宇树机器人打拳打到美国，机器人顶会ICRA变身“赛博游乐园”

谈及大会参展的人形机器人，有参会学者对搜狐科技表示，“会上超过一半的展商都是中国企业，虽然很像组团来美国秀肌肉，但作为中国人还是比较自豪的。”

除了宇树G1现场表演打拳外，前不久获得机器人马拉松亚军的松延动力小顽童N2也来到现场表演了连续翻跟头等技能，获得一众好评。星尘智能的机器人Astribot S1还在展位现场陪观众一起“整活”，除了抓取精细物体外还表演起了“颠勺”，现场制作吐司。

前不久亮相2025年搜狐科技年度论坛的加速进化机器人T1，更是在ICRA现场表演起“要饭”式送传单，在会场内搬着一箱传单挨家挨户刷脸。

最后一天闭幕时，ICRA更是举办了机器人“游行”，有网友戏称现场为“赛博游乐园”。

通过官方视频我们看到，几乎所有参展机器人都齐聚在一起各显神通，场面热闹非凡。除了我们熟悉的中国机器人宇树G1、加速进化T1、逐际动力TRON 1、傅立叶GR-2外，波士顿动力机器狗Spot、法国机器人Mirokai也来组团炸场。

此次会议汇聚了各大展商和研究团队的最新成果，为全球学者与产业人士提供了一个直观、动态的机器人“实物秀场”。

如果说机器人是自动化的“最后一公里”，那么灵巧手则是机器人的“最后一厘米”。在2025 ICRA的会场上，灵巧手的能力也成为学术界关注的重点之一。

帝国理工学院教授Edward Johns表示，几年前在ICRA会场上，能够用腿行走的人形机器人还是新鲜事物，而今年已经是属于“手”的一年。

据搜狐科技不完全统计，本次大会共有20款以上灵巧手产品的展示，最让人惊喜的莫过于新加坡的初创团队Sharpa带来的一款和人手大小相当且具有22个自由度的栩栩如生的机器人手，每个指尖拥有1000多个触觉传感像素以及0.005N的压力灵敏度并且能够通过AI模型调整手的抓握并调节力度。

在展示期间，Sharpa的展位被大量学者包围，乔治亚理工学院博士生Dennis更是对搜狐科技表示，这是他今年在ICRA看到的最亮眼的产品。

目前来看，低自由度的手主要采用直线驱动配合手指连杆的方式，能够在特定的工业场景下完成任务，比如因时、傲意等公司都有比较成熟的产品。而高自由度的手目前市场中的产品主要分为并行连杆式和关节直驱式，两种方式各有利弊。

并列连杆能在实现三自由度的同时拟合远端指尖屈曲，但动态性能经常存在劣势，当几乎所有电机集成在手掌内发热也成为不可忽视的问题。关节直驱的实现难度相比并行连杆要难得多但灵活性与传动效率都更高。

从Sharpa引发大量关注来看，在未来高精度、高集成度、视触觉融合将是赢得下一代灵巧手竞争的关键。

最佳论文花落谁家？

随着具身智能大火，ICRA的录取难度也水涨船高。据官方数据表示，2025 ICRA共收到来自63个国家或地区的4153篇论文，其中1606篇被大会收录，录取率为38.67%，较往年45%左右录取率有一定幅度下跌。

今年，ICRA共公布了10个机器人方向的10篇最佳论文同时还公布了4篇最佳学生论文以及两篇最佳会议论文。

搜狐科技整理了此次大会中各个方向的最佳论文：

会议最佳论文：

1. 多伦多大学等发布的Marginalizing and Conditioning Gaussians Onto Linear Approximations of Smooth Manifolds with Applications in Robotics

论文给出对高斯分布进行边缘化和条件化到线性流形上的闭式表达式，并展示如何将这些表达式应用于对非线性流形进行线性化。本文通过三个应用展示了这些表达式的效用：1）投影正态分布，随着问题非线性程度的增加，线性近似的质量也会提高；2）科普曼（Koopman）同时定位与地图构建（SLAM），展示了在真实世界数据集上，协方差收缩问题会随着非线性程度的增加而减轻；3）约束广义时间同步与空间感知（GTSAM），展示了在模拟中协方差收缩是一致的。

2. MAC-VO: Metrics-Aware Covariance for Learning-Based Stereo Visual Odometry

该论文由卡内基梅隆大学等发布，同时也获得ICRA2025机器人感知最佳论文。本文提出了MAC-VO，一种基于学习的立体视觉里程计（VO）方法，其性能优于视觉里程计，甚至在具有挑战性的数据集上超越了同时定位与地图构建（SLAM）算法。

机器学习最佳论文：Robo-DM: Data Management for Large Robot Datasets

想让机器人学会各种技能，那就需要海量视频、传感器等数据，但这些数据存储又大又乱，很难管理。加州伯克利大学与谷歌DeepMind等发布的论文设计了一种新的“打包”格式，提出基于 EBML 的统一格式与云端工具包，能够实现对视频、文本、传感流等多模态轨迹数据的高效存储（有损压缩下节省体积达 70×、无损达 3.5×）。也就是说能够把所有不同类型的数据都装进一个容器里，还能在云端快速压缩、解压和按需读取，在节省储存成本的同时能够让机器人训练时加载数据变得更快，让机器人学习变得更快更稳。

场景与服务机器人最佳论文：PolyTouch: A Robust Multi-Modal Tactile Sensor for Contact-Rich Manipulation Using Tactile-Diffusion Policies

