這屆 IROS 2026 上，具身學術與產業邊界正在消融

模型、數據、靈巧操作都在工程化，頂會上具身傳遞出的信號變了 作者丨齊鋮湧 編輯丨岑 峰 9 月 27 日到 10 月 1 日，全球機器人領域最頂級的國際會議之一 IROS 2026 將在美國匹茲堡開幕。如果你前兩年也在關注這個會，你會發現那時候大家都在 “卷概念”。誰家用了更大的 LLM，誰家機器人跳了一段更炫的舞，聽起來很猛，但細一想，大多還停在實驗室的 Demo 裡。今年不一樣。從目前放出的主會論文和 Workshop 名單，我們的感受很直接： 頂會上關於具身傳遞出的信號，變了。整個會場的風向出奇地一致，技術路線明顯在收斂。

把它總結成四個趨勢： 基礎模型開始內化物理規律；“大小腦” 架構從小眾路線變成了行業標準；觸覺不再是錦上添花，而是精細操作的核心變量；數據採集徹底撕掉了 “天價” 的標籤。下面一個一個說。01具身基模：別再 “語義擬合” 了，得懂物理前兩年給機器人塞大模型，主流做法其實很簡單粗暴：讓 LLM/VLM 去理解任務語義，然後翻譯成動作。看上去機器人能聽懂人話了，但一放到真實環境裡，問題立馬暴露：它知道 “杯子” 是什麼，卻不知道杯子從桌邊滑下去會碎；知道 “推門”，但不知道門把手有摩擦力。說白了，語言模型懂語義，但不懂物理。

今年 IROS 的核心共識就是：別再教機器人 “認東西” 了，得教它 “懂規矩”，摩擦力、重力、形變、不確定性，這些物理規律必須內化成模型的本能。最標誌性的信號是 10 月 1 號的 Workshop：Physical World Models for Scaling Embodied AI。斯坦福大學計算機科學助理教授吳佳俊（Jiajun Wu）等六位頂尖學者，將會依次帶來關於物理規律如何融入具身智能的主題分享。它配套的 WorldArena 2.0 挑戰賽，首次將視觸覺感知、強化學習效用與真實物理操作三大賽道納入統一評測體系，全面檢驗模型在真實物理交互中的泛化能力。

翻譯成人話：以前考試考的是刷題，現在考的是實戰。這意味著行業對具身模型的評價，正式從 “語義正確” 轉向了 “物理正確”。針對物理世界建模的核心難題：不確定性，Rethinking Uncertainty for Modern Robotics ParadigmsWorkshop 在 9 月 27 日專門展開研討。該 Workshop 收錄的自適應滾動截斷方法，專門優化離線世界模型在不確定環境下的訓練效率。這說明具身模型的競爭，已經從 “能不能建模物理” 升級到了 “物理環境亂七八糟時，你還能不能穩得住”。

同期觀察到， 10 月 1 日舉辦的第三屆 AI Meets AutonomyWorkshop，也將基礎模型與機器人系統的融合作為核心議題，覆蓋數據集、軟件基建、視覺語言導航等方向，進一步推動具身模型從語義理解向物理交互落地。主會收錄的多篇論文，也在從不同角度驗證這個轉向。比如UIUC 計算機科學博士生何夏麟和徐思睿此次中稿的ULTRA，獲得了（最佳移動操作論文候選。

ULTRA的全稱是Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation，是一個統一多模態全身控制框架，沒有走 “LLM 外掛控制器” 的老路，而是將物理驅動的神經重目標算法與統一多模態控制器結合。在接觸密集型交互中保留物理合理性，僅用稀疏任務指令就能生成全身運動行為。該工作還入圍了本屆 IROS 最佳移動操作論文獎。論文鏈接: https://arxiv.org/abs/2603.03279項目主頁: https://ultra-humanoid.github.

io/同工作方向的代表性工作 HALO 框架，也提到了重載人形機器人的敏捷動作場景，能感受到近期的熱點，都放在了重載場景下仿真到現實的遷移空白，讓模型在真實物理負載下依然能保持動作精度。這就像一個真正理解力學的學生，不用題海戰術也能考高分。此外，這次大會也有很多探討數據效率方向的工作，利用 2D 特徵蒸餾 + 3D 幾何對齊方案，跨越不同本體的形態差異，讓人類示範能高效遷移到機器人身上，大幅降低下游任務的數據需求量。02“大小腦” 架構：今年終於成了機器人頂會標配如果說基模解決的是 “智能夠不夠”，那 “實時性” 就是落地的最後一公里。

