ADL173期《具身智能机器人》开启报名

本期ADL主题《具身智能机器人》，由中国科学院大学特聘教授，具身智能计算北京市重点实验室主任蒋树强、北京大学研究员仉尚航担任学术主任，邀请到范晓鹏（长聘教授，哈尔滨工业大学），刘偲（教授，北京航空航天大学），常晓军（讲席教授，中国科学技术大学），黄岩（研究员，中国科学院自动化研究所），王忠源（高级讲师，智身科技），于超（特聘研究员，清华大学）宋新航（副研究员，中国科学院计算技术研究所），刘航欣（助理教授，北京大学）等9位专家做专题讲座。

讲者简介：黄岩，中科院自动化所研究员，博导，国家优秀青年科学基金获得者。研究方向为多模态具身导航与操作，在相关领域的国内外期刊和会议上发表论文共计100余篇，谷歌引用1.3万余次，曾获国内外学术会议最佳论文奖3项、国际主流竞赛冠军7项。担任IEEE TIP编委、CVPR/ICCV/AAAI/WACV领域主席、CVPR/ICCV上3次多模态主题研讨会的共同组织主席。曾获得北京市自然科学一等奖、中国图象图形学学会青年科学家奖、中国科学院院长特别奖、NVIDIA创新研究奖等。

报告题目：具身世界模型研究进展与统一框架

报告摘要：在当前具身智能研究领域，各式各样的具身大模型层出不穷。虽然它们展现出很强的发展潜力，但是对于大规模标注数据的需求量比较高，现实场景难以满足。世界模型能够利用大规模无标注视频数据进行预训练，从而有效降低模型对具身数据的需求量。本报告将在概述当前具身世界模型发展现状的基础上，重点关注如何从预训练知识复用和物理模拟器的角度，降低具身大模型对于标注数据量的依赖性、提升动作执行的可靠性，并简要介绍课题组在的具身世界模型统一架构方向的研究进展及应用情况。

讲者简介：范晓鹏，哈尔滨工业大学二级教授、长江学者、智能接口与人机交互研究中心主任、苏州研究院数字孪生与具身智能团队负责人，中国人工智能学会教育工作委员会副主任。牵头制定全景交互标准体系并立项工信部行业标准10余项，作为副主编制定了IEEE1857国际标准。发表CCF-A类及IEEE期刊论文100余篇，牵头主持国家重点研发计划项目、国自然重点项目等，培养的博士生获批国自然青年学生项目。

报告题目：具身智能的模型、数据与算法前沿技术简介与应用展望

报告摘要：具身智能是人工智能领域的前沿方向，致力于构建能与物理世界实时交互、自主学习的智能体。本次报告将围绕具身智能的核心技术展开，探讨基于大模型的感知与决策方法，基于世界模型的环境理解和长期推理，模仿学习、强化学习等算法的特点与不足，以及基于自由探索的无任务学习算法。同时，将分析高质量数据生成与采集的关键挑战，以及数字孪生仿真环境在训练与验证中的重要作用。最后，展望具身智能在智能制造、消防救援等领域的应用潜力，并讨论未来研究的开放性问题。

讲者简介：刘偲，北京航空航天大学人工智能学院教授、副院长，国家级领军人才，中国图象图形学学会理事、副秘书长。主持国家自然科学基金优青项目、企业创新发展联合基金重点支持项目等多个项目，担任科技创新2030-重大项目课题负责人。曾获中国图象图形学学会自然科学奖一等奖（1/5）、国家科技进步二等奖、国防技术发明一等奖。主要从事具身智能与多模态内容理解的研究工作，发表CCF-A类论文100余篇，Google Scholar引用2万余次。多次担任ICCV、CVPR、ECCV、ACM MM、NeurIPS等国际顶级会议领域主席（AC），担任IEEE T-PAMI、T-MM、IEEE T-CSVT、CVIU编委（AE）。

报告题目：空天具身智能

报告摘要：随着低空经济、商业航天与具身智能加速发展，无人机、卫星及空间机器人正成为培育新质生产力的重要载体。智能感知、多模态大模型、自主规划与闭环控制等关键技术，赋予智能体理解复杂环境、分解任务并自主执行的能力，持续拓展空天设备的智能化边界。本报告面向低空空域、近地空间及地月空间等典型场景，系统介绍空天具身智能的技术进展与实践探索。从数据基座、模型构建、模型训练及真机部署、评测等方面阐述通用具身智能的技术基础；随后聚焦低空具身智能，介绍大模型驱动的多功能无人机智能体，以及手势控制、目标跟踪、具身问答、短距离细粒度导航、全局地图引导和在线对话增强的长距离规划导航等关键技术；最后面向航天场景，探讨卫星星座仿真、任务规划与姿态调整，以及在轨服务和太空制造等方向，为构建具备环境感知、任务理解、自主决策与闭环执行能力的空天智能系统提供新的技术路径。

