编辑：吕鑫燚
出品：具身研习社
这是 RoboScience 机器科学连续两年出现在 ICRA 最佳论文的视野中。
如果说机器人学界每年都有一个时刻，会让全球高校实验室、产业公司、顶尖研究者同时把目光投向同一处，ICRA 一定是其中最重要的那个舞台之一。
ICRA，全称 IEEE International Conference on Robotics and Automation，是 IEEE 机器人与自动化学会旗下的旗舰会议，也是全球机器人与自动化领域最具影响力的顶级学术会议之一。
在这里，一篇论文面对的不是普通的同行评审，而是来自全球机器人学界最前沿的竞争。对于机器人研究者来说，能够被ICRA 接收已经是一次重要认可；能够进入最佳论文视野，则意味着这项工作被放进了全球机器人技术路线的风向标里。
正是在这个舞台上，ICRA 2026 年度奖项揭晓——“机器人操作与运动”方向的 Best Paper Finalist 名单里，与伯克利大学、斯坦福大学、麻省理工大学、清华大学等顶级机构并列出现的，是一支来自 RoboScience 机器科学的首席科学家邵林带领的 NUS 团队，论文名为《Bi-Adapt: Few-Shot Bimanual Adaptation for Novel Categories of 3D Objects Via Semantic Correspondence》。
这已经是邵林团队连续第二年站上 ICRA 最佳论文的舞台。
一年前的亚特兰大，他们的另一篇论文《D（R，O） Grasp》从全球数千篇投稿中突围，拿走了 ICRA 2025 “机器人操作与运动最佳论文奖”。ICRA 2025 官方获奖名单显示，这篇论文获奖的理由，是其对“跨不同机器人手与物体的可泛化灵巧抓取表征”作出了贡献。
换句话说，RoboScience 机器科学连续两年被 ICRA 看见，正是因为它持续在机器人操作最难的问题上给出答案。
全球 4000+ 投稿、获奖率不足 1%，更难得的是亚洲唯一连续两年入选——这件事的分量，在机器人学界不需要任何额外修饰。而最佳论文之外，邵林带领的团队仅在 ICRA 2026 一届就有 10 篇研究成果成功入选，覆盖灵巧抓取、社交导航、低成本力感知、混合任务规划等核心方向，系统性地推进具身智能的技术边界。
这说明，一家成立仅一年半的中国公司，正在把自己的技术路线放到全球机器人学界最激烈、也最严肃的竞技场里接受检验，并且成功说服了同侪。
回到论文本身会发现，这两篇论文在解的是同一个问题：让机器人从“一物一策”中走出来。
D（R，O） Grasp 让一个 AI 大脑可以驱动 3 指、4 指、5 指不同形态的灵巧手，跨本体抓取上百种物体，成功率 87% 以上、生成时间不到 1 秒。Bi-Adapt 让机器人只看几个示例，就能把已经学会的双臂协作动作迁移到从未见过的物体类别上——甚至零样本泛化到类别之外。
一个解决“换手”，一个解决“换物”。两条看似不同的技术路径，背后是同一个判断：具身智能的下一程，胜负在“泛化”。
而这也是 RoboScience 机器科学这家成立仅一年半的中国公司，对外讲的故事和押下的赌注——“打破泛化瓶颈”。两位创始人，首席科学家邵林、CEO 田野，分别代表着这个赌注里最重要的两端：前沿研究的方法论，和大规模工程的执行力。
一言蔽之，成立仅一年半，却能在最讲究路径长期主义的机器人学界，把最难攻克的泛化问题持续推向前台，并连续两年被 ICRA 认可。至少在这一层面上，RoboScience 机器科学已经不只是一个简单的初创公司名字，而是正在走向具身智能世界舞台中央的中国样本。
在过去两年的具身智能浪潮里，几乎所有头部玩家都在向同一个技术范式中争渡——VLA（Vision-Language-Action），用视觉和语言直接驱动机器人输出动作。RoboScience 机器科学是少数几家公开走出不同路线的公司，他们的核心技术架构叫 VLOA（Vision-Language-Object-Action）。多出来的那个 O，是 Object——物体。
这个看似只多出一个字母的差别，背后却是一个完全不同的判断：机器人要真正变得“通用”，先要学会理解物体在物理世界中会如何演化，再去决定该怎么做。
VLA 那条路上最大的问题，恰恰是它跳过了“对物理世界本身的理解”——从感知和语言直接跳到动作。在静态、固定的场景里它能工作，但只要换一个新物体、换一项新任务、换一台不同构型的机器人本体，就要重新采集数据、重新训练模型。说白了，VLA 给出的是一个个“实例-动作”的硬绑定，很难突破真正的“泛化”。
