작성자 | 마샤오닝(马晓宁)
편집 | 셴펑(岑峰)
현지 시간 9월 30일, IROS 2026 본회의가 미국 피츠버그에서 막을 내렸으며, 이번 대회의 주요 상들도 마지막 날에 공식 발표되었다. AI科技评论는 현장에서, 올해의 Best Paper Award가 로봇의 “장기 기억”에 관한 연구에 최종 수여되었다는 소식을 접했다. Yumin Lee, Hyoseok Ju, Giseop Kim이 《LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》으로 최우수 논문상을 수상했다. Best Student Paper Award는 Pei-An Hsieh, Fengjun Yang, Nikolai Matni, M. Ani Hsieh에게 돌아갔다. 이들의 연구는 여러 대의 쿼드로터 드론이 근접 거리에서 편대 비행할 때 서로 간의 복잡한 기류 간섭에 대응하는 방법에 관한 것이다. 또 다른 두 개의 눈길을 끄는 상은 휴머노이드 로봇에게 돌아갔다. 한 연구는 휴머노이드 로봇이 실제 인간의 테니스 동작을 학습하게 했고, 다른 연구는 휴머노이드 로봇이 쟁반을 들고 이족 보행을 하면서도 쟁반 위의 물체를 안정적으로 유지하게 했다. 올해의 수상 논문들을 Best Paper Finalist와 함께 살펴보면, 장기 기억, VLA, 세계 모델, 4D 씬 이해, 시각-촉각 조작, 비행 제어, 휴머노이드 로봇, 소프트 로봇, 바이오 제조 로봇 등의 방향이 수상 명단에 모두 등장했다. 단순히 로봇이 “어떤 새로운 동작을 또 배웠는가”를 논하는 것과 비교해, 올해의 수상 연구들은 더 현실적인 문제를 다루기 시작했다. 로봇이 진정으로 현실 환경에 들어간 후, 이러한 능력들을 어떻게 지속적이고 안정적으로 작동하게 할 것인가?
01
최우수 논문은 로봇의 “장기 기억”에 수여되다
한 로봇이 같은 장소에서 1년을 산다면, 그것은 무엇을 기억해야 할까? 이것이 올해 IROS 최우수 논문의 배후에 있는 핵심 질문이다. Yumin Lee, Hyoseok Ju, Giseop Kim의 수상 논문 제목은 《LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》이다. 오늘날 대부분의 로봇 시스템에게 “씬 이해”란 주로 이 순간의 씬을 이해하는 것이다. 로봇이 사무실에 들어가 탁자, 의자, 프린터를 보고 하나의 씬 표현을 구축할 수 있다. 다음 날 의자가 치워지면, 로봇은 새로운 관측에 따라 자신의 지도를 갱신할 수 있다. 문제는 바로 여기서 발생한다. 새로운 상태가 계속해서 이전 상태를 덮어쓴다면, 로봇은 “지금이 어떤 모습인지”는 알지만 점차 “과거가 어떤 모습이었는지”를 잃어버린다. LT-Mem은 이 현상을 temporal amnesia, 즉 시간적 망각이라고 부른다. 진정으로 장기간 운용되는 로봇에게 역사는 오히려 매우 중요할 수 있다. 벽은 거의 움직이지 않고, 사무용 의자는 가끔 옮겨지며, 사람의 가방은 매일 다른 위치에 나타날 수 있고, 주차 공간은 어떤 주기적인 점용 패턴을 보일 수 있다. 로봇은 이러한 것들을 인식할 뿐만 아니라, 무엇이 변하는지, 얼마나 자주 변하는지, 그리고 과거에 어떻게 변해 왔는지도 알아야 한다. 따라서 LT-Mem은 단순히 모델을 계속 확대하는 대신, Live Memory, Delta Memory, Meta Memory의 세 층위를 포함하는 계층적 장기 기억 구조를 설계했다. Live Memory는 현재 세계의 상태를 저장하고, Delta Memory는 씬에서 어떤 변화가 있었는지를 기록하며, Meta Memory는 나아가 장기 이력에서 패턴을 요약한다. 이 시스템에서 특히 중요한 개념은 Volatility, 즉 변동성이다. 