讲者简介：常晓军，中国科学技术大学讲席教授，国家级高层次人才，中国科学院海外引进杰出人才，民盟盟员，澳大利亚研究理事会青年研究奖获得者。主要从事具身智能、多模态大模型及类脑多模态大模型等方面的研究。主持包括国家自然基金区域联合基金，科技部新一代人工智能重大专项等在内的国家级科研项目十余项。相关科研成果发表在IEEE Transactions on Pattern Analysis and Machine Intelligence（T-PAMI）、International Journal of Computer Vision（IJCV）等国际顶级期刊以及CCF A类会议上共计150多篇，Google Scholar引用次数超过2万次，其中21篇论文入选ESI高被引/热点论文。2019年至2024年连续入选科睿唯安高被引科学家，入选爱思唯尔2024“中国高被引学者”榜单。担任IEEE TCSVT、IEEE TNNLS、ACM TOMM等国际顶级期刊的副主编，并在多个CCF A类国际会议中担任领域主席（Area Chair），积极参与国际学术社区建设与服务。

报告题目：具身多模态大模型：对齐机制、世界建模与开放世界泛化

报告摘要：多模态大模型正在从“静态内容理解生成”迈向“动态物理世界认知交互”，具身多模态大模型已成为通用人工智能的核心基座。不同于传统纯视觉、纯文本多模态模型，具身大模型融合视觉、语言、时序状态、动作指令多维信息，通过物理世界建模、跨模态时空对齐、环境动态推演，实现智能体对物理场景的感知、理解、预测与决策统一。本讲习班聚焦具身多模态大模型前沿基础理论，系统讲解多模态时空对齐范式、世界模型建模机理、具身序列预训练、开放世界自适应泛化、模态噪声鲁棒学习、轻量化具身推理等核心关键技术。深入剖析静态多模态模型与具身动态模型的本质差异、当前技术瓶颈与前沿迭代趋势，梳理VLA（视觉-语言-行动）统一建模框架的技术体系。课程专注基础模型理论与前沿算法体系，旨在帮助青年科研人员建立系统的具身多模态大模型知识架构，精准把握通用具身智能模型的前沿研究方向与核心科学问题。

讲者简介：王忠源，智身科技科教生态部高级讲师。曾任大疆行业解决方案工程师、大疆慧飞无人机应用技术培训中心（UTC）总部教员。主导项目覆盖电力、光伏、油气、煤矿、安防、测绘等行业。主编《无人机操作应用技术》等1+X职业技能等级证书系列教材、大疆行业无人机变电应用白皮书及多部慧飞内部教材，参编《架空电力线路无人机巡检》（中国电力出版社），参与起草《无人机操作应用职业技能等级标准》。

报告题目：行业应用场景下的具身智能技术拆解

报告摘要：具身智能正加速从实验室走向行业一线，变电站/储能站电力巡检、园区安防巡逻等场景已成为四足机器人规模化落地的先导领域。本报告从实际作业流程出发，将巡检巡逻拆解为多个环节，逐一对应背后的运动控制、视觉识别、自主决策等具身核心技术，并分析各环节的技术难点。

讲者简介：于超，清华大学深圳国际研究生院助理教授（特聘研究员），入选中国电子学会青年托举计划。长期从事强化学习与机器人方向研究。累计以一作、通讯作者身份发表学术论文 60 余篇，谷歌学术引用 7500 余次。在多智能体强化学习领域，以第一作者身份发表的 MAPPO 算法（NeurIPS 2022）谷歌学术引用4k次，并被国内外名校纳入课程；以通讯作者在ICML 2024 发表的大模型强化学习训练算法的研究 （Oral, top 1.5%），与 OpenAI、Anthropic 等顶尖学术机构同场汇报；近期开发了首个面向具身智能的大规模强化学习框架 RLinf，GitHub开源 获 4300+ Star，600+ Fork被英伟达IsaacLab 官方收录为首个具身大模型训练引擎，入选Pytorch Ecosystem，并被多家顶尖企业与研究机构广泛采用。于超曾获清华大学优秀博士毕业生、清华大学优秀博士论文奖、中国智能体与多智能体系统优秀博士论文提名奖等荣誉。博士后期间入选清华大学“水木学者”计划；主持国自然青基及博士后基金特别资助项目、面上项目。

报告题目：行业应用场景下的具身智能技术拆解

报告摘要：具身智能正在从依赖大规模预训练模型的能力获取阶段，迈向能够在真实世界中持续学习、自主执行和不断进化的智能体系统。然而，物理世界中的开放环境、长尾任务和复杂交互过程，对现有机器人学习范式提出了新的挑战：一方面，强化学习为机器人通过环境交互获得经验、提升泛化能力提供了重要路径，但仍面临真实机器人训练成本高、数据效率低以及规模化部署困难等问题；另一方面，当前视觉语言动作模型（Vision-Language-Action, VLA）虽然具备强大的语义理解与任务执行能力，但在开放环境中的任务泛化、长期规划和灵活组合能力仍然有限，需要新的智能体化框架进一步释放其潜力。本报告将围绕“具身智能强化学习训练与智能体化基础设施探索”展开。首先介绍面向具身基础模型的大规模强化学习训练基础设施，通过仿真与现实协同训练、异构资源调度以及真实机器人在线学习，探索机器人策略持续优化与规模化进化的方法。随后介绍面向 VLA 模型的智能体化基础设施，通过引入任务规划、记忆管理、技能抽象与可组合执行机制，将 VLA 从单一的端到端策略转变为可被调度、组合和持续增强的智能执行模块。最后，展望从“训练更强模型”走向“构建持续进化智能体”的未来方向，探索强化学习训练基础设施与智能体化架构共同推动具身智能发展的新范式。

