华为天才少年一作港大MaRSLab拿下IEEETRO傅京孙纪念最佳论文奖
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，获得机器人领域顶级期刊IEEE Transactions on Robotics（TRO）
论文第一作者郑纯然，本科毕业于西安交通大学，博士毕业于香港大学，主要研究方向包括激光雷达与视觉融合、三维场景显式/隐式表示、前馈式重建以及数据闭环系统。
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。
在机器人感知与自主导航领域，他是全球最具影响力的学者之一，近五年排名全球第五、华人第一。（来源ScholarGPS：）；
产业应用层面，其主导的相关技术也被行业广泛应用。同时，他也是无人机科创企业硅羽科技（SPARO）创始人，该公司在张富的主导下正在引领下一代空中智能体的应用，是这一新兴赛道的明星企业。
当下大模型行业热度高涨，但放眼机器人、自动驾驶等产业落地，SLAM仍是不可或缺的底层技术基石，是智能设备实现自主移动与环境感知的关键支撑。
通俗来说，SLAM解决的是机器人“我在哪里”和“周围是什么样”的问题，让机器人能够一边移动，一边定位自身、理解环境并构建地图。
它面向真实复杂世界中的机器人状态估计、异构传感器融合等难题，构建了一套基于激光-视觉-惯性融合的里程计与建图系统，为无人机与移动机器人自主导航、避障、巡检等智能化作业提供核心技术支撑。
可以把FAST-LIVO2理解为一套让无人机和机器人在复杂环境中“看得清、定位准、反应快”的底层感知系统。
该方案紧密融合激光雷达、相机、IMU多源感知信息，结合统一体素地图融合几何与视觉特征，有效提升复杂环境中的定位精度、实时性与系统稳定性。
区别于许多依赖特征提取的SLAM算法，FAST-LIVO2采用直接法处理原始点云与图像光度信息，减少了对角点、边、面等显式特征提取的依赖。
这一设计使其能够更好适配弱纹理、弱结构、光照剧变等复杂场景，同时降低特征提取带来的计算开销，增强机载平台实时运行能力。
基于上述设计，FAST-LIVO2在多组公开数据集和真实世界场景测试中，表现出了较高的精度、鲁棒性和计算效率。
论文实验显示，其相较多种国际先进SLAM方案表现出了更优或更具竞争力的综合性能，并展示了在无人机自主导航、航空测绘、三维场景重建与渲染等任务中的应用潜力。
截至发稿前，FAST-LIVO2在GitHub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开源开放，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。
张富教授创立的硅羽科技（SPARO），致力于构建面向复杂环境的通用空中智能系统——
此次获奖也进一步扩大了港大MaRS Lab在机器人感知与自主系统领域的持续影响力。据团队介绍，未来他们将继续完善FAST-LIVO2，并推动其在具身智能、测绘、应急巡检和空间数字化等真实场景中的应用，为机器人理解、感知并适应复杂真实世界提供重要支撑。