ICRA 2026 闭幕：物理AI成统一叙事，数据短缺仍是核心瓶颈

事件概述

ICRA 2026于6月5日在奥地利维也纳闭幕，作为全球机器人学界最具影响力的会议之一，本届大会现场参会超8000人，共收到4947篇有效投稿，录用1882篇，录用率38.04%。相比2023年（投稿3125篇，录用43%），投稿量大幅增加但录用率下降近5个百分点，反映出具身智能行业热度高涨、竞争加剧。过去12个月全球经历具身智能创业潮，智能汽车、AI、消费电子等领域人才加速涌入，大会已不仅是学术交流，更被视为物理AI时代到来的行业集结。

最佳论文：华人学者包揽多项大奖

• CMU助理教授石冠亚团队凭《OmniRetarget:Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction》获最佳论文奖和最佳操作与运动论文奖（ICRA史上罕见“双奖”）。OmniRetarget是一种动作重定向工具，可保留人与环境的交互关系生成合规运动轨迹，基于单段动作快速扩展适配各类机器人的训练数据。实测仅靠简单奖励机制，宇树G1机器人即可完成30秒连续跑酷和手持操作。
• 深圳大学胡瑞珍团队凭《IMR-LLM:Industrial Multi-Robot Task Planning and Program Generation using Large Language Models》获最佳自动化论文奖。该框架利用大模型构建任务逻辑图，生成最优方案和可执行程序，并配套搭建分层工业机器人测试数据集，综合性能远超现有方案。
• 北京航空航天大学全权团队凭《Planar-Sector LOS Guidance for Interception of Agile Targets with Robotics Lifting-Wing Quadcopters》获最佳野外与服务机器人论文奖。团队提出平面扇区LOS制导方法，使带升力翼四旋翼无人机可动态调整路径，在复杂环境中实现对高机动目标的精准追踪与远距离拦截。
• 上海科技大学肖晨曦团队凭《ETac:A Lightweight and Efficient Tactile Simulation Framework for Learning Dexterous Manipulation》获最佳学生论文奖。ETac轻量化触觉仿真框架可在单张4090显卡上同时运行4096个仿真场景、每秒869帧，仅靠触觉训练四类物体抓取成功率达84.45%，为低成本大规模训练机器人触觉操作技能提供可能。

核心卡点：数据规模缺口巨大，但仅靠数据不够

当前机器人领域数据规模与LLM存在巨大鸿沟——按人类平均阅读速度，读完LLM训练数据约需10万年，而机器人领域数据仅相当于几年阅读量。UC Berkeley教授Ken Goldberg在演讲中指出，仅靠数据远远不够，传统工程设计、模块化系统和细致调试仍是系统落地的关键，真实生产环境中部署产生的数据尤为重要。行业主流方向是搭建“机器人落地部署→收集真实数据→优化模型→反哺落地”的数据飞轮。

三大核心趋势

1. 物理AI成为统一叙事：具身智能从单点能力转向重落地的全栈规模化能力，世界模型、VLA、Sim2Real、真实部署数据成为高频关键词，行业加速构建可持续学习、持续泛化的物理AI系统。
2. 数据规模化扩展成为核心命题：本届ICRA对数据的关注度创历届最高，行业同时押注遥操作、真机部署、人类数据、仿真等多条路径。企业建立数据工厂推动机器人进入真实场景形成数据飞轮，仿真数据生成技术也快速发展。
3. 灵巧操作竞争白热化：抓、拧、按等精细操作是落地刚需，涉及视觉理解、力控、触觉反馈等复杂技术。从最佳学生论文的高效触觉仿真到多个相关workshop，行业聚焦“手感”研究，灵巧操作预计是未来两年竞争关键主线。