VLOA 想要解决的，正是这件事，即让一个大脑，指挥任意机器人、操作任意物体、完成任意任务。
具体到架构上，它由“具身世界模型”和“通用操作模型”两层组成，中间用一个叫 Object Trajectory（物体轨迹）的接口把两者打通：
上层的具身世界模型，负责“理解世界”。它让机器人在动手之前，先在脑子里预演一遍未来：哪个物体会往哪里去、姿态如何变化、和谁会发生接触。输出的是一种叫“3D 点云轨迹”的中间表示——既能直观看到物体的运动路径，又天然满足物理几何约束，不会出现 2D 视频生成里常见的重力错乱、物体穿模。
图注：具身世界模型输出3D 点云轨迹
下层的通用操作模型，负责“改变世界”。它把这条轨迹翻译成机器人的关节角度、接触点和力控信号，在物理世界里精准复现。它不再是“一个任务一个模型”的碎片堆砌，而是所有技能联合训练、共享同一套底层表征。
图注：通用操作模型根据输入的3D 点云轨迹驱动灵巧手
中间的 Object Trajectory，则是 VLOA 最精妙的一笔——它把“认知”和“执行”彻底解耦：上层不必关心你用什么硬件，下层不必关心你具体要做什么任务，两者之间用“物体的 3D 点云轨迹”这种既人类可读、又机器可执行的通用语言来交接。
这种解耦兑现的，正是 VLOA 真正想做的三件事：
跨物体：从光滑的洗发水瓶到透明的棉签盒、从硬质零件到软质布料，同一套模型自动适配，不必为每个新物体单独训练；
跨任务：开信封要毫牛级切入力、立硬币要动态平衡、抓薯片要避免压碎、用针管注射要精准控速——这些过去要分别开发算法的精细任务，被一个模型统一拿下；
跨本体：模型与硬件完全解耦，换一只灵巧手就能直接用。比如，同一套策略可以无缝迁移到 X-hand（12 个自由度齿轮准直驱）和 LEAP Hand（16 个自由度直驱）等完全不同形态的灵巧手。
最具说服力的案例是去年的 5 月，基于 VLOA，RoboScience 机器科学完成了全球范围内最复杂、精度最高、步骤最多的具身操作任务——拼家具。这件事几乎踩中了机器人操作的所有难点：手内操作、双臂协同、毫米级精度、长程任务规划、力反馈调控。模型读完说明书就能启动拼装，中途如果被人为拆解干扰，系统能自动恢复状态接续完成。
更关键的是，这种“通用性”的上限是可持续突破的。RoboScience 机器科学已为具身世界模型积累超过 100 万小时以物体为中心的多模态视频数据，并以每周数十万小时增长，目标 2026 年底构建千万小时级数据集；为通用操作模型，基于自研多模态物理仿真平台 RoboMirage，已积累 10B（100 亿次） 高质量操作轨迹，目标 2026 年突破 1T（1 万亿次）。两个模型都已在工程上验证了 Scaling Law——数据规模越大，泛化能力越强，且呈可预测的幂律提升。
这意味着 RoboScience 机器科学押下的这条路线，不单是一个技术架构的巧思，而是一个可以持续滚雪球、规模越大优势越大的工程系统。
总之，VLOA 比 VLA 更激进、也更长远的地方在于，它是要让机器人真正摆脱遥控器，自主理解世界、自主改变世界。
这个模型和 RoboScience 机器科学那两篇连续获奖的论文放在一起看，其实是一脉相承的。它们都在做同一件事：把机器人从“实例-动作”的硬编码，重构为“关系-轨迹”的可泛化系统。这套底层范式，才是 RoboScience 机器科学押下的最具价值的赌注。
具身智能交叉学科的特质表明了，靠单一型的人才很难跑通闭环。
一个团队如果只擅长学术，能写出 paper却做不出产品；如果只擅长工程，能做硬件却写不出真正前沿的算法。具身大模型这种“既要前沿原创、又要规模化落地”的方向，注定要把两类罕见的人才装进同一支队伍里。
RoboScience 机器科学的稀缺性，恰恰在于它把这两端都凑齐了。
先看首席科学家邵林。他是中国具身智能“斯坦福系”里一个关键人物。本科南京大学，博士斯坦福大学，师从机器人领域知名学者 Jeannette Bohg，联合导师是 Leonidas J. Guibas——后者是美国三院院士、计算机图形学和几何处理领域的奠基性人物之一。如今，邵林在新加坡国立大学（NUS）担任助理教授。
斯坦福的机器人圈，在过去几年成了观察中国具身智能格局的一个绝佳坐标。苏昊（Hillbot 创始人）、王鹤（银河通用创始人）、卢策吾（穹彻智能创始人）等人和邵林同属一个学术谱系。这些人后来撑起了中国具身智能赛道的大半个版图——也意味着邵林天然在国内最前沿的学术圈拥有一个坐标级的位置。
