先看结论
今年的关键变化很直观：模型、灵巧操作、实时控制和场景数据开始围绕真实任务形成闭环，机器人正从单项展示走向连续作业。
8月23日，2026世界机器人大会在北京亦庄闭幕。
刷到大会视频时，最容易记住的还是机器人打拳、跑酷、跳舞。把展台资料再往后翻，我看到的画面更具体：机器人在模拟产线上搬钣金件，在仓库里找货、抓货，灵巧手甚至开始装配机器人自己的手臂。
这些动作看着各不相同，底层都要走完同一条链路：
感知环境 → 理解任务 → 预测变化 → 规划动作 → 实时控制 → 触觉反馈 → 继续修正会后数据显示，本届大会集中展示了373家企业、3000余件产品和311件首发新品，同时发布44项新技术、新方案。
现场参会达到
55.7万人次。
北京日报的大会闭幕报道原文链接：https://www.beijing.gov.cn/ywdt/yaowen/202608/t20260824_4833806.html与
央视网复盘原文链接：https://news.cctv.com/2026/08/24/ARTITd9siHWiBSBBLj7WnDsp260824.shtml给出了这些会后口径。
这篇文章就顺着这条链路，看看今年有哪些公司把其中一环往前推了一步。
北京人形机器人创新中心在WRC 2026展示计量检测解决方案。新华社记者鞠焕宗摄01
WRC 2026展示的，是一条逐渐完整的机器人技术栈
大会主题是“人机共生，产需共融”。四个展馆从人形机器人、工业机器人和服务机器人，一直铺到灵巧手、触觉传感器、关节模组、控制器和场景解决方案。
一台机器人想把货物从货架送到打包台，至少要走完六步：
●01｜感知环境：摄像头和雷达定位货架、商品与周围障碍物。
●02｜理解任务：模型从指令中判断需要拿哪件商品、送到哪里。
●03｜规划动作：规划器计算底盘路线、机械臂轨迹和抓取姿态。
●04｜下发控制：控制器把轨迹拆成每个关节可以执行的指令。
●05｜触觉修正：手指根据接触力和滑动状态实时调整抓取力度。
●06｜结果确认：系统检查商品是否拿对、是否放到目标位置。
任何一环不稳定，任务都会中断。模型可能认对了商品，但手抓不住；手有足够力量，但关节不同步；机器人能完成一次，却无法在光照、摆放和人流变化后继续完成。
从今年的产品和演示里，已经能看到一个清楚的变化：模型、本体、感知、通信和场景开始放进同一套系统里设计。
VLA：把视觉、语言和动作接起来
星海图在现场展示了三类任务：
●Kengo：侧重动态平衡与运动能力；
●R1 Lite：复刻真实前置仓作业；
●R1 Pro：在公共环境中完成礼品派送。
机器人形态和任务不同，底层都离不开视觉、语言和动作之间的转换。
星海图Kengo具身智能双足机器人。图片来自WRC 2026官方展品页名词解释｜VLAVLA是Vision-Language-Action，中文可译为“视觉—语言—动作模型”。视觉告诉机器人眼前有什么，语言描述人希望它做什么，动作模块再把语义转换成可以执行的动作序列。
一句“把桌上容易碎的杯子放进柜子”，里面至少包含物体识别、属性判断、空间定位、抓取姿态、路径规划和力度控制。VLA的价值，是让这些环节不再完全依赖工程师为每个物体手写规则。
“大脑”和“小脑”：一个负责理解，一个负责毫秒级执行
大会资料把Kengo的技术描述为“运动小脑与具身大脑”。这是一个形象的控制分层：上层负责理解和规划，底层负责快速执行。
“大脑”处理相对慢但更抽象的问题：目标是什么、先做哪一步、遇到障碍如何改计划；“小脑”处理更快的控制任务：关节角度、身体平衡、足底受力和轨迹跟踪。
大模型可以用较长时间规划“走到货架前拿起箱子”，但机器人不能等模型思考完再维持平衡。底层控制回路必须持续运行，快速读取传感器并更新电机指令。两者协同，机器人才能既理解任务，又不在执行时失去稳定。
名词解释｜控制闭环机器人发出动作指令后，会通过编码器、力传感器等重新测量结果，再用“目标值与实际值的误差”修正下一次指令。这个不断测量、比较、修正的过程就是闭环控制。
03
为什么Galbot选择轮式底盘，还强调合成数据？
银河通用Galbot G1采用轮式底盘、可升降折叠身体和双臂。WRC官方展品页显示，它身高1.73米、臂展1.9米，工作空间覆盖0至2.4米，目标场景包括零售和仓储等商业空间。
银河通用Galbot G1轮式双臂机器人。图片来自WRC官方展品页轮式底盘放弃了跨越楼梯和复杂地形的能力，却减少了双足平衡带来的控制负担。在地面平整的商店和仓库里，轮式移动通常更稳定，也可以把更多能量和计算资源留给双臂操作。
Galbot官方资料还强调通过物理仿真生成合成数据，并宣称对随机堆放、透明或高光等陌生物体的抓取成功率超过95%。这个路线背后对应的是机器人行业非常关键的Sim2Real问题。
