2026年9月27日至10月1日，第39届智能机器人与系统国际会议（IEEE/RSJ International Conference on Intelligent Robots and Systems，IROS 2026）在美国匹兹堡举行。IROS是机器人与智能系统领域的顶级国际学术会议，围绕机器人感知、规划、控制与学习等方向，交流相关领域的前沿研究成果。
上海交通大学溥渊未来技术学院秦通副教授共有2篇论文入选，论文研究内容从自主代客泊车中的视觉语言导航与多模态泊车，延伸至真实场景下的机器人学习环境构建。
01基于长短期混合记忆的自主代客泊车零样本视觉语言导航
VLN-AVP: Zero-Shot Vision-Language Navigation with Hybrid Long-Short-Term Memory for Autonomous Valet Parking
本文提出了一种面向自主代客泊车（AVP）的零样本视觉语言导航框架VLN-AVP，旨在解决传统方法依赖预构建地图、难以泛化至未知环境及开放词汇目标的问题。该框架利用视觉语言模型的语义理解能力，设计融合短期视觉感知与长期拓扑信息的混合记忆机制，以实现基于自然语言指令的无图导航。实验结果表明，该方法的导航成功率较现有多种方法均有所提升，并通过真实车辆实验验证了方法的有效性与实际部署潜力。
作者：李易简，牟相如，李长泽，时涵天，蔡继源，蔡佳，柳肖雪，孙雅静，杨明，秦通
论文链接：https://arxiv.org/abs/2607.17767
02 基于下一段预测范式的多模态端到端泊车
MultiPark: Multimodal Parking Transformer with Next-Segment Prediction
自动泊车需在无车道线引导的极窄空间内频繁换挡、打满方向盘以完成多段揉库；更棘手的是，泊车行为天然具有多模态性——同一车位与初始位姿下，不同驾驶员可能选择截然不同的合理路径。针对上述难题，本文提出了一个多模态端到端泊车网络MultiPark，其核心创新在于next-segment prediction范式：将泊车路径建模为以换挡点为界的连续段序列，而非密集坐标token，从而在急转与换挡场景下实现高效的空间泛化与时序外推。配合可学习的semi-anchor泊车查询（分解为挡位、纵向、横向三个维度），模型能够并行解码同一场景下的多种合理泊车路径，有效缓解了模仿学习中常见的模式崩塌问题。此外，目标中心位姿损失与自车中心碰撞损失的联合监督机制进一步缓解了因果混淆。实验表明，MultiPark在多场景评测中全面超越ParkingE2E等SOTA端到端泊车方法，且已在量产车上完成实车验证。
作者：郑翰，周梓康，张谷力，汪哲培，王凯旋，栗培梁，沈劭劼，杨明，秦通
论文链接：https://arxiv.org/abs/2508.11537
项目网站：https://wuyi2121.github.io/MultiPark/
作者简介
秦通
上海交通大学溥渊未来技术学院副教授。博士毕业于香港科技大学电子及计算机工程系，曾任职华为智能汽车解决方案BU。秦通被评选为华为公司首届“天才少年”。他在担任华为感知SLAM技术专家期间，参与研发华为ADS智能驾驶系统，贡献了业界领先的智能驾驶方案，并在多款车型上实现了规模化商用。近年来以第一/通讯作者身份在TRO、JFR、RAL、ICRA等机器人领域顶级期刊和会议上发表高质量论文十余篇。曾获得IROS 2018最佳学生论文奖和TRO最佳论文提名奖。研究方向：智能驾驶感知、构图、定位；端到端AI大模型；移动机器人 SLAM。
