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
内容提要
RSS 2026机器人顶会公布论文奖项，共收708篇投稿，录用210篇。最佳论文由韩国团队FlashSAC获得，解决高维机器人控制训练慢问题；最佳学生论文为Muninn轨迹扩散加速技术；最佳系统论文为NeuralActuator机械臂力感知。中国团队在决赛名单中表现亮眼，涵盖面部机制、动作分词、灵巧操作等方向。
延伸解读
评审流程的严格性
RSS 2026的评审流程相当严格：从708篇投稿中录用210篇，接收率仅29.7%。随后从录用论文中筛选出50篇候选，再经奖项委员会选出23篇半决赛，最终仅8篇进入决赛名单。这一层层筛选确保了获奖论文的高质量，也反映了RSS作为机器人领域顶级会议的学术影响力。
华人学者的突出贡献
本届RSS中，华人学者表现亮眼。最佳系统论文第一作者Zhiyang Dou毕业于山东大学和香港大学，现为MIT博士生；决赛名单中，清华AIR、银河通用、影眸科技等团队均有参与。此外，Early Career Spotlight的四位入选者中，李弘扬和Wenzhen Yuan均为华人，显示了华人学者在机器人研究领域的重要地位。
研究方向的多元化
从获奖和入围论文来看，机器人研究呈现多元化趋势：既有强化学习训练加速（FlashSAC）、轨迹扩散模型优化（Muninn），也有机械臂力感知（NeuralActuator）、面部机制合成、动作分词、灵巧操作、GPU加速轨迹优化以及流体-机器人仿真等。这些方向覆盖了从底层控制到高层决策，从仿真到真实部署的多个层面，反映了机器人领域的广泛探索。
Sim2Real差距的持续关注
多篇论文聚焦于缩小仿真与真实世界的差距。FlashSAC通过Sim2Real实验验证训练效率；NeuralActuator解决低成本机械臂的动力学建模问题；cuNRTO将不确定性纳入鲁棒优化，提升规划可靠性；流体-机器人仿真框架则用于优化仿生机器人的游动。这些工作表明，Sim2Real仍是机器人研究的关键挑战，也是推动实际应用的重要环节。
Q&A
RSS 2026最佳论文奖颁给了哪个团队？他们提出的FlashSAC解决了什么问题？
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。他们提出的FlashSAC旨在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。
FlashSAC的核心思路是什么？在实验中表现如何？
FlashSAC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、特征与梯度范数来抑制价值网络误差累积。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；在人形机器人行走的Sim2Real实验中，训练时间从数小时压缩到数分钟。
最佳学生论文奖颁给了哪项工作？它如何实现加速？
最佳学生论文奖颁给了Muninn: Your Trajectory Diffusion Model But Faster。Muninn为轨迹扩散模型加入了一套无需重新训练的缓存机制，在每一步去噪时估计复用先前计算结果的轨迹偏差，风险小时直接调用缓存，风险大时重新计算，从而在离线强化学习、运动规划和视觉运动策略等任务中最高实现4.6倍加速，同时保持原有性能。
最佳系统论文奖颁给了哪项工作？它解决了什么问题？
最佳系统论文奖颁给了NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception。它解决了低成本机械臂中摩擦、回差和温度变化导致电流-力矩关系失准的问题，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，使机器人无需专用力/扭矩传感器也能感知受力。
RSS 2026的论文录用情况如何？进入最终决赛名单的论文是如何筛选出来的？
RSS 2026共收到708篇投稿，录用210篇，接收率29.7%。筛选流程为：先从录用论文中筛出50篇候选（至少两个Strong Accept），再选出23篇半决赛（16篇三个Strong Accept，7篇由SAC推荐），最终8篇进入Final List。
进入决赛名单的中国团队工作有哪些？请简要介绍其中一项。
进入决赛名单的中国团队工作包括：清华AIR等团队的Automated Synthesis of Facial Mechanisms for Conversational Animatronic Robots（面部机制合成）、哈佛/斯坦福团队的OAT（有序动作分词）、银河通用等团队的DAPL（动力学感知策略学习）、影眸科技参与的cuNRTO（GPU加速鲁棒轨迹优化）。例如，DAPL通过世界模型学习杂乱场景中物体的动态变化，指导强化学习，使机器人能利用环境接触完成推、拨、翻转等外在灵巧操作，在未见过的仿真场景中成功率提升超25%。
RSS 2026的Early Career Spotlight奖项颁给了哪些学者？其中李弘扬教授分享了什么方向？
Early Career Spotlight颁给了李弘扬、Wenzhen Yuan、Marco Tognon和Pulkit Agrawal四位学者。李弘扬教授分享了“全身智能”（Whole-Body Intelligence）方向，主张从全身控制迈向全身智能，提出以大规模预训练为核心的技术架构，包括行为基础模型、身体状态感知与动作生成、以及具备语言记忆规划能力的“大脑”，旨在实现长时程多任务的自主决策与协同执行。
RSS 2026的Test of Time Award颁给了哪些工作？
RSS 2026颁发了两个时间检验奖：IJRR的Test of Time Award授予了ETH Zurich的EuRoC微型飞行器数据集，该数据集提供了标准化视觉-惯性数据集，成为视觉惯性定位和SLAM的基准；RSS的Test of Time Award授予了Raphael Deimel和Oliver Brock的论文，该论文提出了一种高柔顺、欠驱动的拟人机器人手，仅用少量驱动器即可实现丰富抓取，为柔顺机器人手奠定了基础。