讲者简介：宋新航，中国科学院计算技术研究所，副研，博导。人工智能学会具身智能专委会副秘书长。2017年博士毕业于中国科学院大学，曾获2017中科院院长特别奖，2019中国图象图形学学会优博，也曾获2022北京市杰青、2017博新计划支持。主要研究方向为多模态场景理解与视觉导航，曾在Nature Communications, 以及IEEE TPAMI, TIP, TMM, CVPR, ICCV, NeurIPS等ACM/IEEE汇刊与CCF-A类会议发表论文40余篇。曾获2020中国图象图形学学会自然科学二等奖、2021北京市科技进步二等奖，也曾获CVPR21、CVPR25视觉导航竞赛冠军。

报告题目：开放环境具身导航

报告摘要：具身导航任务要求智能体在未知环境中找到给定的目标。近年来，具身导航技术在服务、家庭、仓储物流与助老助残等领域加速应用，得益于多模态感知、具身交互、深度学习等技术突破，具身导航能力显著提升，但真实开发环境的泛化性仍是核心挑战。传统方法一般对于更开放环境导航成功率和导航效率都难以保障。面向开放场景视觉导航中环境未知难泛化、环境尺度大难探索、环境复杂难通行等问题，本报告将围绕数据与场景知识双轮驱动的具身导航模型，报告场景知识图的构建与在线更新技术、具身回合记忆与检索增强推理技术、复杂场景中交互试错等导航技术，通过结构化记录历史观测、导航轨迹与行为反馈，形成可持续更新的具身经验库，并结合多模态大模型推理实现经验检索、目标推断与策略调整，有效缓解在复杂开放环境下具身导航的泛化难、探索与规划效率低等问题，在多个仿真场景下的导航任务中都验证了方法的有效性，并搭建了真实验证环境，在多套机器人系统上验证了方法的在真实世界中的有效性。

讲者简介：刘航欣，北京大学智能学院助理教授。本科毕业于美国弗吉尼亚理工大学，后于加州大学洛杉矶分校获得机械工程硕士和计算机科学博士学位。曾任北京通用人工智能研究院研究员、机器人实验室主任。主要研究方向为智能机器人感知、认知与学习方法，机器人本体设计与人机交互。在 Science Robotics和Nature Machine Intelligence发表论文3篇，并在 TPAMI、TRO、IJCV 、ICRA、IROS等期刊和会议发表论文60余篇，曾获2019年ACM中国图灵大会最佳论文奖和2023年IROS移动操作方向最佳论文提名。

报告题目：具身移动操作：规划与学习

报告摘要：本报告介绍了一种基于虚拟运动链条（Virtual Kinematic Chain, VKC）的机器人建模方法。该方法将机器人的移动底座、机械臂以及被操作物体统一建模为一个整体系统，并结合轨迹优化，有效提升了机器人在复杂环境中的动作协调性与灵活性。该建模框架不仅在多步骤复杂移动操作任务中展现出更强的移动操作能力，还支持大规模、高质量的数据生成，为面向移动操作任务的扩散模型（Diffusion Model）训练提供了有力支持。此外，报告还将介绍基于触觉数据手套的人类示教数据采集与机器人操作技能学习方法，探讨规划与控制方法与基于学习的具身智能方法之间的联系、差异及各自优势，为未来具身智能机器人系统的发展提供新的思路。

讲者简介：仉尚航，北京大学计算机学院研究员，致力于具身智能多模态大模型方向研究，荣获世界人工智能顶级会议AAAI最佳论文奖、ICRA最佳论文提名，谷歌学术引用逾3.2万余次。由Springer Nature出版《Deep Reinforcement Learning》，入选中国作者年度高影响力研究精选。曾获ICCV持续学习国际竞赛第一名、世界人形机器人运动会最佳互动奖、中关村仿生机器人大赛优胜奖，中国图象图形学学会石青云女科学家奖、教育部华为智能基座奖等奖项。入选美国“EECS Rising Star”、全球AI华人女性青年学者榜、工信部人形机器人标准化技术委员会委员、AI100青年先锋、全球前2%顶尖科学家榜单。

报告题目：开放世界具身智能多模态大模型

报告摘要：具身多模态大模型引领了人工智能与机器人融合研究的新范式，而现实世界中的具身智能体往往面对开放环境中跨本体、跨场景、跨任务等泛化性挑战，如何以具身大模型为基础让机器人像人一样运动和思考成为关键难题。本次报告将介绍一系列关于具身多模态大模型的研究工作，包括具身大脑大模型、具身智能端到端视觉-语言-动作大模型、具身世界模型，并最终介绍从一体化到自进化的技术路径。