IROS 2026
PulseAugur coverage of IROS 2026 — every cluster mentioning IROS 2026 across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
Humanoid robots will achieve higher levels of strategic play in sports within 1 year
Dongyi Technology's humanoid robot playing badminton demonstrates advanced strategic decision-making and precise control. Given the rapid progress highlighted at IROS 2026, it is plausible that within a year, similar robots will exhibit even more sophisticated strategic capabilities in sports, potentially competing at higher amateur levels.
IROS 2026 highlights convergence of academic and industrial research in embodied AI
The WorldArena 2.0 Challenge at IROS 2026 showcased a close competition between different AI approaches, with JEPA and spatial intelligence routes being prominent. This indicates a growing alignment between academic advancements and industrial applications in the field of embodied AI, particularly in areas like world models and real-world robotics.
Low-cost tactile sensors will become standard in mid-tier robotics research within 2 years
The open-sourcing of Columbia University's FlexiTac tactile sensor at IROS 2026, coupled with its adoption in academia and industry, suggests a trend towards more accessible tactile sensing. Within two years, such low-cost, flexible tactile sensors are likely to become a standard component in mid-tier robotics research projects due to their ease of integration and cost-effectiveness.
-
哥伦比亚大学的FlexiTac传感器旨在使机器人触觉传感民主化
哥伦比亚大学的研究人员开发了FlexiTac，一个开源、低成本、柔性的压阻式触觉传感器平台，旨在使机器人的触觉传感像视觉传感一样可扩展。该系统包括详细的物料清单、组装说明和读取传感器数据的软件，使本科生也能将触觉传感集成到机器人系统中。自开源发布以来，FlexiTac已在学术界和工业界得到广泛应用，催生了多样化的应用和合作，包括与Analog Devices合作推出的商业化版本，其触觉分辨率是人手指的五倍。
-
机器人通过新基准和新架构获得长期记忆能力
IROS 2026 的新基准和研究强调了长期具身记忆对机器人日益增长的重要性，超越了简单的上下文窗口，以解决复杂的现实世界变化和错误传播。中国初创公司 Beta Unlimited 开发了 BetaMem，这是一种多模态记忆架构，使用开源的 9B 模型在多个记忆基准上取得了最先进的结果。BetaMem 在证据和状态之间进行区分，记录事件，并在六个层级上管理记忆，旨在为机器人提供对其环境和过去交互的更强大、可验证的理解。
-
机器人通过单次演示学习框架实现83%的泛化能力
来自宾夕法尼亚大学、麻省理工学院和斯坦福大学的研究人员开发了一个名为RAPID的新框架，以提高机器人在物理任务中的泛化能力。该方法摒弃了数据密集型、端到端学习的模式，转向更结构化的、基于模型的规划方法。RAPID利用一个“编码代理”将人类的单次演示转化为可重用的、以对象为中心的程序，然后在模拟环境中进行验证，最后在真实世界中执行。这种方法显著提高了机器人执行新颖的、非抓取任务的能力，成功率很高，在复杂任务上实现了83%的泛化能力。
-
Visincept and Xiaomi Win Top Prizes at IROS 2026 WorldArena 2.0 Competition
在IROS 2026上举行的WorldArena 2.0竞赛，挑战参赛者为视频预测、在线强化学习和真实世界机器人等任务开发世界模型。Visincept凭借其WorldIncept模型在第一赛道获胜，得分0.84。小米的ViTacX赢得了真实机器人赛道。
-
IROS 2026 机器人挑战赛中，世界模型展开对决
在 IROS 2026 上举办的 WorldArena 2.0 挑战赛，评估了世界模型在机器人领域的实际应用能力，超越了单纯的视频生成。本次竞赛引入了专注于在线强化学习和真实世界机器人操作的新赛道，并整合了触觉等多模态感官输入。竞赛中，不同的 AI 方法展开激烈竞争，JEPA（联合嵌入预测架构）路线和空间智能路线争夺领先地位。值得注意的是，此次竞赛凸显了具身 AI 领域学术和工业研究日益融合的趋势。