名词解释｜Sim2RealSim2Real是Simulation to Reality，即“从仿真到现实”。
开发者先在虚拟环境中生成物体、光照、碰撞和抓取数据，再把训练出的策略迁移到真实机器。
仿真无法完全复制真实世界的摩擦、材料、相机噪声和电机误差，这个差异被称为“Sim2Real Gap”。
NVIDIA对Isaac Sim的定义，就是用于机器人仿真、测试和合成数据生成的物理环境。最新的Cosmos研究也在尝试用世界生成模型改变物体、背景和光照，提升机器人面对新环境时的泛化能力。
从这个角度看，Galbot更值得关注的是仿真数据—模型训练—真实机器人验证这条循环。
曦诺未来在大会发布Xynova prima直驱灵巧手。WRC官方资料列出的重点包括22自由度仿生构型、全直驱、视触觉融合，以及面向具身智能研发的数据与训练能力。
Xynova prima直驱灵巧手。图片来自WRC 2026官方展品页自由度：可控制的运动维度
名词解释｜DOFDOF是Degree of Freedom，也就是自由度。
一个只能弯曲的指关节通常有1个自由度；既能弯曲又能侧摆，就可能需要2个。
自由度越多，抓取姿态越丰富，电机、传感器、线路和控制算法也会更复杂。
22自由度意味着这只手能形成更接近人手的姿态，但真正决定它是否好用的，还有指尖力、重复精度、响应速度、耐久性和触觉反馈。高自由度是能力空间，控制系统还要把这个空间用起来。
直驱：减少传动间隙，让力控制更直接
传统灵巧手可能通过腱绳、齿轮或连杆传递电机动力。直驱方案让电机更直接地驱动关节，能够减少传动回差，让系统更准确地感知和控制力。但电机需要被塞进更小的手指和掌部空间，散热、重量与布线也会更难处理。
触觉：让机器人知道自己究竟碰到了什么
央视在现场报道了6D触觉感知芯片和毫牛级灵敏度传感器。6D通常指三个方向的力与三个方向的力矩。机器人既能知道“碰到了”，也能判断接触力来自哪个方向、物体是否正在滑动。
新华社还拍到灵心巧手利用灵巧手装配机器人手臂配件。这个动作把视觉、定位、抓取和装配串在了一起。
灵心巧手在WRC 2026展示装配机器人手臂配件。新华社记者鞠焕宗摄人拿起纸杯时，会根据杯壁变形和手指触感自动减小力度。机器人要完成同样的事，也需要在接触瞬间形成闭环。触觉由此成为精细操作的基础输入。
一台人形机器人内部，同时运行着多类设备：
●环境感知：摄像头、激光雷达；
●姿态感知：IMU、编码器；
●接触感知：力传感器、触觉传感器；
●计算控制：主计算平台、运动控制器；
●动作执行：几十个关节驱动器。
模型输出的动作，要经过内部网络送到每个关节；关节状态也会沿着网络持续返回。
从通信工程的角度看，带宽只是一个指标。机器人内部网络还要同时处理低时延、低抖动、时间同步和可预测性。
假设左腿关节状态按时返回，右腿数据却晚了一拍，控制器看到的就不是同一时刻的身体。机器人控制因此需要确定性通信：系统不仅要知道数据最终能到，还要知道它最晚什么时候到。
名词解释｜时延与抖动时延是数据从发送到接收所花的时间；抖动是这个时间每次变化多少。控制系统往往可以补偿一个稳定延迟，却很难应对忽快忽慢的随机延迟。
工程上常见的CAN FD、EtherCAT和TSN解决的是不同层级的问题。
●CAN FD延续CAN总线的可靠性，同时提高单帧数据容量和数据阶段速率，适合嵌入式控制与状态交互。
●EtherCAT：一种实时工业以太网。数据帧经过各节点时，节点可以“边经过边读写”，用短周期和低抖动支持多轴同步控制。
EtherCAT技术组织给出的设计目标包括不高于100微秒的周期和不高于1微秒的同步抖动。这是协议能力目标，不代表所有机器人都达到同一指标。
●TSN是IEEE 802.1下的一组时间敏感网络技术，让普通以太网上不同优先级的流量共享基础设施，同时为关键数据提供时间同步和最坏时延保障。
文中提到的三类协议解决不同层级的问题，具体机器人会根据关节数量、数据类型、成本和安全要求组合使用。更清晰的趋势是：模型计算、内部通信和运动控制正在一起设计。
新华社在现场拍到，优必选轮式人形机器人正在演示汽车钣金件上下料，另一套工业具身机器人进行纸箱拆码垛。
优必选通用轮式人形机器人进行汽车钣金件上下料演示。新华社记者鞠焕宗摄一次上下料任务，会同时考验：
●视觉定位：找到工件及合适的抓取位置；
●轨迹规划：避开设备、人员和其他机械臂；
●双臂协调：让两只手保持正确姿态与时序；
●末端力控：既抓稳工件，又避免挤压和碰撞；
●产线协同：跟上输送线节拍，并与仓储系统和工厂网络交互。
央视报道的机场行李转运方案更接近实际运行：系统通过协作机械臂和双臂机器人区分硬箱与非标软包，报道中的企业口径称其已接入华东地区机场航班运行，处理效率达到每小时180件。
