近日，International Conference on Machine Learning（ICML）2026公布了论文的评审结果，杭州电子科技大学计算机学院具身机器人研究所的2项研究成果被该会议录用。ICML是机器学习领域三大顶级学术会议之一，也是中国计算机学会推荐的人工智能方向CCF-A类会议，2026年将于韩国首尔举办。
成果一：《NeuroMamba: A Universal Spatiotemporal Module for Robust Perception in Degraded Sensory Streams》。该成果聚焦开放世界智能系统中退化传感数据流的鲁棒感知这一核心挑战，提出了NeuroMamba，一种通用的即插即用时空一致性增强模块。该研究发现，现有时空恢复方法面临观测完整性与重建保真度之间的根本性矛盾：追求完整性的方法易引入虚假伪影，而侧重噪声抑制的方法则破坏时间连续性。基于这一洞察，NeuroMamba通过两个功能互补的协同组件实现了该矛盾的有效调和：（1）混合时空校正模块（Hybrid Spatiotemporal Rectification）：利用Mamba选择性状态空间模型的线性复杂度，从短时历史上下文中提取运动惯性先验以修复退化特征，同时结合窗口化多头自注意力机制保持空间几何一致性；（2）脉冲置信门控（Spiking Confidence Gate）：借鉴神经形态计算中的Leaky Integrate-and-Fire神经元动力学，基于累积时间证据对恢复特征进行硬阈值筛选，有效抑制重建伪影与传感器噪声。消融实验与多种参数量匹配的门控替代方案对比充分验证了两个组件恢复-过滤协同设计的必要性。该研究还构建了基于nuScenes的鲁棒性评测基准nuScenes-D，融合物理启发的天气退化与多类传感器故障模拟，并引入非独立同分布的时序突发协议，涵盖多层级退化场景。大量实验表明，NeuroMamba作为即插即用模块在中等退化条件下相比基线BEVFusion实现了mAP +48.3%的显著提升，同时优于BEVDiffuser、MoME、UniBEV等现有方法，推理效率相比扩散式方法提升约一个数量级，在清洁数据上亦保持与基线相当的感知性能。该成果第一作者为李金凤（25级博士生），由管昉立、林斌、董丁然、颜力琦、李攀（通讯作者）共同指导完成。
成果二《Sketch-Based Low-Rank Model Merging with Shared Circulant Transforms》。针对大模型微调中 LoRA 合并的计算瓶颈，提出了名为 CircuMerge 的高效零样本合并框架 。该研究在理论上揭示了模型合并质量与矩阵有效秩（Effective Rank）的正相关性 ，并据此引入了基于快速傅里叶变换（FFT）的共享循环变换（SCT）来统一任务坐标系并优化奇异值能量分布 。通过在变换空间内进行随机采样（Sketching）生成紧凑草图并直接应用合并规则，该方法在 CLIP 和 Llama 3 等视觉与语言基准测试中，不仅实现了与最先进技术（SOTA）相当甚至更高的精度 ，还将单层合并耗时显著降低了 44% 以上 。该成果由兼职教授郝孝帅博士（郝孝帅博士为支持该研究的项目负责人）完成。
具身机器人研究所由李攀教授牵头，现有专任教师9人，国家级人才1人，省部级人才2人。研究所专注于人工智能（具身智能）、穿戴式感知、分布式算力、智能感知等方面的理论和应用研究。团队成员主持国家重点研发计划、国家海外高层次人才引进计划青年项目、省顶尖人才项目等重要项目20余项。
