廣東
近日，機器人領域國際頂會 ICRA 2026 正式收錄一項重磅聯合研究成果。由北京大學與上緯啟元研究院共同提出的 UcON（User-Centric Object Navigation）數據集落地，這也是全球首個以用戶個性化生活習慣為核心的具身導航評測基準，直指當下服務機器人 “懂通用常識、不懂個體家庭” 的行業通病，或將重塑家用尋物機器人的研發與評測標準。
在家務機器人落地場景中，有一個長期痛點：現有機器人依靠通用物品擺放邏輯搜尋物件，默認書本在書房、餐具在廚房，但現實里用戶收納習慣五花八門，不少人習慣把報紙放在餐桌、香蕉存放冰箱，傳統算法很容易搜尋失敗。而這套全新基準，正是針對該行業痛點打造。這項工作由北大長聘副教授、上緯啟元首席科學家董豪帶領完成。從數據規模來看，UcON 目前收錄 489 類家居物品、合計 22600 條生活化用戶行為習慣，單場導航任務配套近 300 條用戶習慣知識庫。不同于過往依靠固定場景常識擺放物體的數據集，UcON 依托用戶習慣隨機生成物品位置，倒逼導航 AI 跳出固有常識思維，結合用戶個人行為線索推理物品點位，實現從 “標準化找物” 向 “個性化尋物” 的轉變。
在落地實操層面，海量習慣信息冗余、無關信息干擾大模型推理是落地新任務的關鍵阻礙。為此團隊配套設計輕量化 HRM 習慣檢索模塊，依托 BGE-M3 嵌入模型做語義篩選，從海量習慣里提取有效線索。實驗出現有趣結論：經過模塊篩選后的間接習慣線索，定位效果甚至優于直接綁定物品的真值標簽，餐桌、沙發等環境錨點成為機器人空間推理的關鍵助力。
研究團隊選用 LGX、PixelNav、VTN 等多款行業 SOTA 主流導航方案開展對照測評，從成功率、路徑效率兩大維度驗證效果。測試數據顯示，剝離用戶習慣信息后，全品類主流模型性能普遍大幅下滑；補充用戶習慣數據源后，各類算法指標實現確定性提升。該結果直觀印證，當前主流家用導航 AI 高度依賴場景通用先驗，缺失個性化理解能力是產業化落地的關鍵短板。
不過項目團隊也客觀點明研究現存邊界：當前基準內用戶習慣由大模型合成生成，尚未基于真實家庭長期觀測數據；現階段研究聚焦 “已有習慣如何高效使用”，機器人自主在日常生活中持續學習、迭代用戶習慣，仍是下一階段研發重點。行業人士表示，UcON 填補了個性化物體導航的評測空白，為掃地、陪護、家政類服務機器人突破居家落地瓶頸提供全新研發思路，加速家用服務機器人從通用化產品走向定制化智能。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
