년 5월 AI 및 로봇 연구 동향

1. 서론: 2025년 5월, AI 및 로봇공학의 현주소

2025년 5월은 인공지능(AI) 기술이 단순한 디지털 정보 처리를 넘어 물리적 세계와의 상호작용으로 본격 확장되는 중요한 변곡점으로 기록될 것이다. 학계에서는 로봇이 불확실한 현실 세계에서 강건하게 작동하기 위한 기초 이론과 확장성 문제를 다루는 연구가 정점에 달했으며, 산업계에서는 이러한 연구 성과를 바탕으로 공장 자동화와 물류 시스템을 근본적으로 혁신하려는 구체적인 프레임워크와 플랫폼이 제시되었다.1

본 보고서는 2025년 5월을 대표하는 두 개의 핵심 행사인 IEEE 국제 로봇 및 자동화 학술대회(ICRA 2025)와 오토메이트(Automate 2025)를 중심으로 기술 동향을 분석한다. ICRA는 로봇공학의 근본적인 난제를 해결하는 학문적 깊이를, Automate는 산업 현장의 실질적인 문제 해결을 위한 기술적 방향성을 제시하며 상호 보완적인 그림을 완성한다.4 이 두 행사를 비교 분석함으로써, 기초 연구가 산업 혁신으로 이어지는 연구개발(R&D) 파이프라인의 현재와 미래를 조망할 수 있다.

이 시기의 가장 중요한 흐름은 ’추상적 지능’에서 ’구체적 실행’으로의 전환이 가속화되었다는 점이다. ICRA에서 논의된 대규모 다개체 제어, 불확실성 하에서의 강건한 인식, 범용적 조작 기술은 Automate에서 NVIDIA가 제시한 ’물리적 AI(Physical AI)’라는 개념으로 구체화되었다. 이는 학술적 성과가 산업적 비전으로 직접 연결되는 강력한 인과 관계를 보여준다. ICRA의 연구들은 ’물리적 AI’를 구현하기 위한 핵심 구성 요소 기술인 인식(Perception), 추론(Reasoning), 행동(Action)을 개발하고 있으며, 이는 학계가 ’어떻게(How)’에 대한 답을, 산업계가 ’무엇을(What)’과 ’왜(Why)’에 대한 비전을 제시하는 구도라 할 수 있다. 따라서 2025년 5월의 기술 지형도를 관통하는 핵심 주제는 AI의 물리적 구현(Embodiment)이다.

표 1: 2025년 5월 주요 AI 및 로봇공학 컨퍼런스 개요

2. 학계의 최전선 - IEEE ICRA 2025 핵심 연구 동향

IEEE ICRA 2025는 총 4,250편의 논문이 제출되어 그중 1,606편이 채택되었으며, 7,000명 이상이 참가한 명실상부한 세계 최대 로봇공학 학술대회이다.5 이 규모는 로봇공학 연구의 폭과 깊이가 지속적으로 확장되고 있음을 시사하며, 학계의 최신 동향을 파악하는 가장 중요한 지표가 된다.

표 2: ICRA 2025 주요 수상 논문 요약

2.1 기조연설: 로봇과 사회, 그리고 미래 비전

ICRA 2025의 기조연설들은 로봇공학 커뮤니티가 순수한 ’기술적 성공’을 넘어 ’사회적 및 상업적 성공’과 ’방법론적 정체성’을 깊이 고민하는 성숙기에 접어들었음을 시사했다.

스탠퍼드 대학교의 앨리슨 오카무라(Allison Okamura) 교수는 “Rewired: The Interplay of Robots and Society“라는 주제로, 로봇 기술이 의료, 고령화 지원과 같은 사회적 요구에 의해 어떻게 발전하고, 다시 사회에 어떤 영향을 미치는지에 대한 상호작용을 분석했다.20 이는 기술 개발이 더 이상 순수한 공학적 목표에만 머무르지 않고, 사회적 수용성과 윤리적 문제를 반드시 고려해야 하는 단계에 이르렀음을 강조한다.

