【ZiDongHua 之“创新自化成”标注关键词： 中科第五纪 机器视觉 机器人 具身智能 中国图象图形大会】
 
　　中科第五纪“超少样本”技术入选“2026 CCIG 技术创新榜金牌榜”
 
　　5月29日-31日，2026中国图象图形大会（CCIG 2026）于广州长隆国际会展中心隆重举办。在《面向具身智能的机器视觉与数据生成》论坛上，中科第五纪青年首席科学家、中科院自动化所研究员黄岩带来题为《空间认知增强的具身导航与操作》的主题报告，直指具身智能领域数据稀缺、对于真实世界理解和泛化能力弱等核心痛点，引发业内深度研讨。
 
　　作为业内率先通过模型架构创新、突破数据利用效率瓶颈的代表人物，黄岩带领团队独创“热力图对齐”技术，自研打造“超少样本端到端具身大模型（FAM系列）”。该成果从底层重构了具身大模型的技术范式，也让团队成为超少样本具身智能路线的开拓者。
 
 
　　黄岩主题报告精彩观点节选如下：
 
　　目前行业内补齐具身智能数据短板主要分为两大路径：
 
　　一是扩充真实场景数据采集，二是构建仿真、生成类合成数据。两条路线虽均以补足数据缺口为核心，但各自存在明显局限。
 
　　目前行业数据积累效率偏低，三五年内难以储备足量数据支撑具身大模型训练。若希望短期内落地应用、产出成果，架构创新是破局关键。
 
　　我们自主研发的行业首创端到端超少样本FAM系列模型，颠覆了传统VLA的沙漏型架构，创新性提出‘热力图对齐’技术。传统VLA模型在处理三维空间信息时，就像漏斗一样把高维视觉信息强行压缩成一维向量，再预测三维动作——中间层的‘维度瓶颈’导致大量关键的空间结构细节丢失，模型只能靠死记硬背海量数据来弥补。FAM模型的核心创新，是将模型中间层从一维特征‘拉高’回三维热力图，让空间结构建模能力得以在模型中无损流动。这种设计，让机器人从‘死记硬背动作’变成了‘真正理解空间’。
 
　　FAM模型的高效数据利用能力，使得‘场景落地→真机数据→模型进化’的飞轮闭环成为可能。这直接解决了行业内长期存在的‘先有鸡还是先有蛋’困境：没有数据就无法训练好模型，没有好模型就无法获取高质量的数据。FAM模型用技术架构的创新，绕开了这一死循环。让机器人在真实场景中学会进步，在干活中不断积累反馈、自我进化——越用越好用，越用越聪明。
 
　　凭借“超少样本端到端具身大模型（FAM系列）”这一前沿技术，中科第五纪成功入选“2026图像图形技术创新榜金牌榜”。这份由中国图象图形学会设立的权威榜单，致力于发掘前沿技术与优质科创企业，树立行业标杆。
 
 
　　FAM系列具身大模型摆脱传统模式对“数据堆叠”的依赖，仅需3至5条真机数据，即可实现97%任务成功率。模型构建起从感知、认知到操作的全栈技术体系，大幅提升机器人理解物理世界、执行精细操作的能力，推动具身智能机器人快速从实验室走向工业、商业等真实应用场景。
 
　　立足当下，中科第五纪将持续深耕技术研发与场景落地，助力具身智能迈向更广阔的产业空间。