大模型推理慢，動輒幾百毫秒，機器人控制卻要千赫茲級別，這根本對不上頻。怎麼破？今年的答案出奇地一致：分層。大腦負責慢思考，小腦負責快控制。這思路以前也有，但今年不再是某支團隊的小眾路線，而是學術領域在工程範式上的某種收斂。軟件層面，這次 IROS 2026 主會的LITHE這篇論文，幹了一件特別實在的事。論文地址：https://arxiv.org/pdf/2603.07442它把 Python 層當 “大腦”，跑 LLM、VLM 和任務規劃；把 C++ 層當 “小腦”，跑 1kHz 的實時控制律。

最關鍵的突破是實現了動態熱切換，大腦可以一邊觀察，一邊在線給小腦更新控制策略，最壞執行時間不到 100 微秒。100 微秒什麼概念？機器人不用停機，不用重啟，大腦直接給它 “換腦子”。以前大家都擔心分層架構通信延遲高、大腦升級小腦得停機，LITHE 直接把這塊絆腳石搬走了，甚至支持 LLM 在線進化控制器。這套方案讓大小腦在低成本硬件上也能跑得通，整套方案跑在 250 美元的樹莓派 4B 上就能實現。在操作場景，VOFA展示了這套架構的性能：大腦負責視覺感知、規劃推物路徑，小腦負責實時調接觸力和全身姿態。人形機器人穩穩推動 17 公斤的重物，真實場景成功率超過 80%。

放在以前的單一架構裡，這幾乎不敢想。作為小腦的感知底座，本體感知這次也被重點討論。Beyond Exteroception這個 Workshop 專門聊 IMU、關節編碼器、力矩傳感器這些 “內部感知”。感知路線上，最徹底的是Blind Dexterity的工作：機器人完全不用攝像頭，光靠關節編碼器和柔順驅動構成的本體感知系統，照樣完成全身靈巧操作。這說明什麼？小腦本身就有獨立閉環的能力。視覺和大模型只是給它錦上添花，而不是離開就活不下去。這給大小腦架構的合理性，又加了一塊很硬的籌碼。03觸覺，終於坐上頂會正桌了視覺一直是機器人感知的老大，但精細操作場景裡，視覺的瓶頸越來越明顯。

手一擋，物體姿態追蹤丟了；勁兒大了，物體捏壞了；遇到光滑、透明的物體，攝像頭直接失效。靈巧操作的行業趨勢，是觸覺從 “替補” 變成了 “核心”。同樣的信號，在今年 IROS 也出現了：光靠眼睛不夠，得上手（觸覺）。標誌性事件是兩場 Workshop：9 月 27 日的Sensors and Actuators for Dexterous Manipulation，從硬件層面探討執行器和感知器的協同設計；10 月 1 日的Touch-to-Action專題 Workshop，則系統性討論如何把觸覺從傳感器設計、仿真學習到真機操作整條鏈路打通。這不是單點討論，而是全鏈條關注。

主會論文裡，韓國團隊提出的KineFuse解決了一個經典難題：手裡操作時物體被手擋住，視覺完全失效，怎麼辦？它的解法是運動學感知的觸覺融合，靠觸覺 + 運動學模型解算 6D 姿態。https://arxiv.org/pdf/2607.14842最巧妙的是它的 “自動門控” 機制：看得見的時候以視覺為主，被遮擋時無縫切換到觸覺主導，全程不用人工干預。這就像給機器人裝了個自動切換的夜視儀。硬件層面，本屆會議收錄的VTAP Gripper提出了指尖感知 + 視觸覺主動手掌的協同設計，將觸覺傳感器與視覺感知深度整合，大幅提升在手部操作中的感知精度。ViHaTeleop則證明了觸覺對操作的直接加成。

