文章摘要
机器人领域顶会 RSS 2026 公布论文奖项结果，708 篇投稿录用 210 篇。评选出最佳论文、最佳学生论文、最佳系统论文三项核心奖，另有 5 篇优秀工作进入 Final List。还颁发两项时间检验奖，公布 Early Career Spotlight 入选名单，下届会议将在希腊举办。

机器人领域顶会RSS 2026的论文奖项结果正式公布。作为行业内公认的顶级学术会议，其获奖论文与入围作品一直是观察机器人研究前沿方向的重要窗口，集中反映了当前领域的最新进展与突破方向。

本届RSS共收到708篇有效投稿，最终录用210篇论文，整体接收率仅为29.7%。经过多轮严格评审，共有8篇论文进入最终奖项候选名单，最终评选出三项核心奖项，同时还有多位华人学者与中国团队在本次会议中展现了亮眼的研究成果，包括Early Career Spotlight环节的特邀报告嘉宾，以及入围Final List的多篇优质工作。

最佳论文奖由来自Holiday Robotics、KAIST、KRAFTON、TU Darmstadt、KTH等多家机构的联合团队摘得，共同一作为Holiday Robotics研究科学家Donghu Kim与KAIST硕士生Youngdo Lee。

该团队提出的FlashSAC方案，针对性解决了离策略强化学习应用于高维机器人控制时存在的训练效率低、模型稳定性差的痛点。其核心设计思路包括：大幅减少梯度更新频次，同时同步扩大模型规模、数据吞吐量与经验回放池容量；通过限制权重、特征与梯度的范数，有效抑制价值网络的误差持续累积。

在10种不同模拟器、覆盖60余项任务的对比实验中，FlashSAC的整体性能全面超越PPO与多款主流离策略强化学习基线模型。尤为直观的是，在人形机器人行走的Sim2Real迁移实验中，该方案将原本需要数小时的训练流程压缩至数分钟即可完成。

本届最佳学生论文奖归属题为《Muninn: Your Trajectory Diffusion Model But Faster》的研究，来自伊利诺伊大学厄巴纳-香槟分校、佛罗里达国际大学与普罗维登斯学院的联合团队，第一作者为UIUC博士生Gokul Puthumanaillam，师从Melkior Ornik。

Muninn的核心创新是为轨迹扩散模型加入了无需额外重新训练的缓存复用机制。在每一步去噪计算过程中，模型会先评估复用历史计算结果可能带来的轨迹偏差：当偏差风险处于可控范围时，直接调用已缓存的计算结果；只有当风险较高时，才会重新执行完整计算。

在离线强化学习、运动规划与视觉运动策略等典型任务中，Muninn最高实现了4.6倍的推理加速，同时几乎完整保留了原模型的任务表现与安全指标。团队还在真实机器人的闭环导航与操作任务中完成了该方案的实际验证。

最佳系统论文奖则授予了题为《NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception》的工作，第一作者为MIT CSAIL博士生Zhiyang Dou，其本科毕业于山东大学，硕士阶段就读于香港大学。

该研究针对低成本机械臂普遍存在的痛点：摩擦、回差与温度变化会导致传统电流-力矩对应关系失效，进一步拉大仿真训练结果与真实机器人部署效果的差距。NeuralActuator结合Transformer与可微分仿真技术，能够同时预测执行器力矩、外部接触力、接触概率与电机状态，让机器人在部署时无需搭载专用的力/扭矩传感器即可实现受力感知。

团队还发布了通过双臂遥操作采集的NAD数据集，并在售价从约500美元到3万美元以上的三类不同机械臂平台上完成了方案验证，展示了该系统在动力学建模、无传感器力感知、电机状态检测与模仿学习控制等场景中的实际应用价值。

除了上述三项获奖论文外，另有5篇优秀工作进入了本届RSS的Final List名单，整体含金量十足。据了解，奖项评选流程分为多轮筛选：首先从全部录用论文中筛选出50篇获得至少两位评审与领域主席Strong Accept的候选论文，随后奖项委员会进一步选出23篇半决赛论文，其中16篇获得三个Strong Accept，另外7篇由高级领域主席推荐入选，最终确定8篇Final List论文并在会议期间完成最终奖项评选。

本届Final List的具体作品包括：

  • 来自清华大学智能产业研究院、北京智源人工智能研究院、清华大学交叉信息研究院与北京航空航天大学的《Automated Synthesis of Facial Mechanisms for Conversational Animatronic Robots》，共同第一作者为Zongzheng Zhang与Zi Lin，通讯作者为清华大学赵昊。该工作聚焦对话式仿生机器人的面部机构自动化合成研究。

