这届 IROS 2026 上，具身学术与产业边界正在消融

模型、数据、灵巧操作都在工程化，顶会上具身传递出的信号变了

作者丨齐铖湧

编辑丨岑 峰

9 月 27 日到 10 月 1 日，全球机器人领域最顶级的国际会议之一 IROS 2026 将在美国匹兹堡开幕。

如果你前两年也在关注这个会，你会发现那时候大家都在 “卷概念”。谁家用了更大的 LLM，谁家机器人跳了一段更炫的舞，听起来很猛，但细一想，大多还停在实验室的 Demo 里。今年不一样。从目前放出的主会论文和 Workshop 名单，我们的感受很直接： 顶会上关于具身传递出的信号，变了。

整个会场的风向出奇地一致，技术路线明显在收敛。我们把它总结成四个趋势： 基础模型开始内化物理规律；“大小脑” 架构从小众路线变成了行业标准；触觉不再是锦上添花，而是精细操作的核心变量；数据采集彻底撕掉了 “天价” 的标签。

下面一个一个说。

01

具身基模：别再 “语义拟合” 了，得懂物理

前两年给机器人塞大模型，主流做法其实很简单粗暴：让 LLM/VLM 去理解任务语义，然后翻译成动作。看上去机器人能听懂人话了，但一放到真实环境里，问题立马暴露：它知道 “杯子” 是什么，却不知道杯子从桌边滑下去会碎；知道 “推门”，但不知道门把手有摩擦力。

说白了，语言模型懂语义，但不懂物理。

今年 IROS 的核心共识就是：别再教机器人 “认东西” 了，得教它 “懂规矩”，摩擦力、重力、形变、不确定性，这些物理规律必须内化成模型的本能。

最标志性的信号是 10 月 1 号的 Workshop：Physical World Models for Scaling Embodied AI。斯坦福大学计算机科学助理教授吴佳俊（Jiajun Wu）等六位顶尖学者，将会依次带来关于物理规律如何融入具身智能的主题分享。

它配套的 WorldArena 2.0 挑战赛，首次将视触觉感知、强化学习效用与真实物理操作三大赛道纳入统一评测体系，全面检验模型在真实物理交互中的泛化能力。

翻译成人话：以前考试考的是刷题，现在考的是实战。这意味着行业对具身模型的评价，正式从 “语义正确” 转向了 “物理正确”。

针对物理世界建模的核心难题：不确定性，Rethinking Uncertainty for Modern Robotics ParadigmsWorkshop 在 9 月 27 日专门展开研讨。

该 Workshop 收录的自适应滚动截断方法，专门优化离线世界模型在不确定环境下的训练效率。这说明具身模型的竞争，已经从 “能不能建模物理” 升级到了 “物理环境乱七八糟时，你还能不能稳得住”。

同期 10 月 1 日举办的第三届 AI Meets AutonomyWorkshop，也将基础模型与机器人系统的融合作为核心议题，覆盖数据集、软件基建、视觉语言导航等方向，进一步推动具身模型从语义理解向物理交互落地。

主会收录的多篇论文，也在从不同角度验证这个转向。

比如UIUC 计算机科学博士生何夏麟和徐思睿此次中稿的ULTRA，获得了IROS 2026最佳移动操作论文候选。

ULTRA的全称是Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation，是一个统一多模态全身控制框架，没有走 “LLM 外挂控制器” 的老路，而是将物理驱动的神经重目标算法与统一多模态控制器结合。

在接触密集型交互中保留物理合理性，仅用稀疏任务指令就能生成全身运动行为。该工作还入围了本届 IROS 最佳移动操作论文奖。

论文链接: https://arxiv.org/abs/2603.03279

项目主页: https://ultra-humanoid.github.io/

同工作方向的代表性工作 HALO 框架，也提到了重载人形机器人的敏捷动作场景，能感受到近期的热点，都放在了重载场景下仿真到现实的迁移空白，让模型在真实物理负载下依然能保持动作精度。

