梳理 IROS 2026 的 1933 篇论文：大模型没有吃掉机器人学，中间层正在复兴
来源雷峰网查看原文
速览
- 1933 篇论文的分布显示，机器人学没有被大模型归并成单一 AI 问题。
- 学习方法正深度嵌入感知、规划、控制、操作等传统模块，而非取而代之。
- VLA 研究重心从「能不能做」转向效率、三维理解、长时记忆与视角鲁棒性。
- 知识蒸馏压缩 VLA，说明推理速度已成为机器人部署的硬约束。
- GeoVLA 等工作把三维几何重新补回 VLA，空间理解仍是核心短板。
- 长期记忆与模块化框架出现，VLA 竞争正从 scaling 转向 system engineering。
- Reasoning / Memory 已形成独立 Session，端到端链条中间被重新加入结构。
- 触觉与视觉融合的灵巧操作研究，把 Foundation Model 拉回物理接触层面。
IROS 2026 将于 9 月 27 日在匹兹堡开幕，这是该会议时隔 31 年重回这座钢铁之城。本届进入正式议程的论文达 1933 篇。雷峰网对这些论文做了多标签梳理：Robot Learning / Embodied AI 约 809 篇，Navigation / Planning 564 篇，Perception / Vision 556 篇，Control / Dynamics 546 篇，Manipulation 520 篇，Humanoid / Legged 约 213 篇；VLA、VLM、LLM 与 Foundation Model 相关约 162 篇，占全部论文的 8.4%，其中明确涉及 VLA 的约 82 篇；Reasoning / Memory 相关约 119 篇，占 6.2%，其中 Reasoning 64 篇、Memory 36 篇。交叉统计显示，Robot Learning 与 Manipulation 同时出现的论文约 276 篇，与 Perception 交叉 269 篇，与 Navigation / Planning 交叉 225 篇，与 Control / Dynamics 交叉 221 篇。文章的核心判断是：学习方法并未挤压掉机器人学的传统模块，而是更深地嵌入其中，机器人研究正在经历一轮三维几何、符号推理与底层控制的「中间层复兴」。
关键事实
- IROS 2026 于 9 月 27 日在匹兹堡开幕，是 IROS 时隔 31 年重回该城市。
- 本届进入正式议程的论文共 1933 篇。
- 多标签统计：Robot Learning / Embodied AI 约 809 篇，Navigation / Planning 564 篇，Perception / Vision 556 篇，Control / Dynamics 546 篇，Manipulation 520 篇，Humanoid / Legged 约 213 篇。
- VLA、VLM、LLM 与 Foundation Model 相关论文约 162 篇，占全部论文 8.4%，其中明确涉及 VLA 的约 82 篇。
- Reasoning / Memory 相关论文约 119 篇，占 6.2%，其中 Reasoning 64 篇、Memory 36 篇。
- 交叉统计：Robot Learning 与 Manipulation 交叉约 276 篇，与 Perception 交叉 269 篇，与 Navigation / Planning 交叉 225 篇，与 Control / Dynamics 交叉 221 篇。
本站视角
对国内做具身智能和 VLA 的团队来说，这篇文章的价值不在于罗列了哪些论文，而在于它用论文分布数据给出了一个与主流叙事相反的方向判断。过去两年大量创业公司和研究团队把资源压在端到端 VLA 的 scaling 上，赌的是「模型足够大就能解决一切」；而 IROS 2026 的论文结构显示，真正被反复研究的是推理速度、三维几何、视角鲁棒性、长时记忆和模块化系统集成——这些都是 scaling 无法自动解决的问题。我们认为，这对国内团队的直接影响是：如果继续只做模型规模竞赛，很可能在工程落地环节被那些把感知、记忆、规划、控制串成完整系统的团队反超。Shallow-π 这类知识蒸馏工作尤其值得关注，它说明 VLA 的部署瓶颈已经从「能不能训出来」变成「能不能跑在边缘设备上」，这对做机器人本体和芯片适配的国内厂商是明确的信号。RoboBRIDGE 的 Monitor / Perceptor / Planner / Controller 分层结构也提示，VLA 的下一阶段竞争是 system engineering，而不是单点模型指标。需要指出的是，本文的结论建立在雷峰网自己的多标签统计之上，标签口径、交叉计数方式都未公开，162 篇、82 篇、119 篇这类数字应视为该媒体的估算而非会议官方数据；「中间层复兴」也是一个解释性框架，而非可直接验证的事实。另外，原文后半部分包含明显的社群引流与会议内容推广，读者在采纳其判断时应意识到这一商业动机。总体而言，这篇文章的方向性判断值得国内具身智能团队认真对待，但具体数字不宜直接引用。
背景与影响
IROS 是全球规模最大的机器人学术会议之一，本届 1933 篇正式议程论文基本可以看作 2026 年机器人研究的横截面，覆盖强化学习、模仿学习、路径规划、视觉感知、运动控制、灵巧操作、人形机器人、触觉与大模型等几乎所有重要技术路线。过去两年，端到端 VLA 与具身智能是产业和媒体关注度最高的方向，外界普遍存在一种预期：大模型会像在 NLP 领域那样，把机器人学各个子领域统一收编。雷峰网对论文做多标签统计后给出的结论与此相反——学习类论文与传统模块的交叉数量很高，说明二者是融合而非替代关系。文章进一步用若干具体论文佐证这一判断：规划端，LLM 仍需与传统 TAMP 体系分工；感知端，GeoVLA 显式引入深度与三维几何；控制端，慢速 Foundation Model 被放到训练环节、由快速策略执行；触觉端，DexTact 把视觉与触觉放进同一套灵巧手抓取系统。这意味着机器人研究可能正在进入一个更复杂的系统阶段，而非被单一模型范式统一。需要观察的是，这种「中间层复兴」究竟是端到端路线遇到瓶颈后的阶段性回摆，还是会长期固化为机器人系统的标准架构。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。