作者丨马晓宁
编辑丨岑 峰
現地時間 9 月 30 日、IROS 2026 の本会議が米国ピッツバーグで幕を閉じ、本届大会の主要な賞が最終日に正式発表された。AI科技评论が会場で得た情報によると、今年の Best Paper Award はロボットの「長期記憶」に関する研究に授与された。Yumin Lee、Hyoseok Ju、Giseop Kim が『LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding』で最佳论文を獲得した。Best Student Paper Award は Pei-An Hsieh、Fengjun Yang、Nikolai Matni、M. Ani Hsieh が受賞した。彼らが研究したのは、複数のクアッドローターUAVが極めて近い距離で編隊飛行する際に、互いの複雑な気流干渉にどう対処するかという問題である。また、注目を集めた2つの賞はヒューマノイドロボットに属する。1つの研究はヒューマノイドロボットに実在の人間のテニス動作を学ばせ、もう1つはヒューマノイドロボットにトレイを持たせ、二足歩行しながらトレイ上の物体を安定させるものである。今年の受賞論文と Best Paper Finalist を併せて見ると、長期記憶、VLA、世界モデル、4D シーン理解、視触覚操作、飛行制御、ヒューマノイドロボット、ソフトロボット、バイオ製造ロボットなどの方向性がすべてリストに現れている。ロボットがまた「新しい動作を学んだ」という単純な議論に比べ、今年の受賞研究の一群は、より現実的な問題に触れ始めている。ロボットが本当に現実の環境に入った後、これらの能力を持続的かつ安定的に動作させるにはどうすればよいのか。
01
最佳论文はロボットに「長期記憶」を与えた
もしロボットが同じ場所で1年間暮らすなら、何を記憶すべきか？これは今年の IROS 最佳论文の背後にある核心的な問いである。Yumin Lee、Hyoseok Ju、Giseop Kim の受賞論文の題は『LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding』である。今日のほとんどのロボットシステムにとって、「シーンを理解する」とは、多くは今この瞬間のシーンを理解することである。ロボットはオフィスに入り、机、椅子、プリンターを見て、シーン表現を構築できる。翌日椅子が運び去られても、新しい観測に基づいて自分の地図を更新できる。問題もここから生じる。新しい状態が絶えず古い状態を上書きしていくと、ロボットは「今はどうなっているか」を知っていても、「過去はどうだったか」を次第に失っていく。LT-Mem はこの現象を temporal amnesia、すなわち時間性忘却と呼ぶ。真に長期稼働するロボットにとって、歴史こそが非常に重要でありうる。壁はほとんど動かず、オフィスチェアは時々移動され、人のバックパックは毎日異なる場所に現れるかもしれず、駐車スペースはある種の周期的な占有パターンを示すかもしれない。ロボットはこれらのものを認識するだけでなく、何が変わり、どのくらいの頻度で変わり、過去にどのように変化してきたかを知る必要がある。そこで LT-Mem は単純にモデルを拡大し続けるのではなく、Live Memory、Delta Memory、Meta Memory の3階層を含む階層的な長期記憶構造を設計した。Live Memory は現在の世界の状態を保存し、Delta Memory はシーンにどんな変化が起きたかを記録し、Meta Memory はさらに長期的な履歴から法則を要約する。このシステムにおいて特に重要な概念は Volatility、すなわち易変性である。ロボットは異なる対象の履歴における変化の頻度に基づいて、それが比較的安定した環境構成要素なのか、それとも頻繁に変化する対象なのかを判断し、それに応じて自分の記憶をどう組織するかを決める。こうして、ロボットが直面する問題はもはや「緑の椅子はどこにあるか」だけでなく、さらに「この緑の椅子は過去どこに現れていたか」「この駐車スペースはいつ最も空きそうか」「この物体の位置は長期ナビゲーションの参照として十分安定しているか」という問いにも発展しうる。これが lifelong scene understanding と普通のシーン理解との重要な違いである。ロボットが直面するのは静止した1枚の写真ではなく、歴史を持つ世界である。最終的に、LT-Mem は今年の 10 編の Best Paper Finalist から勝ち抜いた。ある意味で、この結果はロボット研究が直面しつつあるますます現実的な問題を反映しているとも言える。もしロボットが将来本当に数か月、数年にわたって連続稼働するなら、時間をどのように理解すべきなのか。02
「ぴったり寄って飛ぶ」から、テニスやトレイ運びへ
