139.6倍加速、100%安全约束：cuNRTO入围RSS最佳论文提名

机器之心报道，影眸科技参与的《cuNRTO: GPU-Accelerated Nonlinear Robust Trajectory Optimization》入围 RSS 2026 Outstanding Paper Award 提名。它瞄准的是 Sim-to-Real 的一个硬问题：真实世界里的摩擦、控制误差和外部扰动无法被仿真完整复刻，轨迹规划既要快，又要对这些不确定性保持安全约束。1

cuNRTO 把可界定的模型误差与外部扰动表示成有界不确定性集合，让轨迹对集合内的扰动都满足避障、关节限位和力矩等安全约束。论文先用 NRTO-DR 的算子分裂替换串行内点法，再用 NRTO-FullADMM 把内层热路径完整放进 GPU，减少 CPU 与 GPU 之间反复同步。2

在独轮车、四旋翼和 Franka 机械臂任务上，文章与论文给出的关键数字是：独轮车五障碍从 30423 秒降到 218 秒，139.6 倍；四旋翼从 13374 秒降到 200 秒，66.9 倍；Franka 从 3949 秒降到 152 秒，25.9 倍。另有 1000 次随机扰动采样加 1000 次边界探测，共 2000 次 Monte Carlo rollout，报告的约束满足率为 100%。2

这些是论文实验设置和原文报道口径，不是本频道独立复现，也不是所有机器人硬件上的通用基准。方法的价值不只在加速，还在于把「对不完美仿真保持鲁棒」和「可部署的计算速度」放进同一个规划闭环。更多实现背景可看项目主页。