로봇은 대상마다 역사상 변화가 발생한 빈도에 따라 그것이 비교적 안정적인 환경 구성 요소인지, 아니면 빈번하게 변하는 대상인지를 판단하고, 이에 따라 자신의 기억을 어떻게 조직할지 결정한다. 이렇게 되면 로봇이 직면한 문제는 더 이상 “녹색 의자가 어디에 있는가”뿐만 아니라, 나아가 “이 녹색 의자는 과거에 어디에 있었는가”, “이 주차 공간은 언제 가장 비어 있을 가능성이 높은가”, “이 물체의 위치가 장기 내비게이션의 참조로 삼기에 충분히 안정적인가”로 확장될 수 있다. 이것이 lifelong scene understanding과 일반적인 씬 이해 사이의 중요한 차이이다. 로봇이 직면한 것은 더 이상 정지된 한 장의 사진이 아니라, 역사를 지닌 세계이다. 최종적으로 LT-Mem은 올해 10편의 Best Paper Finalist 중에서 선정되었다. 어느 정도 이 결과는 로봇 연구가 직면하고 있는 점점 더 현실적인 문제를 반영한다. 만약 로봇이 미래에 정말로 몇 달, 심지어 몇 년 동안 연속해서 작업해야 한다면, 그것은 시간을 어떻게 이해해야 할까?02
“바짝 붙어 비행하기”에서 테니스, 쟁반 운반까지
Best Paper가 논하는 것이 달, 심지어 년 단위의 시간이라면, 올해의 Best Student Paper가 연구한 것은 밀리초 사이에 일어나는 문제이다. Pei-An Hsieh, Fengjun Yang, Nikolai Matni, M. Ani Hsieh의 《Flatness-Preserving Residual Learning for Real-Time Tight Quadrotor Formation Flight》가 IROS 2026 Best Student Paper Award를 수상했다. 여러 대의 드론이 편대 비행하는 것은 새로운 문제가 아니며, 진정으로 어려운 것은 이들이 매우 가깝게 비행할 때 어떻게 해야 하는가이다. 쿼드로터가 발생시키는 하강 기류는 근처의 비행체에 영향을 미친다. 드론 간의 거리가 더 좁혀지면 이러한 복잡한 공기역학적 간섭은 빠르게 무시할 수 없게 된다. 연구자들은 따라서 physics-informed residual dynamics learning을 도입하여, 학습 모델이 전통적인 동역학 모델이 정확히 기술하기 어려운 공기역학적 효과를 보상하게 하면서도 시스템의 differential flatness를 보존함으로써, 고효율의 궤적 계획 및 제어 방법을 계속 활용할 수 있게 했다. 이 논문은 동시에 Best Paper Finalist에 진출했고, 최종적으로 Best Student Paper Award를 수상했다. 하지만 올해 시상대에서 일반 독자들이 가장 쉽게 이해할 수 있는 로봇은 아마도 여전히 나머지 두 대일 것이다. 하나는 테니스를 치고 있고, 다른 하나는 쟁반을 들고 있기 때문이다. 장즈카이(张智楷), Haofei Lu, Yunrui Lian, Ziqing Chen, Yun Liu, Chenghuai Lin, Han Xue, 쩡쯔청(曾子乘), Zekun Qi, Shaolin Zheng, Qing Luan, Jingbo Wang, Junliang Xing, 왕허(王鹤), Li Yi 등의 《Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data》가 Best Entertainment and Amusement Paper Award를 수상했다. 테니스는 휴머노이드 로봇에게 상당히 까다로운 전신 운동 과제이다. 이것은 단순히 로봇 팔로 라켓을 휘두르는 것이 아니라, 로봇은 다가오는 공을 관찰하고, 몸을 이동시키고, 무게 중심을 조절하고, 타구 시점을 제어하면서 동시에 다리, 몸통, 팔을 조율해야 한다. 