研究解读 · 神机百见-具身解读
1933 篇论文里，世界模型只有 19 篇：IROS 2026 把热度排序和数量排序摊在了同一张表上
一份对 1933 篇 IROS 2026 论文的多标签统计给出了六组数字：VLA 相关约 162 篇占 8.4%，明确涉及世界模型的只有 19 篇约占 1%，人形/移动操作约 89 篇占 4.6%。讨论热度最高的话题，论文数量最少——这个错位本身就是一条信息。
本篇目录4 节 · 14
一分钟速览
- 底数：IROS 2026 进入正式议程的论文共 1933 篇（会议 2026-09-27 在匹兹堡开幕）。
- 大类分布（多标签）：Robot Learning / Embodied AI 约 809 篇；Navigation / Planning 564；Perception / Vision 556；Control / Dynamics 546；Manipulation 520；Humanoid / Legged 约 213。
- 第一组错位：VLA / VLM / LLM / Foundation Model 相关约 162 篇，占 8.4%；其中明确涉及 VLA 的约 82 篇。
- 第二组错位：明确涉及 World Model（世界模型）的论文只有 19 篇，约占 1%。
- 细分密度：Manipulation 520 篇中再做细分， Dexterous / Tactile 相关约 225 篇，其中明确涉及 Tactile 的 91 篇、Dexterous Manipulation 的 52 篇；Reasoning / Memory 相关 119 篇（6.2%）。
- 判断：这份统计最有价值的用法不是看哪个方向「赢」，而是看热度排序与数量排序的反差——反差最大的那个方向，通常是方法探索期而非工程落后期。
数据来源与边界
素材时间窗为前一日 18:00 → 当日 09:00（北京时间，2026-10-08 18:00 → 2026-10-09 09:00）。本条属扩窗处理：中文源为雷峰网（作者马晓宁、编辑岑峰）2026-10-08 10:59 发表，早于本窗口起点约 7 小时；本窗口内的新增量是 RobotToday 于同期发出的英文版对照统计（「RobotToday analyzed all 1,933 IROS 2026 papers」），其在相同底数上给出了中文版未覆盖的三项指标：录用率降至 36.5%、美国论文数首次超过中国、VLA 标题数从 4 篇增至 65 篇。两项对照构成本文的事实基础，符合「窗口外事件 + 窗口内新增量」的扩窗第一条。核查方式与边界：① 全部比例来自上述两家的自行多标签归类，口径均由其自定，本号未独立复核；② 原文已明确提示：一篇论文可能同时涉及多个方向，因此各类别数字不可相加，本文严格照此处理；③ 中英两份统计在 VLA 口径上存在分歧——中文为「明确涉及 VLA 约 82 篇」，英文摘要为「VLA titles jumped from 4 to 65」，两者差异可能来自「标题含词」与「多标签归类」的不同判据，本号并列呈现，不择一；④ 英文版提到的「录用率 36.5%」与另一份 RobotToday 稿件所述「约 1585 篇录用」存在换算余地但未获官方口径确认，本文不引用录用率做推论；⑤ 会议奖项信息（Best Paper 短名单 10 篇、韩国占 4 席、中国内地 3 席、美国 2 席、德国 1 席）来自 RobotToday 对官方论文索引的自行统计，获奖结果按 2026-09-30 颁奖午宴报道为其记者转述，未获 IROS 官方页面确认。判断均为作者分析，已用「判断：」标注。
本文事实信息来自上方标注的公开来源；解读、判断与延伸部分为作者个人见解，写作过程使用了 AI 工具辅助整理，已由作者人工核实，不代表信息来源方立场。如有雷同纯属巧合；如涉及版权或权益问题，请联系 shenjibailian@shenjibailian.com，我们将在核实后及时删除或更正。
1先把底数打出来
1933 篇，六大方向
IROS 2026 于 2026-09-27 在匹兹堡开幕，进入正式议程的论文达到 1933 篇。这份规模本身已经使它成为观察当年机器人研究横截面的一份好样本。
Robot Learning / Embodied AI
约 809
多标签归类，同一篇可计入多个方向，各类不可相加；数据源自雷峰网 2026-10-08 统计
这张表最重要的一句话不在任何一根柱子上，而在原作者的方法提示里：这些数字不能简单相加。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。
