1/3

RSS 2026 三项最佳论文:从 FlashSAC 到 NeuralActuator

RSS 2026 从 708 篇投稿中选出 8 篇 Final List 论文,三项最佳论文覆盖机器人控制、轨迹扩散加速和执行器感知。

RSS 2026 共收到 708 篇投稿,录用 210 篇,接收率 29.7%。最终 8 篇进入 Final List,三项最佳论文奖分别落在控制、轨迹生成和机器人系统方向。
  • 最佳论文 FlashSAC:面向高维机器人控制的离策略强化学习方法。原文称其在 10 种模拟器、60 余项任务中超过多种基线,并在双足机器人 Sim2Real 实验中把训练时间从小时级压到分钟级。
  • 最佳学生论文 Muninn:给轨迹扩散模型加入无需重新训练的缓存机制,原文称最高加速 4.6 倍,并在真实机器人闭环导航和操作任务中验证。
  • 最佳系统论文 NeuralActuator:用 Transformer 和可微分仿真同时估计执行器力矩、外部接触力、接触概率与电机状态,目标是在不配置专门力/扭矩传感器的情况下完成受力感知。
这些数字和结论来自量子位对 RSS 现场与论文信息的转述,不等同于本帖的独立复现。

関連コンテンツ

コメント

ログインするとコメントできます。