港大MaRS Lab获IEEE TRO傅京孙纪念最佳论文奖

背景

在机器人感知与自主导航领域，同步定位与地图构建（SLAM）技术是智能设备实现自主移动与环境感知的关键基石。尽管当前大模型行业热度高涨，但在机器人、自动驾驶等产业落地场景中，SLAM 依然是不可或缺的底层技术支撑，主要解决机器人“我在哪里”和“周围是什么样”的核心问题。

近日，香港大学机械与机器人系统实验室（MaRS Lab）张富副教授团队研发的 FAST-LIVO2 系统，在机器人领域顶级期刊 IEEE Transactions on Robotics（TRO）上荣获傅京孙纪念最佳论文奖（King-Sun Fu Memorial Best Paper Award）。这是该奖项设立以来，第二次颁给中国科研团队，标志着中国科研团队在该顶级学术奖项上的重要突破。

核心内容

本次获奖论文题为《FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry》。该研究由郑纯然担任第一作者，其博士导师张富担任通讯作者。

FAST-LIVO2 是一套面向真实复杂世界，针对机器人状态估计和异构传感器融合难题而构建的激光-视觉-惯性融合里程计与建图系统。该系统旨在为无人机与移动机器人的自主导航、避障、巡检等智能化作业提供核心技术支撑。

在技术路线上，FAST-LIVO2 区别于许多依赖显式特征提取的传统 SLAM 算法，采用了直接法（Direct Method）处理原始点云与图像光度信息。这一设计减少了对角点、边、面等显式特征提取的依赖，从而更好地适配弱纹理、弱结构、光照剧变等复杂场景，同时降低了特征提取带来的计算开销，增强了机载平台的实时运行能力。

系统通过紧密融合激光雷达、相机、IMU 多源感知信息，并结合统一体素地图融合几何与视觉特征，有效提升了复杂环境中的定位精度、实时性与系统稳定性。实验数据显示，FAST-LIVO2 在多组公开数据集和真实世界场景测试中，表现出较高的精度、鲁棒性和计算效率，其综合性能优于或具有竞争力地匹配多种国际先进 SLAM 方案。

此外，该项目在 GitHub 上开源后获得了广泛关注，截至发稿前累计获得约 4.2k Star。全套代码、数据集、硬同步设备与应用示例均已开源，为机器人与空间智能领域的科研和工程开发提供了成熟、可复现、可拓展的技术基础。

关键要点

• 奖项含金量高：IEEE TRO 傅京孙纪念最佳论文奖是机器人领域的顶级荣誉，此次获奖是该奖项历史上第二次颁给中国科研团队。
• 团队实力雄厚：
  • 第一作者郑纯然：2025年入选华为天才少年，本科毕业于西安交通大学，博士毕业于香港大学。其代表性成果包括 FAST-LIVO1/2、FAST-Calib1/2 等，一作开源项目在 GitHub 累计斩获 9.1k Star。
  • 通讯作者张富：香港大学机械工程系终身副教授、MaRS Lab 负责人，任 IEEE 机器人视觉技术委员会联席主席。近五年在全球机器人领域排名第五、华人第一。
• 技术创新点：
  • 采用激光-视觉-惯性融合（LiDAR-Inertial-Visual Odometry）。
  • 使用直接法处理原始数据，减少对显式特征的依赖，提升在弱纹理、光照剧变等复杂场景下的鲁棒性。
  • 结合统一体素地图融合几何与视觉特征，提升定位精度与实时性。
• 开源影响力：FAST-LIVO2 在 GitHub 获得 4.2k Star，提供了完整的开源生态（代码、数据、硬件同步方案），推动了社区的技术复用与创新。
• 产业应用延伸：张富教授创立的硅羽科技（SPARO）正在将相关技术应用于下一代空中智能体，致力于让飞行器抵达传统作业盲区，实现自主感知与环境理解。

意义与影响

FAST-LIVO2 的获奖不仅是对港大 MaRS Lab 在机器人感知与自主系统领域持续影响力的肯定，也展示了中国科研团队在基础算法层面的国际竞争力。

从学术角度看，该成果为复杂环境下的机器人状态估计提供了新的技术思路，证明了直接法在多源传感器融合中的有效性，为后续研究提供了重要的参考基准。

从产业应用角度看，SLAM 作为具身智能的底层技术，其性能直接决定了机器人的自主能力。FAST-LIVO2 的高精度、高实时性和强鲁棒性，使其在无人机自主导航、航空测绘、三维场景重建与渲染等任务中具有巨大的应用潜力。随着张富教授团队推动该技术向具身智能、测绘、应急巡检和空间数字化等真实场景延伸，FAST-LIVO2 有望成为连接前沿学术研究与大规模产业落地的关键桥梁，助力智能设备在更复杂、更动态的真实世界中实现自主感知与适应。