近日，光明实验室空间智能中心在机器人领域顶级国际会议IROS 2025（IEEE/RSJ International Conference on Intelligent Robots and Systems）中取得重要突破，共有5篇学术论文被大会接收并将进行口头报告，充分展现了中心在机器人技术与智能系统领域的科研实力与学术影响力。

IROS是机器人领域规模最大、影响力最强的国际学术会议之一，与ICRA并称为该领域两大旗舰会议。2025年会议于10月19日至25日在中国杭州国际博览中心举行，吸引了全球8000余名学者参会。

01

TWC-SLAM: Multi-Agent Cooperative SLAM with Text Semantics and WiFi Features Integration for Similar Indoor Environments

内容简介
在办公楼、医院等具有大量相似走廊和房间的室内环境中，让多个机器人协同建图是一个巨大挑战 。传统SLAM方法会因“几何歧义”（房间长得像 ）和“语义歧义”（不同地方有相同标志 ）而导致建图失败。对此，该论文 TWC-SLAM 提出了一种新颖的多模态融合框架 ，它首次将文本语义与WiFi特征指纹相结合。该论文的方法通过“文本识别”找到潜在的公共位置 ，再利用该地“独一无二的WiFi指纹”进行验证 ，从而有效避免了错误的闭环。实验证明，在复杂真实场景中，TWC-SLAM的建图精度比SOTA方法提升了88%，展现了卓越的鲁棒性和准确性。
论文第一作者为实验室实习生李春宇博士，通讯作者为陈首彬老师，受到实验室实习生计划和主任基金资助。

原文 http://arxiv.org/abs/2510.22754

02

A Two-Stage Lightweight Framework for Efficient Land-Air Bimodal Robot Autonomous Navigation

内容简介
陆空双模机器人（LABR）因其兼具无人机的高机动性和无人车的长续航能力，在自主导航领域备受关注。然而，现有的LABR导航方法受限于mapping-based方法生成的次优轨迹以及learning-based方法的计算量过大。为了解决这些问题，我们提出了一种轻量级的两阶段框架，该框架将全局关键点预测与局部轨迹优化相结合，以生成高效且可达的轨迹。
在第一阶段，我们使用全局关键点预测网络（GKPN）生成混合陆空关键点路径。GKPN包含一个Sobel感知网络（SPN）以增强障碍物检测能力，以及一个轻量级注意力规划网络（LAPN）以通过捕获上下文信息来提高预测能力。在第二阶段，我们基于预测的关键点对全局路径进行分割，并使用基于地图的规划器进行优化，从而生成平滑且无碰撞的轨迹。实验表明，与现有方法相比，我们的框架可将网络参数降低14%，并将陆空转换场景的能耗降低35%。

原文 https://arxiv.org/abs/2507.22473

03

Bi-directional Cable-driven Ankle Exoskeleton Coupled with Series Elastic Actuator for Compliant Gait Assisting

内容简介
本研究设计了一种基于串联弹性驱动的轻量化双向缆驱踝关节外骨骼系统（整机质量2.6 kg，驱动模块仅1.05 kg），其具备460 N额定输出力（峰值680 N）、12.5 Hz力矩带宽以及仅0.97 N·m低背驱扭矩，在保证高动态性能的同时实现低阻抗特性。通过动态耦合自适应振荡器，系统可在0.6–1.8 m/s速度范围内精准同步人体步态（相位误差<2.48%，步频误差<0.1 Hz），并结合基于高斯过程的力矩规划器，实现多速度域踝关节辅助策略优化。在5名受试者的实验中，该系统成功将踝关节活动范围扩展至[-15.64°, 20.67°]（高速下），同时显著降低胫骨前肌（18.54%–30.21%）和腓肠肌（19.34%–25.45%）的峰值激活水平，验证了其对运动能力提升和康复训练的应用潜力，为穿戴式助力设备的发展提供了重要参考。

原文 https://rasevents.org/presentation?id=165527

04

DGVO: A Dynamically Constrained Gradient Velocity Obstacle Approach for Mobile Robots in Dynamic Environments

内容简介
本文提出一种基于速度障碍的框架，用于解决约束移动机器人的动态障碍规避问题。该框架基于机器人的运动学模型和输入约束，在控制域与速度空间之间建立非线性映射。该映射将速度可行区域（VFR）定义为下一个时间步可达速度的集合。基于VFR，我们提出一种名为动态约束梯度速度障碍（DGVO）的梯度场，用于表示移动机器人的可行运动区域。DGVO完整保留了机器人的原始可行区域。在此基础上，我们构建无约束梯度下降优化问题，实现碰撞安全速度的实时计算。该框架可为任意约束移动机器人实现碰撞安全速度的实时在线计算，并对传感器噪声具有强鲁棒性。大量仿真与实景实验验证了所提方法的有效性。

原文附件视频
https://www.bilibili.com/video/BV1jH9FYTEZd/?spm_id_from=333.1387.homepage.video_card.click&vd_source=5fd311b6877fda80d02b72465899fae8

05

Risk Euclidean Distance-based Model Predictive Path Integral to Safety-Critical Obstacle Avoidance

内容简介
基于采样的模型预测控制（MPC）算法，如模型预测路径积分（MPPI），在管理非线性约束和复杂系统方面表现出色。然而，他们的传统采样策略往往导致次优的局部解决方案。为了解决这个问题，我们提出了RESM-MPPI，这是一种新的动态避障算法，它集成了风险欧几里德安全度量（RESM），这是传统欧几里德安全量度（CESM）的增强版本，可以更有效地量化自主移动机器人（AMR）和动态障碍物之间的碰撞风险。我们的方法通过引入风险控制屏障函数（RCBF）并集成控制避障退火（COAA）采样策略来提高避障性能，从而扩展了经典的控制屏障函数框架（CBF）。这种组合能够为动态环境中的AMR生成安全平稳的轨迹。充分的仿真和真实世界的实验证明了所提出方法的有效性。

原文附件视频 https://www.bilibili.com/video/BV14UXXYvEef/?vd_source=1d1735c96e559a03e36d260d1076bf8f

中心介绍

空间智能中心是光明实验室围绕空间智能领域，打造空间智能领域特色名片，设立的内部科研创新平台。空间中心围绕空间智能构建“全域空间智能感知-多模态数据解译-多场景应用”的技术创新体系，围绕该架构开展关键技术攻关，重构物理与数字世界的交互范式。以“空天地海”一体化感知装备系统为核心，覆盖从千米级宏观监测到亚毫米级精密测量、从静态到动态的全域物理空间感知；汇集真实世界的全域全时、多场景多模态异构数据，形成独家数据资产；基于大模型技术突破轻量化与因果推理瓶颈，实现从感知到决策的认知升维；聚焦智慧城市、低空经济、具身智能和自动驾驶等战略产业，形成“场景驱动技术-数据迭代模型-技术赋能场景”的正向循环，加速AI从“空间感知智能”到“空间认知智能”到“空间自主智能”的跃迁，最终形成创新链与产业链深度耦合的国产化产业生态，实现空间智能技术的价值跃迁。
此次5篇论文同时入选IROS 2025并作口头报告，是国际学术界对光明实验室空间智能中心科研水平的充分肯定。中心将继续深化空间智能关键技术研究，推动机器人技术与人工智能的融合发展，为国家科技创新贡献力量。