2026年6月2日，國際機器人與自動化會議（ICRA 2026）在奧地利維也納進入第二天。普渡大學(xué)（Purdue University）計算機科學(xué)系教授、IDEAS Lab實驗室主任Aniket Bera發(fā)表了題為"RobotsSafe Navigation in Unstructured & Human-Centered Environments"（在非結(jié)構(gòu)化與以人為中心環(huán)境中安全導(dǎo)航）的主題演講，系統(tǒng)闡述了他對魯棒自主機器人系統(tǒng)的一整套方法論。

 

他的核心論斷直指當(dāng)前自主系統(tǒng)研發(fā)中的結(jié)構(gòu)性缺陷：今天絕大多數(shù)“成功”的自主系統(tǒng)，本質(zhì)上是因為我們把世界變簡單了，而不是機器人真正理解了世界。 工廠里的機械臂被圍欄隔離、倉庫中的AGV依賴地面標記、自動駕駛依賴高精地圖——這些人為鋪設(shè)的外部條件，本質(zhì)上都是幫助系統(tǒng)起步的腳手架。而真正的自主性，恰恰要求最終拆掉它們。

 

對此，他提出了貫穿其實驗室研究的核心框架——“學(xué)習(xí)負責(zé)提議，結(jié)構(gòu)負責(zé)決策”（Learning proposes, Structure decides）。

在這一范式下，任何學(xué)習(xí)型模塊——無論是視覺感知還是大語言模型——都不應(yīng)該直接輸出最終控制指令，而是必須先通過一道“可檢查接口”（Checkable Interface）：這是一種可被形式化方法驗證、由約束求解器審查的結(jié)構(gòu)化輸出。這條原則貫穿了IDEAS實驗室的四大支柱研究：

 

 

總結(jié)而言，Aniket Bera給出了一條清晰的路線圖：學(xué)習(xí)賦予機器人靈活性，但結(jié)構(gòu)賦予它們可靠性。 二者不是對立的技術(shù)路線，而是同一系統(tǒng)中不可分割的兩面——而這正是將自主機器人從實驗室"溫室"推向真實"荒野"的必由之路。

 

以下是Aniket Bera在ICRA 2026大會發(fā)表的演講精編稿，雷峰網(wǎng)(公眾號：雷峰網(wǎng))·AI科技評論基于原英文演講內(nèi)容進行了不改原意的翻譯編輯：

 

《Toivard Behaviorally-Intelligent RobotsSafe Navigation in Unstructured &Human-Centered Enironments》

主講人：Aniket Bera，普渡大學(xué)（Purdue University）計算機科學(xué)系，IDEAS實驗室

 

一、成功的假象：我們不是在"造聰明機器人"，而是在"造溫室"

 

我是Aniket Bera，普渡大學(xué)計算機科學(xué)系的教授，領(lǐng)導(dǎo)IDEAS實驗室。我們實驗室橫跨機器人學(xué)、計算機視覺、機器學(xué)習(xí)和以人為中心的自主系統(tǒng)，共同的主線是：我們喜歡造智能的機器人。具身系統(tǒng)如何感知這個混亂的世界？如何推理人類和其他智能體的行為，同時在真實世界中實時執(zhí)行安全的動作？

 

我先從一個“成功自主系統(tǒng)”的失效模式講起。我們把世界變簡單了，以為這樣機器人就好辦了——給機械臂圍上圍欄，在倉庫地板上貼標記，給車輛裝高精地圖，在工廠里寫死固定腳本。這些系統(tǒng)能工作，不是因為機器人真正理解環(huán)境，而是因為我們把環(huán)境精心設(shè)計成了機器人能應(yīng)付的樣子。

 

而我和我實驗室關(guān)心的場景，恰恰是要拆掉這些腳手架。機器人可能沒有GPS，沒有先驗地圖，沒有穩(wěn)定的工作流程——而一個錯誤動作的代價可能是實實在在的物理損失。幾周前我實驗室就發(fā)生過一次，代價昂貴。

 

二、核心框架：學(xué)習(xí)負責(zé)提案，結(jié)構(gòu)負責(zé)決策

 

