刚刚，机器人顶会RSS三项最佳论文出炉！708篇送审，仅8篇杀入决赛

刚刚，机器人顶会RSS三项最佳论文出炉！708篇送审，仅8篇杀入决赛

依旧是最多的华人面孔

henry 听雨 发自 悉尼

量子位 | 公众号 QbitAI

刚刚，机器人顶会RSS 2026论文奖项出炉！

作为机器人领域公认最具学术影响力的国际会议之一，RSS（Robotics: Science and Systems）的获奖论文，一直被视为观察机器人研究风向的一扇窗口，代表了这个领域的最新阶段进展。

今年，RSS共收到708篇投稿，最终录用210篇，接收率仅29.7%。

8篇论文进入最终名单后，三项最佳论文奖揭晓，其中来自韩国团队的FlashSAC拿下最佳论文。

其余Final List中，清华AIR、银河通用、影眸科技等中国团队和华人研究者也有亮眼表现。

此前备受关注的Early Career Spotlight环节，李弘扬、Wenzhen Yuan等华人学者同样登场给出了精彩的报告。

话不多说，我们直接来看。

三项论文大奖出炉

最佳论文：FlashSAC

最佳论文奖颁给了来自Holiday Robotics、KAIST、KRAFTON、TU Darmstadt、KTH 等机构的联合团队。

共同一作为Holiday Robotics研究科学家Donghu Kim与KAIST 硕士生Youngdo Lee。

他们提出的FlashSAC，试图解决离策略强化学习用于高维机器人控制时训练慢、容易不稳定的问题。

它的核心思路，是减少梯度更新次数，同时扩大模型规模、数据吞吐量和经验池，并通过限制权重、特征与梯度范数，抑制价值网络误差持续累积。

在10种模拟器、60余项任务中，FlashSAC整体超过PPO及多种离策略基线。

更直观的是，在人形机器人行走的Sim2Real实验中，它把训练时间从数小时压缩到了数分钟。

最佳学生论文：Muninn

今年RSS的最佳学生论文颁给了Muninn: Your Trajectory Diffusion Model But Faster。

这项工作来自伊利诺伊大学厄巴纳-香槟分校、佛罗里达国际大学和普罗维登斯学院的联合团队。

第一作者Gokul Puthumanaillam是UIUC博士生，师从Melkior Ornik。

Muninn为轨迹扩散模型加入了一套无需重新训练的缓存机制。

在每一步去噪时，它都会估计复用此前计算结果可能带来的轨迹偏差：风险较小时，直接调用缓存；风险较大时，再重新计算。

在离线强化学习、运动规划和视觉运动策略等任务中，Muninn最高实现4.6倍加速，同时基本保持原有的任务表现和安全指标。

团队还在真实机器人的闭环导航和操作任务中验证了这套方法。

最佳系统论文：NeuralActuator

最佳系统论文奖颁给了NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception。

第一作者Zhiyang Dou是MIT CSAIL博士生，此前曾在香港大学攻读硕士、本科毕业于山东大学。

这项工作瞄准低成本机械臂的一个关键问题：摩擦、回差和温度变化会让传统的电流—力矩关系失准，进而扩大仿真与真机之间的差距。

NeuralActuator利用Transformer和可微分仿真，同时预测执行器力矩、外部接触力、接触概率和电机状态，让机器人在部署时无需专门的力/扭矩传感器，也能感知受力。

团队还发布了双臂遥操作采集的NAD数据集，并在价格从约500美元到3万美元以上的三类机械臂上完成验证。

实验展示了其在动力学建模、无传感器力感知、电机状态检测和模仿学习控制中的应用。

8篇论文杀入Final List

除了最终获奖的三篇论文，今年还有5篇工作进入了最终决赛名单（Final List）。

有一说一，今年的Final List相当有含金量。

据称，大会会先从全部录用论文中筛出50篇候选论文。这些论文均获得评审人和领域主席（AC）给出的至少两个Strong Accept。

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（SAC）推荐产生。

最终，8篇论文进入Final List，并在会议期间评选出最佳论文、最佳学生论文和最佳系统论文。