이 연구의 핵심 문제는 이미 제목에 쓰여 있다. Imperfect Human Motion Data, 즉 불완전한 인간 동작 데이터이다. 현실의 인간 운동 데이터는 항상 완전하고 표준적이며 정확한 것은 아니다. 만약 스포츠 기술 하나를 배울 때마다 대량의 고품질 모션 캡처 데이터를 새로 수집해야 한다면, 데이터 자체가 휴머노이드 로봇의 기술 확장에 있어 중요한 병목이 될 것이다. 이 연구는 로봇이 완벽하지 않은 인간 동작 데이터에서 운동 기술을 추출하고 조합하도록 시도했으며, 최종적으로 휴머노이드 로봇에서 테니스 과제를 구현했다. 또 다른 수상 논문은 이렇게 “화려하지는” 않다. 로봇은 그저 쟁반을 들고 걸을 뿐이다. Anlun Huang, Zhenyu Wu, Soofiyan Atar, Yuheng Zhi, Michael C. Yip의 《SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport Via Residual Reinforcement Learning》이 Best Paper Award on Mobile Manipulation을 수상했다. 하지만 “걸을 수 있다”는 것과 “물체를 들고 걷는다”는 것은 사실 완전히 다른 난제이다. 이족 보행 로봇이 걸을 때 필연적으로 몸의 흔들림과 충격이 발생하며, 쟁반 위의 물체가 고정되어 있지 않으면 이러한 교란이 그대로 물체에 전달된다. 로봇 자신이 넘어지지 않았다는 것이 잔이 떨어지지 않는다는 것을 의미하지는 않는다. SteadyTray의 접근 방식은 모든 문제를 혼자 다 해결하는 대형 모델을 새로 훈련하는 것이 아니라, locomotion과 payload stabilization을 분리하는 것이다. 이미 존재하는 하지 정책이 걷기를 담당하고, 추가적인 residual policy는 상체 동작을 활용해 쟁반이 받는 교란을 상쇄하는 방법을 학습한다. 이것이 대표하는 것은 휴머노이드 로봇 분야의 최근 몇 년간의 뚜렷한 변화이기도 하다. 연구는 단순한 locomotion에서 계속해서 loco-manipulation으로 나아가고 있으며, 로봇은 자신의 몸을 이동시킬 뿐만 아니라 이동 과정에서 과제를 완수해야 한다.03
내비게이션, 의류 착용, 농사, 수중 작업,
로봇은 더 구체적인 세계로 들어가고 있다
장기 기억, 휴머노이드 로봇, 드론이 올해 수상 결과에서 가장 눈에 띄는 몇 가지 방향을 대표한다고 한다면, 나머지 특별상들은 로봇이 얼마나 다양한 현실 환경에 진입하고 있는지를 보여준다. Yi Du, Taimeng Fu, Zhipeng Zhao, Shaoshu Su, Zitong Zhan, Qiwei Du, Zhuoqun Chen, Bowen Li, Chen Wang의 《VL-Nav: A Neuro-Symbolic Approach for Reasoning-Based Vision-Language Navigation》는 Best Paper Award on Cognitive Robotics를 수상했다. 이 연구는 최근 몇 년간 매우 중요한 Vision-Language Navigation을 겨냥한다. 로봇 내비게이션은 전통적인 'A 지점에서 B 지점으로 이동'에서 점차 언어 설명에 따라 환경, 물체 및 공간 관계를 이해한 뒤 행동하는 방식으로 변하고 있다. VL-Nav은 neuro-symbolic 노선을 선택해 신경망의 강력한 지각 능력과 구조화된 기호 추론을 결합하려 한다. 또 다른 수상 논문은 우리가 매일 사용하는 물건, 즉 지퍼를 다시 설계했다. Amanda Weckerly, Wooseok Kim, Megan Coram, Ellen Li, Sophie Lin, Gabriel Unger, Isabella Szabo, Allison M. Okamura, Cynthia Sung의 《Design, Modeling, and Performance of a Robotic Zipper for Self-Donning Clothing》는 Best Paper Award on Robot Mechanisms and Design를 수상했다. 