-
2026 IROS 会议：具身 AI 转向实际工程，采用新的数据和控制范式
2026 IROS 会议标志着具身 AI 研究的转变，从概念演示转向实际工程。主要趋势包括将物理定律融入基础模型、广泛采用“大脑-小脑”架构进行实时控制，以及将触觉传感从辅助功能提升为精细操作的核心组成部分。此外，数据采集方法正变得越来越高效和易于获取，打破了以往的成本障碍。
-
哥伦比亚大学团队开源低成本机器人触觉传感器
哥伦比亚大学的研究人员开发了FlexiTac，这是一个开源、低成本、柔性的压阻式触觉传感器平台，旨在使机器人的触觉感知像视觉感知一样可扩展。该系统在IROS 2026上进行了详细介绍，其组装过程简单、耐用性高且批次一致性好，即使是本科生研究也能轻松使用。FlexiTac已在学术界和工业界得到广泛应用，促成了各种应用和合作，包括Analog Devices正在开发一个分辨率显著提高的商业版本。
-
清华大学LATENT机器人因模拟网球正手获IROS奖
由Galbot与清华大学开发的名为LATENT的人形机器人，因其令人印象深刻的网球正手能力获得了2026年IROS奖。在测试中，该机器人在约91%的动作捕捉模拟回合中成功回击了正手球。
-
机器人制造机器人零件：Simplexity Robotics 在 IROS 2026 上展示精密制造
智健动力（Simplexity Robotics）展示了一个能够让机器人制造其他机器人零件的系统，特别专注于高精度数控加工。该方法在 IROS 2026 上提出，使用了名为 SimpleWAM 的多模态模型进行动作生成，DRAM 用于长期记忆，DPE 用于动作评估，所有这些都仅在 600 个机器人轨迹的有限数据集上进行训练。该系统在具有 0.5 毫米公差的任务中成功实现了 100% 的任务成功率，弥合了实验室精度与工厂现实之间的差距。
-
IROS 2026 奖项聚焦机器人长时记忆与人形技能
IROS 2026 会议将最佳论文奖授予了一项关于“LT-Mem”的研究，该系统旨在通过区分稳定和易变元素来帮助机器人发展长期的场景理解能力。这项研究解决了机器人时间遗忘的挑战，使其能够记住过去的状态并预测未来的变化。其他值得注意的奖项包括四旋翼飞行器编队控制的最佳学生论文奖，以及在网球技能和稳定托盘搬运方面表现出色的人形机器人获得的赞誉。
-
IROS 2026论文显示，LLM正在与核心机器人技术融合，而非取代
对提交给IROS 2026的1933篇论文的分析表明，尽管大型语言模型（LLM）越来越多地融入机器人研究，但它们并未取代传统的机器人学科。相反，LLM正与机器人学习、感知、规划、控制和操作等既有领域交织在一起，从而形成一种更复杂、面向系统的研究方法。主要趋势包括关注提高LLM驱动机器人的效率和现实世界适用性，解决3D空间理解、长期记忆以及适应变化环境方面的挑战。研究正从单纯的模型扩展转向构建将LLM与其他机器人组件集成的鲁棒系统。
-
机器人利用不完美人类数据通过潜在动作空间学习打网球 · 跟踪 1 个来源
Galaxy General 和清华大学的研究人员开发了一种名为 LATENT 的新方法，使人形机器人能够利用不完美的人类运动数据学习网球技能。该系统不依赖于完美、完整的数据集，而是从碎片化和不精确的人类运动中学习，专注于基本的身体力学。这种方法训练了一个潜在动作空间，类似于一个“动作词典”，使机器人能够选择和适应预先学习的运动模式，而不是从头开始计算每一个关节运动。该系统包含一个潜在动作屏障（LAB）以确保平稳稳定的运动，并在模拟中…
-
斯坦福大学教授探讨机器人学习推理和在物理世界中行动
斯坦福大学助理教授吴佳俊在IROS 2026上讨论了构建能够在现实世界中进行推理和行动的物理智能体。他强调了机器人在理解复杂、动态环境方面面临的挑战，并指出需要超越简单视觉识别的结构化表征。吴的研究重点在于使机器人能够从数据中学习这些表征和行动，朝着能够推断任务需求并在极少人工干预的情况下适应新情况的智能体迈进。
-
Astribot T1 人形机器人以低价亮相 · 跟踪 1 个来源
Astribot T1 人形机器人已正式在北美亮相，其起售价为 18,000 美元，远低于典型人形机器人的价格，这一点尤其值得关注。尽管可能面临有关中国机器人技术的 FCC 监管，但这种可负担性可能使其成为企业（尤其是在仓储领域）的可行选择。在其他机器人领域的新闻中，据报道 AGIBOT 在 2026 年上半年引领了全球人形机器人出货量，而机器人初创公司 FieldAI 正寻求以 100 亿美元的估值筹集 7 亿美元资金。
-
Sharpa在IROS 2026上发布D01机器人、W02手和AE01触觉手套
Sharpa在IROS 2026上推出了一系列先进的机器人硬件。该公司发布了D01触觉机器人，其全身电子皮肤备受瞩目。此外，他们还展示了W02灵巧手，这是一款具有21个自由度和全面触觉传感的轻量级手，以及具有22个自由度的AE01触觉手套。
-
人形机器人打羽毛球，展示先进的AI策略和控制能力
东毅科技开发出了一款能够打羽毛球的人形机器人，展示了先进的动态运动控制和策略性打法。该机器人身高1.35米，通过协调其“小脑”进行精确执行和“大脑”进行战略决策，能够进行超过40拍的连续对打。该系统采用多判别器方法学习多样的击球风格，并使用学习到的技能选择器来选择应对来球的最佳技术，使其能够覆盖4.4x4.4米的场地。
-
具身智能模型DM0.5横扫四大关键基准，展现广泛能力
具身智能模型DM0.5在RoboColiseum基准测试（一个用于评估具身智能的综合平台）的四个子排行榜上均取得了最高排名。该模型是首个在指令遵循、空间理解、扰动适应和通用操作这四个类别中均表现出色的模型，显示出其没有结构性弱点。DM0.5的成功归功于其先进的架构，包括用于推理的具身思维链（embodied Chain-of-Thought）、用于空间理解的海量以自我为中心的视频数据，以及用于快速推理和长期记忆检索的工程优化，使其能够…