该论文由麻省理工发布，论文设计了集成视觉触觉（微型相机）、声学触觉与外围视觉于一体的机器人指尖传感器，能够实现高分辨率、多时间尺度触觉反馈。通过人示范数据训练的“触觉扩散”控制策略，在多项接触感知操作中较纯视觉或本体控制策略提升了寿命与鲁棒性，并大幅提升接触精准度。

简单来说，就是给机器人手指装上一个“小模块”，这个模块里面有微型摄像头、声音传感器、甚至外部摄像头，让它“看”到和“听”到手指与物体接触时的细微变化，它还能把这些信息喂给一个专门的 AI 控制器。这样一来就能够让机器人在抓取脆弱或不规则物体时更稳、更准。

人机交互最佳论文：Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition

该论文由上海交通大学人工智能学院卢策吾团队和伊利诺伊大学香槟分校（UIUC）联合发布。

在机器人操作领域，如何高效地让机器人从人类示范中学习技能一直是研究的核心挑战。卢策吾教授公开分享了该论文的思路：

我们吸收继承了传统的shared autonomy 的思想，将数据采集和模型训练两个过程深度耦合，使得数据采集能够伴随着模型训练的推进，我们提出的Human-Agent Joint Learning（HAJL）框架通过创新“人-智能体联合学习”范式，应对机器人操作技能学习中高质量数据获取成本高、效率低的核心难题，与传统方法相比，数据收集成功率提高了30%，收集速度几乎翻倍，同时减少人类操作员的适应需求。可扩展的具身数采和大规模训练奠定了基础。

机械与设计最佳论文：Individual and Collective Behaviors in Soft Robot Worms Inspired by Living Worm Blobs

该论文由哈佛大学发布，为研究软体机器人如何自组装、协同工作提供了有趣模型。当把一群柔软的蠕虫状机器人捆在一起，当它们相互缠绕，就会出现新的“集体”运动方式，比如合力推动、更灵活转向，论文模拟了自然界中虫群的联动，为搜救、管道检查等需要柔软又能变形的场景提供了机器人落地的可能。

规划与控制最佳论文：No Plan but Everything under Control: Robustly Solving Sequential Tasks with Dynamically Composed Gradient Descent

论文由柏林工业大学发布，提出“在线动作掩码学习”机制：在强化学习训练中同步优化动作掩码网络，无需手工规则即可屏蔽不合法动作，实现对序列任务的连续反馈驱动求解。

机器人感知最佳论文：MAC-VO: Metrics-Aware Covariance for Learning-Based Stereo Visual Odometry

该论文由卡内基梅隆大学等发布，论文引入基于学习的度量感知协方差模型，将不确定性纳入立体视觉里程计，利用该模型优化位姿估计与回环校正。在多种数据集（VBR、EuRoC、TartanAir）与真实飞行实验中，精度与鲁棒性均优于传统与深度 VO/SLAM 系统。

机器人操控与运动最佳论文：D(R, O) Grasp: A Unified Representation of Robot and Object Interaction for Cross-Embodiment Dexterous Grasping

该论文由新加坡国立大学助理教授邵林团队发布，论文提出 D(R,O) 抓取表示，将机器人末端与物体交互的几何与力学特征统一建模，支持同一策略跨不同手型与物体的高效抓取。

实验证明该表示可在多种仿真与真实机械手平台上通用，大幅提升灵巧抓取成功率。简单来说，就是在这种抓取表示下，同一套算法可以跨多种机械手和各类物体直接使用，不用为每种手重新设计而且能够大幅提升灵巧手的抓取成功率。

自动化最佳论文：Physics-Aware Robotic Palletization with Online Masking Inference

该论文由上海交通大学、上海同济大学等单位发布。在线堆垛箱体任务中，首次将物理属性（密度、刚度）与到达顺序纳入掩码学习框架，无需手工启发式即可动态屏蔽不稳定动作。

可以理解为，机器人在堆放箱子时，现在不只根据箱子到达顺序，还会实时感知箱子的密度、硬度等物理属性，用在线学习掩码来过滤掉那些会导致堆垛不稳的放置方法。该方法在仿真与实机箱体搬运中均显著优于传统 RL与规划算法，其动态安全性与效率也都获得验证。

医疗机器人最佳论文：In-Vivo Tendon-Driven Rodent Ankle Exoskeleton System for Sensorimotor Rehabilitation

该论文为实验小鼠设计了一套体内腱驱动外骨骼，用于感知运动康复实验。系统结构紧凑、成本低，可在体内长期植入模拟真实生物腱驱动，辅助恢复与增强传感运动功能，对人类外骨骼开发具有启发意义。

多机器人系统最佳论文：Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding

该论文由清华大学等发布，提出 SILLM：结合模仿学习与引导搜索的可扩展路径规划框架，通过通信模块与局部引导策略，在高达 10,000 机器人场景中实现实时、终身学习式多智能体路径寻找。吞吐量较最优基线提升 137.7%（学习）以及16.0%（搜索）。

最佳学生论文：

1.清华大学等发布的Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding

2. 荷兰代尔夫特理工大学发布的ShadowTac: Dense Measurement of Shear and Normal Deformation of a Tactile Membrane from Colored Shadows

3. 美国亚利桑那大学等发布的Point and Go: Intuitive Reference Frame Reallocation in Mode Switching for Assistive Robotics

4.麻省理工学院等发布的TinySense: A Lighter Weight and More Power-Efficient Avionics System for Flying Insect-Scale Robots

以上是ICRA2025全部最佳论文，作为机器人与自动化领域最具影响力的国际顶级会议之一，ICRA评选出的最佳论文通常代表着前沿技术与重大突破。今年获奖论文超过一半作者为华人，也体现了华人在机器人领域的学术领先地位。