蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch，将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token，再交给动作模型。团队实验显示，π0.5 在拉拉链任务上直接接入原始触觉读数时成功率从39%降到15%，接入 LingBot-Touch 后升至59%。
推荐理由：原文给出触觉原始信号接入动作模型反而降低成功率的对照实验，以及统一触觉Token后的提升幅度，可作为触觉表征设计的参考。
#Grasping and manipulation
量子位精选AI 评分8888
Beijing Humanoid Robot Innovation Center精选AI 评分7070 北京人形「慧思开物」平台发布 Hi-WBC 通用全身控制模型
北京人形于11月2日在「慧思开物」平台发布 Hi-WBC 通用全身控制模型，将人体动作参考与真实物理约束结合，使机器人能随负载、外力和地形变化调整执行方式。该模型采用 MoE 与策略蒸馏的持续技能扩展框架、融合接触力预测的 Contact-aware Learning 和引入地形感知的 Perceptive Control。
推荐理由：原文披露了Hi-WBC在动作跟随之外处理负载、外力和地形约束的技术路线，可了解全身控制从展示走向作业的路径。
机器之心 · 微信公众号精选AI 评分8080 LiberAI 发布世界动作模型 Liber-0，并公开技术报告与在线模拟器
刘松铭创立的 LiberAI 发布新一代世界动作模型 Liber-0，采用语言、视觉、动作三专家流与 Multimodal Attention 联合预测未来画面和动作。
推荐理由：技术报告用对照实验拆解人类数据、动作监督与本体多样性对灵巧操作的贡献，可据此判断数据配比思路。
AI前线 · 微信公众号精选AI 评分7878 蚂蚁灵波具身大脑全栈2.0亮相乌镇峰会，在药房窄道完成自主取药
蚂蚁灵波开源的具身大脑全栈2.0在2026年世界互联网大会乌镇峰会展出，机器人在80厘米宽的药房通道内完成接单、识别药品与分拣交付，同方案已在上海国大药房多家门店常态化运转。
推荐理由：文章梳理了灵波具身全栈2.0被李飞飞团队、KAIST和LeRobot复用的具体方式，可观察开源具身底座如何进入他人研发管线。
未来不远 · 微信公众号精选AI 评分7676 未来不远发布 Self-Evolving WAM 自进化世界动作模型
未来不远发布 Self-Evolving WAM 自进化世界动作模型，将世界动作联合建模、交互经验学习与训练效果反馈接入同一系统。在第0轮至第30轮更新尝试中，四组家庭任务自主完整成功率均有提升：叠衣服从54.6%升至96.8%，晾衣服从46.2%升至91.2%，做意面从42.7%升至89.5%，辣椒炒肉从38.2%升至68.9%。
推荐理由：原文给出四组家庭任务从第0轮到第30轮更新的成功率变化，可观察自进化训练闭环的实际收益。
机器之心 · 微信公众号精选AI 评分8282 X-Era AI拓元智慧开源4D世界动作模型E0.5，真机成功率超越π0.5
X-Era AI拓元智慧开源原生4D世界动作模型E0.5，在AgileX Piper双臂机器人和Zerith H1人形机器人上整体平均成功率达85.0%和88.3%，较π0.5分别高出13.3和26.7个百分点。
推荐理由：原文给出E0.5与π0.5在双臂和人形平台上的真机成功率对比，可据此判断三维几何骨干路线的操作泛化表现。
Xbotics具身智能实验室 · 微信公众号精选AI 评分7676 上海AI Lab基于EBench评测GPT-6-Astra作为机器人策略的能力边界
上海人工智能实验室具身评测团队依托 EBench，对 GPT-6-Astra 直接作为机器人策略、不做任务专用后训练的情况完成 26 项任务共 510 次执行的评测，其平均任务成功率 46.7% 位列第三，平均任务得分 0.654 位列第二，OpenWAM-α 以 55.3% 成功率居首。
推荐理由：同一基准下通用大模型与后训练策略的能力分化被量化，读者可据此判断两类路线各自适合的任务长度与操作精度。
至简动力 · 微信公众号精选AI 评分7272 至简动力发布并开源世界动作模型 SimpleWAM，6B 模型端侧推理低至 42.31ms
至简动力（Simplexity Robotics）推出并开源世界-动作模型 SimpleWAM，6B 参数版本在 NVIDIA ThorX (T5000) 上推理延迟由 181.23ms 降至 42.31ms，可在端侧以近 24Hz 高频闭环运行。
推荐理由：原文给出了从181ms到42ms的端侧优化路径和四项架构设计，可迁移了解世界动作模型如何满足高频闭环控制。
Figure AI精选AI 评分7979 Figure AI 发布 Helix 2.5，在 30 个陌生家庭实现零样本全身自主
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。
Skild AI精选AI 评分7676 Skild AI 发布机器人基础模型 S1，通过视频演示实现上下文学习
