2025 Regeneron ISEF大奖-SOFT系统软件获奖作品汇总-3

最新官方消息！全球科创天花板赛事——国际科学与工程大奖赛（Regeneron ISEF），现已正式公布了2026年总决赛的举办时间和地点。这场汇聚全球青年创新力量的科技盛宴，将于2026年5月9日至15日，在美国亚利桑那州凤凰城会议中心（Phoenix Convention Center, Arizona）璀璨启幕。

2026ISEF赛事安排

参赛资格

年龄与年级：9-12年级学生（或同等学历），参赛时年龄不超过20岁。

地区选拔：必须通过附属赛（Affiliated Fair）晋级，无法直接报名。中国学生需先参加国内选拔赛（如青创赛、明天小小科学家等）。

团队项目：最多3人，所有成员需满足资格且共同参赛。

项目要求

原创性：项目必须由学生独立完成，允许在专家指导下进行，但不得代劳。

学科范围：涵盖21个学科类别，包括工程、生物、化学、计算机、环境科学等。

伦理限制：涉及人类、脊椎动物、病原体等研究需提前提交额外审查表（如ISEF Forms）。

关键文件与截止时间

ISEF表格：根据研究类型提交相应表格（如1C、2、3等），需在地区赛前完成审核。

摘要与研究论文：英文撰写，清晰描述研究目的、方法、结论。

地区赛截止：2026年3-4月

其他注意事项

展示材料：展板需符合ISEF尺寸要求（通常宽48英寸、深30英寸、高108英寸），禁止活体样本或危险品。

知识产权：部分研究可能需申请专利后再参赛，避免披露风险。

为了方便同学们更好的备赛，特别整理了ISEF-SOFT系统软件2025获奖作品方便学习

SOFT039 - EnAct：AI引导，视障人士触及

对于视障人士而言，独立生活需要他们完成日常的取物任务，例如抓取苹果食用。然而，由于缺乏精确的空间感知能力，即使是简单的伸手取物动作也可能导致物品意外倾倒、弄脏环境，甚至造成安全隐患。尽管现有的辅助技术能够描述场景，但在指导实际操作方面往往信息不足，因此大多数视障人士仍然需要依赖他人的帮助来完成这些任务，从而限制了他们的独立性。本项目基于多智能体视觉语言模型（VLM）开发了一种安全感知型可操作引导系统。该系统在VLM的基础上增加了3D动作智能，能够提供实时动作引导/纠正，从而有效地指导视障人士完成取物任务。在运动前的高级路径规划方面，多智能体VLM架构使各个智能体能够分别执行用户查询推理、空间推理、安全评估和路径规划。该系统利用YOLO8-World和Depth Pro，实现动态低级动作引导，实时进行3D触及状态检测、碰撞规避和方向引导，直至用户到达目标。这项研究弥合了基于视觉线性模型（VLM）的通用场景描述和3D空间动作智能方面的知识鸿沟。它使视障用户能够按照系统提供的可执行引导与环境互动，从而完成烹饪、清洁等活动，以现有辅助技术无法企及的方式提高视障人士的独立性和生活质量。

SOFT040 - DISTRACT：用于更安全驾驶的实时视觉模型

分心驾驶已成为日益严重的公共安全危机，其在交通事故和死亡人数中所占比例持续上升。尽管分心驾驶分类（DDC）系统取得了进展，但现有方法仍局限于检测分心状态，而无法对驾驶员的注意力随时间的变化进行建模或量化，这是阻碍自适应安全系统发展的关键限制。为此，本研究提出了DISTRACT模型。该综合模型结合了先进的计算机视觉技术和人类注意力动态，能够实时量化驾驶员的注意力。DISTRACT模型包含三个关键组件。首先，它采用混合卷积神经网络（CNN）-视觉变换器（ViT）图像分类模型，能够以极高的准确率对九种不同的驾驶员状态进行分类，F1分数高达95.51%。其次，这些分类结果被转换为概率，并使用简单移动平均（SMA）进行平滑处理，以识别正常驾驶和分心驾驶之间的转换。时间序列分析表明，该模型在估计分心持续时间方面的平均误差仅为10.78%。最后，严重性量化函数将分心持续时间转化为 0-1 的严重性评分。该函数源自经验碰撞风险数据，反映了分心时间越长，碰撞风险呈指数级增长的趋势。将 DISTRACT 模型的严重性评分集成到高级驾驶辅助系统 (ADAS) 中，可使车辆安全系统主动适应驾驶员的注意力水平，而非被动应对紧急情况，这标志着智能驾驶员监控领域的新范式。通过将 DISTRACT 模型从概念转化为现实，我们可以开创智能自适应车辆安全系统，从而挽救无数生命。

SOFT044T - HandNBrain：认知提升游戏

认知能力下降和精细运动技能衰退是衰老过程中常见的现象，会导致生活质量下降和痴呆风险增加。本研究介绍了一款名为 HandNBrain 的交互式手势识别游戏，旨在刺激老年人的认知和精细运动功能。与通常只关注单一领域的传统干预措施不同，HandNBrain 整合了实时虚拟物体操作任务，能够激活与记忆、注意力、感知和运动协调相关的多个脑区。该系统包含三款游戏——“寻找苹果”、“蜜蜂还是蚊子”和“跳跃大师”——每款游戏都针对不同的认知领域，例如问题解决、感知处理和注意力，同时需要精确的手部动作。评估方法包括专家访谈、系统延迟测试和用户直接试用。专家指出该系统符合认知康复原则，并强调了其在提升注意力、记忆力和反应速度方面的潜力。延迟测试证实了该平台的响应速度，确保了流畅的用户交互体验。未来的工作将着重于通过移动平台进行更广泛的部署，并整合全身交互功能，以提高系统的可及性和预防痴呆的有效性。这些发现凸显了游戏化干预在早期痴呆症预防策略中的潜力。

SOFT046 - AssemblyComplete：带 RL 的组合构造

机器人和自主系统领域的一个关键目标是教会机器人适应现实世界的协作任务，尤其是在自动装配方面。机器人理解未完成装配的原始意图并在无需人工指导的情况下补全缺失部分的能力非常宝贵，但也极具挑战性。本文介绍了一种三维组合装配补全方法，并使用组合单元原语（例如乐高积木）进行了演示。组合装配的挑战性在于其可能的组合方式以及复杂的物理约束（例如，避免积木碰撞、结构稳定性、库存限制等）。为了应对这些挑战，我们提出了一种两部分组成的深度强化学习（DRL）框架，该框架旨在教会机器人理解未完成装配的目标，并学习一种用于完成装配的构建策略。机器人通过查询一个稳定的对象库来辅助装配推理并指导学习。除了机器人策略之外，我们还开发了一个动作掩码，用于排除违反面向对象构建物理约束的无效动作。我们通过多种装配场景验证了所提出的框架的可行性和鲁棒性，在这些场景中，机器人能够满足实际装配的要求，无论是在解决方案质量还是运行时间方面。此外，结果表明，所提出的框架能够有效地推断和组装未见过和独特的物体类型的不完整结构。

ISEF历年获奖作品集&解析&资料免费下载⬇️