灵初智能正式发布具身模型Psi-R2.5，采用QwenVL3.5-4B高层规划器加Wan2.2-IT2V-5B低层控制器的双层架构，并提出强Pair Data标准。模型通过逆向调用Psi-W0世界模型从真机数据反向生成人类示教视频以量产配对数据，支持上下文学习ICL零样本泛化新任务；配套HIL+RL后训练框架，宣称经几轮迭代可将任务成功率提高到99%，仅需1-2个工作日，并已部署在客户现场。
推荐理由：原文详述模型架构、强Pair Data数据标准与逆向生成方法，读者可了解其数据路线如何支撑真机泛化能力。
Psi Robotics（灵初智能）发布Psi-R25机器人操作模型，核心升级是数据质量提升与数据属性压缩，从10万小时数据中复盘提取高质量数据，并用强pair data对齐人类数据与机器人数据。
推荐理由：原文详述强pair data的生成方法与数据质量标准，读者可以了解人类数据对齐到机器人数据的可参考路线。
Figure AI 发布 Helix 2.5，在 30 个从未采集数据的湾区家庭中零样本完成整理客厅、叠毛巾和铺床三项长时程全身行为，无需在评估环境中采集数据或微调。
推荐理由：原文给出 Index 预训练对零样本泛化的对照数据和评测细节，可帮助读者理解人形机器人预训练迁移的实际水平。
LimX Dynamics 随 COSA 0.5 发布 V³-0，这是其 VLA-tools 层中支持移动全身操作的人形 VLA 技术栈，运行在 43 自由度的 LimX 人形机器人 Oli 上。
推荐理由：原文说明了 V³-0 的架构组成和人类在环真机强化学习闭环，读者可以据此理解移动全身操作能力的来源。
灵初智能与北大-灵初联合实验室发布并开源双灵巧手通用操作模型和全栈系统 EgoSteer，包含数据处理管线 EgoSmith、机器人技术栈 Robot-Stack 和世界模型增强的 VLA 模型。
推荐理由：原文给出从人手数据处理、真机纠偏到模型架构和实验数字的完整链路，读者可据此评估其可复现价值。
灵初智能4月10日发布基于人类数据预训练的Psi-R2和Action-Conditioned World Model Psi-W0，并开源首批1000小时人类手部操作全模态数据集，总数据储备达10万小时。
推荐理由：原文给出两个新模型的分工机制和开源数据入口，读者可据此评估人类数据用于机器人训练的可行路径。
灵初智能发布Psi-R2与Psi-W0两个模型，称其为业内首个基于10万小时量级人类数据完成预训练的具身智能模型。
推荐理由：原文由团队亲自拆解双模型架构与数据治理结论，给出了可借鉴的人类数据利用路径与实验依据。
Figure AI 发布端到端强化学习步行控制器，让 Figure 02 人形机器人在仿真中通过奖励模仿人类参考轨迹学会带脚跟触地、脚尖蹬地和摆臂的类人步态。训练在 GPU 加速物理仿真中并行进行数千台机器人，数小时收集数年仿真数据，结合域随机化与 kHz 级扭矩反馈控制实现零样本迁移到实机，10 台 Figure 02 运行同一神经网络无需单独调整。
推荐理由：原文给出 Figure 02 用强化学习实现类人步行的训练方法和仿真到现实迁移细节，可了解其技术路线。