흥미로운 점은 연구자들이 로봇을 무조건 더 복잡하게 만드는 것이 아니라, 오히려 물리 세계 자체를 다시 설계하여 의복이 자동 착용에 더 적합하도록 만들었다는 것이다. 이것이야말로 로봇공학과 순수 AI 연구가 매우 다른 면으로, 문제를 해결하는 데 반드시 더 큰 모델이 필요한 것은 아니며 때로는 더 나은 기계 설계가 바로 답이다. 농업 로봇 분야에서는 Jianchao Ci, Katarina Smolenova, Xin Wang, Axel Streit, Eldert J. van Henten, Gert Kootstra의 《SSL-Semantic-NBV: A Self-Supervised Learning-Based NBV for Target-Aware 3D Reconstruction in Agricultural Robotics》가 Best Paper Award on Agri-Robotics를 수상했다. 이 연구는 농업 장면 3차원 재구성에서 Next-Best-View 문제를 다룬다. 로봇은 목적 없이 계속 촬영하는 것이 아니라, 다음에 어디로 이동해야 대상에 대해 가장 가치 있는 새 정보를 얻을 수 있는지 판단해야 한다. 수중 로봇 분야에서는 Michele Grimaldi, Yosaku Maeda, Hitoshi Kakami, Ignacio Carlucho, Yvan R. Petillot, Tomoya Inoue의 《Contact-Aided Factor-Graph Localization for Underwater Sampling》이 Best Paper Award on Safety, Security, and Rescue Robotics를 수상했다. GPS와 안정적인 시각 정보가 모두 제한되는 수중 환경에서 연구자들은 로봇이 환경과 발생시키는 접촉을 활용해 위치 추정을 보조하려 한다. 실제 로봇에게는 '무엇에 부딪혔는가' 그 자체도 지각 정보가 될 수 있다. 또한 Yizhao Qian, Yuzhuo Wang, Chenxi Liu, Jiayuan Luo, Wenwei Gao, 위안이쉬안(袁奕萱), 멍칭후(孟庆虎), Li Liu의 《Acoustic-Aware Texture Optimization for Ultrasound-Based Capsule Pose Estimation》가 Best Application Paper Award를 수상했다. 산업용 로봇 분야에서는 Florian Töper, Samarth Kishor Yelvande, Jan Niklas Ewertz, Rudolph Triebel, Peter Ohlhausen의 《Picking Bins Empty: A Hierarchical Hybrid Approach with Online Self-Learning of Grasp Points for Reliable Industrial Bin-Picking》이 Best Paper Award for Industrial Robotics Research for Applications를 수상했다. 제목이 특히 직접적인데, Picking Bins Empty, 즉 상자를 완전히 비울 때까지 집는다는 뜻이다. 산업용 로봇이 정말로 증명해야 하는 것은 '한 번 성공적으로 집었다'가 아니라, 가림, 적층, 자세 변화 및 반복되는 조작으로 생기는 새로운 상태에 직면해서도 상자가 진짜 비워질 때까지 집기를 지속할 수 있는가이다.04
10편의 최우수 논문 후보,
로봇 연구는 무엇에 보상하고 있는가?
