Sanctuary AI 发布 TIGER 方法，用模仿策略作密集奖励加速机器人强化学习
Sanctuary AI 提出 TIGER（Task-Space Imitation Guidance for Efficient Reinforcement Learning），不执行模仿策略，而是把其动作块经控制器映射为末端执行器参考轨迹，转化为密集奖励供强化学习使用。
推荐理由：原文给出把模仿策略转为密集奖励的具体做法与消融数据，读者可以判断它能否用于自己的稀疏奖励操作训练。
#机器人模型与学习
Sanctuary AI精选AI 评分7878
Skild AI精选AI 评分6262 Skild AI 发布物理自博弈后训练成果，S1 模型在仿真中学会足球并迁移至人形机器人
Skild AI 宣布通过物理自博弈（physical self-play）对基础模型 S1 做后训练，让策略以得分为唯一目标与近期版本的自己对抗，在 NVIDIA Isaac Sim 中经 140 年仿真时长学会带球过人、护球、抢断等技能，并成功迁移到人形机器人进行比赛。作者认为自博弈可突破预训练人类数据的能力上限，下一步将扩展到协作操作和城市级导航等日常任务。
推荐理由：作者自述用物理自博弈让基础模型在仿真中习得足球技能并迁移到实机，读者可以借此了解自我对抗式后训练的可行路径。
MagicLab/魔法原子精选AI 评分7070 MagicLab 解析 Magic-Brain 的 In-Context 视觉引导设计，magicVLA 抓取成功率从 70% 升至 94.4%
MagicLab（魔法原子）介绍 Magic-Brain 框架中的视觉引导方案，用 VLM Agent 输出 bbox、分割模型细化为三色掩码叠加到观测图像，将语义引导转为视觉引导。
推荐理由：魔法原子详解 Magic-Brain 视觉引导层的设计动机与实现，读者可以了解把语言指令转成像素引导后对抓取成功率的影响。
PKU EPIC Lab精选AI 评分6464 PKU EPIC Lab 提出 UniPart 实现零样本语言驱动 3D 部件分割
PKU EPIC Lab 提出 UniPart，一个以 CLIP 文本嵌入为条件的前馈跨模态 3D Transformer，用自由文本短语在点云上选取功能部件，实现零样本语言驱动 3D 部件分割。
推荐理由：论文给出文本驱动的3D部件分割方法与自建数据集，并验证可迁移到真实世界语言条件抓取。
PKU EPIC Lab精选AI 评分6868 GIF：面向机器人学习的交互功能物体组合生成框架
PKU EPIC Lab 提出用于机器人学习的智能体式生成框架 GIF，将问题重构为解耦重建加相对位姿恢复。CoGen 结合 2D 与 3D 生成模型产出实例解耦网格和粗略初始位姿，GPRM 在几何与物理联合引导下细化相对位姿，VLM 验证器挑选最符合结构化规范的候选。
推荐理由：论文把交互功能物体组合生成拆成解耦重建与相对位姿恢复，并给出八类接触几何基准与碰撞率数字，可帮助读者评估仿真数据生成路线。
PKU EPIC Lab精选AI 评分7979 ZETA：面向桌面操作的零样本跨本体 VLA 迁移受控研究
PKU EPIC Lab 在 arXiv 发布 ZETA 研究（arXiv:2609.02546），提出统一的零样本跨本体 VLA 迁移定义和覆盖 14 个留出目标本体的受控基准，区分严格零样本迁移与预训练暴露迁移。实验显示局部末端执行器状态-动作表示、源本体多样性、辅助共训练分别提升约 15、18 和 7 个百分点，预训练中仅加入 5% 目标本体数据可将平均目标本体进度提升 13.4 个百分点。
推荐理由：论文给出了统一的零样本跨本体迁移定义和受控基准，读者可据此理解不同表示与数据策略的实际收益。
Harbin Institute of Technology Robotics精选AI 评分6565 哈工大吴志光团队开发自适应磁控纳米机器人集群平台，实现小鼠和非人灵长类脊髓腔内导航
哈工大吴志光教授联合团队开发自适应磁控纳米机器人平台，可在外部磁场驱动下形成涡旋状、链状和带状等群体运动模式，并在小鼠和非人灵长类动物体内实现脊髓腔内定向导航，成果发表于《科学进展》（Science Advances）。
推荐理由：研究团队公布了磁控纳米机器人集群在非人灵长类体内的导航实验结果，关注微纳机器人医学转化的读者可了解其技术路线。
LeadeRobot精选AI 评分7777 Mila与蒙特利尔理工团队开源约2000美元机器导盲犬Milo，基于宇树Go2实现室内外自主导航
