IROS 2026：具身智能从概念走向工程化，四大技术趋势确立

事件概述

9月27日至10月1日，国际智能机器人与系统会议（IROS 2026）在美国匹兹堡举行。与往年关注宏大概念不同，本届会议的技术路线明显收敛，聚焦于解决具身智能落地的实际工程问题。学术界与产业界的边界正在消融，技术重点从单纯的语义理解转向物理规律建模、实时控制架构、多模态感知融合及低成本数据采集。

核心信息

1. 基础模型：从语义理解转向物理规律内化

当前共识是具身模型必须超越对物体语义的认知，深入理解摩擦力、重力、形变等物理规律。

• 物理世界建模：10月1日举办的 Workshop "Physical World Models for Scaling Embodied AI" 由斯坦福大学吴佳俊等学者主导，探讨如何将物理规律融入具身智能。配套的 WorldArena 2.0 挑战赛首次统一评测视触觉感知、强化学习效用与真实物理操作，标志着评价体系从“语义正确”转向“物理正确”。
• 不确定性处理：9月27日的 Workshop "Rethinking Uncertainty for Modern Robotics Paradigms" 专门研讨自适应滚动截断等方法，以优化离线世界模型在不确定环境下的训练效率。
• 代表性工作：UIUC 提出的 ULTRA 框架，将物理驱动的神经重目标算法与多模态控制器结合，仅用稀疏指令即可生成全身运动；HALO 框架则解决了重载人形机器人仿真到现实的迁移难题，保持动作精度。

2. “大小脑”架构：分层控制成为行业标准

为解决大模型推理延迟与机器人高频控制需求之间的矛盾，“大脑（慢思考/规划）+小脑（快控制/执行）”的分层架构已成为主流解决方案。

• 动态热切换技术：论文 LITHE 实现了 Python 层（大脑）与 C++ 层（小脑）的动态热切换，最坏执行时间低于 100 微秒，支持 LLM 在线进化控制器，且可在低成本硬件（如树莓派 4B）上运行。
• 本体感知的重要性：Beyond Exteroception Workshop 强调 IMU、关节编码器等内部感知的作用。Blind Dexterity 工作证明，仅靠本体感知即可完成全身灵巧操作，视觉并非不可或缺，这增强了分层架构中“小脑”独立闭环能力的合理性。
• 应用验证：VOFA 系统展示了该架构在人形机器人推动 17 公斤重物时的稳定性，真实场景成功率超过 80%。

3. 触觉感知：从辅助手段升级为核心变量

在精细操作中，视觉存在遮挡和失效瓶颈，触觉正从“锦上添花”变为“核心刚需”。

• 全链条关注：Sensors and Actuators for Dexterous Manipulation 和 Touch-to-Action 两个 Workshop 分别从硬件协同设计和仿真到真机链路打通进行系统性讨论。
• 关键技术突破：
  • KineFuse：通过运动学感知与触觉融合，利用“自动门控”机制在视觉遮挡时无缝切换至触觉主导，解算物体 6D 姿态。
  • VTAP Gripper：提出指尖感知与视触觉主动手掌的协同设计，提升手部操作精度。
  • ViHaTeleop：开发了仅 0.7 公斤的轻量化视触觉遥操作系统，加入触觉反馈后任务成功率提升 2.2-15.6 个百分点，且采集的数据可直接用于策略训练。
• 双臂协同：MOMA.v5 和北大董豪团队主办的 Scaling vs. Structure Workshop 推动了双手机器人超越单臂策略，平衡规模化能力与结构化设计。

值得关注

• 中国团队影响力增强：大连理工大学的 MIWA 力矩辅助方法、酷哇科技的 DeLM 双轮足框架以及北大董豪团队的双臂操作研究，显示中国学术界和产业界已深度嵌入全球具身智能技术网络。
• 产业界参与加深：SharpAI 和 SeeAct AI 等初创企业代表受邀参与专题讨论，表明学术研究与产业应用的界限进一步模糊。
• 未来方向：随着技术骨架搭建完毕，接下来的竞争焦点将集中在工程优化、成本压缩及具体场景（产线、仓库、家庭）的快速落地能力上。