雷峰网现场直击:ICRA 2026下周在维也纳开幕,中国力量站上C位
Quick Answer
ICRA 2026, starting June 1 in Vienna, showcases a record 4,947 submissions with 1,882 accepted, highlighting China's pivotal role in defining robotics research, particularly in VLA models and AI safety.
Quick Take
ICRA 2026, starting June 1 in Vienna, showcases a record 4,947 submissions with 1,882 accepted, highlighting China's pivotal role in defining robotics research, particularly in VLA models and AI safety. Notable contributions include breakthroughs from Wuhan University and NOKOV's initiatives for young researchers.
Key Points
- ICRA 2026 features 4,947 submissions, a 50% increase from 2023.
- China's Wuhan University contributed five accepted papers on VLA and AI safety.
- VLA models account for nearly 20% of all accepted papers this year.
- NVIDIA's GR00T N1 demonstrates zero-shot transfer across different robot forms.
- Sim-to-Real techniques are becoming accessible for smaller teams through platforms like NVIDIA Isaac Lab.
Article Content
From source RSS / original summaryICRA 2026,雷峰网在。 作者丨雷峰网 4947篇投稿、86个国家参与、1882篇论文将被接收——这是ICRA历史上最炸裂的一年。 而更让人兴奋的是,中国研究者在这场全球机器人顶级盛会上,已经不只是参与者,更是规则的定义者。 6月1日,全球机器人领域最重磅的大会——IEEE国际机器人与自动化会议(ICRA 2026)将在奥地利维也纳正式开幕。 你可能没去过维也纳。 但你一定听过金色大厅、莫扎特和多瑙河。 而今年,这座古典音乐之都将奏响一曲全新的协奏曲:机器人。 本次大会的主题是”Robots for All”——机器人惠及所有人。 听起来像是口号,但你翻完今年被接收的论文后会发现,这句话比以往任何时候都更有底气。 01三个数字,看懂今年的ICRA三个数字,看懂今年的ICRA先说一组关键数据。 4947篇投稿,打破了ICRA历史上所有纪录。 作为对比,2023年ICRA投稿量是3300多篇——三年增幅超过50%。 86个国家和地区参与了投稿。 这不仅仅是美国和中国的双人游戏——从日本、韩国到德国、瑞士,从新加坡到沙特,机器人研究的全球化程度达到了前所未有的高度。 最终,1882篇论文被录用,接受率38. 04%。
这个数字意味着什么? 意味着今年ICRA的论文池比大多数顶级计算机视觉会议还要大,而门槛却一点没降。 还有一个细节值得注意:今年大会额外收录了约1000篇来自RA-L、T-RO、T-ASE等顶级期刊的论文进行展示。 换句话说,你在维也纳看到的,不只是”被接收的ICRA论文”,而是整个机器人学界的年度最高水准。 153份Workshop和Tutorial提案,20份竞赛提案。 这不是一个会议——这是一场机器人学术界的奥运会。 02三条主线:VLA当道,Sim-to-Real成熟,3D感知爆发如果你问”今年ICRA最热的方向是什么”,答案毫无悬念:VLA(视觉-语言-动作)模型。 据第三方统计,VLA相关论文占全部接收论文的近20%。 这不是一个”趋势”,这是一个”转弯”。 机器人学界的注意力正在从传统的规划-控制范式大举迁移到端到端学习。 最受关注的亮点之一是Physical Intelligence的pi-0. 5。 这是目前公开报道中,第一个在完全陌生的家庭环境里实现长时序灵巧操作的端到端系统——机器人能在没见过的厨房里刷碗、在陌生的卧室里叠被子。 这种泛化能力,在一年前还属于科幻范畴。
