AgiBot 发布具身基础模型 GO-3 Preview，基于自研 WRAM（World Reasoning Action Model）架构统一任务理解、未来状态预测与动作生成，并在 RoboDojo、RoboTwin、RoboColiseum 三项具身智能基准上排名第一，计划于 2026 年底完全开源。
推荐理由：原文完整披露 GO-3 Preview 的预训练、后训练与部署后学习三段设计，可据此理解具身模型全生命周期扩展的工程路径。
Dexmate与CMU推出MeMoREval基准，用先体验后提问的两阶段协议评估具身智能体应存什么记忆，含53个任务和4个模拟室内环境，运行于Vega 1 Pro双臂移动操作机器人。结果显示存储原始相机帧得分70%并写入成本更低，超过文字描述的56至60%，加场景图在所有受测模型中总体成功率最高；该协议也在真实Vega 1 Pro上以SLAM地图和头部相机完成两次记忆检索演示。
推荐理由：基准由平台方与CMU共同提出，帧与场景图的对比结论可帮助做记忆设计选型，实机迁移也给出可行性参考。
上海人工智能实验室推出决策模型书生·明决（Decision），性能超越Jev，提供0.8B、2B、4B三档参数版本。RTX 4090实测中0.8B和2B模型平均端到端时延约33毫秒、每秒约30次决策，4B模型为44.16毫秒，Jev为109.70毫秒。
推荐理由：原文给出了实测时延、基准得分和大小模型分流机制，读者可据此判断该决策模型在交互场景的适用性。
PKU EPIC Lab 提出HumanTracker基准，用于人形运动跟踪的评估，被ECCV 2026接收。基准包含约153小时来自多名专业演员的光学运动轨迹，分为四个运动族并带文本标签；配套的HumanScore指标基于包含24K动作的12K运动对训练，与人类偏好对齐，能揭示运动学指标常漏掉的接触与稳定性失败，如脚滑和落地时机错误。
推荐理由：原文提出将人形运动跟踪评估与人的感知对齐的基准和指标，指出现有运动学误差会漏掉足底滑移等接触问题。
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。
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 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。
Robot.com 发布 R-KNav 数据集并启动 FoMo 挑战赛，邀请社区用其 R-kiwi 人行道配送机器人车队的真实数据训练视觉导航模型，并在实机上受控评测。
推荐理由：数据来自长期商业运营的配送车队而非仿真，且公布了实机评测的 KPI 口径，可据此评估真实街道导航数据的可复用性。
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。
Dexterity 发文介绍 Foresight 装箱智能体的系统评测与生产测量。规划侧在四组真实仓库箱型分布上测试，密度 0.65–0.77、稳定性 99.7–100%，并用无分布顺序统计量给出 95% 置信区间；文中还发现随机打乱箱子序列会使局部方差坍缩约 1.4 倍，导致评测偏乐观。
推荐理由：原文完整披露装箱智能体的评测方法，包括无分布置信区间和随机打乱带来的评测偏差，方法可迁移到同类系统。
Toyota Research Institute（TRI）发布教程文章，介绍机器人策略评估中基于成功/失败标签的A/B测试统计方法。
推荐理由：TRI 作者系统讲解机器人策略A/B测试中的统计陷阱与可复用工具，附可直接运行的Python示例。
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。
Physical Intelligence 通过微调其最新的 π 0.6 模型，在 Benjie Holson 提出的 Robot Olympics 五类日常操作挑战中，3 类给出金牌任务的初步解、其余 2 类达到银牌，平均成功率 52%、任务进度 72%。
推荐理由：用同一组外部提出的日常操作任务对比有无机器人预训练的差距，读者可据此判断基础模型预训练对操作技能的实际价值。