Best Paper が月単位あるいは年単位の時間を論じているとすれば、今年の Best Student Paper が研究したのは、ミリ秒の間に起こる問題である。Pei-An Hsieh、Fengjun Yang、Nikolai Matni、M. Ani Hsieh による『Flatness-Preserving Residual Learning for Real-Time Tight Quadrotor Formation Flight』が IROS 2026 Best Student Paper Award を受賞した。複数のUAVによる編隊飛行は新しい問題ではないが、本当に難しいのは、非常に近い距離で飛行するときにどうすればよいかである。クアッドローターが生み出す下向きの気流（ダウンウォッシュ）は近くの飛行体に影響を与える。UAV間の距離がさらに縮まると、これらの複雑な空力干渉は急速に無視できなくなる。研究陣はそこで physics-informed residual dynamics learning を導入し、学習モデルに従来の動力学モデルでは正確に記述しにくい空力効果を補償させると同時に、システムの differential flatness を保持することで、効率的な軌道計画と制御手法を引き続き利用できるようにした。この論文は Best Paper Finalist にも同時に選ばれ、最終的に Best Student Paper Award を受賞した。しかし今年の表彰台で、一般の読者に最も理解されやすいロボットは、おそらくもう2台である。1つはテニスをしており、もう1つはトレイを運んでいるからだ。张智楷、Haofei Lu、Yunrui Lian、Ziqing Chen、Yun Liu、Chenghuai Lin、Han Xue、曾子乗、Zekun Qi、Shaolin Zheng、Qing Luan、Jingbo Wang、Junliang Xing、王鶴、Li Yi らによる『Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data』が Best Entertainment and Amusement Paper Award を受賞した。テニスはヒューマノイドロボットにとって、かなり厳しい全身運動タスクである。それは単にロボットアームでラケットを振ることではなく、ロボットは来るボールを観察し、体を移動し、重心を調整し、打ち切りのタイミングを制御しながら、脚、胴体、腕を協調させる必要がある。この研究の重要な問題は、すでにタイトルに示されている。すなわち Imperfect Human Motion Data である。現実の人間の運動データは必ずしも完全で、標準的で、正確であるとは限らない。もし1つのスポーツ技能を学ぶたびに大量の高品質なモーキャプチャデータを再収集しなければならないなら、データ自体がヒューマノイドロボットの技能拡張における重要なボトルネックになる。この研究は、完璧とは言えない人間の動作データから運動技能を抽出・組み合わせることをロボットに試みさせ、最終的にヒューマノイドロボット上でテニスタスクを実現した。もう1篇の受賞論文はそれほど「華やか」ではなく、ロボットはただトレイを持って歩いているだけである。Anlun Huang、Zhenyu Wu、Soofiyan Atar、Yuheng Zhi、Michael C. Yip による『SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport Via Residual Reinforcement Learning』が Best Paper Award on Mobile Manipulation を受賞した。しかし「歩けること」と「物を持って歩けること」は、実はまったく異なる難題である。二足歩行ロボットの歩行時には、避けがたく体の揺れや衝撃が生じる。トレイ上の物体が固定されていなければ、これらの攪乱は直接物体に伝わる。ロボット自身が転ばなかったとしても、コップが落ちないことを意味しない。SteadyTray の発想は、すべての問題を一手に引き受ける大模型を再训练することではなく、locomotion と payload stabilization を分離することである。既存の下肢ポリシーが歩行を担当し、追加の residual policy が上半身の動きによってトレイにかかる攪乱を打ち消す方法を学習する。これが代表するのは、近年のヒューマノイドロボットにおける明らかな変化でもある。研究は単純な locomotion からさらに loco-manipulation へと進んでおり、ロボットは自分の体を移動させるだけでなく、移動の過程でタスクを遂行しなければならない。03
ナビゲーション、着替え、農作業、水中作業、
ロボットはより具体的な世界へ
