ICRA — International Conference on Robotics and Automation — ежегодно собирает ведущих исследователей в области робототехники. В этом году конференция прошла в Вене с 1 по 5 июня и установила характерную для себя высокую планку отбора: из почти пяти тысяч поданных работ в программу вошли 1800, что даёт уровень принятия чуть выше 30% — редкость для топовых технических конференций.
География участников отражает расстановку сил в мировой робототехнике. Подавляющее большинство публикаций поступает из Китая и США. На выставке, где было представлено более ста компаний, Китай занял доминирующее положение — 70 участников против примерно 20 от США, Германии и Австрии каждой. Примечательно, что конференция проходила в Европе, однако это не изменило расклада. Россия в публикационном треке заметна: почти половину отечественных статей подготовила научная группа AIRI и Института искусственного интеллекта МФТИ под руководством Александра Панова.
| Страна/регион | Число компаний на выставке |
|---|---|
| Китай | 70 |
| США | ~20 |
| Германия | ~20 |
| Австрия | ~20 |
Тематически ICRA продолжает смещаться от классической инженерной робототехники к обучаемым подходам. Центральные темы 2026 года — обучение с подкреплением, глубокое обучение для перцепции, имитационное обучение, планирование движения и локализация. Конференция всё активнее конкурирует с CoRL — более молодой площадкой, изначально ориентированной именно на машинное обучение в робототехнике.
Одним из сквозных сюжетов стала тема цифровых двойников и симуляции. Ajay Mandlekar из NVIDIA представил SimFoundry — систему автоматического создания цифровых двойников сцен на основе видеоданных реального мира. Jiajun Wu, у которого в этом году шесть статей только на ICRA, описал два подхода: самоконтролируемое обучение с дифференцируемыми симуляторами и преобразование состояний из видеомоделей в 4D-представления. CEO компании Lightwheel Стив Си обозначил масштаб проблемы: для манипуляционной робототехники требуется в 1000 раз больше данных, чем для беспилотников, и симуляция остаётся единственным масштабируемым путём для обучения физического ИИ.
На воркшопе по обучению с подкреплением выступали Сергей Левайн и Челси Финн — оба онлайн. Левайн описывал симбиоз специализированных алгоритмов (фреймворк SeRL) и универсальных моделей (фреймворк RLT), а также применение обусловливания без классификатора для создания моделей pi0.6 и pi0.7. Финн продемонстрировала итеративное офлайн-обучение с подкреплением для задач с длинным горизонтом: на примере варки эспрессо процент успешных попыток вырос с 40% до 90%. Её аспирант Perry Dong представил алгоритмы EXPO и EXPO-FT для стабильного онлайн-дообучения диффузионных стратегий — всего на 19 минутах реальных данных.
Пленарный доклад Ken Goldberg поставил вопрос о сочетании классической инженерии с современными VLA-моделями. Он указал на принципиальную уязвимость VLA: модели резко теряют устойчивость при увеличении вариативности условий. В качестве решения Goldberg продвигал агентное кодирование CaP-X и продемонстрировал гибридный подход на примере проекта Dex-Net, выросшего в коммерческую систему AmbiSort.
Среди финалистов на лучшие статьи выделялись несколько работ. Uncertainty Comes for Free предлагает использовать оценку неопределённости диффузионных моделей для запроса помощи от человека — вместо постоянного human-in-the-loop. IMR-LLM автоматически генерирует граф операций для промышленного планирования с верификацией формальным солвером. ETac — лёгкий симулятор тактильного взаимодействия, позволяющий обучать стратегии манипуляции только на тактильной обратной связи. Ro-To-Go! реализует нейросимвольный подход с сигнальной темпоральной логикой для реактивного управления роботом в динамической среде.
Конференция охватила и навигацию: Johannes Betz из TUM рассказал о беспилотниках Формулы-1, развивающих скорость свыше 200 км/ч, а Aniket Bera из Purdue University подчеркнул, что LLM должны быть источником предложений для навигационных систем, но не конечным арбитром безопасности — тезис, который в контексте автономных систем звучит как методологический принцип, а не просто рекомендация.