它做了一套只有 0.7 公斤的輕量化視觸覺遙操作系統，加入觸覺反饋後，接觸關鍵任務的成功率提升了 2.2 到 15.6 個百分點。而且這套低成本設備採集回來的數據，能直接用於訓練靈巧操作策略。以前觸覺數據貴得離譜，現在輕量化方案一齣，觸覺數據也能規模化了。雙臂協同也成了熱點。MOMA.v5第 5 屆移動操作與具身智能 Workshop，則把移動操作和具身智能結合，推動靈巧操作從實驗室桌面走向真實移動場景。而北大董豪團隊主辦的Scaling vs.Structure專題 Workshop，專門討論雙手機器人怎麼超越單臂策略，平衡規模化能力與結構化設計。

04 頂會不僅在關注數據採集，並且找到了 “新平替”數據一直是具身智能的卡脖子環節。過去採數據依賴專業動捕房、昂貴設備和真機損耗，單條軌跡成本高得嚇人，而且換個場景就廢了。業內戲稱為 “重資產樣板間模式”—— 只有頭部公司玩得起，小公司只能乾瞪眼。今年 IROS 上，兩條 “平替” 路線同時成熟。第一條路線是 Sim2Real，仿真數據規模化。本屆會議收錄的HALO框架，針對重載人形機器人這一難採集場景，通過高保真仿真環境合成對抗式軌跡，再配合少量真實數據協同訓練，實現了 80% 以上的仿真到現實遷移率，大幅降低了重載動作的數據採集成本。第二條路線是輕量化真機採集。

ViHaTeleop開發出了 0.7 公斤的輕量化遙採設備，揹著就能走，成本大幅下降。它採集的視觸覺演示數據，可以直接用於下游靈巧操作策略訓練，相當於用十分之一的成本，產出同樣可用的操作數據。這兩條路線一結合，中小團隊的打法變得非常清晰：仿真裡做預訓練，少量真實數據做微調。數據不再是少數巨頭的護城河，具身智能的訓練門檻被實實在在地打了下來。05總結：工程落地，已經成為頂會新風向IROS 2026 的這些論文和 Workshop，我們的感受很強烈：雖然具身智能在外界看來已經稍顯停滯，或者投資人已經有些倦怠，但從學術角度，具身 “概念泡沫期” 才剛剛過去。

今年的頂會沒有人再空談 “通用機器人” 的宏大敘事，大家討論的都是具體工程問題：怎麼讓模型懂物理、怎麼讓大小腦不打架、怎麼讓手有觸覺、怎麼把數據成本砍下來。這四個技術方向同時收斂，不是偶然。它說明具身智能的技術骨架已經基本搭好了，接下來要長的是血肉：工程優化、成本壓縮、場景落地。還有一個值得留意的細節：中國團隊的存在感越來越強。大連理工大學的 MIWA 力矩輔助方法、和酷哇科技合作的 DeLM 雙輪足移動操作框架，以及北大董豪團隊主辦的雙臂操作 Workshop，中國學術界和產業界正在深度嵌入全球具身智能的技術網絡。

這個探討會上，被邀請嘉賓中，也出現了專注靈巧手的sharpa團隊技術同事zhangkaifeng，以及最近剛剛創立SeeAct AI的穆堯等。IROS 2026 釋放的信號很明確：具身機器人不再是 “未來科技”，而是 “正在發生”。誰能把這些學術成果最快地搬進產線、倉庫和家庭，誰就能在下一波浪潮裡搶到身位。匹茲堡見。為了方便大家抱團交流、互通會議消息，我們專門建了 IROS 2026 參會交流群！進群你會解鎖這些「福利」?會議情報站：投稿 DDL、格式規範、評審進度……關鍵節點第一時間送達，再也不怕錯過 deadline，投稿準備穩穩的。

同行茶話會：天南海北的同行都在群裡，聊心得、碰思路、攢人脈，科研路上我們同行。前沿補給站：最新研究成果、熱點方向實時同步，結合會議主題幫你捋清投稿脈絡，給論文靈感加滿油。現場後援團：（會議期間專屬開啟）：到了會場也不用慌——路線導航：場館分佈、報告廳怎麼走，群裡隨時問；議題共讀：熱門 session、Keynote 探討，錯過也能追；Poster 彙編：現場海報精華整理，一鍵收藏不遺漏；約局廣場：約飯局、採訪局、交流局……想嘮嗑、想合作、想面基，群裡發起就成。?進群傳送門： 掃碼進群或添加微信Luyoyo_2026，備註：ECCV + 單位/學校+姓名+方向。搞科研/搞技術，信息差很重要。

來，一起快人一步！上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。