正因如此，我把自主系統(tǒng)的問題框架化表述為：在語義約束、社交約束和安全約束下的閉環(huán)決策。

 

 

人們常問：你用的是傳統(tǒng)經(jīng)典機器人方法，還是基于學(xué)習(xí)的方法？我認為這個問題本身就是錯的。真正有用的問題是——學(xué)習(xí)型模塊向自主系統(tǒng)其余部分暴露的“接口”是什么？

 

感知模塊不應(yīng)該只輸出特征向量，它應(yīng)該輸出物體、位姿、尺寸和不確定性。同樣，大語言模型不應(yīng)該直接輸出機器人的控制指令——它應(yīng)該輸出某種可以被監(jiān)控、可以被約束求解器檢查的東西。這就是我所說的“可檢查接口”（Checkable Interfaces）。

 

學(xué)習(xí)負責(zé)提出更豐富的表征、更豐富的候選方案；而結(jié)構(gòu)負責(zé)決策哪些可以被信任、哪些需要被執(zhí)行。這就是我們實驗室工作的底層邏輯。

 

三、感知：從"好看的地圖"到"可用的狀態(tài)"

 

在機器人能夠推理或行動之前，它需要一個狀態(tài)估計——這個狀態(tài)必須是幾何的、語義的、可定位的，并且對下游任務(wù)有用。機器人需要持久化的物體表征、語義含義、不確定性——即一種可以被底層規(guī)劃器查詢的表示。而最難的部分是：所有這些必須實時完成。

 

核心問題是：你的感知棧輸出的是什么？ 如果它輸出的是原始像素或某種黑箱嵌入向量，整個系統(tǒng)棧的其余部分就無法做出安全論證。反之，如果它輸出的是一個類型化的狀態(tài)（Typed State），那么規(guī)劃和驗證層就能真正使用它。我們需要知道機器人在哪里、場景中有哪些物體、這些物體之間的關(guān)系是什么，以及所有這些估計有多不確定。

 

 

近年來，神經(jīng)渲染領(lǐng)域（如3D高斯濺射）的工作為建圖、定位和SLAM提供了強大的表示。它能給出稠密、照片級真實、可連續(xù)優(yōu)化的地圖。但這里有兩個問題：第一，通過渲染-比較-優(yōu)化光度誤差來估計相機位姿的管線，對于像無人機這樣需要快速閉環(huán)控制的場景來說太慢太脆弱；第二，一幅視覺上完美的高斯地圖，并不自動等同于一個規(guī)劃狀態(tài)——它不包含物體身份、開放詞匯語義，或校準過的不確定性。

 

我們的FastSLAM項目正是針對這個延遲問題。我們把位姿估計問題從“渲染-優(yōu)化”轉(zhuǎn)變?yōu)椤捌ヅ?剛體注冊”：將當(dāng)前幀與活躍關(guān)鍵幀進行匹配，反投影得到兩個3D點集，然后求解SE(3)上的最小二乘對齊——SVD解法直接從互協(xié)方差矩陣給出旋轉(zhuǎn)量。位姿變成一個快速的幾何計算，而重建質(zhì)量可以異步提升。我們已經(jīng)在搭載NVIDIA Jetson的無人機上部署了這個系統(tǒng)，在茂密森林中實現(xiàn)實時定位與建圖。

 

沿著同樣的思路，GoSLAM解決的是“如何讓重建的物體具有可指稱性和開放詞匯語義”——讓規(guī)劃器可以通過物體名稱查詢地圖，而不是只能通過像素坐標。TransLocNet則解決“無GPS環(huán)境下如何將局部地圖全局錨定”——通過將地面觀測與航拍影像進行跨視角、跨季節(jié)的配準。想象一下，森林里大雪紛飛，樹葉落盡，而你的衛(wèi)星圖是夏天拍的。這需要超越像素和坐標層面的表征理解。

 

所有這些不同的技術(shù)問題，被同一條主線縫合在一起：感知必須產(chǎn)出一個可查詢、可定位、可被關(guān)注的類型化狀態(tài)。

 

四、可信自主：大模型不是決策者，而是被審查的提案者

 

