6月的圣路易斯，机器人学界最重要的学术会议之一RSS即将拉开帷幕。自2006年创办以来，Robotics: Science and Systems始终以小而精著称，每年仅收录约60篇论文，却长期被视为机器人领域最具学术分量的风向标。2026年的会议将在传统运动规划与操作算法之外，迎来一个不可忽视的新变量——具身智能。

过去两年间，具身智能从实验室概念快速演变为产业热点。大语言模型与视觉模型的融合催生了VLA（Vision-Language-Action）架构，使得机器人能够理解自然语言指令并完成多步骤操作任务。这一技术路线在学术界引发了广泛讨论，其核心争议在于：基于Transformer的端到端策略是否能在真实物理世界中实现可靠泛化，还是仅停留在数据集上的过拟合表演。

中国具身智能团队在这一轮技术演进中表现活跃。从高校到企业，多个团队已在模仿学习、世界模型和机器人基础模型方向持续投入。值得关注的是，部分中国团队在开源数据集构建和仿真平台开发上采取了开放策略，这恰好契合RSS长期以来鼓励可复现研究的学术传统。

技术路线的分歧短期内难以弥合。端到端的VLA方案强调数据驱动和泛化能力，而模块化架构则坚持传统控制理论的可解释性和安全性保证。两种路径各有优劣，也各有其追随者。学术界的共识正在缓慢形成——或许未来的突破不在于选边站队，而在于找到两者的有机结合点。

从产业视角观察，RSS2026对中国具身智能的定位将具有象征意义。过去几年，国际顶会更多将中国团队视为工程落地能力的代表，而非原创理论的贡献者。如果今年能有更多来自中国的学术成果进入RSS议程，这将标志着国际学界对具身智能研究格局的认知正在发生微妙转变。高质量的理论创新永远值得被看见。