南加大PSI Lab三年斩获CVPR三奖，人形机器人路径渐明

在南加州大学，王越的PSI Lab正在成为具身智能领域最受关注的年轻实验室之一。今年CVPR 2026的具身智能Workshop上，这个成立仅三年的团队一口气拿下三项大奖：Psi-0获得3D-LLM/VLA Workshop的最佳论文，PhysWorld获得同一Workshop的最佳论文亚军，Humanoid Everyday则拿下Embodied AI Workshop的最佳论文。更值得注意的是，这三篇论文随后分别被RSS 2026和ICRA 2026录用，证明了它们在学术界的认可度。王越2022年从MIT EECS博士毕业，曾在NVIDIA自动驾驶研究组工作，2023年入职USC计算机系并创办PSI Lab。他的早期代表作包括点云经典工作DGCNN和DCP，以及自动驾驶3D感知方法DETR3D，其中DGCNN至今仍是点云深度学习领域引用最高的论文之一。实验室成立时间虽短，但产出密度极高：学生团队已获得NVIDIA Fellowship、Qualcomm Fellowship、Amazon等多项奖学金，本科生也获得过CRA杰出本科研究者荣誉。这三项获奖工作恰好对应了人形机器人当前最缺的三个环节。Humanoid Everyday解决的是数据问题，为开放世界中的人形机器人日常操作提供数据采集和评测基准；Psi-0则是一个能迁移到人形身体上的基础动作模型框架，采用分阶段训练策略——先用约829小时的第一人称人类视频做预训练，再用约31小时的人形机器人轨迹做后训练，有效解决了人类数据与机器人embodiment不匹配的问题；PhysWorld更进一步，让模型具备预测动作后果的能力。这三项工作串成了一条从数据到基础模型再到物理预测的完整路径。PSI Lab的成功并非偶然。它没有从纯计算机视觉突然转向机器人，也不只做控制算法，而是站在3D世界理解、物理世界感知和真实机器人任务的交叉点上。实验室目前的方向覆盖人形机器人、灵巧操作、从人类视频学习机器人策略，以及面向真实部署的数据和学习系统。对于一个成立仅三年的年轻团队来说，这样的获奖和产出密度确实罕见。随着人形机器人从演示走向真实部署，PSI Lab这条从数据到基础模型再到物理预测的技术路线，或许会为行业提供一份重要的参考范本。