더스티 로보틱스(Dusty Robotics)의 CEO 테사 라우(Tessa Lau)는 “So you want to build a robot company?“라는 현실적인 질문을 던졌다.20 그녀는 로봇 연구자가 성공적인 창업가로 거듭나는 과정에서 겪는 어려움, 특히 제품-시장 적합성(Product-Market Fit)을 찾는 것의 중요성과 실제 현장에서의 실패 경험을 공유했다. 이는 학술적 성과를 상업적 성공으로 전환하는 과정의 복잡성과 핵심 성공 요소를 명확히 보여주었다.

취리히 연방 공과대학교(ETH Zurich)의 라파엘로 디안드레아(Raffaello D’Andrea) 교수는 “Models are dead, long live models!“라는 도발적인 제목으로, 전통적인 모델 기반 접근법과 최신 AI(데이터 기반) 접근법 간의 관계를 탐구했다.21 그는 AI가 기존에 해결하지 못했던 문제들을 풀 수 있게 해주지만, 최적화와 같은 전통적인 도구의 역할 또한 여전히 중요함을 역설하며 두 접근법의 조화로운 결합을 강조했다. 이 주제는 “데이터가 로봇공학과 자동화를 해결할 것인가: 참인가 거짓인가?(Data will Solve Robotics and Automation: True or False?)“라는 패널 토론과 직접적으로 연결되며, 현재 로봇 학계의 가장 큰 화두이자 근본적인 고민이 무엇인지를 명확히 보여주었다.24

이 세 기조연설은 로봇공학이 이제 ’어떻게 만들 것인가’를 넘어 ’무엇을 위해, 어떻게 세상에 기여할 것인가’를 묻는 단계로 진입했음을 보여주는 중요한 지표이다.

2.2 최우수 논문 심층 분석: 2025년 로봇공학의 기술적 이정표

ICRA 2025의 수상 논문들은 ‘스케일(Scale)’, ‘일반화(Generalization)’, ’강건성(Robustness)’이라는 세 가지 키워드로 요약될 수 있다. 이는 로봇공학 연구가 실험실 수준의 개념 증명을 넘어, 현실 세계의 복잡하고 예측 불가능한 대규모 문제들을 해결하는 단계로 본격적으로 진입했음을 보여준다.

2.2.1 최우수 컨퍼런스 논문: 불확실성 모델링의 새로운 지평

현실 세계의 불확실성을 수학적으로 엄밀하게 다루려는 노력은 예측 불가능한 환경에서 로봇이 안전하고 신뢰성 있게 작동하기 위한 필수 전제 조건이다. 올해 최우수 컨퍼런스 논문으로 공동 선정된 두 편의 연구는 이 분야에서 중요한 진전을 이루었다.

MAC-VO: Metrics-aware Covariance for Learning-based Stereo Visual Odometry는 학습 기반 시각 주행 거리 측정법(VO)의 강건성 문제를 다룬다.16 기존 학습 기반 VO는 추정치의 불확실성을 정확하게 모델링하는 데 한계가 있었다.25 이 연구는 학습된 불확실성을 사용하여 신뢰도가 낮은 특징점을 걸러내고, 이 불확실성을 실제 3D 공간의 오차와 연관시키는 ‘미터법 인지 공분산(metrics-aware covariance)’ 모델을 설계하여 포즈 그래프 최적화(pose graph optimization)에 통합했다.25 이 접근법은 신경망이 특징 매칭의 전역적 불일치를 통해 스스로 특징점의 품질을 평가하게 만든다. 결과적으로, 이 연구는 학습 기반 VO에 신뢰할 수 있는 불확실성 정량화 방법을 제공함으로써, 자율 시스템이 자신의 위치 추정치가 얼마나 정확한지 ‘스스로 알게’ 만들었다. 이는 안전이 중요한 자율주행이나 드론 항법과 같은 응용 분야에서 결정적인 역할을 할 수 있다. 이 논문이 최우수 컨퍼런스 논문과 최우수 로봇 인식 논문을 동시에 수상한 것은 이 연구의 중요성을 방증한다.27

