这届 IROS 2026 上，具身学术与产业边界正在消融

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 样例 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。 01 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 Paradigms Workshop 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”。 同期雷峰网观察到， 10 月 1 日举办的 第三届 AI Meets Autonomy Workshop，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