当地时间9月30日，IROS 2026主会在美国匹兹堡闭幕。据雷峰网·AI科技评论现场获悉，最佳论文奖颁给机器人长期记忆研究，最佳学生论文奖关注四旋翼无人机近距编队，人形机器人网球和端托盘工作分别获奖。大会9月27日开幕，1933篇论文进入正式议程。
最佳论文《LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》由Yumin Lee、Hyoseok Ju和Giseop Kim完成。论文针对机器人长期运行中的“时间性遗忘”，设计Live Memory、Delta Memory和Meta Memory分层结构，并根据对象历史变化频率判断易变性。它要回答的是，机器人在同一环境运行数月乃至数年后，如何记住过去而不只是当前状态。
Best Student Paper Award由Pei-An Hsieh、Fengjun Yang、Nikolai Matni和M. Ani Hsieh获得。他们研究多架四旋翼无人机极近距离编队飞行时的气流干扰，引入physics-informed residual dynamics learning补偿传统动力学模型难以描述的空气动力学效应，同时保留系统differential flatness。
人形机器人奖项中，张智楷等《Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data》获Best Entertainment and Amusement Paper Award，工作让机器人从并不完美的人类动作数据中学习网球技能。Anlun Huang等《SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport Via Residual Reinforcement Learning》获Best Paper Award on Mobile Manipulation，将行走与负载稳定拆开，用额外残差策略抵消托盘扰动。
其他专项奖覆盖认知机器人、机构设计、农业和水下场景。VL-Nav结合神经网络感知与符号推理，获认知机器人最佳论文；机器人拉链研究通过重新设计服装拉链适配自动穿戴；农业三维重建和水下载样定位工作也分别获奖。
IROS 2026开幕当天，斯坦福大学吴佳俊在RoBoWoMo研讨会上发表《Building Physical Agents via Structured Representations》报告。他用厨房洗盘子场景说明机器人需要判断物体、状态和动作前置条件，并介绍用基础模型发现组合性抽象、让领域专用语言本身可学习、在必要时后训练、以及把规划交给模型的研究路线。
雷峰网·AI科技评论对1933篇论文的多标签统计显示，Robot Learning/Embodied AI约809篇，Navigation/Planning约564篇，Perception/Vision约556篇，Control/Dynamics约546篇，Manipulation约520篇，Humanoid/Legged约213篇。VLA、VLM、LLM和Foundation Model相关约162篇，明确涉及VLA约82篇，Reasoning/Memory约119篇。学习方法与感知、规划、控制、操作交叉，而非取代传统模块。
来自银河通用GaLbot团队、清华大学、北京大学、上海启智研究院和上海人工智能实验室团队的LATENT，同样从“不完美人类数据”出发。研究团队采集5名业余网球选手约5小时、3米×5米区域内的人体动作，先训练运动追踪器并压缩成潜在动作空间，再通过强化学习组合成击球策略。论文使用Latent Action Barrier约束动作偏离，在正手击球任务中完整策略成功率为96.52%，去掉LAB后为93.12%。
真机验证在Unitree G1上进行，但当前依赖动作捕捉系统。材料显示，实验使用50多台动作捕捉相机，区域达19米×15米。研究还对机器人身体质量、摩擦、驱动器惯量以及网球质量、恢复系数、空气阻力等做随机化，并加入观测噪声、帧丢失和延迟。消融实验显示，去掉网球动力学随机化后真实世界正手成功率降至16.67%，去掉观测噪声后反手实验降至0%。
从获奖论文到现场报告，IROS 2026呈现出的机器人研究并未被大模型单一归并。长期记忆、VLA、世界模型、4D场景理解、视触觉操作、飞行控制、人形机器人、软体机器人和生物制造机器人等方向同时出现，研究重点转向能力如何持续、稳定地在现实环境中工作。