Marginalizing and Conditioning Gaussians Onto Linear Approximations of Smooth Manifolds with Applications in Robotics는 보다 근본적인 수학적 문제를 해결했다.16 로봇 공학의 많은 문제는 비선형 매니폴드(non-linear manifold) 상의 제약 조건을 포함하지만, 가우시안 분포를 이러한 매니폴드에 투영(marginalizing)하거나 조건화(conditioning)하는 일반적인 수학적 도구가 부족했다.29 연구팀은 비-축정렬 선형 매니폴드에 대한 가우시안의 주변화 및 조건화를 위한 닫힌 형태(closed-form)의 수식을 유도하고, 이를 국소 선형화를 통해 부드러운 비선형 매니폴드에 근사 적용하는 방법을 제시했다.30 이로써 SLAM이나 상태 추정 문제에서 제약 조건을 더욱 엄밀하고 정확하게 처리할 수 있는 수학적 기반을 제공했으며, 로봇의 불확실성 관리를 한층 더 정교하게 만들어 전체 시스템의 신뢰도를 높이는 데 기여했다.

2.2.2 최우수 로봇 학습 논문: 대규모 데이터 관리의 혁신, Robo-DM

로봇 학습 연구는 ‘빅데이터’ 시대로 진입하고 있으며, 이는 개별 로봇의 지능을 넘어 시스템 전체의 효율성을 다루는 방향으로 연구의 초점이 이동하고 있음을 의미한다. Robo-DM: Data Management For Large Robot Datasets는 이러한 시대적 요구에 부응하는 핵심 인프라 기술을 제시했다.16 로봇 학습의 규모가 커지면서 비디오, 언어, 센서 데이터 등 이종(heterogeneous)의 대규모 데이터셋을 효율적으로 저장, 전송, 로딩하는 것이 심각한 병목 현상이 되고 있었다.31 이 연구는 EBML(Extensible Binary Meta Language)을 사용하여 다양한 로봇 데이터를 단일 컨테이너 파일에 통합하고, 효율적인 압축(최대 75배) 및 로딩 메커니즘(메모리 맵 캐싱, 로드 밸런싱)을 제공하는 오픈소스 툴킷 Robo-DM을 개발했다.32 이는 대규모 모델 학습의 진입 장벽을 낮추고 연구 재현성을 높이며, 학계와 산업계 전반의 로봇 학습 연구를 가속화할 잠재력을 가진다.

2.2.3 최우수 조작 및 이동 논문: D(R,O) Grasp를 통한 범용 파지 기술

로봇의 실제적 유용성을 결정하는 핵심 요소는 특정 환경이나 작업에 과적합되지 않는 범용 기술이다. D(R, O) Grasp: A Unified Representation of Robot and Object Interaction for Cross-Embodiment Dexterous Grasping은 로봇 조작 분야의 오랜 난제인 범용 파지(grasping) 문제에서 중요한 돌파구를 마련했다.16 다양한 형태의 로봇 손(cross-embodiment)과 물체에 대해 일반화 가능한 파지 기술을 개발하기 위해, 이 연구는 로봇 손과 물체 간의 상호작용을 점 구름(point clouds) 간의 상대적 거리 행렬로 표현하는 통합된 표현법 D(R,O)를 제안했다.35 조건부 변분 오토인코더(CVAE)를 사용하여 이 표현을 예측하고, 이를 통해 다양한 로봇 손에 적용 가능한 안정적인 파지 자세를 생성한다.35 이는 특정 로봇 손에 종속되지 않는 ’범용 파지 지능’의 가능성을 열었다. 로봇이 처음 보는 물체뿐만 아니라, 처음 사용하는 도구(로봇 손)에 대해서도 효과적으로 파지를 계획할 수 있다는 것은 진정한 의미의 범용 조작 로봇으로 가는 중요한 단계이다.18

2.2.4 최우수 다중 로봇 시스템 논문: 1만 대 로봇을 위한 모방 학습

수천, 수만 대의 로봇이 지속적으로 작업을 수행하는 환경(lifelong multi-agent path finding, LMAPF)에서 충돌 없이 효율적인 경로를 실시간으로 계획하는 것은 극도로 어려운 확장성(scalability) 문제를 야기한다.39

Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding은 이 문제에 대한 혁신적인 해법을 제시했다.16 연구팀은 강력한 중앙 집중형 전문가 알고리즘의 의사결정을 모방하도록 분산형 신경망 정책(neural policy)을 학습시키는 확장 가능한 모방 학습(Scalable Imitation Learning) 프레임워크를 제안했다.40 이를 통해 각 로봇은 자신의 지역적 관측 정보만으로 고품질의 결정을 내릴 수 있게 된다. 이 연구는 중앙 집중식 계획의 한계를 뛰어넘어, 전례 없는 규모(1만 대)의 다중 로봇 시스템을 실시간으로 제어할 수 있는 가능성을 입증했다.42 이는 미래의 스마트 물류창고나 자율 교통 시스템과 같은 대규모 로봇 애플리케이션의 핵심 기반 기술이 될 수 있다.