接下來進入第二大支柱：可信自主（Dependability）。在這里，科學(xué)論證變得更加明確。一個學(xué)習(xí)型模塊可以非常有用，但同時仍然危險——它會在分布偏移下失效，它的置信度可能被錯誤校準；在語言模型的場景中，它可能生成一個聽上去完美、實則違反任務(wù)級約束的計劃。

 

所以問題是：什么是一個“可檢查的對象”？對感知來說，答案是類型化狀態(tài)；對規(guī)劃來說，答案必須是一個可容許的計劃或動作。

 

我們的項目SELP（ICRA 2025最佳論文入圍）正是為此而生。它的核心思想是：將大語言模型的角色從"無約束的規(guī)劃器"轉(zhuǎn)變?yōu)?quot;受約束的提案機制"。

SELP的工作方式是這樣的：將一個機器人任務(wù)翻譯成時序邏輯規(guī)范（Temporal Logic Specification），然后在生成過程中約束每一步——在每個token被采樣之前，系統(tǒng)先檢查“如果加上這個token，部分計劃是否仍然可行”。

 

如果不可行，這個token在采樣前就被屏蔽。大語言模型仍然是有用的先驗知識來源（幫助生成高效的計劃），但它不再是安全問題的最終權(quán)威。

 

這意味著什么？它意味著約束不是“事后補救”——不是在模型輸出之后再貼一層安全檢查；約束被嵌入到生成過程本身。 形式化規(guī)范不是護欄，而是搜索空間的邊界。

 

沿著同樣的哲學(xué)，我們還開發(fā)了CAsForD（Context-Aware Safety For Decision-making，上下文感知決策安全）——當(dāng)用戶指令不安全時，系統(tǒng)不只說“不”，而是識別不安全成分并選擇安全修復(fù)方案。

 

還有我們實驗室的其他工作，通過讓模型產(chǎn)生數(shù)學(xué)優(yōu)化程序來表達運動規(guī)劃的時間約束。一以貫之的原則是：學(xué)習(xí)型模塊永遠不獲得未經(jīng)審查的權(quán)威，它產(chǎn)生的計劃、修復(fù)和控制必須可驗證、可約束、可認證。

五、人不是移動障礙物：行為感知導(dǎo)航與多機器人協(xié)作

 

在第三和第四支柱中，我們的工作延伸到更復(fù)雜的社交和協(xié)作場景。

 

在人類行為建模方面，我們研究的問題包括：在密集社交場景中預(yù)測人類運動、建模群體層面的動力學(xué)、人-物交互，以及當(dāng)場景中的物體需要被移動或重新布置時的規(guī)劃。核心主題是：人不僅僅是移動的障礙物——他們互相交互，他們與物體交互，他們與環(huán)境交互，圍繞機器人形成了一個耦合的、不確定的動力學(xué)系統(tǒng)。 機器人必須預(yù)測人類行為，推理以物體為中心的上下文，并在幾何約束不足以保障安全時采取行動。

 

在多機器人協(xié)作方面，我們研究了協(xié)作主動重建、多智能體信息路徑規(guī)劃、可擴展的多智能體SLAM等問題。核心主題是去中心化的團隊自主性：每個機器人必須基于局部觀測和有限通信采取行動。我們的策略是，在訓(xùn)練階段使用集中式學(xué)習(xí)來獲取優(yōu)勢，但在部署階段以去中心化方式運行——在部分可觀測、通信受限、多智能體動態(tài)交互的條件下。

 

六、結(jié)語：讓機器人走出"溫室"

 

回到最初的四大支柱，我想留給大家一個核心理念：安全的自主系統(tǒng)不是一個單獨的模塊，它是整個系統(tǒng)棧編織在一起的結(jié)果。 學(xué)習(xí)賦予機器人靈活性，但結(jié)構(gòu)賦予它們可靠性。真正的目標是——當(dāng)世界變得混亂：沒有GPS、地圖不完整、物體在移動、處處都是不確定性——機器人仍然能夠以安全的方式行動。

 

Q&A 問答環(huán)節(jié)

 

聽眾A： 感謝精彩的演講。我覺得工業(yè)界存在一個很大的脫節(jié)——我們在追逐KPI數(shù)字，和真正部署可驗證、安全的系統(tǒng)之間。我想問，您如何看待基于物理的方法與神經(jīng)渲染（如高斯濺射）在驗證與安全方面的關(guān)系？