英伟达的GR00T N1则展示了另一条路线:双系统架构,快反应模块处理底层控制,慢推理规划器负责高层决策。 它在多款人形机器人上实现了零样本迁移——在一个平台上训练的策略,换到另一个形态完全不同的机器人上也能用。 这在”具身智能”的叙事里,是一个里程碑级的信号。 第二条主线是Sim-to-Real正在从实验室方法论变成工程工具箱。 NVIDIA Isaac Lab等仿真平台让中小团队也能搭建起一套完整的sim-to-real流水线,域随机化技术让策略在未见任务上的成功率突破80%。 ”训练在仿真里,部署在真实世界中”不再是少数大厂的专利。 第三条主线是3D感知的全面爆发。 仅靠2D图像来驱动机器人操作正在变成过去式。 LiDAR+Transformer的组合在语义分割、6D位姿估计和实时三维重建上持续突破。 Intel RealSense、Stereolabs ZED这些曾在开发者社区小火过的深度相机,正在成为机器人研究的标准配置。 03中国力量:从投稿大国到规则定义者如果说几年前中国在ICRA上的角色还是”最大投稿国”,那今年的信号已经不一样了。
武汉大学机器人学院在ICRA 2026上一举录用了5篇论文,覆盖的方向极为硬核:郭迟教授团队在视觉语言导航和多智能体协同定位上连续突破,其中ReThinkNav已经在一台宇树科技Unitree G1机器人上完成了真实物理验证;李淼教授团队则直接瞄准了当前最热门的VLA模型安全问题——他们开发的后门攻击擦除框架和通用对抗物体攻击,能让RT-2和Octo等SOTA模型的任务成功率暴跌近40%。 这不是”蹭热点”式的跟风。 这是在机器人AI安全这一关键底牌上占位。 更值得关注的是,中国动作捕捉公司NOKOV自ICRA 2024起与大会组委会联合发起的”New Generation Star Project”,已经成为发掘青年机器人研究者的重要渠道。 从”被选上”到”由我选”,这个转变本身就是一种话语权。 当然,中国在ICRA上还有很大的增长空间。 美国仍然在论文数量和研究深度上领跑。 但方向正在改变:中国学者不再只是刷论文接收数量,而是开始系统性布局前沿阵地——从VLA安全、具身智能攻击面,到多智能体协同,都是”现在看起来抽象、三年后可能决定产业走向”的方向。
04为什么你应该关注ICRA 2026一个朴素的道理:AI领域的顶级会议论文,一两年内就会变成产品。 今天的VLA论文,明天可能就是你家扫地机器人的”大脑”。 今天的Sim-to-Real研究,直接影响着工厂里那些机械臂什么时候能真正”有了眼睛”。 今天的灵巧手论文,关系到什么时候机器能帮你叠衣服而不是把衣服撕烂。 ICRA是离”机器人落地”最近的学术顶会之一。 而今年尤其特别。 ChatGPT式的生成式AI浪潮已经彻底涌入了机器人领域——大语言模型做高层规划、扩散模型做动作生成、多模态模型做感知融合。 机器人学正在经历一场和2023年NLP领域相似的技术范式转移。 05我们去现场说了这么多,重点来了:雷峰网将派团队前往奥地利维也纳,全程直击ICRA 2026。 不只是看论文——我们会走进展厅,近距离观察每一台机器人是真能动还是PPT摆拍;我们会参加Workshop,把”VLA能不能真正落地”这个问题问给每一个主讲人;我们会拦住大会主讲嘉宾,问他们那些在论文里不方便写的真实想法。 更重要的是,我们会带来一个中国视角。 哪些论文真正值得国内产业关注? 哪些方向看起来很热但可能是泡沫? 在机器人这条赛道上,中国到底在什么位置?
这些问题,答案不在论文PDF里。 答案在维也纳的咖啡厅、展厅的角落、凌晨两点还亮着灯的实验室展台。 下周见。 ICRA 2026(IEEE国际机器人与自动化会议)将于6月1日-5日在奥地利维也纳举行。 雷峰网将持续报道,敬请关注。
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from 雷峰网机器人
See more →
RoboScience机器科学发布通用具身大模型Visics,首次完整展示VLOA双引擎架构
RoboScience unveiled its Visics model featuring the VLOA architecture, enhancing robotic capabilities in complex tasks like furniture assembly with millimeter precision. The model integrates a dual-engine approach, leveraging a unique data pipeline to achieve significant cost reductions and scalability in training data.

