剛剛，機器人頂會RSS三項最佳論文出爐！708篇送審，僅8篇殺入決賽

據量子位報導，機器人領域頂級學術會議RSS 2026論文獎項於近日正式揭曉。作為機器人研究風向標的RSS，今年共收到708篇投稿，最終錄用210篇，接收率僅29.7%，競爭相當激烈。經過層層篩選，僅8篇論文進入最終決賽名單，並從中誕生了三項最佳論文獎，其中華人團隊與學者表現亮眼。最佳論文獎由FlashSAC拿下，該研究來自韓國Holiday Robotics、KAIST、KRAFTON與德國TU Darmstadt等機構的聯合團隊。

FlashSAC核心針對離線策略強化學習在高維機器人控制中訓練緩慢且容易不穩定的問題，提出減少梯度更新次數，同時擴大模型規模、數據吞吐量和經驗池，並透過限制權重與梯度範數來抑制價值網絡誤差累積。在60餘項模擬任務中，FlashSAC整體表現超越PPO等多種基線，尤其在人形機器人行走的Sim2Real實驗中，將訓練時間從數小時壓縮到數分鐘。最佳學生論文獎則由Muninn獲得，這項工作來自伊利諾伊大學厄巴納香檳分校等機構。Muninn為軌跡擴散模型設計了一套無需重新訓練的緩存機制，在每一步去噪時估算複用過往計算結果可能帶來的偏差，風險小時直接調用快速生成，風險大時再重新計算。

在離線強化學習、運動規劃與視覺運動策略等任務中，Muninn實現最高4.6倍加速，同時基本維持原有任務表現，並已在真實機器人的導航與操作任務中得到驗證。最佳系統論文獎授予NeuralActuator，由MIT博士生Zhiyang Dou擔任第一作者。該研究瞄準低成本機械臂因摩擦、回差和溫度變化導致傳統電流與力矩關係失準的問題，利用Transformer和可微分仿真，同時預測執行器力矩、外部接觸力、接觸概率與電機狀態，讓機器人在部署時無需額外力或扭矩傳感器就能感知受力。團隊在價格從約500美元到3萬美元以上的三類機械臂上完成驗證，並展示了其在動力學建模、無傳感器力感知與模仿學習控制中的應用。

除了三項獲獎論文，進入最終決賽名單的其餘五篇論文同樣極具含金量。清華大學智能產業研究院與北京航空航天大學等團隊合作，提出自動合成仿生機器人面部機構的方法，讓聊天機器人擁有更自然的表達。哈佛大學與史丹佛大學團隊提出的OAT，將連續動作壓縮為具有因果順序的短Token序列，使機器人可根據算力需求在推理速度與動作精度間靈活取捨，在20餘項任務中整體超越先前方案。銀河通用機器人參與的DAPL框架，先通過世界模型學習雜亂場景物體碰撞與滑動的動態變化，再指導強化學習，使機器人不再只依賴直接抓取，而是能借助環境物體完成推、撥、翻轉等靈巧操作，在仿真與真實場景中成功率顯著提升。

影眸科技與劍橋大學團隊合作的cuNRTO，利用GPU加速重新設計魯棒軌跡優化架構，將過去需數十分鐘甚至數小時的求解過程縮短至秒級，並計劃進一步推向毫秒級。卡內基梅隆大學團隊則通過統一可微分流體與多物理場仿真框架，將機器人多剛體動力學與水流納維斯托克斯方程融入同一優化問題，成功為六節仿生機器鰻優化出波浪式游動與C形轉向動作，並遷移至真實硬體，在高幅度游動中將軌跡誤差最高降低約75%。時間檢驗獎項方面，IJRR與RSS分別表彰了兩項經典工作。IJRR時間檢驗獎頒給蘇黎世聯邦理工學院團隊提出的EuRoC微型無人機數據集，該數據集包含11組標準化視覺慣性數據，為VIO與SLAM領域提供統一基準。

RSS時間檢驗獎則授予柏林工業大學學者於2014年發表的高柔順欠驅動擬人機器人手設計，該研究證明少量驅動器即能完成豐富抓取姿態，為軟體機器人與柔順抓取奠定基礎。今年的Early Career Spotlight環節適逢20週年，四位青年學者帶來前沿報告。香港大學李弘揚教授從全身控制邁向全身智能，提出以大規模預訓練為核心的技術架構，涵蓋行為基礎模型、全身感知與大腦級調度，目標是實現長時程多任務自主決策。UIUC助理教授溫真元聚焦觸覺智能，指出光學觸覺傳感器只是起點，真正的關鍵在於將觸覺轉化為操作能力，團隊正透過物理仿真學習跨傳感器通用觸覺表徵，並強調手指形狀、相機與材料必須與感知策略協同設計。

Inria Rennes研究員Marco Tognon探討空中物理交互，讓無人機不只是飛行拍攝，還能接觸、搬運與操作物體。MIT副教授Pulkit Agrawal則指出具身智能當前缺的兩項關鍵能力：力智能與終身學習，機器人必須理解在不確定環境中何時、何地施加多大的力，並在部署後持續從成敗中學習。頒獎現場出現一個小插曲，主持人一度誤將最佳論文FlashSAC同時宣佈為最佳學生論文，彷彿出現「一篇論文包攬兩項大獎」的名場面，但工作人員隨即更正。會議尾聲也預告了下一屆RSS將在希臘舉行，為本次盛會畫下圓滿句點。