核心观察
2026年6月5日，第43届IEEE国际机器人与自动化大会（ICRA 2026）在奥地利维也纳闭幕。作为全球机器人研究领域规格最高的学术会议，ICRA 2026的论文、演讲和展览展示为整个行业提供了明确的方向信号。
四大趋势主导了本届会议：人形机器人从”概念验证演示”转向”可复现基准和实用评估”；Sim-to-Real迁移从”实验室技巧”升级为”标准管线的必要组成部分”；VLA模型正在改变机器人学习的评估方法论；轮腿机器人作为兼具移动速度和操作能力的形态获得学术界和产业界前所未有的关注。
本文提炼ICRA 2026的四大核心趋势，并分析其对商业机器人产业的潜在影响。
趋势一：人形机器人的”基准化”时代
从演示视频到标准化评测
过去三年，人形机器人领域的舆论焦点一直被各家公司的”演示视频”所主导。Figure 02、Tesla Optimus、宇树H1的行走和操作视频在社交媒体上获得大量传播，但学术界一直缺乏对这些机器人真实能力的标准化评估。
ICRA 2026是这一局面发生转折的节点。至少5篇论文直接提出了面向人形机器人的标准化基准和评估方法：
HumanoidBench 2.0（MPI智能系统所/苏黎世联邦理工）： 在2024年原版HumanoidBench的基础上大幅扩展了测试场景——新增了12个精细操作任务（如重新排列餐桌上的餐具、使用螺丝刀拧紧螺钉）和8个动态移动任务（如在不平整地面上单脚站立、跨过障碍物后恢复平衡）。该基准使用统一仿真环境（Genesis + MuJoCo）作为后端，确保结果可以跨实验室复现。
EvalBot（CMU/Google DeepMind）： 一个面向实体人形机器人操作能力的评估协议——定义了17个标准测试场景，包括开门、使用工具、搬运不同形状和重量的物体、以及与人协作传递物品。EvalBot的最大特点是不要求所有参赛者使用相同的机器人硬件——评估的是”算法+硬件”系统的综合表现。
REALign（清华/星动纪元）： 一个针对人形机器人行走和全身协调控制的基准。REALign的独特之处在于它以”人类行走数据的生物力学特征”作为评估参考——测试机器人行走的自然度、能量效率和抗扰动能力。基准测试结果显示，当前最先进的人形机器人在平整地面上的行走效率已接近人类的60%，但在不平整地面和动态扰动下的表现仍有巨大差距。
关键论文概览
| 论文/项目 | 机构 | 核心贡献 | 产业相关性 |
|---|---|---|---|
| HumanoidBench 2.0 | MPI/ETH Zurich | 12个精细操作+8个动态移动基准 | 高（评估框架可用于选型和开发） |
| EvalBot | CMU/Google DeepMind | 实体人形机器人的17场景评估协议 | 高（可复现的跨硬件比较） |
| REALign | 清华/星动纪元 | 以人类行走数据为参考的人形机器人控制基准 | 中高（聚焦行走自然度和效率） |
| Whole-Body Control with Diffusion Policy | MIT | 使用扩散策略实现人形机器人全身协调操作 | 中（技术路线验证） |
对产业的影响
选型标准化的第一步： 目前企业采购人形机器人最大的痛点是无法在不同产品和方案之间进行横向比较。HumanoidBench 2.0和EvalBot的出现意味着”评估基准”正在从学术概念变成商业决策可用的参考工具。
技术路线争议的收敛： 基准数据有助于回答产业界最关心的问题——“模型预测控制（MPC）vs强化学习（RL）哪种路线更好？""全身协调控制应该用规则+优化还是端到端神经网络？“不同的基准结果正在为技术路线选择提供数据依据。
趋势二：Sim-to-Real从技巧变成标准管线
会议论文数量反映趋势
ICRA 2026论文数据库中，“Sim-to-Real”或”Domain Randomization”关键词出现在300余篇论文中，相比ICRA 2025增长约40%。更值得关注的是，Sim-to-Real不再是一个独立的研究方向——它已经成为多个子领域（操作、移动、人形机器人、软体机器人）论文中的”标准实验环节”。
三项代表性工作
AdaSim（UC Berkeley/Google DeepMind）： 提出了一种”自适应仿真调整”方法——当仿真训练的模型在真实环境中表现不佳时，AdaSim不要求回到初始参数重新训练，而是自动检测”仿真与真实的差距”，针对性调整仿真参数后增量更新策略网络。该工作在真实的机械臂桌面操作任务中展示了从零训练到真实运行仅需4小时的高效管线。
