原文作者：公众号“艾欧智能”

原文链接：https://mp.weixin.qq.com/s/hqvxAUemcbsLmqBjQ2H4HA

2026 年 6 月 1 日至 5 日，IEEE International Conference on Robotics & Automation（ICRA 2026）将在奥地利维也纳举办。作为机器人与自动化领域最具影响力的国际会议之一，ICRA 持续汇聚全球机器人研究机构、开发者与产业生态伙伴，共同推动机器人技术在真实世界中的研发与落地。

今年，艾欧智能（IO-AI TECH）将继续亮相 ICRA 2026（Booth #106），并作为第二届 WBCD（What Bimanuals Can Do）Competition 的合作支持方之一，参与比赛相关数据支持与生态合作。

什么是 WBCD？

WBCD（What Bimanuals Can Do）是基于 ICRA 的双臂机器人挑战赛。

官方将其定义为：

“Real Tasks. Real Robots. Real Benchmarks.”

比赛围绕真实世界中的机器人任务展开，覆盖物流、实验室操作、柔性物体处理等场景，并支持包括 VR、外骨骼、UMI 等不同形式的人类操作与数据采集方式。

今年的第二届 WBCD Challenge 共设置四个细分赛道，其中 Track 1 聚焦基于 Unitree G1 的物流分拣任务。

在 2025 年首届 WBCD 比赛中，艾欧智能曾完成基于 TeleXperience 的跨国远程遥操作实验，由中国深圳操作员远程控制美国赛场机器人，完成生命科学实验场景中的多步骤 manipulation task，并获得最佳应用奖。

今年，我们进一步为 WBCD Track 1 提供与比赛任务相关的 SenseXperience UMI 数据支持，并开放对应数据集供社区访问与使用。

Task-Relevant Data正在变得更重要

针对 Track 1 的物流分拣任务，我们提供了与比赛任务场景高度相关的 SenseXperience UMI 类型数据，用于支持参赛团队进行模型训练与测试参考。

与通用演示性质的数据不同，本次数据围绕真实比赛任务进行采集，覆盖：目标物体操作、分拣流程、第一视角操作过程等，更贴近真实任务中的操作逻辑与操作流程。

除了数据支持之外，针对 Unitree G1 平台，我们也提供了可快速安装的配套执行器夹爪方案，并开放对应 SDK 用于夹爪控制与开发，以降低参赛团队在任务搭建与数据验证过程中的适配成本。

我们认为：对于具身智能而言，真正关键的，不仅是“获得更多数据”，而是“获得与目标任务强相关的数据”。

相比泛化 demonstration，task-relevant data 往往更能有效支持机器人在真实任务中的学习与执行。

开源 SenseXperience UMI 数据集

为支持 WBCD 参赛团队与社区开发者，我们已在 Hugging Face 开源了 SenseXperience UMI 数据集。

该数据集围绕 Unitree G1 物流分拣任务采集， 由 SenseXperience 人类数据采集系统完成，包含真实任务场景中的第一视角操作数据与 UMI 类型 demonstration data。

开发者现可通过 Hugging Face 访问对应数据集：

https://huggingface.co/datasets/ICRA-WBCD/IO-AI-SenseXperience-UMI

从数据到研究探索

除了开放真实任务相关数据之外，我们也持续关注辅助遥操作、shared control 与 demonstration understanding 等方向。

今年，我们也联合吉林大学共同完成了辅助遥操作方向的相关研究工作：

《Adaptor: Advancing Assistive Teleoperation with Few-Shot Learning and Cross-Operator Generalization》

并已作为 ICRA 相关研究工作公开。论文关注辅助遥操作中的少样本适应与跨操作者泛化问题。

辅助遥操作虽然可以通过 shared control 提高效率，但不同操作者的习惯、熟练程度和动作风格会导致轨迹分布差异很大，从而影响系统对人类意图的判断。

Adaptor 提出一个少样本意图识别与动作生成框架：通过噪声注入合成 trajectory perturbations，并使用 geometry-aware keyframe extraction 提取关键轨迹信息；随后用 Intention Expert 编码人类意图，并结合 VLM context 条件化 Action Expert 生成动作。

相比传统“针对单一操作者进行动作补全”的辅助遥操作方案，Adaptor 更进一步探索了“面向多操作者的意图理解和泛化辅助”。

论文地址：

https://arxiv.org/abs/2604.09462