2.2.5 최우수 메커니즘 및 설계 논문: 생체모방 소프트 로봇 웜 블롭

Individual and Collective Behaviors in Soft Robot Worms Inspired by Living Worm Blobs는 개별 로봇의 단순한 능력을 넘어서는 복잡한 집단 행동이 중앙 제어 없이 ’물리적 상호작용’만으로 어떻게 창발(emerge)될 수 있는지를 보여주는 탁월한 사례이다.17 캘리포니아 블랙웜(blackworms)은 수천 마리가 얽혀 하나의 ’덩어리(blob)’처럼 움직이는 독특한 집단 행동을 보인다.43 연구팀은 블랙웜처럼 높은 종횡비를 가진 공압식 소프트 로봇들을 개발하여, 이들이 개별적으로 또는 서로 얽힌 ‘블롭’ 상태로 움직이는 것을 시연하고 정량적으로 분석했다.19 이 연구는 저비용의 단순한 로봇들로 구성된, 매우 강건하고 적응력이 뛰어난 군집 로봇 시스템 설계에 대한 새로운 패러다임을 제시한다.

이상의 수상 논문들은 서로 긴밀하게 연결되어 2025년 로봇공학 연구의 핵심 패러다임을 형성한다. 대규모(Scale)의 다양한 데이터(Robo-DM)는 일반화(Generalization) 성능이 높은 모델(D(R,O) Grasp)을 만드는 데 필수적이며, 이러한 모델이 현실에서 강건하게(Robustness) 작동하려면 불확실성(MAC-VO)을 제대로 처리해야 한다. 이 상호 연결된 구조가 바로 현실 세계의 복잡하고 예측 불가능한 대규모 문제들을 해결하기 위한 로봇공학계의 청사진이다.

3. 산업 현장의 혁신 - Automate 2025 기술 트렌드

Automate 2025는 북미 최대의 자동화 전시회로, 900개 이상의 전시업체와 45,000명 이상의 참가자가 모여 로봇, AI, 비전, 모션 제어 등 최신 산업 자동화 기술을 선보였다.2 학술적 논의보다는 실제 산업 현장에 적용 가능한 솔루션과 미래 비전이 중심이 되었다. Automate 2025에서 제시된 두 핵심 기술, 즉 NVIDIA의 ’물리적 AI’와 Schneider Electric의 ’산업용 코파일럿’은 산업 자동화의 미래가 ’로봇 자체’가 아닌 ’로봇을 움직이는 지능과 그것을 개발/운영하는 플랫폼’에 있음을 명확히 보여주었다.

3.1 기조연설: 물리적 AI와 산업 재정의

NVIDIA의 부사장 디푸 탈라(Deepu Talla)는 “Industrial autonomy in the era of Physical AI“라는 기조연설을 통해 생성형 AI의 빅뱅이 이제 물리적 세계로 확장되고 있다고 선언했다.7 그는 ’물리적 AI(Physical AI)’가 정적인 규칙 기반 자동화를 지능적이고 적응적인 자율성으로 전환하여, 다품종 소량 생산과 같은 비정형적인 산업 문제를 해결할 것이라고 예측했다.3

슈나이더 일렉트릭(Schneider Electric) 북미 사업부 대표 아미르 폴(Aamir Paul)은 “Redefining industry: A bold new era for American manufacturing…“이라는 연설에서 AI, 디지털화, 자동화가 미국 제조업에 전례 없는 변화를 가져오고 있으며, 이는 인력 관리부터 비즈니스 모델까지 산업의 핵심 신념을 재정의할 것을 요구한다고 주장했다.7 그는 특히 기술 격차를 해소하고 작업자를 지원하는 도구의 중요성을 강조하며, 산업 현장의 인간-기계 협업에 대한 새로운 비전을 제시했다.

