【SIST】具身数据配方和物理推理

目前的机器人学习的主要瓶颈之一是数据缺乏，使得模型迭代和软硬件系统研发速度受限。本次报告将从具身数据的定义角度出发，分析目前的具身数据研究方向和可扩展的数据配方，并介绍近期RHOS lab在该方面的新工作。同时，机器人学习模型在落地之前，需要解决对物理现象的高效理解和鲁棒推理，因此本次报告会再介绍如何结合机器人学习和因果推理，以及RHOS lab在这方面的相关工作，展望未来的机器人学习大模型的发展。

嘉宾介绍：李永露博士，上海交大副教授、上海创智学院全时导师，博导，研究具身智能、物理推理、行为理解。在TPAMI、CVPR、NeurIPS、CoRL等发表成果50余篇，引用100+论文8篇，获ICRA 2025 Best Paper Award on HRI（独立通讯），开源项目获Github star 1.3万+，代表工作HAKE（引用1.48k+，Github Star 2.18k+，官网全球访问16.8万+次）、AlphaPose（引用800+，Github Star 8.3k+）。任NeurIPS、ICLR Area Chair，上交ACM班《计算机视觉》课程教师， VALSE EACC，中国人工智能学会-具身智能专委会副秘书长。获中国人工智能学会吴文俊人工智能科学技术奖-优秀博士学位论文、蚂蚁Intech奖、WAIC云帆奖-璀璨明星、明日之星、AI100青年先锋、世界互联网大会领先科技奖、NeurIPS’20/21杰出审稿人、百度奖学金、华人AI新星百人等。