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。
Sanctuary AI 提出 TIGER（Task-Space Imitation Guidance for Efficient Reinforcement Learning），不执行模仿策略，而是把其动作块经控制器映射为末端执行器参考轨迹，转化为密集奖励供强化学习使用。
推荐理由：原文给出把模仿策略转为密集奖励的具体做法与消融数据，读者可以判断它能否用于自己的稀疏奖励操作训练。
Boston Dynamics 为新一代 Atlas 人形机器人发布灵巧手，从 GR2 的 7 自由度增至 13 自由度，采用四指含 4 自由度对掌拇指，直接驱动且仅用单一执行器类型。设计舍弃小指以降低成本与复杂度，配备指尖与掌部压觉触觉传感器，支持捏取、三指抓取和按压工具扳机等操作，并针对仿真到现实迁移与强化学习做了高保真仿真优化，已有动态任务的初步 sim-to-real 结果。
推荐理由：原文详细说明新一代 Atlas 灵巧手的自由度、驱动与仿真设计取舍，读者可以了解手部设计如何服务强化学习与实际作业。
MagicLab（魔法原子）介绍 Magic-Brain 框架中的视觉引导方案，用 VLM Agent 输出 bbox、分割模型细化为三色掩码叠加到观测图像，将语义引导转为视觉引导。
推荐理由：魔法原子详解 Magic-Brain 视觉引导层的设计动机与实现，读者可以了解把语言指令转成像素引导后对抓取成功率的影响。
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。
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。
PKU EPIC Lab 发布 FoldNet++，一个用于机器人T恤折叠与展开的大规模合成数据集，涵盖 6 种机器人本体、1K 件T恤、1K 环境资产和 120K 条带丰富标注的演示。
推荐理由：原文给出了数据规模和真实环境部署成功率，读者可以据此评估纯合成数据训练衣物操作策略的可行性。
MIT CSAIL与Google、Northeastern研究人员推出InstructMesh，将TRELLIS与GPT-4结合，让用户用自然语言修复AI生成的3D模型后进行3D打印。
推荐理由：研究给出新工具与用户实验数据，读者可以了解普通用户如何修复AI生成3D模型并完成打印。
PKU EPIC Lab 提出用于机器人学习的智能体式生成框架 GIF，将问题重构为解耦重建加相对位姿恢复。CoGen 结合 2D 与 3D 生成模型产出实例解耦网格和粗略初始位姿，GPRM 在几何与物理联合引导下细化相对位姿，VLM 验证器挑选最符合结构化规范的候选。
推荐理由：论文把交互功能物体组合生成拆成解耦重建与相对位姿恢复，并给出八类接触几何基准与碰撞率数字，可帮助读者评估仿真数据生成路线。
PKU EPIC Lab 在 arXiv 发布 ZETA 研究（arXiv:2609.02546），提出统一的零样本跨本体 VLA 迁移定义和覆盖 14 个留出目标本体的受控基准，区分严格零样本迁移与预训练暴露迁移。实验显示局部末端执行器状态-动作表示、源本体多样性、辅助共训练分别提升约 15、18 和 7 个百分点，预训练中仅加入 5% 目标本体数据可将平均目标本体进度提升 13.4 个百分点。
推荐理由：论文给出了统一的零样本跨本体迁移定义和受控基准，读者可据此理解不同表示与数据策略的实际收益。
灵初智能宣布完成新一轮过亿美元融资，投资方包括拓普集团、奇瑞控股旗下瑞丞基金、蓝思科技、三七互娱、芜湖市投控集团、复星创富等，老股东珠海科技产业集团超额追加。募集资金将重点投向具身世界模型研发与物流、先进制造场景商业落地，公司自研 Psi-R2 操作策略模型与 Psi-W0 动作条件世界模型双系统架构，并计划扩大人类数据采集规模、加快数采厂布局。
推荐理由：灵初智能官方宣布融资完成，并说明资金将投向世界模型研发与物流、制造场景商业化，读者可了解其产融结合的资源布局。
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。
艾利特与迈幸机器人联合开发的具身双臂上下料机器人在果链头部工厂钻孔车间实现7×24小时无人化量产，单组循环节拍52秒，上下料良率99.9%，5台设备稳定在线。方案采用力位混合控制与动态轨迹规划实现双臂协同，搭载自研元启Primo具身大模型，上料精度±0.2mm以内，并通过无线IO四步握手方案免去机床原厂改造，部署周期从首台10天压缩至第五台7天。
推荐理由：原文给出产线节拍、良率与部署周期等实绩数字，读者可以据此了解具身双臂方案在量产车间的落地路径。
FedEx 与 Dexterity 宣布扩大合作，在马里兰州 Hagerstown 枢纽规模化部署 Dexterity 的 Foresight 世界模型和 Mech 双臂装车系统，此前该技术已在试点站点完成多年联合开发、测试与运营验证。
推荐理由：原文给出从试点到大型枢纽的生产级部署细节，可帮助读者了解物理 AI 在物流装卸场景的实际落地方式。
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 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。
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。
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。
Figure AI宣布Figure 03人形机器人进驻BMW Group Plant Spartanburg的Hall 52，从此前Figure 02的钣金上下料转向sequencing分拣用例，Figure 02去年曾参与装配30,000辆汽车。
推荐理由：官方公布了Figure 03在BMW工厂的部署场景与Helix 02驱动细节，读者可了解人形机器人从搬运到复杂分拣的落地进展。