3.2 핵심 기술 심층 분석 1: NVIDIA의 물리적 AI (Physical AI)

NVIDIA가 제시한 물리적 AI는 로봇과 같은 자율 시스템이 실제 물리적 세계를 ‘인식(perceive)’, ‘추론(reason)’, ’행동(act)’할 수 있도록 하는 비전-언어-행동 모델(vision-language-action models)을 의미한다.3 이는 단순한 패턴 생성을 넘어 물리 법칙과 환경의 제약을 이해하고 상호작용하는 지능을 목표로 한다.

NVIDIA는 물리적 AI를 산업 현장에 배포하기 위한 체계적인 4단계 사이클을 제시했다.3

1. 데이터 생성 (Create Data): 실제 로봇 데이터의 부족 문제를 해결하기 위해, 인간의 시연 데이터와 함께 NVIDIA Omniverse와 같은 플랫폼을 활용한 합성 데이터 생성을 병행한다.
2. 시뮬레이션 학습 (Train in Simulation): Isaac Lab과 같은 고충실도 시뮬레이션 환경에서 강화학습과 모방학습을 통해 안전하고 빠르게 AI 모델을 훈련시킨다.
3. 대규모 테스트 (Test at Scale): 디지털 트윈을 통해 물리적 배포 전에 전체 공장 규모의 테스트를 수행하여 위험과 비용을 최소화한다.
4. 실제 배포 (Deploy in the Real World): 훈련된 AI를 실제 로봇에 배포하고, 현장에서 수집된 데이터를 다시 학습에 활용하는 지속적인 개선 루프(continuous learning loop)를 구축한다.

이 4단계 프로세스는 로봇 AI 개발의 패러다임을 전통적인 ’코딩’에서 ’훈련’으로 전환하는 구체적인 청사진을 제시한 것이다. 특히 시뮬레이션과 디지털 트윈을 개발 파이프라인의 핵심으로 통합함으로써, 개발 속도를 획기적으로 가속화하고 물리적 테스트의 한계를 극복할 수 있게 한다.50 이는 ICRA에서 발표된 Robo-DM과 같은 대규모 데이터 관리 기술의 산업적 중요성을 더욱 부각시킨다.

3.3 핵심 기술 심층 분석 2: Schneider Electric의 산업용 코파일럿과 소프트웨어 정의 자동화

Schneider Electric은 산업 자동화 분야의 ’탈-종속화’와 ’민주화’를 선도하는 기술을 선보였다. 핵심은 Microsoft와 협력하여 개발한 ’산업용 코파일럿(Industrial Copilot)’과 이를 뒷받침하는 ‘소프트웨어 정의 자동화(Software-Defined Automation)’ 플랫폼이다.48

산업용 코파일럿은 Microsoft Azure AI Foundry를 기반으로 한 생성형 AI 어시스턴트로, PLC 코드 생성, 테스트, 검증과 같은 반복적이고 복잡한 엔지니어링 작업을 자동화한다.52 또한, 현장 작업자에게 실시간 권장 사항 및 문제 해결 가이드를 제공하여 생산성을 극대화하고 인적 오류를 줄인다.

이러한 코파일럿은 EcoStruxure Automation Expert라는 개방형 플랫폼 위에서 작동한다.48 이 플랫폼은 특정 하드웨어에 종속되지 않는 소프트웨어 정의 자동화를 구현하여, 하드웨어와 소프트웨어를 분리한다. 이를 통해 다양한 공급업체의 기술을 유연하게 통합하고, 재사용 가능한 애플리케이션 라이브러리를 구축할 수 있다. 과거 특정 제조사의 하드웨어와 소프트웨어에 묶여 있던 폐쇄적인 시스템이, 이제는 IT 분야처럼 개방적이고 유연한 소프트웨어 중심 생태계로 전환되고 있음을 보여주는 것이다. 산업용 코파일럿은 이러한 개방형 플랫폼 위에서 인간 작업자의 전문 지식과 AI의 분석 능력을 결합하여 인간-기계 협업의 새로운 모델을 제시한다.1

NVIDIA가 로봇의 ’두뇌’에 해당하는 AI 모델과 시뮬레이션, 컴퓨팅 하드웨어에 집중한다면, Schneider Electric은 로봇과 AI가 작동하는 ’신경계’와 ’운영체제’에 해당하는 개방형 플랫폼과 인간-AI 인터페이스에 집중하고 있다. 이 두 접근 방식은 경쟁적이라기보다는 상호 보완적이며, 산업 자동화 시장이 과거의 기계 중심에서 소프트웨어와 데이터 중심 생태계로 재편되고 있음을 명확히 보여준다.