長期記憶、ヒューマノイドロボット、ドローンが今年の受賞結果の中で最も目立ついくつかの方向性を代表しているとすれば、その他の特別賞は、ロボットがどれほど多くの異なる現実環境に进入しつつあるかを示している。Yi Du、Taimeng Fu、Zhipeng Zhao、Shaoshu Su、Zitong Zhan、Qiwei Du、Zhuoqun Chen、Bowen Li、Chen Wang による《VL-Nav: A Neuro-Symbolic Approach for Reasoning-Based Vision-Language Navigation》が Best Paper Award on Cognitive Robotics を受賞した。この研究は、近年非常に重要な Vision-Language Navigation を指向している。ロボットナビゲーションは、従来の「A 地点から B 地点へ移動する」ことから、言語記述に基づいて環境、物体、空間関係を理解し、それから行動する方向へと徐々に変わりつつある。VL-Nav は neuro-symbolic という路線を選び、ニューラルネットワークの強力な知覚能力と構造化された記号推論を組み合わせようとしている。もう一篇の受賞論文は、私たちが毎日使うあるもの、すなわちファスナーを再設計さえした。Amanda Weckerly、Wooseok Kim、Megan Coram、Ellen Li、Sophie Lin、Gabriel Unger、Isabella Szabo、Allison M. Okamura、Cynthia Sung による《Design, Modeling, and Performance of a Robotic Zipper for Self-Donning Clothing》が Best Paper Award on Robot Mechanisms and Design を受賞した。この研究の面白いところは、研究者が一方的にロボットをより複雑にするのではなく、逆に物理世界そのものを再設計し、服装を自動着用により適したものにした点である。これもまた、ロボット工学と純粋な AI 研究が大きく異なる側面であり、問題を解決するのに必ずしもより大きなモデルは必要ではなく、時にはより優れた機械設計こそが答えとなる。農業ロボットの分野では、Jianchao Ci、Katarina Smolenova、Xin Wang、Axel Streit、Eldert J. van Henten、Gert Kootstra による《SSL-Semantic-NBV: A Self-Supervised Learning-Based NBV for Target-Aware 3D Reconstruction in Agricultural Robotics》が Best Paper Award on Agri-Robotics を受賞した。この研究は、農業シーンの三次元再構成における Next-Best-View 問題に注目している。ロボットは目的もなく撮影を続けるのではなく、ターゲットにとって最も価値ある新たな情報を得るために、次にどこへ移動すべきかを判断する必要がある。水中ロボットの分野では、Michele Grimaldi、Yosaku Maeda、Hitoshi Kakami、Ignacio Carlucho、Yvan R. Petillot、Tomoya Inoue による《Contact-Aided Factor-Graph Localization for Underwater Sampling》が Best Paper Award on Safety, Security, and Rescue Robotics を受賞した。GPS と安定した視覚情報がどちらも制限される水中環境において、研究者はロボットと環境との接触を位置推定の補助に活用することを試みた。実ロボットにとって、「何に触れたか」そのものが知覚情報になり得るのである。さらに、Yizhao Qian、Yuzhuo Wang、Chenxi Liu、Jiayuan Luo、Wenwei Gao、袁奕萱、孟庆虎、Li Liu による《Acoustic-Aware Texture Optimization for Ultrasound-Based Capsule Pose Estimation》が Best Application Paper Award を受賞した。産業ロボットの分野では、Florian Töper、Samarth Kishor Yelvande、Jan Niklas Ewertz、Rudolph Triebel、Peter Ohlhausen による《Picking Bins Empty: A Hierarchical Hybrid Approach with Online Self-Learning of Grasp Points for Reliable Industrial Bin-Picking》が Best Paper Award for Industrial Robotics Research for Applications を受賞した。そのタイトルは特に直截的で、Picking Bins Empty、つまり箱を空にするまで掴み取るということである。産業ロボットが本当に証明すべきは、これまでずっと「一度 successfully 掴んだ」ということではなく、遮蔽、積み重ね、姿勢の変化、そして繰り返しの操作によって生じる新たな状態に直面しながら、箱が本当に空になるまで掴み続けられるかどうかである。04