大会还启动“全球机器人应用探索计划”，计划每年遴选1000个应用场景，开展免费试用与二次开发。
这些真实场景会不断带来新的变量：不同光照、软硬物体、人员干扰和场地变化。机器人在现场暴露的失败，正好可以成为下一轮模型和硬件迭代的数据。
真实部署产生数据，数据继续训练模型，模型更新后再次进入现场。对机器人企业来说，这个闭环比单次发布一个新动作更有长期价值。
沿着一台机器人完成任务的链路，产业机会已经分成多个层次：
●具身模型与世界模型，负责理解环境、预测变化和规划任务；
●端侧计算平台，负责在机器人本地运行感知、推理和控制；
●灵巧手、触觉传感器和关节模组，把决策变成精细动作；
●CAN FD、EtherCAT、TSN等通信技术，让传感器、控制器和执行器保持同步；
●仿真、数据采集和遥操作平台，为模型提供训练数据；
●工厂、仓储、零售、医疗和应急场景，决定技术最后解决什么问题。
这也是我看完这届大会后最清晰的感受：机器人产业正在形成类似智能手机的分层生态。整机很重要，但模型、芯片、传感器、执行器、通信和工具链同样可能成为关键平台。
运动能力仍然值得看，它决定机器人身体的上限；而接下来更硬核的竞争，是让同一套系统在真实环境中不断感知、通信、控制和修正。
这条链路稳定循环之后，机器人会从展示动作的机械本体，逐渐变成参与物理世界的信息系统。
视频延伸
●央视网｜从舞台炫技到逐步落地：WRC 2026闭幕复盘原文链接：https://news.cctv.com/2026/08/24/ARTITd9siHWiBSBBLj7WnDsp260824.shtml ●WRC官网｜2026世界机器人大会主论坛回放原文链接：https://wrc.cie.org.cn/ ●WRC官方展品页｜Galbot G1产品视频原文链接：https://www.worldrobotconference.com/expo/product/196.html ●央视新闻｜会抓豆腐、拥有电子皮肤：机器人感知能力迭代原文链接：https://www.yzwb.net/news/yw/202608/t20260822_385158.html 主要资料来源
●2026世界机器人大会官方主页原文链接：https://wrc.cie.org.cn/ ●北京市政府／北京日报：2026世界机器人大会圆满落幕原文链接：https://www.beijing.gov.cn/ywdt/yaowen/202608/t20260824_4833806.html ●央视网：从舞台炫技到逐步落地原文链接：https://news.cctv.com/2026/08/24/ARTITd9siHWiBSBBLj7WnDsp260824.shtml ●WRC官方：星海图展商与产品信息原文链接：https://wrc.cie.org.cn/expo/company/446.html ●WRC官方：Galbot G1展品信息原文链接：https://www.worldrobotconference.com/expo/product/196.html ●WRC官方：Xynova prima直驱灵巧手原文链接：https://wrc.cie.org.cn/expo/product/899.html ●新华社：智慧共创，看机器人如何赋能生产原文链接：https://www.news.cn/photo/20260820/438233ef04b64de28252703b5b79e408/c.html ●EtherCAT Technology Group：EtherCAT技术原理原文链接：https://www.ethercat.org/en/technology.html ●IEEE：面向工业自动化的TSN原文链接：https://www.ieee802.org/1/files/public/docs2024/admin-tsn-industrial-automation-flyer-1124.pdf ●CAN in Automation：CAN FD基础原文链接：https://www.can-cia.org/can-knowledge/can-fd-the-basic-idea ●NVIDIA：Isaac Sim机器人仿真与合成数据原文链接：https://developer.nvidia.com/isaac/sim 本文信息截至2026年8月25日。产品参数按WRC官方展品页及企业展示口径表述；具体机器人采用的内部通信协议，以厂商技术文档和实际产品配置为准。
● 信号之外 LAB
看见通信之内的变化，也理解信号之外的世界。
下一主题
