道通科技机器人团队亮相ICRA 2026 集群控制算法破解GPS依赖难题

刚结束的全球机器人顶会ICRA 2026上，道通科技（688208）旗下A vantRobotics团队与澳门大学联手，在“开放世界机器人中的不确定性”专题研讨会上，放出了一个名为“隐式虚拟领导者”（Implicit Virtual Leader, IVL）的去中心化视觉编队控制框架。

今年ICRA的主题是“Robots for All”，地点选在奥地利维也纳，规模相当大——86个国家、超过8000名学者和产业人士到场，有效投稿4947篇，录用率约38%。这一届有个很明显的特征：中国学术力量占据主导地位。Top20学术机构中，中国高校占了55%的席位，清华大学以74篇录用论文的成绩，位列全球第一。

在机器人集群领域，“编队协同”这个词出现的频率越来越高。物流仓储、工业巡检、应急救援……这些场景里，让多台机器人一起干活是刚需。但现有方案长期卡在三道坎上：太依赖GPS定位、抗干扰能力弱、一旦领头的机器人“掉线”，整个编队就可能跟着崩溃。

IVL的思路很有意思——它用一个虚拟的“编队几何中心”替代传统方案里的物理或虚拟领导机器人。也就是说，每台机器人只靠一个普通的单目摄像头，就能独立推断自己在这个隐式参考系里的六自由度位置和朝向，同时还能输出对自身判断的自信程度。

模型架构方面，IVL用了基于图神经网络（GNN）的两阶段Transformer结构。每台机器人先把单目图像通过视觉基础模型编码成特征向量，再通过GNN在机器人间的通信拓扑上完成消息传递和推理。值得留意的是，这个模型只在2到5台机器人的编队数据上训练过，但在6到7台机器人的编队里依然能保持稳定——说明它对编队规模的泛化能力确实有两把刷子。

当然，IVL目前还处于学术研究阶段，但其产业落地的逻辑已经比较清晰了。道通科技在巡检机器人、空地协同等具身智能场景上已有布局，而IVL解决的核心问题——集群在不确定环境中如何可靠地感知彼此位置——在这些场景里高度通用。

工业巡检的环境通常GPS信号弱，视野遮挡频繁；空地协同则需要无人机和地面机器人异构组网。正因如此，IVL那种“规模无关”的GNN架构才更有价值——机器人数量变了、形态变了，都不用重新训练，天生具备从小规模向大规模集群扩展的适配能力。更重要的是，IVL已经通过ICRA同行评议并公开发表，这意味着这条路有了可量化的评价标准，已经具备进入商业化验证阶段的前提条件。