Real2Sim + Sim2Real闭环（NVIDIA/多伦多大学）： 提出了一个完整的”真实→仿真→再次真实”闭环系统。首先用NeRF和3D扫描技术在Isaac Sim中重建真实工作空间，然后在仿真中对任务策略进行大规模训练和验证，最后将策略零样本迁移到真实环境。该工作的关键实验是在真实厨房环境中让机械臂完成开冰箱门、取饮料、关冰箱门的多步骤任务，迁移成功率达到85%。
可迁移技能库（ETH Zurich/苏黎世联邦理工）： 提出了一种”技能命名+条件化策略”的框架——在仿真中训练一组基础的原子技能（推动、抓取、放置、旋转），每个技能在不同物理参数下训练出多个版本。当迁移到真实环境时，系统自动选择与当前物理条件最匹配的技能版本。这种”技能库”方法通过提高训练数据利用率，减少了对高保真仿真器和大量真实数据的需求。
对产业的影响
减少仿真开发和硬件调试的脱节： 传统上，仿真团队和硬件团队的工作相对独立，Sim2Real迁移环节往往需要大量的手动调整。AdaSim和Real2Sim+Sim2Real闭环代表了”仿真即产品”的演进方向——仿真不再只是研发阶段的辅助工具，而是贯穿整个产品开发周期的基础设施。
降低机器人任务开发的数据成本： 数据采集一直是机器人”长尾任务”自动化的主要瓶颈。Sim2Real管线的成熟化意味着——对于一个新任务场景，研发团队可以在1-2天内完成”仿真建模→策略训练→真实迁移”的全流程，数据成本较传统方法降低一个数量级。
趋势三：VLA模型重构评估方法论
VLA论文的爆发式增长
ICRA 2026上，涉及VLA（Vision-Language-Action）模型的论文超过60篇，是ICRA 2025的近3倍。VLA已经从一个备受争议的新概念，变成了机器人学习领域最活跃的研究方向。
评估方法的转变
VLA的兴起对机器人学习的评估方法产生了深远影响：
从”任务成功率”到”泛化能力度量”： 传统的机器人学习评估聚焦于单一任务的成功率——“在100次试运行中成功多少次”。VLA模型的目标是泛化——“在未见过的物体、场景和指令组合下，模型的表现如何”。ICRA 2026上提出了多种新的泛化评估协议，例如G-VAL（Generalization Value），将任务变体数量纳入评分体系。
语言指令作为评估维度： VLA模型的输入包含语言指令，因此”指令理解精度”成为新的评估指标。多个论文引入了指令难度分级——简单指令（“拿起杯子”）、复合指令（“拿起杯子放到托盘上”）、上下文指令（“把上次放的蓝色物品拿给我”）。
跨具身化评估： VLA模型的一个核心理念是可以将视觉语言知识迁移到不同的机器人平台上。ICRA 2026上出现了首个”跨平台VLA评估”——将同一个VLA模型部署到UR5、Franka Emika Panda和KUKA iiwa三种机械臂上，评估其在同一组操作任务中的表现差异。
值得关注的VLA相关论文
OpenVLA-Large（Stanford/CMU/Hugging Face）： OpenVLA的7B参数版本升级到70B参数规模，在13个标准操作基准上的平均成功率从52%提升至71%。这一结果验证了VLA的”规模定律”——更大的模型+更多的数据=更好的泛化。
EmbodiedBench（UC Berkeley/Google DeepMind）： 提出了一个面向具身智能体的综合评估套件——包含感知、推理、规划、执行四个维度的标准化测试。EmbodiedBench为VLA模型提供了比单一任务成功率更全面的评估维度。
VLA适配器（清华大学）： 提出了一种轻量级的VLA适配方法——通过在预训练VLM和动作解码器之间插入一个”适配器”模块，使得VLA模型可以在不同机器人平台之间快速迁移，而不需要对整个模型进行重新微调。这一工作在具身智能领域的意义类似于LoRA在大语言模型领域的意义。
对产业的影响
VLA模型正在成为机器人商业化的技术底座： 如果说2024-2025年企业还在”VLA vs 传统管线之间”观望，ICRA 2026的信号已经非常明确——VLA将成为未来3-5年机器人操作系统的主流架构。
评估基准的商业价值： EmbodiedBench和G-VAL这样的评估体系为机器人产品提供了量化的性能标签。对于购买机器人系统的企业来说，这些评估数据可以成为采购决策的参考依据。
趋势四：轮腿机器人的崛起
兼具速度和操作能力的”中等复杂度”形态
轮腿机器人（wheel-legged robot）——在腿式结构上添加轮子的混合形态——成为ICRA 2026上最受产业界关注的形态之一。相比双足人形机器人，轮腿机器人的机械复杂度较低、成本可控；相比纯轮式机器人，轮腿机器人在越障能力和台阶适应方面具有明显优势。