10 篇の最優秀論文候補、
ロボット研究は何を評価しているのか？
最終的に Best Paper を獲得したのは LT-Mem のみだったが、最終段階に進んだ 10 篇の論文のほうが、IROS 2026 が何に注目しているかをよりよく物語っているかもしれない。LT-Mem と最終的に Best Student Paper を獲得した 4 機クアッドローター編隊の研究を除けば、Boseong Jeon、Yunho Choi、Taehan Kim の Shallow-π 研究は Flow-based VLA の知識蒸留に取り組んでいる。Yuhao Zhou、Sheeraz Athar、胡智娴、黄秉豪、李昀烛、Juan Wachs、Yu She による《VTAP Gripper: Synergizing Fingertip Sensing and a Visuo-Tactile Active Palm for Dexterous In-Hand Manipulation》は、fingertip sensing と visuo-tactile active palm を組み合わせ、より複雑な巧緻的な手内操作を指向している。Maximilian Luz、Thomas Nürnberg、Yakov Miron、Abhinav Valada による《Streaming Gaussian Encoding for 4D Panoptic Occupancy Tracking》は、Gaussian 表現を動的な 4D シーン理解へと推し進めた。Yohan Choi、Min-Jun Kim、Jin-Sung Kim、Yong-Jae Kim、Youn-Hee Han による《DAWN: Noise-Robust Quadruped Parkour Via Depth-Denoising World Models》は、Depth-Denoising World Model を四足ロボットのパルクールに応用した。その他の候補論文は、それぞれガラス表面の三次元再構成、EEG-EMG マルチモーダル融合、磁性ソフトロボット、そしてロボット支援のバイオ製造組織移植に関わっている。例えば、Jiamin Zheng、Jingwen Yu、Guangcheng Chen、Hong Zhang による《Enhancing Glass Surface Reconstruction Via Depth Prior for Robot Navigation》は、ロボットビジョンにおいて常に非常に厄介なガラス表面の問題に直接向き合っている。Bin Wang、Shengming Luo、Jiansheng Du、Yuanbiao Ma、Xuanyu An、Qianqian Wang による《Autonomous Multimodal Locomotion Control of a Magnetic Strip Soft Robot》は、研究対象を構造と運動方式がまったく異なる磁性ソフトロボットへと転換した。SeungTaek Hong、Jaewon Byun、Daekeun Kim、Jinah Jang、Keehoon Kim による《Toward Autonomous Biofabricated Tissue Implantation: A Non-Contact Robotic Manipulation System for Soft and Fragile Modules》は、さらにロボットを柔らかく壊れやすいバイオ製造組織の操作シーンへと導いた。このリストで最も興味深いのは、まさにどの一つの技術路線もすべてのロボット問題を支配していないことである。VLA、World Model、Memory、Gaussian、Visuo-Tactile、Residual Learning が同時に登場し、多くの研究も依然として空力、接触、機械構造、ソフト素材、リアルタイム制御に真剣に取り組んでいる。ロボット分野では、より大きなモデルがすべての問題を自動的に解決してくれるわけではない。05
ロボットが真に現実世界へ進出するとき