判断：交叉数是这张表里比总数更值得看的东西。它说明学习方法并没有挤压掉机器人原有的技术模块，而是越来越深地嵌进这些传统问题里。如果大模型真的「吃掉」了机器人学，我们会看到的方向 Count 分布是高度集中；实际看到的是六个方向都在 500 篇以上——这是一张平铺多样的地图，不是一条被收窄的通道。
2第一组错位：VLA
82 篇，占全部论文的百分之四
VLA 大概是过去两年被讨论最多的具身技术词。在这份统计里：VLA / VLM / LLM / Foundation Model 相关约 162 篇，占 8.4%；其中明确涉及 VLA 的约 82 篇。
中文版口径
多标签统计：VLA 相关约 82 篇，占 1933 篇约 4.2%。
英文版口径
VLA 标题数由 4 篇增至 65 篇。判据疑为「标题含词」。
两个口径打架，本号的处理是并列呈现而不择一。但可以肯定的是：无论按哪个口径，VLA 在 1933 篇里都不到 5%。
更值得注意的是这批论文在研究什么。不再是「模型能不能再大」，而是分化到效率、三维理解、长时记忆、视角变化、现实环境适应与安全。几篇典型工作可以直接看出这个转向：Shallow-π 用知识蒸馏压缩基于流的 VLA；GeoVLA 给 VLA 补三维几何；AnyCamVLA 处理相机视角变化后的零样本适配；还有工作把长期记忆直接接进 VLA Agent。
判断：这几个题目的共同点是——它们解决的都不是能力问题，而是能不能长期跑的问题。VLA 研究重心的这次转移，说明学术界已经默认模型「能做」，现在的瓶颈是「在系统里和感知、记忆、规划、控制一起工作时能不能稳定」。对工程团队的现实意义是：选 VLA 方案的评估指标应该从成功率换成「连续运行 N 小时后的成功率」。
3第二组错位：世界模型只有 19 篇
讨论热度最高，论文数量最少
这是整份统计里反差最大的一组数字：1933 篇论文中，明确涉及 World Model 的只有 19 篇，约占 1%。
四足
DAWN：用 World Model 对带噪深度感知建模，完成跑酷。用作感知—控制链上的状态建模工具。
灵巧操作
跨本体 World Model：绕开不同机械手完全不同的关节与动作空间，学习「动作如何改变物理世界」的一般规律。
精密插接
Generalizable Robotic Insertion：不记「这种零件怎么插」，改学「我的动作会怎样改变当前状态」。
2.5D
RoDyn：解决纯二维视频预测「看起来合理但物理关系不正」的问题，引入深度与机器人动力学。
原作者给了一句很准确的概括：「热」不等于「多」。但它同时指出，真正值得注意的不是已有多少篇，而是它开始出现在什么位置——从预测未来，转向参与控制。
判断：1% 说明世界模型还处在方法探索期，不是工程落后期，这两件事完全不同。落后期意味着大家都在用但用不好；探索期意味着还没有形成公认的做法。对资源有限的团队来说，1% 是一个明确的信号：现在不要把它当作方案选型里的必选项，可以跟踪，但不要在交付项目里押注。
4第三组：人形只占 4.6%
会走的人形，正在变成边走边干的人形
统计中 Humanoid / Loco-Manipulation 相关约 89 篇，占全部论文 4.6%。其中 46 篇与 Control 交叉、44 篇与 Learning 交叉、34 篇涉及 Manipulation、32 篇涉及 Planning。
过去
重点集中在 locomotion，核心目标是维持身体稳定，手臂通常不参与承载任务。
现在
把移动和操作放进同一个系统：接近物体、拿起、搬运、放下要连着做。
典型工作包括 ULTRA（接近—抓取—搬运—放下的连续任务）、SteadyTray（人形端托盘走路、盘内物体不能掉，在已有步态策略上叠残差策略处理扰动）、DreamMimic（把视觉与世界模型引入全身移动操作），以及清华联合北大、上海 AI Lab、Galbot 等团队的网球正手学习。
判断：一旦手里拿着东西，「走路」和「操作」就不能再拆开——这个转变对人形机器人的商业叙事影响很大。过去几年按 locomotion 能力给人形机器人在排的名次，在 loco-manipulation 这个新赛道上很可能重排。判断：选型时若你的作业需要搬运，不要采信厂商给出的行走参数，要直接问「负重状态下连续完成接近—抓取—搬运—放下这一整串的成功率」。
未获独立信源确认项：两家统计的分类口径均由其自定，本号未复核；VLA 82 篇与 65 篇的分歧未消解；奖项归属为记者转述、非官方页面确认；录用率 36.5% 未获 IROS 官方口径支持。以上均待后续核实。