 

Aniket Bera： 這個問題切中要害。所有的神經(jīng)模型都需要——人們常說的——“護欄”（guardrails）。但護欄的問題在于，它是一種事后補救：你把機器學(xué)習(xí)模型建好了，然后貼上一層基于物理的約束或真實世界約束來限制輸出，讓它在做出危險行為之前被攔住。我認為這是極其錯誤的做法。

這些約束——無論是物理先驗還是來自其他領(lǐng)域的先驗知識——應(yīng)該被“嵌入”到學(xué)習(xí)空間本身中去。這就是為什么我們要把問題轉(zhuǎn)化為形式化方法規(guī)范：讓我們能夠獨立地約束空間中的每一個輸出，從一開始就保證生成結(jié)果的可靠性和可信性。目標不是“全押”在學(xué)習(xí)方法上，而是找到一種智能的組合——在何處植入形式化方法規(guī)范、在何處植入物理約束、在何處植入特定應(yīng)用所需的其他約束。

 

聽眾A（追問）： 您說的是應(yīng)該“內(nèi)置”（in）而不是“后置”（post）。我的問題是：作為一個社區(qū)，我們有時候在追逐KPI數(shù)字，但真正部署物理系統(tǒng)需要考慮的遠不止一個數(shù)字。我們?nèi)绾尾拍茏屵@兩者更接近？

 

Aniket Bera： 我要說一些可能不太受歡迎的話。在與工業(yè)界合作、尤其是與制造業(yè)和國防領(lǐng)域的工程合作伙伴打交道的過程中，我理解為什么很多工程方案傾向于更傳統(tǒng)的控制方法——因為學(xué)術(shù)界常常把"學(xué)習(xí)"包裝成一種萬能神諭，仿佛它能解決下游的一切。

 

我認為彌合這兩個世界的方法，也是讓工程界對基于學(xué)習(xí)的方法建立信心的方式，就是從一開始就給學(xué)習(xí)型問題賦予約束、賦予意義。我們不應(yīng)該只看“教科書數(shù)字”，而應(yīng)該關(guān)注系統(tǒng)在哪里失敗、下游的可靠性指標是什么。這正是這兩個領(lǐng)域需要更頻繁對話的地方。

 

聽眾B： 您談到了讓機器人行為更具社交性。我的問題是如何將這些行為信號傳導(dǎo)到操作層面（manipulation level）？比如在布置餐桌的任務(wù)中，用戶可能期望先放杯子再放盤子，這種對齊如何傳導(dǎo)到運動規(guī)劃層面？

 

Aniket Bera： 這是一個很有意思的問題。我認為，如果你能夠在任務(wù)層面用更好的物理約束來約束生成過程——確保步驟序列物理上可行，不會導(dǎo)向災(zāi)難狀態(tài)或倫理失效——那么，形式化方法的技巧就能幫上忙。你可以將基于學(xué)習(xí)的方法剖分成子模塊，判斷每一步是否仍在規(guī)劃邊界之內(nèi)，還是已經(jīng)進入了安全關(guān)鍵區(qū)域。

 

不過，安全約束和文化/行為約束的性質(zhì)不同。如果你能把每一種約束都建模出來，嵌入到像SELP這樣的形式化方法規(guī)范中，我認為只要在安全范圍內(nèi)，沒有理由不能處理文化線索和行為線索。這個問題我們可以在會后繼續(xù)聊。

 

 

為了讓國內(nèi)的研發(fā)者、創(chuàng)業(yè)者與投資人能夠毫無時差地掌握本屆 ICRA 2026 的完整干貨，雷峰網(wǎng)已全面上線【ICRA 2026 深度專區(qū)】。

 

專區(qū)不僅全面收錄了重磅論文的工程化解讀、專家前沿演講，更將持續(xù)更新前方記者的第一手會議動態(tài)。

掃描下方二維碼，或點擊“閱讀原文”關(guān)注專區(qū)。

與全球 8000 名頂尖大腦同步呼吸，搶先透視具身智能的下一個五年！

 

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。