斯坦福机器人讲座 | 2026年冬季 | 室外环境中的自主导航
本次讲座内容包括： • 在非结构化户外环境中部署移动机器人 • 机器人超越简单导航，进一步理解人类行为并增强个人移动能力 • 先前用于远程户外导航的方法，重点关注场景理解与规划 • 当前工作的高层概述 **视频 AI 总结**：该视频包含两场关于机器人和人工智能前沿研究的演讲。第一场由斯坦福大学博士后Jing主讲，聚焦户外机器人导航，涵盖可穿越性分析、社交合规导航、交通规则理解，以及将导航栈扩展至老年人辅助机器人的计划。第二场演讲探讨从数字人模型到人形机器人的迁移，重点介绍基于力建模和语言模型的合规控制技术，使机器人能安全地与人类互动，并利用大语言模型理解、推理和规划人体动作。整体展示了AI在机器人领域的广泛应用和未来方向。 **主要内容**： - 机器人导航的核心挑战：户外非结构化环境中的可穿越性识别、社交与交通规则遵守。 - 基于自编码器和视觉语言模型的轨迹生成方法，提升导航鲁棒性。 - 引入多模态导航数据集，包含10个校园、11小时数据，支持泛化训练。 - 利用高斯泼溅和语义材料估计实现非结构化地形的可穿越性判别。 - 社交导航通过感知、预测、动作三步分解，并借助微调视觉语言模型理解社交线索。 - 将导航栈扩展至老年人辅助机器人，实现导航助手和行为分析。 - 人形机器人合规控制：通过弹簧阻尼系统和交互力建模，实现安全、可调力度的运动跟踪。 - 利用大语言模型理解和生成3D人体姿态（ChatPose、ChatHuman），支持人机交互中的意图推理和动作规划。 关于斯坦福大学研究生项目的更多信息，请访问：https://online.stanford.edu/graduate-education 2026年1月23日 复杂户外环境中的自主导航：迈向用于长寿的陪伴机器人 如需跟随研讨会日程，请访问：https://stanfordasl.github.io/robotics_seminar/ Jing Liang，斯坦福机器人中心博士后研究员