沈陽自動化所機器視覺研究多篇論文獲AAAI2026錄用

 

　　在多模態大模型視覺生成方面，研究團隊提出了一種專家表征對齊的多模態大模型訓練框架ARRA，可有效促進大模型學習跨模態表征，實現多任務通用多模態生成。相關研究成果Unleashing the Potential of Large Language Models for Text-to-Image Generation through Autoregressive Representation Alignment被大會選為口頭匯報(Oral)論文，論文第一作者為博士生謝興，通訊作者為范慧杰研究員與屈靚瓊助理教授。
 

　　在多模態大模型方面，研究團隊提出了創新的物體分詞框架ObjecTok，顯著提升了模型以物體為中心的感知與推理能力。相關成果論文為ObjecTok: Learning Holistic and Robust Object Tokens for MLLMs，第一作者為博士生王思翰，通訊作者為劉西瑤副研究員。
 

　　在具身智能操作方面，研究團隊提出了一種仿人知識總結與繼承的終身學習框架，賦予智能操作機器人持續演進、不斷適應新技能的終身學習能力。相關研究成果論文為Lifelong Language-Conditioned Robotic Manipulation Learning，第一作者為博士生王旭東與沈陽自動化所實習生韓澤斌，通訊作者為韓志研究員。
 

　　在具身智能導航方面，研究團隊提出了一種基于分層規劃策略的導航智能體，可提升智能機器人在復雜大場景中具身導航的魯棒性。相關研究成果論文為SeqWalker: Sequential-Horizon Vision-and-Language Navigation with Hierarchical Planning，第一作者為沈陽自動化所實習生、中北大學本科生韓澤斌，通訊作者為博士生王旭東。
 

　　在視頻定制化生成方面，研究團隊提出了一種連續定制化視頻擴散模型，可在連續動態空間中實現任意概念的個性化視頻生成。相關研究成果論文為Bring Your Dreams to Life: Continual Text-to-Video Customization，第一作者為沈陽自動化所博士畢業生、穆罕默德·本·扎耶德人工智能大學博士后董家華和沈陽自動化所博士生王旭東，通訊作者為韓志研究員。
 

　　在生成式世界模型方面，研究團隊提出了首個可用自然語言控制的 4D LiDAR 生成模型，實現了高逼真、可編輯的動態點云場景生成，可用于多種下游感知模型的安全驗證和閉環仿真。該研究成果LiDARCrafter: Dynamic 4D World Modeling from LiDAR Sequences被大會選為口頭匯報(Oral)論文，第一作者為博士生梁奧，通訊作者為趙懷慈研究員。
 

　　上述研究成果得到了國家自然科學基金、國家重點研發計劃、機器人與智能系統全國重點實驗室自主項目、沈陽自動化所基礎研究項目等支持。(機器人學研究室 光電信息技術研究室)