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。
CMU 机器人研究所团队提出 Wiggle and Go 系统，让机器人先短暂抖动绳索或线缆，用俯拍摄像头记录波动传播，再由计算机视觉算法跟踪运动并估计其物理属性，据此规划后续动作，无需先反复试错。该模型完全在仿真中训练，再借助真实绳索抖动时的运动估计属性以提升实机预测精度。研究已被 2026 年机器人学习会议（CoRL）接收，下月在奥斯汀报告，部分由美国国家科学基金会资助。
推荐理由：该方法用一次抖动估计绳索物理属性，再据此规划动作，为柔性物体操作提供了可迁移的思路。
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。
RealSense 详解 D585 Pro 端上人体检测，检测模型在其 Gen5 Vision SoC 上运行，以 30 fps 输出类别、置信度、像素框与毫米级距离的 JSON 元数据，无需主机 GPU。
推荐理由：文章拆解了端侧检测为何不用神经网络测距，并给出不同姿态下的检测距离表，可直接用于安全分区设计。
CMU 研究人员设计了可安装在 DeltaHands 柔性机械手上的人手启发式指尖，结合应变片测量捏握压力、麦克风通过塑料指甲捕捉微振动，可数纸杯、识别材质并抓取豆腐块和薯片等易碎物品。每个指尖成本低于100美元，而用现成产品搭建类似装置需约800美元，工作已在 Pittsburgh 举行的 2026 Intelligent Robots and Systems Conference 上发表。
推荐理由：原文给出仿人指尖的多模态触觉设计和低于100美元的成本细节，读者可了解力与振动感知如何支持操作控制。
RealSense 在 Perception Studio 中推出改进近距深度功能 Min-Z，在不更换相机的前提下把可用双目深度扩展到 D401/D405 约2厘米、D43x/D45x 约12厘米。
推荐理由：原文说明Min-Z如何扩展双目深度的近场可用范围及两种部署路径的取舍，可用于评估抓取与近距感知方案。
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。
Boston Dynamics 发布 Spot 5.2，定位为连接工厂各 AI 系统的中间层。Orbit 软件重构为以资产为中心组织数据，可导入资产层级并关联巡检，支持接入 PLC 传感器、安防摄像头等外部数据源，并为 AI 智能体自主调度 Spot 部署新增 MCP 层。
推荐理由：原文详细列出了 Spot 5.2 在数据连接、巡检模态和预测性维护上的具体变化，读者可以对照评估是否更新自己的部署。
NEURA Robotics 宣布其 NEURA Mobile Robots GmbH 收购德国乌尔姆自主清洁机器人公司 ADLATUS Robotics GmbH 的 100% 股份。
推荐理由：原文给出了收购标的的存量设备、导航软件和后续接入 Neuraverse 的计划，可据此了解 NEURA 清洁业务布局。
智在无界BeingBeyond发布Being-H0.8，称其为全球首个隐式触觉世界动作模型，将视觉、触觉、动作与未来状态变化统一到同一隐空间，预训练使用超过500,000小时第一人称人类视频。
推荐理由：该模型把触觉引入大规模预训练并配自研伪标签系统，读者可据此了解触觉数据从实验室信号变成可规模化预训练资源的路径。
Tashan Technology 近日宣布完成价值数亿元人民币的 B 轮融资，投资方包括 Lavender Hill Capital Partners（LHCP）。
推荐理由：月出货数万台、份额超80%的经营数据，让读者能判断触觉感知走向规模部署的实际进度。
1X Technologies 宣布为 NEO 人形机器人平台推出 25 自由度腱驱动灵巧手，将随每台 NEO 交付。
推荐理由：原文给出25自由度腱驱动手的关键指标和量产进度，读者可据此评估其对人形操作能力的实际影响。
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。
LingBot-Depth 2.0 发布，这是面向机器人的新一代空间感知模型，主打对玻璃、镜面和透明物体的感知表现。它在 150M 规模数据上训练（是 v1.0 的 50 倍），在深度补全基准 16 项中拿下 12 项第一，最难室内场景的深度误差 RMSE 从 0.132 降到 0.062。
推荐理由：原文给出基准名次、最难室内场景的深度误差变化和开放权重链接，便于读者判断相对前代的提升与可复用程度。
Dexterity 介绍其世界模型 Foresight 的视觉感知管线经 NVIDIA 加速后，每周期延迟从1508ms降至90ms，提速17倍。
推荐理由：原文分阶段给出管线各环节的延迟数据和优化手段，机器人研发者可以参考其GPU加速思路迁移到自己的感知系统。
Figure AI发布Helix 02，将控制从上半身扩展到整个人形机器人，实现连续的移动与操作一体化自主任务。新增System 0全身控制器，基于超过1000小时人体动作数据与仿真强化学习训练，以10M参数网络在1kHz输出关节指令，替换约109504行手写C++代码；System 1连接头部的视觉、掌部相机、指尖触觉与本体感知，以200Hz输出全身关节目标。
推荐理由：原文给出Helix 02的架构分层、训练数据与演示任务细节，读者可以据此了解全身自主控制的具体实现路线。
Sharpa 宣布其旗舰灵巧手 SharpaWave 启动量产，早期客户包括全球科技公司和研究高校。
推荐理由：厂商宣布灵巧手进入量产，给出了自由度、触觉精度和仿真平台适配等技术细节，读者可据此评估其研究可用性。
Figure AI 发布第三代人形机器人 Figure 03，为面向 Helix VLA 模型、家庭和大规模量产从零重新设计软硬件。
推荐理由：官方完整说明了新一代人形机器人的感知、触觉、家庭安全设计与量产规划，读者可以据此了解其硬件变化和产能目标。
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。
线性资本 portfolio 公司 Bot Auto 宣布完成首次真正由卡车自己完成全部运行的真实路测，驾驶座、后座和远程操控端均无人，也无护航车。测试中卡车在德州公路完成避让、绕行、并道及应对消防车出现等场景，全车配备15个摄像头、8个激光雷达和3个毫米波雷达，感知、计算、执行和供电均设有冗余，主服务器关闭后可切换备份服务器，备份再关闭则由车辆控制单元接管靠边停车。
推荐理由：文章梳理了Bot Auto真无人路测与此前带安全员、护航车、远程操控模式的差别，读者可据此理解其技术路线差异。