首页 / 资讯详情
吴佳俊 IROS 2026 演讲：结构化表征不是答案， 是机器人学会推理的脚手架 | IROS 2026
摘要
从结构化表征到无演示学习之路。 作者丨吴思梦 编辑丨岑 峰 一个盘子，一只水龙头，一小团蓝色的洗洁精。吴佳俊用这样一个几乎没有技术含量的厨房场景，开始了他在 IROS 2026 的演讲。一个学生挤了洗洁精，打开水龙头，洗了一半，临时离开。现在，换成机器人接手。第一眼看过去，任务直接明确：把盘子洗干净，再放回去。但机器人真正需要处理的，并不是“洗盘子”这三个字。它得先知道，眼前哪个东西是盘子；得知道这个盘子到底脏不脏；得注意到盘子上有没有那一小团蓝色的洗洁精。它还得知道水龙头现在是不是已经开着，盘子是不是已经被洗过，以及当它把盘子拿起来以后，桌面上是不是又暴露出了一个新的问题。同一个任务，换一个初始状态，答案就可能完全不同。盘子已经洗过了，就不用再洗。没有洗洁精，就得先挤一点。盘子下面如果压着脏东西，“把盘子洗干净”也就不再等于把盘子放上架子。人面对这些变化时，往往不会觉得自己做了什么复杂的推理。我们只是看一眼，然后继续做。但对机器人来说，每一次“看一眼然后继续”，背后都藏着一个问题：它究竟把眼前的世界理解成了什么？9 月 27 日，IROS 2026 开幕当天，斯坦福大学计算机科学系助理教授吴佳俊在 RoBoWoMo 研讨会上发表了题为《Building Physical Agents via Structured Representations》的受邀报告。过去几年，他一直在研究如何从图像里恢复出藏在视觉背后的世界：几何、材质、物理属性，以及物体之间的关系。现在，当这些问题被放进机器人真正生活的物理世界里，另一些问题随之出现。机器人该用什么方式描述一个任务？这些描述能不能自己学出来？面对训练数据里从未出现过的物体，模型什么时候需要后训练？如果规划本身也可以学习，那么传统的规划器还是否必要？最后，问题甚至不再是“机器人有没有看过人怎么做”。如果没有演示，没有遥操作数据，甚至面对的是一个从来没见过的水龙头，机器人还能不能自己想出：它可能怎样被使用？以下是吴佳俊在 IROS 2026 发表的演讲精编稿。雷峰网·AI 科技评论基于现场英文演讲进行了编辑，在不改变原意的基础上，对口语表达和技术术语进行了重新梳理。▎Building Physical Agents via Structured Representations主讲人：吴佳俊，斯坦福大学计算机科学系助理教授（兼任心理学系助理教授）01一只盘子，为什么会让机器人犯难今天我想讲的是，我们怎么用结构化的表征，构建出能在物理世界里做事的智能体。先从视觉讲起。说到底，你只看得见图像，而图像背后站着一整个世界：几何、材质、不同的物理属性。我们的研究主线一直是，这些东西能在多大程度上被还原出来；而一旦你把它们还原出来了，你就可以重新创造这个世界。这几年还有一个很热闹的方向，是数字空间里的智能体。它们接收指令，和整个世界交互。这自然让人想到另一个问题：物理世界有没有同样的结构？在数字世界里，你有目录，目录里有文件，文件有它的属性；在物理世界里，你有场景，场景里有物体，物体也有它的属性。那么，我们能不能利用这种结构，把那些智能体从数字空间带到物理空间来。这就是今天这场报告的主题。一旦你真的要让机器人和人待在同一个世界里，事情就变难了。这个世界很复杂，它是动态的，也是多样的，你要处理大量不同的任务