研究了1933篇 IROS 论文，我们看到了机器人学的六项新变化

大模型并没有“吃掉”机器人学。 作者丨 马晓宁 编辑丨岑 峰 9月27日，IROS 2026 将在匹兹堡开幕。重隔31年后，IROS 重回这座钢铁之城。 作为全球规模最大的机器人学术会议之一，今年进入正式议程的论文达到 1933 篇。把这近两千篇论文铺开来看，它更像是一张 2026 年机器人研究的横截面：从强化学习、模仿学习，到路径规划、视觉感知、运动控制、灵巧操作，再到人形机器人、触觉和大模型，过去几年机器人领域几乎所有重要技术路线，都同时出现在这张图谱里。 但真正值得注意的，并不是 Humanoid、VLA 或 World Model 这些更容易获得产业和媒体关注的关键词。 对 1933 篇论文进行多标签梳理后可以看到，Robot Learning / Embodied AI 相关论文约有 809 篇，Navigation / Planning 564 篇，Perception / Vision 556 篇，Control / Dynamics 546 篇，Manipulation 520 篇，而 Humanoid / Legged 相关论文约为 213 篇。 由于一篇论文可能同时涉及多个方向，这些数字不能简单相加，但它们说明了一件事：机器人研究并没有因为大模型进入，而被重新归并成一个单一的“AI 问题”。 相反，学习、感知、规划、控制和操作正在以前所未有的密度交织在一起。 在万众瞩目的 AGI 狂热大背景下，这近两千篇论文却释放了一个信号： 大模型并没有 “ 吃掉 ” 机器人学。 恰恰相反，在经历了两年的端到端狂奔后，机器人研究正通过三维几何、符号推理和底层控制的‘中间层复兴’，试图在匹兹堡找回那个被像素和 Token 掩盖的物理灵魂。” IROS 2026 真正值得追问的，也许不是“大模型是否正在取代传统机器人学”，而是机器人研究是否正在进入一个更复杂的系统阶段。 01 AI 没有取代传统机器人学， 而是在重新嵌进去 如果进一步观察这些论文之间的交叉关系，大模型进入机器人之后真正发生的变化会更加清楚。 Robot Learning 与 Manipulation 同时出现的论文约有 276 篇，与 Perception 交叉的有 269 篇，与 Navigation / Planning 交叉的有 225 篇，与 Control / Dynamics 交叉的也有 221 篇。 学习方法没有简单挤压掉机器人原有的技术模块，反而越来越深地嵌入这些传统问题之中。 这种变化首先体现在规划上。 来自石溪大学的 Jorge Mendez-Mendez 在 《A Systematic Study of Large Language Models for Task and Motion Planning with PDDLStream》 中，系统测试了大语言模型嵌入传