  • 题为《OAT: Ordered Action Tokenization》的研究，主要由哈佛大学Yilun Du团队与斯坦福大学合作完成，第一作者为目前在斯坦福担任RA的刘晁企，长期从事机器人策略学习与动作表征相关研究。该方案针对性解决了自回归机器人策略中连续动作难以转换为离散Token的问题，将一段连续动作压缩为具备因果顺序的短Token序列，前序Token描述大致动作方向，后续Token逐步补充精细化细节，让机器人可以根据算力与实时性需求灵活平衡推理速度与动作精度。在覆盖4类仿真基准与真实机器人的20余项任务中，采用OAT的自回归策略整体性能超越此前的动作分词方案与扩散策略基线模型。刘晁企介绍，团队近期已推出该工作的扩展版本，除自回归策略外，还加入了knowledge-insulated/token co-training VLA相关优化。

  • 由银河通用参与的《Emerging Extrinsic Dexterity in Cluttered Scenes via Dynamics-aware Policy Learning》，联合完成单位包括中国科学院自动化所、北京智源研究院、Galbot、北京大学与上海交通大学。共同第一作者为郑一新与北京大学博士生吕江燃，吕江燃同时担任项目负责人，通讯作者为银河通用机器人创始人兼CTO、北京大学研究员王鹤博士。该研究提出了动力学感知策略学习框架DAPL：先通过世界模型学习杂乱场景中物体碰撞、滑动与倾倒后的动态变化规律，再利用这些动力学表征指导强化学习训练，让机器人不再局限于直接抓取，而是可以借助周围环境与物体完成推、拨、翻转等“外在灵巧操作”。吕江燃介绍，模型掌握这些操作并非通过复杂的奖励机制 hack，而是通过自主学习涌现出的能力。在未见过的杂乱仿真场景中，DAPL的任务成功率相比抓取、人工遥操作及现有表征学习方法提升超过25%；在10类真实场景中，其成功率约为50%，相关技术已应用于货架杂货整理与取物任务。

  • 题为《cuNRTO: GPU-Accelerated Nonlinear Robust Trajectory Optimization》的研究，共同第一作者为王嘉维与Arshiya Taj Abdul。该方案提出了GPU加速的非线性鲁棒轨迹优化框架cuNRTO，旨在解决机器人在面对模型误差、外部扰动等不确定因素时，如何生成满足安全约束的运动轨迹的核心问题。其核心设计是重新构建了两套适配GPU并行计算的优化架构，利用CUDA加速原本最耗时的二阶锥投影与反馈增益优化步骤，大幅提升了鲁棒轨迹优化的求解效率。第一作者王嘉维目前担任影眸科技合伙人、物理AI事业部负责人，同时在剑桥大学攻读博士。他表示，该工作的重要价值之一是缩小具身智能的Sim2Real Gap——仿真环境无法完全还原真实物理世界，导致仿真训练的策略部署到真实机器人时常受模型误差与环境扰动影响，cuNRTO将这些不确定性建模并纳入鲁棒优化流程，让机器人在规划阶段即可提前考虑最坏场景。过去这类优化在复杂场景中需要数十分钟甚至数小时，而当前已缩短至秒级，团队计划与英伟达合作将其推进至毫秒级，未来还可结合影眸科技的仿真资产，在多样化物理环境中生成训练数据，进一步提升sim-to-real的可靠性。

  • 来自卡内基梅隆大学的《Realizing Robotic Swimming with Unified Fluid-Robot Multiphysics》，第一作者为Jeong Hun Lee，于2026年4月获得CMU机器人学博士学位，师从Zachary Manchester与Carmel Majidi，研究方向集中于流体-机器人交互、动力学建模与水下仿生运动。该工作提出了一套统一且可微分的流体-机器人多物理场仿真框架，将机器人的多刚体动力学与水流的纳维-斯托克斯方程整合到同一个优化问题中求解，能够更精准地模拟机器人身体与周围流体之间的复杂涡流相互作用。借助仿真器提供的梯度信息，团队为六节仿生机器鳗优化出了波浪式游动与鱼类受惊时的C形快速转向动作，并成功将优化结果迁移至真实硬件平台。在高幅度游动实验中，该方案的轨迹误差相比粒子流体基线模型最高降低约75%。

本届RSS还颁发了两项名称相近但归属不同的时间检验奖：

其一为IJRR Test of Time Award，授予了十年前苏黎世联邦理工学院自主系统实验室Roland Siegwart团队发表的经典工作《The EuRoC Micro Aerial Vehicle Datasets》。该论文首次发布了11组标准化微型无人机视觉-惯性数据集，包含同步双目图像、IMU测量数据与高精度位姿真值，覆盖工业环境与动捕实验室等多种场景，包含缓慢飞行、高速运动、弱光与运动模糊等复杂工况。该数据集为视觉惯性定位（VIO）、SLAM与三维重建等研究提供了统一的评测基准，成为过去十余年机器人视觉领域最具影响力的开源数据集之一。

