RSS 2026最佳论文揭晓：FlashSAC获最佳，华人团队亮眼
机器人顶会RSS 2026公布三项最佳论文奖：FlashSAC获最佳论文，Muninn获最佳学生论文，NeuralActuator获最佳系统论文。另有5篇华人参与论文进入Final List，两篇时间检验奖致敬经典工作，四位青年学者获Early Career Spotlight。
事件概述
RSS（Robotics: Science and Systems）2026于悉尼举办，共收到708篇投稿，录用210篇（接收率29.7%）。8篇论文进入Final List，最终三项最佳论文奖揭晓。
核心信息
最佳论文奖：FlashSAC
来自Holiday Robotics、KAIST等机构的联合团队提出FlashSAC，通过减少梯度更新次数并扩大模型规模、数据吞吐量和经验池，抑制价值网络误差累积，解决离策略强化学习在高维机器人控制中的训练慢、不稳定问题。在10种模拟器60余项任务中整体超过PPO及其他离策略基线，Sim2Real实验中将人形机器人行走训练时间从数小时压缩至数分钟。
最佳学生论文奖：Muninn
UIUC、佛罗里达国际大学等团队提出Muninn，为轨迹扩散模型引入一套无需重新训练的缓存机制，在去噪过程中根据估计偏差决定是否复用先前计算结果。在离线强化学习、运动规划等任务中最高实现4.6倍加速，基本保持原有任务表现和安全指标，并在真实机器人闭环导航和操作任务中验证。
最佳系统论文奖：NeuralActuator
MIT CSAIL博士生Zhiyang Dou等提出NeuralActuator，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，使低成本机械臂无需专用力/扭矩传感器即可感知受力。在三种不同价位的机械臂（约500美元到3万美元以上）上完成验证，并发布NAD数据集。
Final List其他入围论文
- 自动合成会聊天的仿生机器人面部机构（清华AIR、北京智源、清华交叉信息学院、北航）
- OAT: Ordered Action Tokenization（哈佛、斯坦福）——将连续动作压缩为有顺序的Token序列，让机器人根据算力需求灵活取舍推理速度与动作精度，在20余项任务中超越此前动作分词方案。
- DAPL: 动力学感知策略学习（中科院自动化所、北京智源、银河通用、北大、上交）——通过世界模型学习杂乱场景物体动力学，使机器人利用环境接触完成推、拨、翻转等外在灵巧操作，仿真成功率提升25%以上。
- cuNRTO: GPU加速非线性鲁棒轨迹优化（影眸科技、剑桥等）——重新设计适合GPU并行计算的架构，将鲁棒轨迹优化从小时级缩短至秒级，计划与英伟达合作推进至毫秒级。
- 统一流体-机器人多物理场仿真（CMU）——将机器人多刚体动力学与纳维-斯托克斯方程统一优化，成功迁移仿生机器鳗的波浪式游动至真实硬件，高幅度游动轨迹误差较基线降低约75%。
- IJRR时间检验奖：ETH Zurich团队2016年发布的EuRoC微型无人机数据集，提供标准化视觉-惯性数据集，成为VIO/SLAM领域最具影响力的基准之一。
- RSS时间检验奖：柏林工业大学2014年提出的高柔顺、欠驱动机器人手，仅靠少量驱动器实现丰富抓取姿态，为柔顺机器人手奠定基础。
Early Career Spotlight（青年学者聚焦奖）
四位入选者分别为：李弘扬（香港大学/源策未来，聚焦全身智能）、Marco Tognon（法国Inria，聚焦空中物理交互）、Pulkit Agrawal（MIT，强调力智能与终身学习）、Wenzhen Yuan（UIUC，探讨触觉智能从传感器到跨传感器表征）。
值得关注
- FlashSAC同时被主持人误宣布为最佳学生论文，后纠正。
- 下一届RSS将在希腊举行。