这届 IROS 2026 上，具身学术与产业边界正在消融

4h ago

·~4 min·10/10/2026·zh·0

Quick Answer

IROS 2026 highlights a shift in embodied AI towards integrating physical laws into models, with key trends including the adoption of 'big and small brain' architectures and tactile feedback as core to dexterous manipulation.

Quick Take

Innovations like the ULTRA framework and LITHE architecture demonstrate significant advancements in real-time control and data efficiency, making embodied robotics more accessible.

Key Points

ULTRA framework integrates physical-driven neural algorithms for full-body humanoid control.
LITHE architecture enables dynamic switching between and real-time control with under 100 microseconds latency.
Tactile feedback is now essential for dexterous manipulation, surpassing visual limitations.
Sim2Real approaches reduce data collection costs significantly, enabling broader access for smaller teams.
Chinese teams are increasingly influential, showcasing innovative solutions in embodied intelligence.

DeepSignal Analysis

Evidence tied to original reporting

What happened

IROS 2026 showcased significant advancements in embodied AI, emphasizing the integration of physical laws into models. Key trends included the adoption of 'big and small brain' architectures and the central role of tactile feedback in dexterous manipulation. Innovations like the ULTRA framework and LITHE architecture improved real-time control and data efficiency.

Key evidence

The workshop on Physical World Models for Scaling Embodied AI highlighted the need for models to internalize physical laws, moving beyond mere semantic understanding.
The LITHE paper demonstrated a layered architecture where Python handles high-level tasks while C++ manages real-time control, achieving execution times under 100 microseconds.
The HALO framework achieved over 80% transfer rate from simulation to reality for heavy-load humanoid robots, significantly reducing data collection costs.

Why it matters

The shift towards integrating physical principles into AI models marks a critical evolution in robotics, moving from theoretical concepts to practical applications. This focus on real-world interactions and efficiency could democratize access to advanced robotics technology, enabling smaller teams to compete with larger firms. The emphasis on tactile feedback also suggests a growing recognition of its importance in complex manipulation tasks.

📖 Reader Mode

~4 min read

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。雷峰网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。

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”。

同期雷峰网(公众号：雷峰网)观察到， 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（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。

“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。

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。

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。

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 IROS 2026 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

扫描上方二维码

或点击「阅读原文」关注专区。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

— Originally published at leiphone.com

View original source on leiphone.com

Want this in your inbox every morning?

Daily brief at your local 8am — bilingual EN/中文, free.

Subscribe — it's free

More from 雷峰网 AI

See more →

刚刚，GPT 5.6 发布会上，OpenAI 暴露了哪些 Agent 技术路线？

雷峰网 AI

7/14/2026

FeaturedOriginal

刚刚，GPT 5.6 发布会上，OpenAI 暴露了哪些 Agent 技术路线？

AI Summary

OpenAI's GPT 5.6 integrates ChatGPT and Codex, introducing a for complex task execution, with models Soul, Terra, and Luna for efficient workflow management. The release emphasizes task orchestration, contextual understanding, and robust security measures for enterprise applications.

#Agent #AI Coding #Security #Enterprise AI