另一项为RSS 2026 Test of Time Award，授予了柏林工业大学机器人学者Raphael Deimel与机器人操作领域学者Oliver Brock，获奖论文为二人2014年发表的《A Novel Type of Compliant, Underactuated Robotic Hand for Dexterous Grasping》。该工作提出了一种高柔顺、欠驱动的拟人机器人手，仅依靠少量驱动器即可实现丰富的抓取姿态，并利用手部与物体接触时的自然机械耦合完成复杂且稳定的灵巧抓取。这款基于软体机器人思路设计的机械手还具备抗冲击、安全耐用、耐灰尘与液体、制造成本低等优势，为后续柔顺机器人手的发展奠定了重要基础。

在RSS正式开幕前，官方还公布了本届Early Career Spotlight（青年学者聚焦奖）的入选名单，该奖项旨在表彰已在机器人领域取得突出成果且具备巨大发展潜力的青年研究者，今年也是该奖项设立的20周年，此前机器人领域的知名学者如Pieter Abbeel与Sergey Levine都曾获此殊荣。

本届四位入选者分别为：香港大学助理教授、源策未来创始人李弘扬；法国Inria Rennes终身研究员Marco Tognon；MIT EECS副教授Pulkit Agrawal；UIUC助理教授Wenzhen Yuan。四位学者在会议现场围绕各自的前沿研究方向进行了主题报告，勾勒出了机器人领域未来几年的重要技术路线：

  • 曾提出端到端自动驾驶奠基性工作UniAD（2023 CVPR最佳论文）的李弘扬教授，分享了团队最新的研究方向——Whole Body Intelligence（全身智能）。他指出，机器人的能力正从导航、操作、运动控制等单项能力，向移动操作等组合能力演进，下一阶段的核心是从Whole-Body Control（WBC，全身控制）迈向Whole-Body Intelligence。二者的核心区别在于：全身控制聚焦平衡、稳定、接触约束等底层控制问题，目标是让机器人完成单个动作；而全身智能则希望机器人能够调动整个身体系统，在复杂环境中完成长时程、多任务的自主决策与协同执行。为此李弘扬团队提出了以大规模预训练为核心的技术架构：底层由行为基础模型学习身体先验与运动约束，中间层负责身体状态感知与动作生成，顶层则由具备语言、记忆与规划能力的“大脑”完成统一调度，希望在不同时间尺度上完成任务编排与持续学习，最终形成完整的全身智能系统。围绕该方向，团队已开展多项探索，包括提出局部移动操作（Loco-Manipulation）框架、构建面向人形机器人的EgoHumanoid第一人称全身数据集、探索基于世界模型的强化学习后训练，以及实现无需外部动作捕捉与定位设备的人形机器人自主乒乓球系统。李弘扬认为，全身智能是一项系统工程，不仅需要模型层面的突破，还需要算法、数据、硬件与评测体系共同推动规模化发展，最终让机器人获得跨任务、跨环境的泛化能力。

  • Wenzhen Yuan的报告围绕“机器人如何理解并利用触觉”展开。她指出，GelSight等光学触觉传感器可以获取接触几何、力与形变等高分辨率信息，但传感器本身只是起点，真正的关键在于如何将触觉数据转化为实际的操作能力。传统力学方法可以支持稳定抓取、线缆穿绕、开门、滑移检测与液体属性识别等任务，但高度依赖人工设计与特定传感器；而数据驱动方法更能适应复杂嘈杂的环境，却受限于触觉数据规模较小、不同传感器之间域差距大等问题。为此团队利用物理仿真生成大量来自不同虚拟传感器的数据，学习与传感器无关的触觉表征，进而实现跨传感器的零样本迁移。她还强调，机器人手指的形状、相机、光源与材料，也应当与感知和操作策略协同设计，也就是说触觉智能并非单纯的传感问题，而是传感、数据、模型与机器人形态共同优化的系统性问题。

  • Marco Tognon聚焦于“空中物理交互”方向，即让无人机不仅具备飞行与拍摄能力，还能够接触环境、搬运与操作物体，完成巡检维护、装配施工等实体任务。他在报告中回顾了无人机从简单接触任务向复杂空中操作的发展历程，并展望了无人机与其他机器人、人类安全协作、共同完成实体工作的未来场景。

  • Pulkit Agrawal认为，当前具身智能领域还缺少两项关键能力：力智能与终身学习。他指出，机器人真正需要掌握的是在不确定环境中，何时、何处、施加多大的力量；同时机器人不应在训练结束后就“冻结”能力，而应当在部署过程中持续从成功与失败案例中学习，不断提升可靠性与环境适应性。

颁奖现场还有一个有趣的小插曲：主持人在宣布获奖名单时，一度误将最终获得最佳论文奖的FlashSAC同时宣布为最佳学生论文，现场一度出现了“一篇论文包揽两项大奖”的乌龙场面，不过工作人员很快发现并完成纠正，虚惊一场。

官方同时透露，下一届RSS会议将在希腊举办。

以上内容不代表本平台立场，仅供读者参考