4. 결론: 학계와 산업계의 융합 및 2025년 이후 전망

2025년 5월, ICRA와 Automate에서 발표된 연구 및 기술들은 ’물리적 세계와의 지능적 상호작용’이라는 공통된 목표를 향해 학계와 산업계가 긴밀하게 수렴하고 있음을 보여주었다. ICRA의 기초 연구는 Automate의 산업 솔루션을 위한 핵심 구성 요소를 제공한다. Robo-DM은 물리적 AI의 데이터 파이프라인을, D(R,O) Grasp는 범용 조작 능력을, Deploying Ten Thousand Robots는 대규모 자율 시스템 운영의 가능성을 제공하며, 이는 NVIDIA와 Schneider Electric이 그리는 미래 공장의 핵심 기술들이다.

2025년 이후 AI 및 로봇공학 분야는 다음과 같은 방향으로 발전할 것으로 전망된다.

1. 시뮬레이션-현실 간극(Sim-to-Real Gap) 해소: 물리적 AI의 성공은 시뮬레이션의 정확성에 크게 의존하므로, 이 간극을 줄이기 위한 연구가 더욱 중요해질 것이다. 고충실도 물리 엔진, 센서 모델링, 현실 데이터 기반의 시뮬레이션 환경 자동 생성 기술이 핵심 연구 주제가 될 것이다.
2. AI의 안전성 및 신뢰성 검증: 산업 현장에 AI가 본격적으로 도입됨에 따라, AI 모델의 행동을 예측하고 안전을 보장하기 위한 형식 검증(Formal Verification) 및 설명 가능한 AI(XAI) 연구가 부상할 것이다. ICRA 2025의 ‘안전 및 형식적 방법(Safety & Formal Methods)’ 세션은 이러한 흐름을 뒷받침한다.24
3. 인간-AI 협업의 고도화: 산업용 코파일럿을 시작으로, 인간의 직관과 AI의 분석 능력을 최적으로 결합하는 새로운 형태의 인터페이스와 작업 흐름이 산업 현장의 표준이 될 것이다. 이는 단순한 작업 보조를 넘어, 인간과 AI가 공동으로 문제를 해결하고 새로운 가치를 창출하는 방향으로 진화할 것이다.

결론적으로, 2025년 5월은 AI와 로봇공학이 가상 세계의 한계를 넘어 물리적 현실을 재구성하는 ’실행의 시대’로 진입했음을 알리는 신호탄이었다. 앞으로의 기술 경쟁은 더 나은 알고리즘을 넘어, 더 많은 현실 데이터를 더 효율적으로 학습하고, 더 안전하고 신뢰성 있게 실제 세상에 배포하는 능력에서 판가름 날 것이다.

