上海AI实验室推出实验设备访问与协同协议书生SCP-Lab
上海AI实验室基于科学智能上下文协议（SCP）推出实验设备访问与协同协议书生SCP-Lab，为科研智能体提供统一的设备能力发现、任务交互与可信反馈机制，并已开源。
推荐理由：原文给出了分层架构、L1至L5五级控制粒度和可信反馈机制的具体设计，读者可据此了解科研智能体接入异构实验设备的协议方案。
#数据与仿真
Shanghai AI Laboratory - Embodied Intelligence精选AI 评分6868
PsiBot/灵初智能精选AI 评分6666 灵初智能发布Psi-R2.5，以强Pair Data破解人机数据对齐难题
灵初智能正式发布具身模型Psi-R2.5，采用QwenVL3.5-4B高层规划器加Wan2.2-IT2V-5B低层控制器的双层架构，并提出强Pair Data标准。模型通过逆向调用Psi-W0世界模型从真机数据反向生成人类示教视频以量产配对数据，支持上下文学习ICL零样本泛化新任务；配套HIL+RL后训练框架，宣称经几轮迭代可将任务成功率提高到99%，仅需1-2个工作日，并已部署在客户现场。
推荐理由：原文详述模型架构、强Pair Data数据标准与逆向生成方法，读者可了解其数据路线如何支撑真机泛化能力。
Skild AI精选AI 评分6262 Skild AI 发布物理自博弈后训练成果，S1 模型在仿真中学会足球并迁移至人形机器人
Skild AI 宣布通过物理自博弈（physical self-play）对基础模型 S1 做后训练，让策略以得分为唯一目标与近期版本的自己对抗，在 NVIDIA Isaac Sim 中经 140 年仿真时长学会带球过人、护球、抢断等技能，并成功迁移到人形机器人进行比赛。作者认为自博弈可突破预训练人类数据的能力上限，下一步将扩展到协作操作和城市级导航等日常任务。
推荐理由：作者自述用物理自博弈让基础模型在仿真中习得足球技能并迁移到实机，读者可以借此了解自我对抗式后训练的可行路径。
PsiBot/灵初智能精选AI 评分7373 灵初智能发布Psi-R2.5模型：以强pair data扩展人类数据用于具身智能
Psi Robotics（灵初智能）发布Psi-R25机器人操作模型，核心升级是数据质量提升与数据属性压缩，从10万小时数据中复盘提取高质量数据，并用强pair data对齐人类数据与机器人数据。
推荐理由：原文详述强pair data的生成方法与数据质量标准，读者可以了解人类数据对齐到机器人数据的可参考路线。
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。
PKU EPIC Lab精选AI 评分7373 FoldNet++：面向机器人T恤折叠与展开的大规模合成数据集
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。
PKU EPIC Lab精选AI 评分6868 GIF：面向机器人学习的交互功能物体组合生成框架
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精选AI 评分7979 ZETA：面向桌面操作的零样本跨本体 VLA 迁移受控研究
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。
PsiBot/灵初智能精选AI 评分6969 灵初智能完成过亿美元新融资，拓普集团、奇瑞瑞丞基金等产业资本参投
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。
Figure AI精选AI 评分6262 Figure AI 推出 Index 应用，构建大规模多样化机器人训练数据集
Figure AI 宣布结束隐身模式并推出 Index 应用，上架 Google Play 和 App Store，用于从全球 Creator 采集真实世界物理数据训练其 Helix AI 系统。
推荐理由：原文给出了 Index 数据管线的规模数字和五阶段处理流程，读者可以据此评估其人类数据采集路线的实际进展。
PKU EPIC Lab精选AI 评分6666 PKU EPIC Lab 发布 HumanTracker 人形运动跟踪基准与 HumanScore 指标
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。
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。
Holiday Robotics精选AI 评分6060 韩国科技信息通信部启动物理AI领先技术研发项目 两年投入340亿韩元推进世界模型国产化
韩国科技信息通信部6月9日在首尔举行物理AI领先技术研发项目启动报告会，计划2年内投入340亿韩元，联合LG电子等10家产学研机构自主开发韩国型世界模型及国产模拟器，目标是使机器人最终动作成功率比不使用世界模型时提升20个百分点以上，并计划1年8个月内实现MVP，在制造与物流现场实证。
推荐理由：韩国政府启动物理AI核心技术国产化项目，读者可从中了解其投入规模、目标指标与产学研分工安排。
PKU EPIC Lab精选AI 评分6161 PKU EPIC Lab 提出人形运动追踪数据研究 LIMMT，ICML 2026 接收
PKU EPIC Lab 发布 LIMMT（Less Is More for Motion Tracking），称是首个面向物理仿真人形运动追踪的数据中心研究。方法从物理可行性、多样性和复杂度三个维度定义动作数据质量，用不到 3% 的 AMASS 训练即可获得优于全量数据集的追踪表现，并清洗了网络来源 mocap 数据。论文已被 ICML 2026 接收，见 arXiv:2606.06953。
推荐理由：论文给出数据质量三维度框架和少量数据训练结果，对做humanoid运动追踪的研究者有方法参考。
LimX Dynamics精选AI 评分6767 逐际动力开源FluxVLA Engine标准化VLA工程底座
逐际动力LimX Dynamics正式开源FluxVLA Engine，一个面向具身智能的标准化VLA工程底座，覆盖数据、训练、仿真评测到真机部署全流程。
推荐理由：逐际动力官方开源其VLA工程底座，读者可据此了解统一配置与真机部署流程如何降低研发门槛。
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。
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。
Berkeley AUTOLAB精选AI 评分6868 CaP-X：面向机器人操作的编码智能体基准测试与改进框架发布
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精选AI 评分6060 Dexterity 详解 Foresight 装箱智能体的评测方法与生产指标
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。