更关键的是，邵林的研究主线，从博士时代就一直锁在机器人操作的“通用化”上：从早期的 UniGrasp，到 D（R，O） Grasp、Bi-Adapt，再到收录至 ICRA 2026 的 T（R，O） Grasp——你可以看到一条非常清晰的研究脉络：不断抽象、不断统一、不断追求跨本体跨物体的通用表征。
这种长期一致的研究方向，意味着 RoboScience 机器科学的技术底座不是临时拼凑的产物，而是一位顶尖学者花了近十年时间不断打磨出来的方法论沉淀。
再看田野。他身上最稀缺的，是从中科大物理、斯坦福 AI Lab 到苹果 AI Platform 一路走出来的工程化能力。田野本科毕业于中国科学技术大学物理系，硕士毕业于斯坦福大学 AI Lab，导师是被誉为“AI 布道者”的吴恩达。
毕业后田野进入苹果，担任 AI Platform 技术负责人——这个职位的分量，要在 AI 圈待过的人才掂量得出来。他主导打造的核心平台，被业内称为“苹果的 PyTorch 与 CUDA”：支撑了多项关键 AI 技术在苹果生态中的大规模落地，是苹果 AI 能够在数十亿台设备上稳定运行的基础设施。
换句话说，田野不是一般意义上“懂技术的 CEO”，而是既懂前沿算法、又懂如何把算法装进十亿级别工业系统的稀缺工程领袖。
具身智能的产业化，恰恰最需要这种能力。现在业内之所以对训模型这件过去看似高深莫测的事儿，如今祛魅后比喻成“工业生产”，就在于前沿模型要变成可以批量部署、稳定运行、持续迭代的产品，靠的不是某个聪明的算法巧思，而是工程地基——什么样的数据流水线能稳定喂模型、什么样的推理框架能支持实时控制、什么样的工程范式能在不同硬件上保持一致体验。这些都不是研究人员的强项，而是工业级 AI 工程师才能解决的问题。
也因此，邵林和田野的组合，构成了一种业内最为扎实的搭配：斯坦福学术大咖 × 硅谷工程领袖。
之所以这样说，是因为放眼中国具身智能这条赛道，多数公司要么以学术大牛为核心醉心于0-1的技术攻坚，要么以工程出身的创业者为核心，更擅长做1-10的扩张。像 RoboScience 机器科学这样把两个一线最强者放在同一张桌子上的组合，本身就是一种稀缺资源——它意味着这家公司既能持续在前沿原创上不掉队，又能在产品落地上不踩工程坑。
简言之就是，能够穿越技术周期，在长坡厚雪的具身智能赛道，行稳致远。
RoboScience 机器科学成立于 2024 年 12 月。短短一年半时间，这家公司已经迈步到了中国具身智能赛道的舞台中央。
先看资本结构。该公司已经披露完成多轮融资，投资方包括京东集团、商汤科技、达晨财智、招商局创投、零一创投、普华资本等多家 CVC 和财务机构。近期又获得了多家国内外产业龙头、互联网大厂、头部财务机构等多轮注资。
再看布局。RoboScience 机器科学已在北京、深圳、苏州、杭州铺开研发和生产网络。团队成员来自斯坦福、中科大、新加坡国立大学等顶尖学府，以及苹果、字节、腾讯、大疆等头部企业——既覆盖了 AI 算法的前沿研究力量，也覆盖了智能硬件量产的工程能力。
在产品路径上，RoboScience 机器科学走的是软硬一体的全栈路线：上层有 VLOA 大模型，下层同步布局机器人本体、末端执行器、自研多模态物理仿真平台 RoboMirage。这意味着公司不只想做“具身大脑”的供应商，而是想从模型、本体到末端、数据训练形成完整的产品闭环。
最后看落地。目前公司已经与多家零售、物流、康养服务企业，以及多家机器人本体、灵巧手公司开展试点合作。按照公开规划，今年还将面向工业与商业场景，实现标准化机器人本体产品的量产。
回到开头那个问题，一家成立仅一年半的中国公司，凭什么能在最讲究路径长期主义的机器人学界，连续两年被国际同行盖章？
答案现在不再玄妙：这家公司在做的事情，不是把现有零星技术包装成孤立产品，而是从最底层的方法论开始重新搭建一套具身智能的技术栈。在打造一个可适用于任何任务、任何对象与任何机器人的通用智能系统上，ICRA 的连续认可，只是这套技术栈对外露出的冰山一角。
项目地址：
Bi-Adapt 项目主页：https://biadapt-project.github.io
Bi-Adapt 论文：https://arxiv.org/pdf/2602.08425
D（R，O） Grasp 项目主页：https://nus-lins-lab.github.io/drograspweb/
D（R，O） Grasp 论文：https://nus-lins-lab.github.io/drograspweb/static/data/D(R,O)Grasp.pdf
