IROS 2026观察：四大路线加速收敛 具身智能迎工程化拐点

9月27日开幕的IROS 2026，正在释放具身智能的产业拐点信号。不同于前两届会议以概念演示、大模型比拼为主的基调，本届会议技术路线高度收敛，全行业共识正从单项能力突破转向能力落地，四大工程化路径同步清晰。

模型评价标准转向物理优先

此前具身模型多比拼语义理解能力，落地真实场景却频频因不懂物理规律失效。本届会议上，物理正确性正在成为核心考核标准：物理世界模型构建、不确定环境鲁棒性成为核心议题。

UIUC团队入围最佳移动操作论文的ULTRA框架，直接将物理驱动的神经重目标算法嵌入控制器底层，仅靠稀疏指令就能生成符合物理逻辑的全身动作，代表模型研发正式从“语义优先”转向“物理优先”。

“大脑+小脑”分层控制架构成为行业标配

大模型推理延迟与机器人实时控制的频差，曾是落地的核心卡点。本届会议上，“大脑+小脑”的分层控制架构彻底从小众方案成为行业共识。

UCLA团队推出的LITHE架构，实现了控制律在线热切换，百微秒级完成更新无需停机，且仅靠消费级单板机就能跑通，大幅降低了分层架构的落地门槛，验证了低成本硬件也能支撑高实时性的机器人控制。

触觉感知升级为精细操作核心

视觉长期主导机器人感知，但精细操作场景下的遮挡、力度控制等痛点难以破解。本届会议上，触觉从补充感知升级为精细操作的核心变量，从传感器硬件、融合算法到真机操作的全链条讨论成型。

韩国团队的KineFuse方案实现了视觉遮挡下的触觉无缝切换，全程无需人工干预；轻量化遥采设备则把触觉数据采集成本打至传统方案的十分之一，加速触觉从实验室走向商用场景。

数据采集降本打破巨头门槛

数据采集曾是具身智能的重资产环节，仅头部玩家可负担。本届会议上两条降本路径同步成熟：高保真仿真配合少量实机数据的Sim2Real路线，实现八成以上的技能迁移率；轻量化真机采集方案大幅降低硬件成本。

二者结合形成“仿真预训+实机微调”的普惠模式，打破了数据资源的巨头垄断，中小团队也可高效开发具身技能。

本届IROS透出的最明确信号在于，具身智能的概念炒作期已经结束，工程落地周期正式开启。技术路线的收敛意味着商业化的基础条件正在成熟，接下来的产业竞争，将围绕落地效率、成本控制与场景规模化展开。中国团队在核心技术与专题组织中的参与度提升，也意味着国内产业有机会同步跟上这一轮工程化节奏。

参考资料

[1] IEEE RAS. 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems[EB/OL]. 2026-09-27[2026-09-28].

[2] He X, et al. ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation[EB/OL]. arXiv:2603.03279, 2026-09-18[2026-09-28].

[3] Lim H K, Clites T R. LITHE: Bridging Best-Effort Python and Real-Time C++ for Hot-Swapping Robotic Control Laws[EB/OL]. arXiv:2603.07442, 2026-03-08[2026-09-28].

[4] Ahn C, et al. KineFuse: Kinematic-Aware Haptic Fusion for In-Hand Occluded-Object Pose Tracking[EB/OL]. arXiv:2607.14842, 2026-07-16[2026-09-28].