論文賞のほかに、IROS 2026 は一連の個人賞も発表した。日本の千葉工業大学の王志東は IROS Distinguished Service Award を受賞し、大会が示した受賞理由は、IROS 会議の組織化における長期にわたる貢献を表彰するというものである。UT Austin の Roberto Martin-Martin と TU Dresden の Roberto Calandra が Toshio Fukuda Young Professional Award を受賞した。前者の受賞理由は learning-based manipulation、contact-rich control、physically interactive robot systems に集中しており、後者は sample-efficient robot learning、および先進的な触覚知覚のロボットインテリジェンスへの導入などの貢献により受賞した。Ralph Hollis は Emeritus Keynote Award for Research Achievement を受賞し、大会は特にその長期にわたるロボット研究の貢献、および幾世代ものロボット研究者の育成に言及した。さらに、Alper Yegenoglu と Ariyan Bighashdel は Outstanding Associate Editor Award を、Dingsheng Luo と Long Zeng は Outstanding Reviewer Award を受賞した。これらの個人賞と論文賞を併せて見れば、今年の IROS の受賞リストは、ある一つのモデルや一つの方向の集中的な勝利ではない。LT-Mem はロボットの長期記憶の処理を開始し、DAWN は世界モデルを四足ロボットの運動に応用し、VTAP Gripper は視覚と触覚の融合を推し進め、ヒューマノイドロボットはテニスやトレーの運搬のような複雑なタスクに挑戦し始めている。同時に、ロボットは農地、工場、水中環境へ進入しつつあり、ガラス、衣類、軟組織など、より複雑な実対象にも向き合い始めている。これらの研究が採用する技術路線は異なるが、共に一つの変化を示している。すなわち、ロボット研究は「一つの能力を獲得する」ことから、「その能力を現実世界で持続的に使い続ける」ことへと進みつつあるのだ。IROS 2026 の受賞結果から共通の糸口を探すなら、それはおそらく単純な「エンボディッド AI の加熱が続く」というものではない。ロボットが真に現実世界へ向かうとき、必要なのはより大きなモデルだけではなく、過去を記憶し、変化を理解し、接触を知覚し、同時にリアルな力学制約の下で自分の身体を安定して制御することでもある。歩けるようになることから、テニスが打て、トレーを運べるようになり、さらに絶えず変化する世界を長期的に理解できるようになるまで、ロボットは一つの能力を示すことから、より完全なシステムになることへと向かっている。皆さんが情報交換し合い、会議の情報を共有できるよう、私たちは専用の IROS 2026 参加者交流グループを立ち上げました！グループに参加すると、こんな「特典」が解禁されます？
会議情報ステーション：投稿 DDL、フォーマット規定、審査進捗……重要な節点を第一時間にお届けし、もう deadline を見逃す心配はなく、投稿準備も安心です。
同業者茶話会：全国各地の同業者がグループに集まり、心得を語り、アイデアをぶつけ、人脈を育てます。研究の道のりを私たちと共に。
最先端補給ステーション：最新の研究成果、ホットな方向をリアルタイムで共有し、会議テーマに即して投稿の流れを整理し、論文のインスピレーションに燃料を満タンにします。
現地サポート団：（会議期間中限定で開放）：会場に着いても慌てる必要はありません——
ルートナビゲーション：会場の配置や講堂への行き方は、グループでいつでも質問できます；
セッション共読：人気 session や Keynote の議論も、見逃しても追跡できます；
Poster 編集版：現地ポスターのエッセンスを整理し、ワンクリックで保存して見逃しません；
企画広場：食事会、取材会、交流会……おしゃべりしたい、協力したい、オフ会したいなら、グループで募集すれば OK です。
？参加グループへの入口： QR コードをスキャンしてグループに参加するか、WeChat ID：Luyoyo_2026 を追加し、備考欄に：ECCV + 所属/学校+氏名+専門分野を記入してください。
研究でも技術でも、情報格差は重要です。
さあ、一緒に一歩先へ！
乗車して、世界の AI トップカンファレンスのエッセンスをご案内します
限定でご覧いただけます：
専門家講演 PPT
大会報告全文
人気論文解説
学術の新星インタビュー
上のQRコードをスキャンしてください。
または「原文を読む」をクリックして、雷峰網（公式アカウント：雷峰網）の専用ページをフォローしてください。
雷鋒網オリジナル記事。無断転載禁止。詳細は転載にあたって。