Mila-魁北克AI研究所与蒙特利尔理工团队发布开源机器导盲犬Milo，称可将约5万美元的导盲犬成本压到约2000美元。硬件基座为宇树Go2 Air/Pro加NVIDIA Jetson Orin Nano，用磁编码器伸缩手柄反解使用者三维位置，先建鸟瞰图再跑导航策略，策略在GPU加速仿真中约10分钟练出并零样本部署真机。
推荐理由：原文完整拆解了Milo的感知、策略训练与实测细节，读者可以对照自己的导航项目复用其工程取舍。
LeadeRobot精选AI 评分7979 意大利IIT联合INAIL发布ergoCub人形机器人，人机协作抬举可降低人类腰骶关节负荷
意大利技术研究院（IIT）与INAIL提出共享具身智能架构，并造出人形机器人ergoCub，研究成果发表于Nature Machine Intelligence。
推荐理由：原文梳理了把人体工效写进机器人硬件优化的方法与真机数据，读者可以了解设计与控制如何围绕人机协作展开。
PKU EPIC Lab精选AI 评分6868 WAM-TTT：通过观看人类视频在测试时引导世界动作模型
PKU EPIC Lab 提出测试时训练框架 WAM-TTT，从原始人类视频中引导世界动作模型，无需机器人动作、人类侧标注或任务特定微调。该方法通过自监督视频预测将人类视频吸收进冻结 WAM 内的轻量自适应记忆，并用成对人-机数据和键值记忆重建目标的元训练阶段对齐人类演示与机器人行为；实验显示其在多种操作任务和泛化设置下持续优于上下文人类视频条件化基线。
推荐理由：原文提出仅用无标注人类视频在测试时调整冻结世界动作模型的方法，无需机器人演示或微调，对想复用的研究者有方法参考价值。
Harbin Institute of Technology Robotics精选AI 评分6262 哈工大朱延河团队在模块化机器人协作重构自修复领域发表论文
哈工大朱延河教授团队在《极端制造（英文）》（IJEM）发表论文，提出基于协作重构的模块化机器人自主容错修复策略，通过改变形态恢复关节故障损伤，无需备份模块替换。方法结合拓扑描述与运动学自建模、粒子群算法搜索目标构型及改进RRT协作重构算法，实验中容错上限比固定构型冗余方法提高7倍。哈工大为唯一完成单位，博士生齐健为第一作者。
推荐理由：论文给出无需备份模块的协作重构容错策略和7倍容错上限提升数据，读者可了解极端环境下机器人集群自修复的具体实现路径。
PKU EPIC Lab精选AI 评分6464 KPGrasp：基于关键点流匹配的可扩展灵巧手抓取生成方法
PKU EPIC Lab 提出灵巧手抓取生成方法 KPGrasp，以全欧氏 3D 手部关键点参数化结合 Transformer 流匹配模型，从大规模数据学习抓取先验，无需接触损失或接触式测试时优化。
推荐理由：论文给出免接触损失的抓取生成新方法和两个基准上的具体成绩，读者可以对比现有方法评估其思路。
PKU EPIC Lab精选AI 评分6161 PKU EPIC Lab 提出人形运动追踪数据研究 LIMMT，ICML 2026 接收
PKU EPIC Lab 发布 LIMMT（Less Is More for Motion Tracking），称是首个面向物理仿真人形运动追踪的数据中心研究。方法从物理可行性、多样性和复杂度三个维度定义动作数据质量，用不到 3% 的 AMASS 训练即可获得优于全量数据集的追踪表现，并清洗了网络来源 mocap 数据。论文已被 ICML 2026 接收，见 arXiv:2606.06953。
推荐理由：论文给出数据质量三维度框架和少量数据训练结果，对做humanoid运动追踪的研究者有方法参考。
Berkeley AUTOLAB精选AI 评分6868 CaP-X：面向机器人操作的编码智能体基准测试与改进框架发布
Berkeley AUTOLAB等团队提出CaP-X开放框架，用于系统研究机器人操作中的Code-as-Policy智能体，核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由：原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现，对研究编码智能体操作控制有参考价值。
LimX Dynamics精选AI 评分6666 逐际动力等联合研究的GVF-TAPE算法入选CoRL 2025，让机器人看视频学会操作
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由：这项研究给出了从人类视频学习操作的具体技术路线和实验数字，可帮助读者了解视频数据训练机器人操作的可行路径。
已经到底了