在ICRA 2026上，至少有3个轮腿机器人相关的完整系统演示和10+篇直接相关的论文。
代表性项目
ETH Zurich ANYmal进化版： ANYmal一直是四足机器人中的标杆平台。ETH Zurich团队在ICRA 2026上展示的ANYmal进化版在每条腿的末端增加了一个主动驱动的轮子模块，使得机器人在平整地面上可以”轮式行驶”（高速、低能耗），遇到楼梯或障碍物时切换到”腿式跨越”模式。该版本在户外环境中展示了超过3小时的续航能力，是纯腿式行走模式续航的约2倍。
宇树科技轮腿组合方案： 宇树科技在ICRA的工业展区展示了其四足机器人搭配轮式末端的组合方案。根据宇树展示的数据，轮腿组合模式下的运动能耗降低约60%，最高移动速度提升至8km/h，相比纯腿式行走有显著改善。
牵星科技（Wheelbot）： 中国创业公司牵星科技展示了一款全新的轮腿机器人平台Wheelbot-2。该平台采用”双轮+尾摆”的简洁结构——两个轮子+一个主动控制的尾部结构实现平衡和转向。Wheelbot-2的最大载荷达到15kg，续航4小时，在仓储物流和巡检场景中展示了良好的实用性。牵星科技在展会上宣布与菜鸟物流达成试点合作。
产业应用前景
仓储物流： 轮腿机器人在仓库中可以在平坦地面高速行驶，遇到拣货区门槛或台阶时切换到行走模式。ANYmal进化版的实验数据显示，在典型的仓库环境中，轮腿模式比纯腿式行走的作业效率提升3倍以上。
巡检运维： 工厂和变电站的巡检路线通常包含平坦通道、小台阶（5-15cm）和斜坡。轮腿机器人可以在不需要改造基础设施的情况下适应这些多样化的地面条件。
安防巡逻： 需要长时间续航的室外巡逻场景——轮腿模式的低能耗特性使其比纯腿式方案更具续航优势。
对于中国机器人产业的启示
学术参与度持续提升
ICRA 2026上，来自中国机构的论文投稿数量和录用率均创历史新高。清华大学、上海交通大学、哈尔滨工业大学、中科院自动化所等机构在VLA、Sim2Real、人形机器人控制等热门方向发表了多篇高质量论文。
特别值得注意的是，中国创业公司（宇树科技、星动纪元、牵星科技、银河通用等）在这次ICRA工业展区的参与度显著提升。 这标志着中国机器人产业正在从”制造能力输出”向”技术能力输出”转型。
从论文到产品的转化加速
多项在ICRA 2024-2025上首次发表的研究成果，在ICRA 2026上已经展示了产品化的进展。最典型的例子是Sim2Real相关技术——2025年还是学术论文中的方法论，2026年已经成为宇树、银河通用等公司产品开发管线的标准组成部分。
需要关注的差距
核心基础研究仍有差距： 在人形机器人控制理论、灵巧操作算法、以及机器人学习的基础架构方面，中国机构与美国顶尖实验室（Stanford、MIT、CMU、Google DeepMind）之间仍存在系统性差距。中国工业界的优势更多体现在工程应用、供应链整合和快速产业化方面。
开源生态参与度偏低： 虽然中国机构贡献了大量论文，但在开源机器人项目的贡献方面（如LeRobot、OpenVLA、MuJoCo生态）的参与度仍然偏低。这对于建立长期的学术和社区影响力是不利的。
ICRA 2026关键数据速览
| 指标 | 数据 |
|---|---|
| 会议日期 | 2026年6月1-5日 |
| 举办地 | 奥地利维也纳，维也纳会展中心 |
| 论文投稿数 | 约6,500篇（预估） |
| 论文录用数 | 约2,100篇（录用率约32%） |
| 参会人数 | 约8,000人 |
| 中国机构投稿占比 | 约28%（历史新高） |
| 中国企业参展数 | 约30家（含展区和工业论坛） |
| 热门领域 | VLA、Sim2Real、人形机器人、轮腿机器人 |
结论
ICRA 2026传递的最重要信号是：机器人研究的主题正在从”每个实验室做自己的事情”走向”评估基准+标准管线的收敛化”——人形机器人有了HumanoidBench和EvalBot，Sim2Real从技巧变成了流程，VLA模型正在改变评估方法论，轮腿机器人作为产业落地的”甜点形态”正在获得认可。
对于机器人企业来说，这些学术信号直接转化为产品和技术路线选择的依据。2026年下半年，预计将有更多人形机器人产品引入标准化评估、更多的Sim2Real管线集成到开发流程中、以及更多的轮腿机器人进入实际部署场景。
参考来源：ICRA 2026会议论文集（IEEE Xplore）、ICRA 2026日程和工业论坛资料、ETH Zurich | NVIDIA | UC Berkeley | CMU | Google DeepMind 官方技术博客、宇树科技和牵星科技展台资料。