机器人卷完大脑，开始卷皮肤了

IROS 2026开奖了。最佳论文没给参数更大的模型，给了长期记忆；现场拿下奖项的人形机器人演示，一个是打网球，一个是端托盘。同期，Sharpa在会场一口气发布D01、W02、AE01三款自研新品，全部围着「触觉」转。两条线索指向同一个判断：具身智能的竞赛，正在从「谁的模型更大」转向「谁离物理世界更近」。

🏆 最佳论文给了「记性」，不是「更大的脑子」

先看奖项这张晴雨表。

IROS 2026的最佳论文，颁给了做长期记忆的工作；最佳人形机器人演示则给了两个看似「不硬核」的场景——打网球、端托盘。网球考验的是全身高速动态下的平衡与击打控制，托盘考验的是持物行走中对手部接触力的持续管理。一个偏运动控制，一个偏操作控制，恰好是人形机器人落地的两条腿。

会议官方的表述更是把话说透了：在机器人领域，一个更大的模型并不能自动解决所有问题。这句话从学术顶会嘴里说出来，分量不轻。会场里不少工程师的体感是：VLA模型演示很惊艳，但同样的任务换个桌子、换个杯子就翻车——因为机器人没有「记性」，每次都是初次上岗。

把奖项和新品放在一张脑图里看，风向非常清楚：记忆解决经验积累，触觉解决物理交互，全身控制解决运动能力。三件事都不玄，都是「让机器人在真实环境里少摔跤、少捏碎东西」的工程活。

产业逻辑也很直白：大模型解决的是「听懂指令、看懂场景」，但装配线上拧一颗带阻尼的螺丝、仓库里接一个抛过来的料箱，靠的不是语义理解，是毫秒级的力反馈和昨天干过一百遍的肌肉记忆。IROS把最高荣誉分给这两条线，等于学界给行业划了重点。

🦾 D01：第一台会「感知碰撞」的触觉本体

「速度与精度不可兼得」是机械臂设计的老教条，Sharpa想掀桌子。

D01被定义为首个一体式触觉感知灵巧操作机器人。它的设计目标很明确：面向富接触操作场景——也就是那些机器人要一边快速移动、一边跟物体发生持续物理接触的任务。过去这类任务里，机器人必须在速度、力量、精度之间做取舍：动得快就难保精细，力气大就谈不上灵敏。

D01给出的参数单，每一行都在针对这个取舍：

两个数字值得单独拎出来说。载荷自重比接近1:1，意味着机器人能搬动差不多跟自己手臂一样重的东西，这对本体的电机、减速器和结构轻量化都是极限考验；0.2mm的重复定位精度配上超过10.5m/s的末端速度，等于让一个短跑运动员同时去做钟表匠的活。

更重要的是那层身体电子皮肤。100Hz触觉采样、0.1–20N的力感知范围、0.2N的力分辨率，让D01能像人一样用「皮肤」直接感知接触与碰撞——接住下落的物体、扛住意外的撞击。官方的说法是具备「接近人类的反应」。翻译成工程师语言：机器人第一次在碰撞发生的那一刻就知道发生了什么，而不是等视觉系统事后复盘。

产业判断：这台机器人的假想敌不是其他「会跳舞的人形」，而是工业场景里那些需要柔性装配、动态分拣的工位。能同时做到快、准、还能「感觉」到接触，才是富接触操作真正能进产线的门票。

🧤 灵巧手不缺，缺的是教会灵巧手的手

数据，才是这轮具身智能竞赛真正的货币。

Sharpa这次的三箭齐发，最容易被忽视但其实最关键的，是AE01这款高保真外骨骼触感数据手套。它的角色是「人机翻译器」：人戴上手套做自然动作，机器人端通过遥操作跟随，同时把人手上的触感信息高保真地采集下来。

三件套的组合拳是这样打的：

D01负责全身动作执行，W02这代全触觉、超紧凑、轻量化灵巧手负责手部精细操作，AE01负责把人的自然动作和触感变成高质量训练数据——动作执行、精细操控、数据获取，三个环节第一次被捏成了一个自研硬件闭环。

这个闭环为什么重要？因为当下具身智能最头疼的就是数据。视频数据学不会力控，仿真数据Transfer不到真机，遥操作采集是业内公认最靠谱的真机数据来源——但市面上多数遥操作方案只采关节角度和视觉，触觉通道基本是空的。一位做数据采集的创业公司朋友私下说过，触感数据的缺失，是「演示视频里捏得起鸡蛋、真机上捏碎一筐」的根源。AE01这类设备瞄准的正是这个空档：让「老师傅手上的分寸感」变成可以被记录、被回放、被学习的数据资产。

产业逻辑：当本体和灵巧手的硬件性能逐渐追上人类尺度，数据的质与量会重新定义竞争格局。谁先把「触觉+动作」的高保真数据管线跑通，谁就掌握了灵巧操作模型的上游水龙头。

🧠 触觉加记忆，才是具身智能的下半场剧本

把IROS的奖项和Sharpa的新品放在一起，一幅完整的路线图浮出水面。

长期记忆解决「昨天做过的任务今天能不能做得更好」；触觉解决「此刻手上发生了什么」；全身动态控制解决「身体能不能跟上大脑」。三者叠加，才是机器人从「演示间明星」变成「产线员工」的完整拼图。用冰山模型看这届IROS最直观：

水面之上是大家看得见的参数和演示，水面之下才是决定三五年后格局的根基。如果按「技术门槛×商业价值」给当前赛道里的玩家排个座次：

传统机械臂和夹爪技术上成熟，但在富接触操作的新需求面前属于存量玩家；纯视觉路线的灵巧手卡在「看不见力」的瓶颈上；而把本体、灵巧手、数据采集做成一套系统的玩家，技术上站在了门槛最高的位置——因为闭环意味着每个环节都要自己啃，但也意味着别人短期内难以复制。

⚠️ 泼盆冷水：从获奖演示到接单出货还差几关

演示归演示，账要分开算。

第一，打网球和端托盘都是受控环境。灯光、场地、物体性状都可预期，真实产线和家庭的开放性远比这恶劣，长尾场景的泛化仍是悬案。第二，电子皮肤的工程化考验刚开头——耐久性、抗污染、成本、大面积标定，每一项都可能把实验室参数打回原形。第三，本次素材中未披露三款产品的售价与量产时间表，对于B端客户来说，「性能天花板」和「采购报价单」是两份完全不同的文件。第四，遥操作采集的数据管线再漂亮，也受制于采集成本——人时成本不降下来，数据规模就上不去。

不过反过来说，这一届IROS至少证明了一件事：行业已经知道该往哪使劲了。不再是把语言模型的参数堆到天上，而是老老实实补触觉、补记忆、补全身控制的课。

小结

IROS 2026把最佳论文给了长期记忆，把演示奖给了网球和托盘，Sharpa用D01、W02、AE01三件套把触觉做成了完整硬件闭环——「更大的模型不能自动解决所有问题」这句话，正在从共识变成行动。下半场的竞争焦点已经很清楚：谁的机器人能「感觉到」物理世界，并把每次接触变成可积累的记忆。至于演示何时变成订单，就看电子皮肤的成本曲线和数据管线的规模效应，谁能先跑出拐点了。