ARTS 2026｜无人驾驶与移动机器人分论坛：嘉宾阵容 & 报告揭秘

报告摘要：

本报告围绕“从空间智能到机器人”展开，介绍智能机器人在真实物理环境中的感知、建模、理解、决策与交互方法。报告将展示报告人在多源融合定位、三维重建、语义场景理解、多机器人协同探索、Gaussian Splatting SLAM、移动操作和长时序具身任务规划等方面的代表性成果，并展望面向通用物理智能和具身智能机器人的未来研究方向。

报告主题：

报告摘要：

本次报告围绕基于多传感器融合的具身空间智能，系统介绍团队在该领域的相关研究工作。报告首先聚焦多传感器融合三维重建，介绍多个代表性成果，包括全球首个面向固态激光雷达的同步定位与建图系统 Loam-Livox、高效鲁棒的激光—惯性紧耦合里程计 FAST-LIO2、激光—视觉—惯性三模态紧耦合三维辐照图重建框架 R3LIVE，以及实时激光雷达三角网格重建框架 ImMesh，并逐一阐述各系统所解决的核心问题及其关键技术。在此基础上，报告还将介绍团队围绕通用自主多模态集群具身智能开展的研究，主要涵盖多模态融合感知与语义建图、具身智能自主导航、多智能体异构协同三个方向，并展示各方向取得的阶段性实验成果。

报告主题：

报告摘要：

报告围绕三维数据驱动的具身感知与交互，介绍如何利用人类先验与多源数据提升机器人的运动控制、操作迁移和空间交互能力。首先回顾三维数字人数据集与多模态采集系统，阐述面向人形机器人的物理保真动作数据生成和神经动作重映射方法，以及其在全身控制和真实机器人部署中的效果。随后讨论以第一视角交互视频构建三维手物数据、恢复操作意图与物理反馈，并通过接触一致的人手交互重建和接触保持的动作迁移，将人类演示转化为机器人可执行技能。

报告主题：

报告摘要：

视觉-语言-动作（VLA）和世界模型是端到端自动驾驶领域的两大主流技术路线。本报告主要汇报团队在统一视觉-语言-动作模型和世界模型（VLA-World）以进一步提升自动驾驶性能方面的工作。首先，通过预训练实现轨迹控制未来帧生成的世界模型，再设计VLA的感知-生成-思考-规划的监督微调方式，最后利用强化学习优化VLA模块。VLA世界模型框架简洁高效，大量实验表明，显著优于当前领先的VLA模型以及世界模型自动驾驶方法。

报告主题：

报告摘要：

无人机（UAV）技术已取得显著进展，但在复杂、非结构化环境中实现媲美甚至超越人类的敏捷飞行，仍是一项重大挑战。本报告将聚焦自主空中机器人前沿，重点阐述如何通过感知、规划与学习的深度融合，突破无人机的物理与计算极限。报告将深入介绍基于激光雷达的敏捷飞行研究，包括面向密集障碍物环境的高速、安全导航前沿框架，并探讨如何将单机能力拓展至无人机集群，实现多智能体间去中心化的弹性协同与复杂任务执行。随后，报告将分享报告人在无人机真实世界强化学习方面的最新进展：通过跨越“仿真到现实”的鸿沟，将基于学习的策略直接部署于物理平台，使无人机具备动态适应现实不确定性的能力。本报告将提供一个全面视角，阐述敏捷飞行、集群智能与数据驱动学习的深度融合如何塑造未来高性能自主机器人。

报告主题：

报告摘要：

受限移动机器人的高效运动规划与控制在广泛的应用中至关重要。近年来，基于引导向量场的方法因其结构直观、计算效率高以及很好的实际应用效果而受到越来越多的关注。在本次报告中，我将介绍利用引导向量场解决移动机器人在运动学约束下进行运动规划与控制的最新进展，包括轨迹曲率约束和时间约束。由于传统的引导向量场方法通常不会显式考虑此类约束，因此这一问题具有挑战性。报告的第一部分将聚焦于同步到达控制问题。尽管同步到达本身已是一项复杂任务，但在多机器人系统中，当机器人同时受到轨迹曲率约束、恒速要求以及速度异构等因素影响时，该问题将更加复杂。此外，还需要在有限通信条件下实现分布式实时控制，这进一步增加了问题的难度。报告的第二部分将进一步讨论时间约束下的运动规划问题，将介绍一种由有限时间曲率约束向量场（FT-C2VF）和无饱和控制律组成的运动控制理论框架。