近日，2026 IEEE/RSJ 智能机器人与系统国际会议（IROS: International Conference on Intelligent Robots and Systems）公布录用结果，开源鸿蒙具身智能PMC（筹）相关研究论文成功入选。IROS 是机器人领域极具影响力的国际会议之一，本次成果聚焦视觉-语言-动作模型在复杂开放环境中的鲁棒部署问题，自研SOMA策略编排与记忆增强系统，探索通过上下文内自适应提升VLA模型在复杂机器人任务中的泛化能力。

当前VLA模型是通用机器人控制的主流技术路线，但真实场景下视觉干扰、语言歧义、长程任务误差累积等问题，极易导致机器人在陌生环境任务失效，反复微调模型又会带来极高落地成本。针对该难题，SOMA 通过对比式双记忆模块存储成败轨迹，依托大模型编排器结合历史经验诊断任务故障，借助 Model Context Protocol（MCP） 动态组织工具链完成画面降噪、任务拆解、关键步骤重试等实时干预，再搭配离线记忆巩固机制持续迭代经验库，不断优化机器人执行策略。

本文提出LIBERO-SOMA评测基准，对 π₀、π₀.₅ 和 SmolVLA 三种主流VLA模型开展测试，实验证明搭载SOMA后，机器人任务执行成功率平均提升59.3%，有效解决VLA 模型在真实环境部署稳定性不足的行业难题。
 

论文信息：Zhuoran Li, Zhiyang Li, Kaijun Zhou, Jinyu Gu. SOMA: Strategic Orchestration and Memory-Augmented System for Vision-Language-Action Model Robustness via In-Context Adaptation. IEEE/RSJ International Conference on Intelligent Robots and Systems, 2026.（成果来自于上海交通大学古金宇老师团队）