최종 Best Paper를 수상한 것은 LT-Mem뿐이었지만, 최종 단계에 진입한 10편의 논문이야말로 IROS 2026이 주목하고 있는 것이 무엇인지 더 잘 보여줄 수 있다. LT-Mem과 최종 Best Student Paper를 수상한 4로터(쿼드로터) 편대 연구 외에, Boseong Jeon, Yunho Choi, Taehan Kim의 Shallow-π 연구는 Flow-based VLA의 지식 증류를 다룬다. Yuhao Zhou, Sheeraz Athar, 후즈시엔(胡智娴), 황빙하오(黄秉豪), 리윈주(李昀烛), Juan Wachs, Yu She의 《VTAP Gripper: Synergizing Fingertip Sensing and a Visuo-Tactile Active Palm for Dexterous In-Hand Manipulation》는 fingertip sensing과 visuo-tactile active palm을 결합하여 더욱 복잡한 손안 조작(dexterous in-hand manipulation)을 지향한다. Maximilian Luz, Thomas Nürnberg, Yakov Miron, Abhinav Valada의 《Streaming Gaussian Encoding for 4D Panoptic Occupancy Tracking》는 Gaussian 표현을 동적 4D 장면 이해로 발전시켰다. Yohan Choi, Min-Jun Kim, Jin-Sung Kim, Yong-Jae Kim, Youn-Hee Han의 《DAWN: Noise-Robust Quadruped Parkour Via Depth-Denoising World Models》는 Depth-Denoising World Model을 4족 로봇의 Parkour에 적용했다. 그 외 후보 논문들은 각각 유리 표면 3차원 재구성, EEG-EMG 다중 모달 융합, 자성 소프트 로봇, 그리고 로봇 보조 바이오매뉴팩처링 조직 이식을 다룬다. 예컨대 Jiamin Zheng, Jingwen Yu, Guangcheng Chen, Hong Zhang의 《Enhancing Glass Surface Reconstruction Via Depth Prior for Robot Navigation》은 로봇 비전에서 줄곧 매우 까다로운 유리 표면 문제를 정면으로 다룬다. Bin Wang, Shengming Luo, Jiansheng Du, Yuanbiao Ma, Xuanyu An, Qianqian Wang의 《Autonomous Multimodal Locomotion Control of a Magnetic Strip Soft Robot》는 연구 대상을 구조와 운동 방식이 완전히 다른 자성 소프트 로봇으로 옮겼다. SeungTaek Hong, Jaewon Byun, Daekeun Kim, Jinah Jang, Keehoon Kim의 《Toward Autonomous Biofabricated Tissue Implantation: A Non-Contact Robotic Manipulation System for Soft and Fragile Modules》는 더 나아가 로봇을 부드럽고 취약한 바이오매뉴팩처링 조직 조작 장면으로 데려갔다. 이 명단에서 가장 흥미로운 점은 어떤 단일 기술 노선도 모든 로봇 문제를 지배하지 않는다는 바로 그 것이다. VLA, World Model, Memory, Gaussian, Visuo-Tactile, Residual Learning이 동시에 나타났고, 많은 연구가 여전히 공기역학, 접촉, 기계 구조, 소프트 소재, 실시간 제어를 진지하게 해결하고 있다. 로봇 분야에서 더 큰 모델이 모든 문제를 자동으로 해결해 주지는 못한다.05
로봇이 진짜 현실 세계에 들어설 때