这就像一个真正理解力学的学生，不用题海战术也能考高分。

此外，这次大会也有很多探讨数据效率方向的工作，利用 2D 特征蒸馏 + 3D 几何对齐方案，跨越不同本体的形态差异，让人类示范能高效迁移到机器人身上，大幅降低下游任务的数据需求量。

02

“大小脑” 架构：

今年终于成了机器人顶会标配

如果说基模解决的是 “智能够不够”，那 “实时性” 就是落地的最后一公里。大模型推理慢，动辄几百毫秒，机器人控制却要千赫兹级别，这根本对不上频。

怎么破？今年的答案出奇地一致：分层。大脑负责慢思考，小脑负责快控制。这思路以前也有，但今年不再是某支团队的小众路线，而是学术领域在工程范式上的某种收敛。

软件层面，这次 IROS 2026 主会的LITHE这篇论文，干了一件特别实在的事。

论文地址：https://arxiv.org/pdf/2603.07442

它把 Python 层当 “大脑”，跑 LLM、VLM 和任务规划；把 C++ 层当 “小脑”，跑 1kHz 的实时控制律。最关键的突破是实现了动态热切换，大脑可以一边观察，一边在线给小脑更新控制策略，最坏执行时间不到 100 微秒。

100 微秒什么概念？机器人不用停机，不用重启，大脑直接给它 “换脑子”。以前大家都担心分层架构通信延迟高、大脑升级小脑得停机，LITHE 直接把这块绊脚石搬走了，甚至支持 LLM 在线进化控制器。这套方案让大小脑在低成本硬件上也能跑得通，整套方案跑在 250 美元的树莓派 4B 上就能实现。

在操作场景，VOFA展示了这套架构的性能：大脑负责视觉感知、规划推物路径，小脑负责实时调接触力和全身姿态。人形机器人稳稳推动 17 公斤的重物，真实场景成功率超过 80%。放在以前的单一架构里，这几乎不敢想。

作为小脑的感知底座，本体感知这次也被重点讨论。Beyond Exteroception这个 Workshop 专门聊 IMU、关节编码器、力矩传感器这些 “内部感知”。

感知路线上，最彻底的是Blind Dexterity的工作：机器人完全不用摄像头，光靠关节编码器和柔顺驱动构成的本体感知系统，照样完成全身灵巧操作。

这说明什么？小脑本身就有独立闭环的能力。视觉和大模型只是给它锦上添花，而不是离开就活不下去。这给大小脑架构的合理性，又加了一块很硬的筹码。

03

触觉，终于坐上顶会正桌了

视觉一直是机器人感知的老大，但精细操作场景里，视觉的瓶颈越来越明显。手一挡，物体姿态追踪丢了；劲儿大了，物体捏坏了；遇到光滑、透明的物体，摄像头直接失效。灵巧操作的行业趋势，是触觉从 “替补” 变成了 “核心”。

同样的信号，在今年 IROS 也出现了：光靠眼睛不够，得上手（触觉）。

标志性事件是两场 Workshop：9 月 27 日的Sensors and Actuators for Dexterous Manipulation，从硬件层面探讨执行器和感知器的协同设计；10 月 1 日的Touch-to-Action专题 Workshop，则系统性讨论如何把触觉从传感器设计、仿真学习到真机操作整条链路打通。

这不是单点讨论，而是全链条关注。

主会论文里，韩国团队提出的KineFuse解决了一个经典难题：手里操作时物体被手挡住，视觉完全失效，怎么办？它的解法是运动学感知的触觉融合，靠触觉 + 运动学模型解算 6D 姿态。

https://arxiv.org/pdf/2607.14842

最巧妙的是它的 “自动门控” 机制：看得见的时候以视觉为主，被遮挡时无缝切换到触觉主导，全程不用人工干预。这就像给机器人装了个自动切换的夜视仪。

硬件层面，本届会议收录的VTAP Gripper提出了指尖感知 + 视触觉主动手掌的协同设计，将触觉传感器与视觉感知深度整合，大幅提升在手部操作中的感知精度。

ViHaTeleop则证明了触觉对操作的直接加成。

它做了一套只有 0.7 公斤的轻量化视触觉遥操作系统，加入触觉反馈后，接触关键任务的成功率提升了 2.2 到 15.6 个百分点。而且这套低成本设备采集回来的数据，能直接用于训练灵巧操作策略。以前触觉数据贵得离谱，现在轻量化方案一出，触觉数据也能规模化了。