5. 참고 자료

1. Siemens at AUTOMATE 2025, https://www.siemens.com/us/en/products/automation/topic-areas/events/siemens-automate-show.html
2. Inside Automate 2025: How Robotics and AI Are Reshaping the Factory Floor, https://www.jrautomation.com/blog/inside-automate-2025-how-robotics-and-ai-are-reshaping-the-factory-floor
3. NVIDIA on What Physical AI Means for Robotics - 2025 Keynote …, https://www.automateshow.com/blog/nvidia-on-what-physical-ai-means-for-robotics
4. Best Robotics Conferences and Events to Attend in 2025, https://clearpathrobotics.com/blog/2025/01/best-robotics-conferences-and-events-to-attend-in-2025/
5. 2025 IEEE International Conference on Robotics and Automation (ICRA), https://2025.ieee-icra.org/
6. Transform Your Business @ the Largest Automation Trade Show | June 22-25, 2026 | Automate, https://www.automateshow.com/
7. Automate 2025 | - Automotive Press Association, https://www.automotivepressassociation.net/events/automate-2025/
8. ICRA 2025 - PAL Robotics, https://pal-robotics.com/event/icra-2025/
9. International Conference on Robotics and Automation - Wikipedia, https://en.wikipedia.org/wiki/International_Conference_on_Robotics_and_Automation
10. ICRA 2025 Program | Start Page, https://ras.papercept.net/conferences/conferences/ICRA25/program/
11. Automate 2026: The Ultimate Playbook for First-Time Attendees, https://www.automateshow.com/blog/automate-2026-the-ultimate-playbook-for-first-time-attendees
12. ICRA 2025 Highlight Statistics, https://2025.ieee-icra.org/announcements/icra-2025-highlight-statistics/
13. Announcements Archive - IEEE ICRA 2025, https://2025.ieee-icra.org/announcements/
14. IEEE Robotics and Automation Society (RAS) Announces Award-Winning Papers and Demonstrations at the IEEE International Conference on Robotics and Automation (ICRA) - ICRA 2025, https://2025.ieee-icra.org/announcements/ieee-robotics-and-automation-society-ras-announces-award-winning-papers-and-demonstrations-at-the-ieee-international-conference-on-robotics-and-automation-icra/
15. Awards and Finalists - IEEE ICRA 2025, https://2025.ieee-icra.org/program/awards-and-finalists/
16. Assistant Professor Shao Lin Receives Best Paper Award at ICRA 2025 - NUS Computing, https://www.comp.nus.edu.sg/bytes/asst-prof-shao-lin-best-paper-award-icra-2025/
17. ICRA Best Paper category winner! - Designing Emergence Laboratory, https://del.seas.harvard.edu/news/2025/05/icra-best-paper-category-winner
18. Plenary Sessions - IEEE ICRA 2025, https://2025.ieee-icra.org/program/plenary-sessions/
19. What’s coming up at #ICRA2025? - Robohub, https://robohub.org/whats-coming-up-at-icra2025/
20. The IEEE International Conference on Robotics and Automation (ICRA) Explores Themes of Robots & Society, Construction, and AI for Robotic Advancement in Plenary Sessions - ICRA 2025, https://2025.ieee-icra.org/announcements/the-ieee-international-conference-on-robotics-and-automation-icra-explores-themes-of-robots-society-construction-and-ai-for-robotic-advancement-in-plenary-sessions/
21. So you want to build a robot company? (ICRA 2025 Keynote by Tessa Lau) - YouTube, https://www.youtube.com/watch?v=9pq2ZG19hGg
22. Keynote Sessions - IEEE ICRA 2025, https://2025.ieee-icra.org/program/keynote-sessions/
23. arXiv:2409.09479v1 [cs.RO] 14 Sep 2024, https://arxiv.org/abs/2409.09479
24. [Literature Review] MAC-VO: Metrics-aware Covariance for Learning-based Stereo Visual Odometry - Moonlight, https://www.themoonlight.io/en/review/mac-vo-metrics-aware-covariance-for-learning-based-stereo-visual-odometry
25. MAC-VO won ICRA 2025 Best Conference Paper Award! - AirLab, https://theairlab.org/highlight-macvo-bestpaper/
26. Metrics-aware Covariance for Learning-based Stereo Visual Odometry mac-vo.github.io, https://arxiv.org/html/2409.09479v2
27. Marginalizing and Conditioning Gaussians onto Linear Approximations of Smooth Manifolds with Applications in Robotics - ResearchGate, https://www.researchgate.net/publication/384075651_Marginalizing_and_Conditioning_Gaussians_onto_Linear_Approximations_of_Smooth_Manifolds_with_Applications_in_Robotics
