IROS 2026大奖揭晓:长期记忆与具身智能成焦点,人形机器人展现复杂操作能力

2026/10/08 10:57阅读量 5

IROS 2026最佳论文奖颁给LT-Mem研究,该工作通过分层记忆结构解决机器人的“时间性遗忘”问题,实现终身场景理解。获奖作品还涵盖多无人机编队飞行、人形机器人网球运动及托盘稳定运输等,显示行业从单纯动作学习转向持续稳定运行与复杂任务执行。此外,专项奖涉及视觉语言导航、辅助穿戴机械设计、农业三维重建及水下定位等具体应用场景。

事件概述

当地时间9月30日,国际智能机器人与系统会议(IROS 2026)在美国匹兹堡闭幕并揭晓主要奖项。本届大会的获奖成果显示出机器人研究重心的转移:从追求更大的模型或单一动作技能,转向解决机器人在现实环境中长期、稳定运行的核心挑战,如记忆保持、动态干扰补偿及复杂操作协调。

核心信息

1. 最佳论文:解决机器人的“时间性遗忘”

获奖作品:《LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》
作者:Yumin Lee, Hyoseok Ju, Giseop Kim

  • 核心问题:传统机器人系统往往只关注当前时刻的场景状态,导致历史信息被覆盖,出现“时间性遗忘”(temporal amnesia)。对于需要长期工作的机器人而言,了解环境的历史变化规律至关重要。
  • 技术方案:提出一种分层长期记忆结构,包含三个层次:
    • Live Memory:保存当前世界状态。
    • Delta Memory:记录场景发生的变化。
    • Meta Memory:从长期历史中总结规律。
  • 关键概念:引入“易变性”(Volatility)机制,根据对象历史上变化的频率,判断其稳定性,从而决定记忆组织方式。这使得机器人不仅能识别物体位置,还能预测其变化规律(如停车位占用周期),实现真正的终身场景理解。

2. 最佳学生论文:毫秒级的无人机编队控制

获奖作品:《Flatness-Preserving Residual Learning for Real-Time Tight Quadrotor Formation Flight》
作者:Pei-An Hsieh, Fengjun Yang, Nikolai Matni, M. Ani Hsieh

  • 挑战:多架四旋翼无人机在极近距离编队飞行时,彼此产生的下洗气流会造成复杂的空气动力学干扰,传统动力学模型难以准确描述。
  • 解决方案:采用物理信息残差动力学学习(physics-informed residual dynamics learning),让模型补偿难以描述的空气动力学效应,同时保留系统的微分平坦性(differential flatness),以维持高效的轨迹规划与控制。

3. 人形机器人:从运动到操作的跨越

今年颁奖中,人形机器人的两项表现尤为引人注目,分别代表了高难度全身协调和精细操作平衡。

  • 最佳娱乐与游乐论文奖:《Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data》

    • 内容:让人形机器人打网球。这是一个需要观察来球、移动身体、调整重心、协调四肢的全身运动任务。
    • 创新点:针对现实中人类动作数据不完美的痛点,研究如何让机器人从非标准、不完整的数据中提取和组合运动技能,降低对高质量动捕数据的依赖。
  • 最佳移动操作论文奖:《SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport Via Residual Reinforcement Learning》

    • 内容:让人形机器人端托盘双足行走并保持物体稳定。
    • 创新点:将步态控制(locomotion)与负载稳定(payload stabilization)解耦。利用已有的下肢策略负责行走,额外的残差策略(residual policy)专门学习如何利用上半身动作抵消行走带来的扰动,体现了从单纯移动向“移动-操作”(loco-manipulation)的转变。

4. 其他专项奖与应用场景

其余奖项展示了机器人技术在更具体、垂直领域的应用落地:

  • 认知机器人:VL-Nav 采用神经符号方法(neuro-symbolic approach),结合神经网络感知与符号推理,实现基于语言描述的视觉语言导航。
  • 机器人机构与设计:研发了一种用于自动穿戴服装的“机器人拉链”,通过重新设计物理机械结构来解决自动化穿戴难题,而非单纯依赖算法。
  • 农业机器人:SSL-Semantic-NBV 利用自监督学习解决农业场景下的目标感知三维重建中的“下一最佳视角”(NBV)问题。
  • 安全、安保与救援机器人:在水下GPS受限环境中,利用机器人与环境的接触信息辅助因子图定位(Contact-Aided Factor-Graph Localization)。
  • 应用论文奖:基于超声的胶囊姿态估计中的声学感知纹理优化。
  • 工业机器人应用:Picking Bins Empty 提出一种分层混合方法,支持在线自学习抓取点,旨在实现工业料箱的持续清空作业,应对遮挡和堆叠挑战。

值得关注

进入最佳论文候选名单(Best Paper Finalist)的10篇论文涵盖了Flow-based VLA知识蒸馏、视触觉灵巧手操作、4D全景体素跟踪等多个前沿方向。整体来看,IROS 2026反映出机器人学界正在奖励那些能够处理现实世界复杂性、具备持续适应能力以及能完成具体实用任务的系统性研究。

准备好启动您的定制项目了吗?

现在咨询,即可获得免费的业务梳理与技术架构建议方案。