双臂协同也成了热点。MOMA.v5第 5 届移动操作与具身智能 Workshop，则把移动操作和具身智能结合，推动灵巧操作从实验室桌面走向真实移动场景。而北大董豪团队主办的Scaling vs. Structure专题 Workshop，专门讨论双手机器人怎么超越单臂策略，平衡规模化能力与结构化设计。

04

顶会不仅在关注数据采集，

并且找到了 “新平替”

数据一直是具身智能的卡脖子环节。过去采数据依赖专业动捕房、昂贵设备和真机损耗，单条轨迹成本高得吓人，而且换个场景就废了。业内戏称为 “重资产样板间模式”—— 只有头部公司玩得起，小公司只能干瞪眼。

今年 IROS 上，两条 “平替” 路线同时成熟。

第一条路线是 Sim2Real，仿真数据规模化。 本届会议收录的HALO框架，针对重载人形机器人这一难采集场景，通过高保真仿真环境合成对抗式轨迹，再配合少量真实数据协同训练，实现了 80% 以上的仿真到现实迁移率，大幅降低了重载动作的数据采集成本。

第二条路线是轻量化真机采集。ViHaTeleop开发出了 0.7 公斤的轻量化遥采设备，背着就能走，成本大幅下降。它采集的视触觉演示数据，可以直接用于下游灵巧操作策略训练，相当于用十分之一的成本，产出同样可用的操作数据。

这两条路线一结合，中小团队的打法变得非常清晰：仿真里做预训练，少量真实数据做微调。数据不再是少数巨头的护城河，具身智能的训练门槛被实实在在地打了下来。

05

总结：

工程落地，已经成为顶会新风向

IROS 2026 的这些论文和 Workshop，我们的感受很强烈：虽然具身智能在外界看来已经稍显停滞，或者投资人已经有些倦怠，但从学术角度，具身 “概念泡沫期” 才刚刚过去。

今年的顶会没有人再空谈 “通用机器人” 的宏大叙事，大家讨论的都是具体工程问题：怎么让模型懂物理、怎么让大小脑不打架、怎么让手有触觉、怎么把数据成本砍下来。

这四个技术方向同时收敛，不是偶然。它说明具身智能的技术骨架已经基本搭好了，接下来要长的是血肉：工程优化、成本压缩、场景落地。

还有一个值得留意的细节：中国团队的存在感越来越强。大连理工大学的 MIWA 力矩辅助方法、和酷哇科技合作的 DeLM 双轮足移动操作框架，以及北大董豪团队主办的双臂操作 Workshop，中国学术界和产业界正在深度嵌入全球具身智能的技术网络。

这个探讨会上，被邀请嘉宾中，也出现了专注灵巧手的sharpa团队技术同事zhangkaifeng，以及最近刚刚创立SeeAct AI的穆尧等。

IROS 2026 释放的信号很明确：具身机器人不再是 “未来科技”，而是 “正在发生”。谁能把这些学术成果最快地搬进产线、仓库和家庭，谁就能在下一波浪潮里抢到身位。

匹兹堡见。

为了方便大家抱团交流、互通会议消息，我们专门建了IROS2026参会交流群！进群你会解锁这些「福利」

• 会议情报站：投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。

• 同行茶话会：天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。

• 前沿补给站：最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。

• 现场后援团：（会议期间专属开启）：到了会场也不用慌——

  路线导航：场馆分布、报告厅怎么走，群里随时问；

  议题共读：热门 session、Keynote 探讨，错过也能追；

  Poster 汇编：现场海报精华整理，一键收藏不遗漏；

  约局广场：约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。

进群传送门：扫码进群或添加微信Luyoyo_2026，备注：ECCV + 单位/学校+姓名+方向。

搞科研/搞技术，信息差很重要。

来，一起快人一步！

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。