논문상 외에 IROS 2026은 일련의 개인상도 발표했다. 일본 치바공업대학의 왕즈둥(王志东)은 IROS Distinguished Service Award를 수상했으며, 대회 측은 수상 사유로 IROS 학회 조직에 대한 장기적인 공헌을 표창한다고 밝혔다. UT Austin의 Roberto Martin-Martin과 TU Dresden의 Roberto Calandra는 Toshio Fukuda Young Professional Award를 수상했다. 전자의 수상 사유는 learning-based manipulation, contact-rich control, physically interactive robot systems에 집중되어 있고, 후자는 sample-efficient robot learning과 첨단 촉각 지각의 로봇 지능 도입 등의 공헌으로 수상했다. Ralph Hollis는 Emeritus Keynote Award for Research Achievement를 수상했으며, 대회 측은 특히 그의 오랜 로봇 연구 공헌과 여러 세대의 로봇 연구자 양성을 언급했다. 또한 Alper Yegenoglu와 Ariyan Bighashdel은 Outstanding Associate Editor Award를, Dingsheng Luo와 Long Zeng은 Outstanding Reviewer Award를 수상했다. 이 개인상들과 논문상을 함께 놓고 보면, 올해 IROS 수상 명단은 특정 모델이나 특정 방향의 집중적 승리가 아니다. LT-Mem은 로봇의 장기 기억 처리를 시작했고, DAWN은 세계 모델을 4족 로봇 운동에 적용했으며, VTAP Gripper는 시각과 촉각의 융합을 발전시켰고, 휴머노이드 로봇은 테니스와 쟁반 나르기 같은 복잡한 과제에 도전하기 시작했다. 동시에 로봇은 농경지, 공장, 수중 환경에 진입하고 있으며, 유리, 의복, 연조직 등 더 복잡한 실제 대상을 마주하기 시작했다. 이 연구들은 서로 다른 기술 노선을 채택하지만 공통적으로 하나의 변화를 가리킨다. 로봇 연구는 '하나의 능력을 얻는 것'에서 '현실 세계에서 그 능력을 지속적으로 사용하는 것'으로 나아가고 있다. IROS 2026의 수상 결과에서 공통의 실마리를 찾자면, 그것은 단순한 '엠바디드 AI 열풍의 지속'이 아닐 것이다. 로봇이 진짜 현실 세계로 나아갈 때 필요한 것은 더 큰 모델 하나만이 아니라, 과거를 기억하고, 변화를 이해하고, 접촉을 지각하면서, 실제 동역학적 제약 조건 하에서 자기 몸을 안정적으로 제어하는 것이다. 걷는 것에서, 테니스를 치고 쟁반을 나르는 것, 나아가 끊임없이 변화하는 세계를 장기적으로 이해할 수 있는 것까지, 로봇은 하나의 능력을 시연하는 단계에서 더욱 완전한 시스템이 되어가는 단계로 나아가고 있다.여러분이 함께 모여 소통하고 학회 소식을 서로 공유할 수 있도록 우리는 전용 IROS 2026 참가 교류 그룹을 만들었다! 그룹에 가입하면 이런 「혜택」을 누릴 수 있다?
학회 정보 스테이션: 투고 DDL, 형식 규정, 심사 진행 상황…… 핵심 시점을 가장 먼저 전달해 주므로 더 이상 마감일을 놓칠 걱정 없이 투고 준비를 안정적으로 할 수 있다.
동료 티타임: 천남북의 동료들이 모두 그룹에 있다. 경험을 나누고, 아이디어를 교환하고, 인맥을 쌓자. 연구의 길에서 우리는 동행이다.
최전선 보급 스테이션: 최신 연구 성과와 핫한 방향을 실시간으로 공유하고, 학회 주제와 결합해 투고의 흐름을 정리하도록 도와 논문 영감에 기름을 가득 채운다.
현장 응원단: (학회 기간 전용 개설):회장에 가도 당황할 필요 없다——
경로 내비게이션: 장소 배치도, 발표장 가는 길, 그룹에서 언제든 물어보세요;
세션 공동 열독: 인기 session, Keynote 토론, 놓쳐도 다시 볼 수 있다;
Poster 모음: 현장 포스터의 핵심을 정리하여 원클릭으로 저장하고 하나도 놓치지 않는다;
모임 광장: 식사 자리, 인터뷰 자리, 교류 자리…… 수다를 떨고 싶거나, 협력하고 싶거나, 만나고 싶으면 그룹에서 제안하면 된다.
? 그룹 가입 포털: QR코드를 스캔해 그룹에 가입하거나 위챗 Luyoyo_2026을 추가하고, 메모: ECCV + 소속/학교+이름+연구 방향.
연구를 하든 기술을 하든, 정보 격차는 매우 중요하다.
자, 함께 한 발 앞서 나가자!
승차하세요, 전 세계 AI 최고 학회의 핵심을 함께 보러 가요
독점적으로 감상할 수 있다:
전문가 강연 PPT
기조연설 전문
핫한 논문 해설
학계 신예 인터뷰
위 QR코드를 스캔하거나
「원문 읽기」를 클릭하여 레이펑왕(공식 계정: 레이펑왕) 전용 페이지를 팔로우하세요.
레이펑왕 오리지널 기사이며, 허가 없이 전재를 금지합니다. 자세한 내용은전재 안내를 참조하세요。