28. [Literature Review] Marginalizing and Conditioning Gaussians onto …, https://www.themoonlight.io/en/review/marginalizing-and-conditioning-gaussians-onto-linear-approximations-of-smooth-manifolds-with-applications-in-robotics
29. Robo-DM: Data Management For Large Robot Datasets - arXiv, https://arxiv.org/html/2505.15558v1
30. Robo-DM: Data Management For Large Robot Datasets - ResearchGate, https://www.researchgate.net/publication/391954107_Robo-DM_Data_Management_For_Large_Robot_Datasets
31. EECS researchers win Best Robot Learning Paper Award at IEEE ICRA 2025, https://eecs.berkeley.edu/news/eecs-researchers-win-best-robot-learning-paper-award-at-ieee-icra-2025/
32. UC Berkeley Researchers Win Top Honors at World’s Leading Robotics Conference, https://ieor.berkeley.edu/uc-berkeley-researchers-win-top-honors-at-worlds-leading-robotics-conference/
33. [Literature Review] D(R, O) Grasp: A Unified Representation of Robot and Object Interaction for Cross-Embodiment Dexterous Grasping - Moonlight, https://www.themoonlight.io/en/review/dr-o-grasp-a-unified-representation-of-robot-and-object-interaction-for-cross-embodiment-dexterous-grasping
34. (PDF) \mathcal{D(R,O)}$ Grasp: A Unified Representation of Robot and Object Interaction for Cross-Embodiment Dexterous Grasping - ResearchGate, https://www.researchgate.net/publication/384599472_mathcalDRO_Grasp_A_Unified_Representation_of_Robot_and_Object_Interaction_for_Cross-Embodiment_Dexterous_Grasping
35. D(R,O) Grasp - GitHub Pages, https://nus-lins-lab.github.io/drograspweb/
36. ICRA 2025 Program | Wednesday May 21, 2025, https://ras.papercept.net/conferences/conferences/ICRA25/program/ICRA25_ContentListWeb_2.html
37. Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding | Request PDF - ResearchGate, https://www.researchgate.net/publication/395224780_Deploying_Ten_Thousand_Robots_Scalable_Imitation_Learning_for_Lifelong_Multi-Agent_Path_Finding
38. Scalable Imitation Learning for Lifelong Multi-Agent Path Finding, https://www.ri.cmu.edu/app/uploads/2025/08/Master_Thesis.pdf
39. Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding - Jiaoyang Li, https://jiaoyangli.me/publications/JiangICRA25/
40. Our paper (in collaboration with Prof. Jiaoyang Li, CMU) received TWO awards at ICRA 2025! - MARMot Lab, https://www.marmotlab.org/blog/2025/05/22/ICRA2025-BSPA.html
41. Individual and Collective Behaviors in Soft Robot Worms Inspired by Living Worm Blobs | Request PDF - ResearchGate, https://www.researchgate.net/publication/395224595_Individual_and_Collective_Behaviors_in_Soft_Robot_Worms_Inspired_by_Living_Worm_Blobs
42. Collective dynamics in entangled worm and robot blobs - PNAS, https://www.pnas.org/doi/10.1073/pnas.2010542118
43. Worm blobs as entangled living polymers: from topological active matter to flexible soft robot collectives - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC10523214/
44. Individual and Collective Behaviors in Soft Robot Worms Inspired by …, http://people.seas.harvard.edu/~jkwerfel/icra25wormblobs.pdf
45. Automate 2025: NVIDIA, Schneider Electric and Teradyne Robotics leaders to deliver keynotes, https://www.robotics247.com/article/automate_2025_nvidia_schneider_electric_and_teradyne_robotics_leaders_to_deliver_keynotes
46. Schneider Electric Unveils Innovations Advancing American …, https://www.se.com/us/en/about-us/newsroom/news/press-releases/schneider-electric-unveils-innovations-advancing-american-manufacturing-at-automate-2025-6821e196c40a38c3120b8237
47. Fujitsu expands strategic collaboration with NVIDIA to deliver full-stack AI infrastructure, https://global.fujitsu/en-global/pr/news/2025/10/03-01
48. 10 Industry Leaders to Connect With at Automate 2025, https://www.automateshow.com/blog/10-industry-leaders-to-connect-with-at-automate-2025
49. NVIDIA at Automate 2025 | May 12-15 | Detroit, Michigan, https://www.nvidia.com/en-us/events/automate-conference/
50. Automate 2025: Redefining control with software-defined automation, https://www.controleng.com/automate-2025-redefining-control-with-software-defined-automation/
51. Schneider Electric Unveils Industrial Copilot At Automate 2025 - Dataconomy, https://dataconomy.com/2025/05/12/schneider-electric-unveils-industrial-copilot-at-automate-2025/