給我」並在凌亂環境中完成任務。對台灣產業而言，這波趨勢意味著鏡頭模組、深度感測器、馬達驅動與邊緣AI晶片的需求將更為明確。台廠原本在光學、精密機械與電子製造就具備優勢，若能提早整合開源VLA模型或提供機器人專用的視覺處理單元，有機會在下一代智慧機器人的供應鏈中占據關鍵位置。

### 讀者可關注的後續發展

首先，開源社群與大型模型平台的進展值得追蹤。例如Google DeepMind的RT-2系列、史丹佛大學的ALOHA系統，以及近期中國公司發布的機器人基礎模型，它們是否會在ICRA或CVPR之後釋出預訓練權重或模擬環境，將直接影響中小型團隊的開發門檻。其次，硬體成本下降與感測器精度提升的速度——尤其固態光達與事件式相機的普及——會決定機器人能否真正走出實驗室。最後，台灣本地如台大、交大等學術單位以及工研院，往往會在頂級會議結束後舉辦技術分享會或產學交流，內容涵蓋仿真平台的使用技巧、跨國合作機會等，有心的研發人員與投資人不妨留意相關活動公告。

綜觀從ICRA到CVPR這場為期近兩個月的「學術接力」，可以清楚看到機器人正從「被編程的工具」轉變為「能感知、能推理、能行動的智慧體」。雖然距離通用機器人還有很長的路，但每一個新模型的發表、每一項跨領域的嘗試，都在縮短虛擬與真實的距離。對台灣讀者來說，這不僅是科技新聞，更是產業轉型與生活變革的前奏。