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。
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。
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。
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。
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。
Figure 宣布 Project Go-Big 两项进展：与 Brookfield 合作构建大规模人形预训练数据集，后者拥有超 10 万套住宅、5 亿平方英尺商业办公和 1.6 亿平方英尺物流空间；Helix 在 100% 第一视角人类视频上训练后，无需任何机器人示教即可响应 go to the fridge 等自然语言指令，在杂乱真实家居环境中导航。
推荐理由：原文给出Helix仅用人类视频学会导航的训练方式与Brookfield数据合作的规模细节，可了解人形预训练数据路线的实际进展。