ICRA 2026大会的Day 1刚刚落幕，但几大趋势已经足够明确。本届大会最重磅的消息，莫过于FP3、Push Anything、Symskill、HITTER等5篇论文被评为最佳论文最终入围奖，这是ICRA历史上首次对会议论文进行公开评级。Ken Goldberg的开幕全体会议演讲引发了全场热烈讨论，而Jeannette Bohg则对视觉-语言-动作模型在接触丰富任务中的性能来源做了一场堪称“教科书级别”的深度剖析。灵巧手赛道全面升温，Xynova Flex 2的混合驱动、Rysen Apex Hand的10kg握力、Wuji Hand 2的开源生态，形成了三足鼎立的竞争格局。更值得一提的是，7600+注册学者齐聚维也纳，而中国展商成为了Day 1最引人注目的存在——Shohei Hido甚至直言“China is dominating”。下面，我们就一口气盘点ICRA 2026 Day 1的所有精华看点。
热门议题一：5篇最佳论文最终入围奖揭晓——ICRA 2026首次论文评级震撼学界
今年ICRA最大的悬念在第一天就被提前揭晓。Day 1的海报环节刚一结束，组委会就一口气公布了5篇最佳论文最终入围奖，覆盖了机器人学习、操作与移动、规划与控制三大研究方向。这是本届ICRA首次对会议论文进行公开评级，而GRASP实验室一家就贡献了两篇最终入围奖（Push Anything + Symskill），Geng Chen教授的FP3则在机器人学习方向上一骑绝尘。如果你是冲着“ICRA最优秀论文”来的，这5篇绝对是你的必读清单。
FP3 — 机器人学习方向最佳论文最终入围奖（Geng Chen教授）
[摘要] Geng Chen教授宣布FP3荣获ICRA 2026机器人学习方向最佳论文最终入围奖。FP3聚焦机器人学习领域的核心难题，凭借创新方法论在众多投稿中脱颖而出，成为Day 1学界瞩目的焦点。
Push Anything — 机器人操作与移动方向最佳论文最终入围奖（GRASP实验室 / DAIR实验室）
[摘要] 宾大GRASP实验室DAIR实验室的Push Anything被提名为操作与移动方向最佳论文最终入围奖。该研究聚焦极端非结构化环境下的机器人推动策略，在物体种类、地面材质、接触形态等多个维度展现出极强的泛化能力。
Symskill — 规划与控制方向最佳论文最终入围奖（GRASP实验室）
[摘要] 同一GRASP实验室再下一城。Symskill在规划与控制领域摘得最终入围奖提名，与Push Anything共同见证了GRASP实验室在本届ICRA的统治力。该论文聚焦对称性技能学习在规划任务中的应用。
HITTER — 奖项最终入围奖（Zhi Su · 乒乓球机器人）
[摘要] 乒乓球机器人HITTER获得ICRA 2026奖项最终入围奖提名，并在Hall A2展区展出。HITTER以极高速度与精度的球拍控制惊艳全场，是本届硬件与算法结合最出色的作品之一。
热门议题二：灵巧手三国杀——Xynova混合驱动 vs Rysen 10kg握力 vs Wuji开源生态
“给机器人的手装上灵魂”，这是Day 1展览区传递出的最强烈信号。三条技术路线正面对撞：Xynova Flex 2以气动+线驱混合驱动方案实现了接近人手的尺寸，Rysen Apex Hand凭借10kg单手握持力被Cointelegraph主动报道，Wuji Hand 2则在灵巧操作研讨会上分享了开源进展——其创始人潘云喆直言希望构建一个灵巧手生态。再加上Apex Glove触觉反馈VR遥操作手套和Touchlab TACTO触觉指尖新品，灵巧操控已经从实验室研究正式进入了产业竞赛的新阶段。
Xynova Flex 2 — 混合驱动灵巧手
[摘要] Xynova在ICRA 2026展出的Flex 2灵巧手采用气动与线驱混合驱动方案，尺寸接近人手、动作流畅自然，成为Day 1展览区单品互动量最高的产品，是本期的绝对流量担当。
Rysen Robotics Apex Hand — 10kg单手握持力
[摘要] Rysen Robotics的Apex Hand在ICRA 2026一经亮相便获得行业外关注——加密货币媒体Cointelegraph主动报道，Michael Cho发帖为其背书。其10kg单手握持力在同类产品中处于领先水平，纯电机驱动方案对标工业级应用场景，出圈信号十分明显。
Wuji Hand 2 — 灵巧手研讨会分享开源进展
[摘要] Wuji Hand 2创始人在ICRA 2026灵巧操作研讨会上分享了第二代灵巧手的开发进展，并明确其开源生态战略。与Xynova、Rysen的硬件竞赛不同，Wuji选择了以开放平台切入，试图在灵巧手赛道建立社区壁垒，为研究者和开发者提供一个低成本的实验入口。
热门议题三：VLA路线之争进入深水区——Jeannette Bohg万字演讲拆解“VLA到底强在哪”
视觉-语言-动作模型是本届大会出现频率最高的关键词，但直到Day 1才有人真正给出硬核解答。Jeannette Bohg在题为《Demystify VLA Performance in Contact-Rich Tasks》的演讲引爆全场：扩散策略和视觉-语言-动作模型如何在不用力传感器的情况下处理接触丰富任务？这背后的机制被系统性地拆解了。与此同时，Yunzhu Li团队的real-to-sim-to-real等多项展示，展现了跨sim2real全链路的研究实力；而AMPLIFY则给出了一个令人兴奋的新答案——用互联网视频数据教机器人。再配合Flexible Locomotion Diffusion MPC在运动学习上的突破，Day 1告诉我们：视觉-语言-动作不是口号，而是正在被解构、验证、超越的工程现实。
Yunzhu Li 组real-to-sim-to-real多篇展示
[摘要] Yunzhu Li团队在本届ICRA带来了real-to-sim-to-real、多篇主会论文、多个研讨会展示的全链路研究成果。126个赞不仅刷新了本期个人贴的最高记录，更反映出学界对“从真实到仿真再回到真实”这一核心命题的高度关注。其研究成果覆盖了软体机器人建模、触觉仿真、可微分物理等前沿交叉领域。
Jeannette Bohg: Demystify VLA Performance in Contact-Rich Tasks
[摘要] 斯坦福/华盛顿大学的Jeannette Bohg教授在Day 1发表了一场堪称“教科书级别”的演讲，系统剖析了扩散策略与视觉-语言-动作模型在面对接触丰富任务时的高性能来源——关键洞察在于，这些模型在无需力传感器的情况下，如何隐式地编码了接触动力学。这成为Day 1最受关注的演讲之一，对视觉-语言-动作方向的后续研究具有标杆意义。
AMPLIFY — 互联网视频数据教机器人（Jeremy Collins）
[摘要] AMPLIFY提出了一个大胆思路：能否直接利用互联网上已有的海量人类操作视频来训练机器人策略？Jeremy Collins团队通过创新的数据筛选与动作映射机制，将非结构化的YouTube视频转化为机器人可用的训练信号，直指机器人学习领域数据瓶颈的核心痛点。
Flexible Locomotion Learning with Diffusion MPC — Runhan Huang / Yilun Du
[摘要] 将扩散模型与模型预测控制深度融合，实现四足、轮式、人形等不同机器人形态间的快速运动策略迁移。与传统需要大量形态特定数据的运动学习方法相比，扩散MPC展现出极强的跨形态泛化能力，为通用机器人运动智能提供了新的技术蓝图。
