允中 發自 凹非寺
量子位 | 公眾號 QbitAI

近日，香港大學機械與機器人系統實驗室（MaRS Lab）張富副教授團隊研發的FAST-LIVO2，獲得機器人領域頂級期刊IEEE Transactions on Robotics（TRO）傅京孫紀念最佳論文獎。

這是該獎項有史以來，第二次頒給中國科研團隊。

相關論文《FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry》由鄭純然擔任第一作者，其博士導師張富擔任通訊作者。

論文第一作者鄭純然，本科畢業于西安交通大學，博士畢業于香港大學，主要研究方向包括激光雷達與視覺融合、三維場景顯式/隱式表示、前饋式重建以及數據閉環系統。

他的代表性成果包括FAST-LIVO1/2、FAST-Calib1/2、Global-LVBA、GS-LIVO等經典框架，一作開源項目在GitHub累計斬獲9.1k Star。2025年其入選華為天才少年

通訊作者張富，香港大學機械工程系終身副教授、MaRS Lab負責人，任IEEE機器人視覺技術委員會聯席主席。

在機器人感知與自主導航領域，他是全球最具影響力的學者之一，近五年排名全球第五、華人第一。（來源ScholarGPS：https://scholargps.com/top-scholars?year=2025&ranking_duration=LAST_5_YEARS&specialty=Robotics）；

產業應用層面，其主導的相關技術也被行業廣泛應用。同時，他也是無人機科創企業硅羽科技（SPARO）創始人，該公司在張富的主導下正在引領下一代空中智能體的應用，是這一新興賽道的明星企業。

當下大模型行業熱度高漲，但放眼機器人、自動駕駛等產業落地，SLAM仍是不可或缺的底層技術基石，是智能設備實現自主移動與環境感知的關鍵支撐。

通俗來說，SLAM解決的是機器人“我在哪里”和“周圍是什么樣”的問題，讓機器人能夠一邊移動，一邊定位自身、理解環境并構建地圖。

在這一基礎問題上，本次獲獎的FAST-LIVO2提出了新的技術思路。

它面向真實復雜世界中的機器人狀態估計、異構傳感器融合等難題，構建了一套基于激光-視覺-慣性融合的里程計與建圖系統，為無人機與移動機器人自主導航、避障、巡檢等智能化作業提供核心技術支撐。

可以把FAST-LIVO2理解為一套讓無人機和機器人在復雜環境中“看得清、定位準、反應快”的底層感知系統。

該方案緊密融合激光雷達、相機、IMU多源感知信息，結合統一體素地圖融合幾何與視覺特征，有效提升復雜環境中的定位精度、實時性與系統穩定性。

區別于許多依賴特征提取的SLAM算法，FAST-LIVO2采用直接法處理原始點云與圖像光度信息，減少了對角點、邊、面等顯式特征提取的依賴。

這一設計使其能夠更好適配弱紋理、弱結構、光照劇變等復雜場景，同時降低特征提取帶來的計算開銷，增強機載平臺實時運行能力。

基于上述設計，FAST-LIVO2在多組公開數據集和真實世界場景測試中，表現出了較高的精度、魯棒性和計算效率。

論文實驗顯示，其相較多種國際先進SLAM方案表現出了更優或更具競爭力的綜合性能，并展示了在無人機自主導航、航空測繪、三維場景重建與渲染等任務中的應用潛力。

除了論文實驗中的驗證，該項目開源后也獲得了機器人社區的廣泛關注。

截至發稿前，FAST-LIVO2在GitHub累計獲得約4.2k Star，全套代碼、數據集、硬同步設備與應用示例開源開放，為機器人與空間智能領域的科研和工程開發提供了成熟、可復現、可拓展的技術基礎。

除學術研究外，相關技術積累也正持續向產業應用延伸。

張富教授創立的硅羽科技（SPARO），致力于構建面向復雜環境的通用空中智能系統——

讓飛行器抵達傳統作業無法覆蓋的盲區，自主感知、理解環境并執行任務。

此次獲獎也進一步擴大了港大MaRS Lab在機器人感知與自主系統領域的持續影響力。據團隊介紹，未來他們將繼續完善FAST-LIVO2，并推動其在具身智能、測繪、應急巡檢和空間數字化等真實場景中的應用，為機器人理解、感知并適應復雜真實世界提供重要支撐。

論文第一作者主頁：http://zhengchunran.com
港大MaRS Lab：https://mars.hku.hk/
硅羽科技（SPARO）官網：https://www.sparo.hk/
關于傅京孫紀念最佳論文獎：https://www.ieee-ras.org/awards-recognition/publications-awards/ieee-transactions-on-robotics-king-sun-fu-memorial-best-paper-award/