RSS 2024获奖论文 - 杰出Demo论文奖授予UC伯克利、Google DeepMind等机构开发的MuJoCo Playground框架 该开源机器人学习框架基于MJX构建 支持四足机器人、人形机器人等多种平台 可实现分钟级单GPU策略训练和零样本仿真到现实迁移 [4][5][6][7][8][9] - 杰出系统论文奖由哈佛大学团队获得 其提出的XM优化引擎采用凸半有限规划松弛和CUDA加速 在10,155帧运动结构重建任务中1小时达到全局最优 重建质量优于现有方案 [11][13][15][16] - 杰出学生论文奖授予MIT团队开发的Def-MARL算法 该多智能体强化学习方案通过epigraph形式提升稳定性 在8项模拟任务和Crazyflie飞行器实验中实现零约束违反的安全协作 [17][19][20][21][23][25][26] - 杰出论文奖由康奈尔大学等机构的FEAST系统获得 该模块化进餐辅助机器人通过参数化行为树架构支持LLM驱动的个性化调整 在适应性、透明性、安全性方面超越固定定制方案 [28][29][30][31][32] 机器人技术突破 - MuJoCo Playground整合物理引擎、批量渲染器与训练环境技术栈 显著降低机器人仿真到现实的开发门槛 [6][8] - XM优化引擎采用Burer-Monteiro分解和黎曼优化 解决极端规模SDP松弛问题 速度与可扩展性显著提升 [13][15] - Def-MARL算法通过集中训练-分散执行架构 在四旋翼飞行器协作任务中实现安全约束下的最优性能 [21][23] - FEAST系统通过头部姿势识别、实体按钮等多模态交互 满足不同用户的个性化护理需求 [30] 学术机构贡献 - UC伯克利与Google DeepMind联合开发的开源框架支持灵巧手、机械臂等多种机器人平台 [5][7] - 哈佛大学提出的SBA公式将二维关键点测量提升至三维 实现可验证全局最优解 [13] - MIT团队在Crazyflie四旋翼飞行器上验证了多智能体算法的实际部署能力 [25] - 康奈尔大学模块化设计支持进食、饮水、擦嘴功能的快速切换 [30] 时间检验奖 - 2009年宾夕法尼亚大学论文《Cooperative Manipulation with Aerial Robots》获2025年时间检验奖 其提出的多机器人线缆操纵方法至今影响深远 [33][36]

RSS 2024获奖论文概览 杰出Demo论文奖 - 提出MuJoCo Playground开源机器人学习框架，支持单GPU分钟级策略训练，简化仿真环境搭建到现实迁移全流程[5] - 框架兼容四足机器人、人形机器人、灵巧手及机械臂等多平台，支持零样本迁移[6] - 技术栈集成物理引擎、批量渲染器与训练环境，由UC伯克利、Google DeepMind等机构联合开发[7][8] 杰出系统论文奖 - 开发SBA公式与XM优化引擎，通过凸半有限规划松弛实现三维重建全局最优解，速度显著提升[13] - XM引擎1小时内处理10,155帧数据达到全局最小值，重建质量优于现有SfM流程[15] - 哈佛大学团队成果，应用于运动结构重建领域[17] 杰出学生论文奖 - 提出Def-MARL算法解决多机器人系统协作安全问题，定义"零约束违反"标准[19][20] - 在8项模拟任务中性能最优，并通过四旋翼飞行器实体实验验证安全性[22] - MIT团队采用集中训练-分散执行架构，提升复杂任务协调能力[24] 杰出论文奖 - 开发FEAST进餐辅助系统，模块化设计支持进食、饮水、擦嘴功能切换[31] - 结合网页界面、头部姿势识别等多模态交互，适应残障用户个性化需求[31] - 康奈尔大学团队成果，参数化行为树架构支持LLM驱动的安全调整[29][32] 时间检验奖 - 2009年论文《Cooperative Manipulation with Aerial Robots》获奖，开创空中机器人协作运输研究[36] - 论文由宾夕法尼亚大学团队发表，奠定多无人机协同操作理论基础[39]