Смог попасть и на другой важный для нас воркшоп о создании цифровых двойников в симуляторах https://awesomedigitaltwin.github.io/2026_ICRA.html

Manolis Savva из Канадского Simon Fraser University (H-index 53) рассказывал про свои свежие разработки:
- SceneMotifCoder https://arxiv.org/abs/2408.02211 (проект с кодом и данными https://3dlg-hcvc.github.io/smc/),
- HSM: Hierarchical Scene Motifs for Multi-Scale Indoor Scene Generation https://arxiv.org/abs/2503.16848 (проект с кодом https://3dlg-hcvc.github.io/hsm),
- SINGAPO: Single Image Controlled Generation of Articulated Parts in Obiects https://arxiv.org/abs/2410.16499 (проект с кодом https://3dlg-hcvc.github.io/singapo),
- ITACO: 2-stage coarse prediction & refinement https://arxiv.org/html/2506.08334v2 (проект с кодом https://3dlg-hcvc.github.io/video2articulation/),
- EgoFun3D: benchmarking egocentric video to functional 3D digital twin reconstruction https://arxiv.org/abs/2604.11038 (проект с кодом и данными https://3dlg-hcvc.github.io/EgoFun3D/),
- Artiverse: A Diverse and Physically Grounded Dataset for Articulated Objects https://arxiv.org/abs/2605.24403 (проект с кодом и данными https://3dlg-hcvc.github.io/artiverse/)

Ingmar Posner из Oxford University (H-index 50) сделал базовый обзор различных моделей мира (World Models) и рассказал про свои работы VCD (Variational Causal Dynamics) , COMET и SPARTAN, про свежие результататы 2026 года правда ничего не рассказал

Ken Goldberg из UC Berkeley и UCSF (H-index 109) рассказывал про моделирование роста растений с помощью трехмерного гауссовского сплаттинга GrowSplat (проект с данными и пока без кода https://berkeleyautomation.github.io/GrowSplat/), а также про разумную концепцию, в которой рассматривался промежуточное синтетическое представление среды для обучения роботов: Real2Render2Real: Scaling Robot Data Without Dynamics Simulation or Robot Hardware (проект с кодом https://real2render2real.com)

Oier Mees из Microsoft (H-index 29), из его работ отмечу SteerVLA: Steering Vision-Language-Action Models in Long-Tail Driving Scenarios (проект пока без кода https://steervla.github.io) и mimic-video: Video-Action Models for Generalizable Robot Control Beyond VLAs (проект с кодом https://mimic-video.github.io)

На этом воркшопе также выступал Jiajun Wu из Стэнфорда (H-index 94 ) c очень большим количеством публикаций на A*-конференциях в год - он входит в команду Fei-Fei Li. Отмечу его свежие работы про рассуждения на длинных видео и бенчмаркинг:
- Linear Scaling Video VLMs for Long Video Understanding https://arxiv.org/abs/2605.31598 (проект пока без кода https://ceyzaguirre4.github.io/StateKV/),
- GPIC: A Giant Permissive Image Corpus for Visual Generation https://arxiv.org/abs/2605.30341 (проект с данными https://gpic.stanford.edu/),
- ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop https://arxiv.org/abs/2605.18746 (проект с кодом https://esi-bench.github.io).

#ICRA

Успел под конец первого дня конференции заглянуть на воркшоп по беспилотным автомобилям 1st Workshop on
Generalization in Autonomous Driving: Paradigms, Practice, and Public Road Demonstrations (https://tum-avs.github.io/ICRA2026_Workshop/).

Felix Fent из TUM (H-index 12, https://scholar.google.com/citations?user=wxWHG3IAAAAJ) рассказывал про свой опыт развертывания систем навигации на автоматизированном автомобиле Volkswagen на улицах Берлина и не только. Он отметил перспективность и нерешенность проблемы обновления HD-карт в процессе движения машины, проблему локализации в случае потери GNSS-сигнала, чем как раз мы плотно занимаемся в команде. И конечно он говорил про смену парадигмы бортовых систем для автомобилей на обучаемые модели. Под конец доклада он дал ссылку на гитхаб своей команды, куда они что-то потихоньку выкладывают https://github.com/TUMFTM

Запомнившиеся постеры с этого воркшопа:
-SimForge: Generalization in Autonomous Driving through City-Scale Digital Twins and Simulation https://tum-avs.github.io/ICRA2026_Workshop/paper/ICRA2026_GenAV_SimForge_Generalization_FS.pdf
-AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving https://arxiv.org/abs/2604.15291 (код https://github.com/AMCO-UniPD/moviad)
-Radar-Informed 3D Multi-Object Tracking Under Adverse Conditions https://arxiv.org/abs/2604.13571 (код https://github.com/bingxue-xu/radarmot)
-Towards a Fully Differentiable Framework for Autonomous Driving Based on Model-Structured Neural Networks (код https://github.com/tonegas/nnodely)
-Lane-Topology-Guided Motion ForecastingN via Feasible Motion Primitive Selection (проект без кода https://lamp-motionforecasting.github.io/)
-DOPE: Dynamic Obstacle Parking Environment for End-to-End Autonomous Parking in CARLA (код и среда https://github.com/boschresearch/dynamic-obstacle-parking-env/tree/icra2026)
-Collaborative Multi-Agent Testing for Emergent Failure Discovery in Autonomous Driving Systems (код https://github.com/ruizhengu/CREAD )
- V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models and Graph-of-Thoughts https://arxiv.org/abs/2509.18053 (проект с данными и кодом https://eddyhkchiu.github.io/v2vgot.github.io/)

#ICRA