核心观点 - 香港大学张富副教授团队研发的FAST-LIVO2技术，获得机器人领域顶级期刊IEEE Transactions on Robotics的傅京孙纪念最佳论文奖，这是该奖项第二次颁给中国科研团队[1][2] - FAST-LIVO2是一套基于激光-视觉-惯性融合的里程计与建图系统，旨在解决机器人在复杂环境中的状态估计与感知问题，为无人机和移动机器人的自主导航等智能化作业提供核心技术支撑[8] - 该技术及相关研究成果正通过创始团队成立的硅羽科技（SPARO）等渠道，向具身智能、测绘、应急巡检等产业应用场景延伸[5][14] 技术成果与获奖情况 - FAST-LIVO2获得机器人领域顶级期刊IEEE Transactions on Robotics（TRO）的傅京孙纪念最佳论文奖[1] - 这是该奖项有史以来第二次颁给中国科研团队[2] - 论文第一作者郑纯然，其代表性成果包括FAST-LIVO1/2等经典框架，一作开源项目在GitHub累计获得9.1k Star，并于2025年入选华为天才少年[2] - FAST-LIVO2项目本身在GitHub累计获得约4.2k Star，全套代码、数据集与应用示例均已开源[12] 技术原理与优势 - FAST-LIVO2构建了一套基于激光-视觉-惯性融合的里程计与建图系统[8] - 该方案紧密融合激光雷达、相机、IMU多源感知信息，结合统一体素地图融合几何与视觉特征[9] - 采用直接法处理原始点云与图像光度信息，减少了对角点、边、面等显式特征提取的依赖，使其能更好适配弱纹理、弱结构、光照剧变等复杂场景，同时降低计算开销，增强机载平台实时运行能力[9] - 在公开数据集和真实世界场景测试中，表现出较高的精度、鲁棒性和计算效率，相较多种国际先进SLAM方案表现出更优或更具竞争力的综合性能[11] 行业应用与前景 - SLAM（即时定位与地图构建）是机器人、自动驾驶等产业落地不可或缺的底层技术基石，解决机器人“我在哪里”和“周围是什么样”的问题[7] - FAST-LIVO2为无人机与移动机器人的自主导航、避障、巡检等智能化作业提供核心技术支撑[8] - 展示了在无人机自主导航、航空测绘、三维场景重建与渲染等任务中的应用潜力[11] - 论文第一作者郑纯然是无人机科创企业硅羽科技（SPARO）的创始人[5] - 硅羽科技（SPARO）致力于构建面向复杂环境的通用空中智能系统，让飞行器抵达传统作业无法覆盖的盲区并自主执行任务[14] - 未来团队将继续完善FAST-LIVO2，并推动其在具身智能、测绘、应急巡检和空间数字化等真实场景中的应用[14]