Skild AI 发布机器人基础模型 S1，以视频演示作为任务提示，无需微调即可执行训练中未见过的操作任务，长时程任务最长约10分钟。在10万小时预训练数据规模下，ICL模型在未见任务上成功率为66%，语言提示VLA为9%；单一演示相当于约380次后训练演示，种植任务从录制演示到自主执行用时11分钟。S1 基于NVIDIA AI基础设施训练，并已与商业伙伴投入使用。
推荐理由：原文给出ICL与VLA在同等数据规模下的对比数字和部署时间线，读者可以据此评估上下文学习路线对操作任务的可行性。
Sunday Robotics精选AI 评分7878 Sunday Robotics 预览 ACT-2 模型，叠衣零样本成功率 99.1%
Sunday Robotics 预览机器人模型 ACT-2，在多样未见家庭环境中以零逐户适配实现叠衣 99.1%（±0.3%）零样本成功率，785 次自主尝试覆盖 9 类衣物，完成折叠平均质量 4.72/5。
推荐理由：官方详细披露预训练规模与泛化差距的量化数据，读者可据此了解少量示教数据如何迁移到未见环境。
LimX Dynamics精选AI 评分6161 LimX Dynamics 随 COSA 0.5 发布人形 VLA 模型 V³-0
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。
PsiBot/灵初智能精选AI 评分8181 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
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。
X Square Robot/自变量机器人精选AI 评分6767 自变量机器人发布跨模态具身动作分词器X-Tokenizer，多模态对齐提升13.5%、长程任务提升8.25%
自变量机器人发布跨模态具身动作分词器X-Tokenizer，采用语义残差量化（SRQ）架构，在17个机械臂系列、240万条轨迹（含20亿动作帧）上预训练。相比FAST，多模态对齐能力提升13.5%，长程任务性能提升8.25%，RoboTwin 2.0得分82.8；真机测试优于FAST和4级RVQ等对比方法。
推荐理由：原文给出了X-Tokenizer的方法设计与对比实验数据，读者可以了解动作分词器的多模态对齐思路及其可复用效果。
HUMANOID精选AI 评分6363 KinetIQ Ascend 用真实世界强化学习提升人形机器人操作吞吐与成功率
HUMANOID 推出 KinetIQ Ascend，一种在生产部署条件下运行的端到端视觉强化学习方法，扩展其 KinetIQ 框架，让机器人通过试错而非仅靠人类示教改进操作技能，公司称这是首个在产线人形机器人操作上公开演示的此类方法。
推荐理由：原文给出三项工业任务的具体吞吐与成功率数字，并指出性能随训练时长可预测提升的规律，便于评估真实世界强化学习在人形机器人上的落地价值。
Figure AI精选AI 评分6262 Figure AI 展示 Helix-02 双人形机器人协作整理卧室
Figure AI 展示两台搭载 Helix-02 的人形机器人在两分钟内协作整理卧室，完成开门、挂衣、收耳机、合书、倒垃圾、推椅子入桌和合作铺床。两台机器人运行同一个学习的视觉-语言-动作（VLA）策略，没有共享规划器、消息传递或中央协调器，各自通过自身摄像头从对方动作推断意图。公司称据其所知这是单个学习神经网络直接从像素到动作完成多人形协作移动操作的首次演示。
推荐理由：官方展示了同一 VLA 系统驱动的两台人形机器人协作整理卧室，读者可了解无共享规划器的多机协作实现思路。
PsiBot/灵初智能精选AI 评分7575 灵初智能发布Psi-R2与Psi-W0，开源1000小时人类手部操作全模态数据集
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。
Physical Intelligence精选AI 评分7777 Physical Intelligence 发布可引导的通用机器人模型 π0.7，展示组合泛化能力
Physical Intelligence 发布通用机器人模型 π0.7，称其能以与微调专用模型相当的速度和稳健性完成多种灵巧操作，并对训练数据中未见的任务表现出组合泛化的初步迹象。
推荐理由：文中用空气炸锅和 UR5e 叠衣服两个具体实验，展示组合泛化与跨本体迁移的实际表现，便于判断通用模型与专用模型的距离。
PsiBot/灵初智能精选AI 评分7474 灵初智能发布Psi-R2与Psi-W0双模型，基于10万小时人类数据预训练
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。
Physical Intelligence精选AI 评分7474 Physical Intelligence 提出物理智能层主张并公布 Weave 与 Ultra 的 π 0.6 部署数据
Physical Intelligence 在博文中提出机器人需要一个可复用的物理智能层，并公布了合作方 Weave 与 Ultra 使用 π 0.6 的真实部署数据。
推荐理由：两家部署方给出了自主率、漏抓与吞吐量等对照数据，便于判断基础模型迭代在真实场景中带来的实际收益。