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。
全部机器人动态
LimX Dynamics精选AI 评分6161
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。
简智机器人 · XAI 评分5757 LingBot-VLA 2.0 开源，Genrobot.AI 提供其背后的人类数据
LingBot-VLA 2.0 由 @Robbyant 开源，Genrobot.AI 称其为该模型提供了背后的人类数据。这批数据包括野外大规模采集的第一人称视角视频，配以精度小于 1 厘米的手部追踪，并通过其 Data Foundation Model 处理。
蚂蚁灵波科技 · YouTube精选AI 评分6767 LingBot-VA 2.0 发布：面向物理世界机器人控制的世界-动作模型
蚂蚁灵波科技发布 LingBot-VA 2.0，称其为从零预训练、面向物理世界机器人控制的世界-动作模型，单块 GPU 上以 150 Hz 实时推理运行，可玩空气曲棍球、整理桌面并从传送带抓取薯片。
推荐理由：给出与π0.5的同基准成功率对比和单GPU实时推理指标，便于判断这类世界-动作模型的性能位置。
蚂蚁灵波科技 · YouTube精选AI 评分7070 蚂蚁灵波开源具身视频基础模型 LingBot-Video，RBench 得分 0.620
蚂蚁灵波开源了面向具身智能的 MoE 视频基础模型 LingBot-Video，采用 DiT 加稀疏 MoE 架构，30B 参数、推理时激活 3B，宣称效率约为稠密模型的 3 倍。
推荐理由：材料给出了RBench上的对比分数和开源范围，便于读者判断这一具身视频模型的起点与可用性。
蚂蚁灵波科技 · YouTube精选AI 评分6969 LingBot-VLA 2.0 开源发布：支持 20 种机器人构型与全身控制
LingBot-VLA 2.0 开源发布，这是在 60000 小时真实物理数据上预训练的下一代具身基础模型，基于从 90000 小时机器人数据和 20000 小时第一视角人类视频重构的数据处理流程构建。
推荐理由：公开的权重和 GM-100 成绩，让读者可以直接比较它与 π0.5、GR00T N1.7 在长时程移动操作上的差距。
智源研究院 · 微信公众号精选AI 评分7474 智源发布多模态表征世界模型悟界·RoboBrain Orca
智源研究院发布多模态表征世界模型悟界·RoboBrain Orca，核心思路是从预测下一个词、下一帧、下一动作转向预测下一个世界状态，先学习统一的世界潜在表征，再通过文本、图像、动作三种轻量读出模块适配下游任务。
推荐理由：原文说明了从预测下一输出转向预测下一状态的训练范式，以及冻结主干加轻量读出模块的做法，可迁移给关注世界模型路线的读者。
蚂蚁灵波科技 · YouTube精选AI 评分6161 LingBot-Depth 2.0 机器人空间感知模型发布，可看穿玻璃与镜面
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。
蚂蚁灵波科技 · YouTubeAI 评分4141 LingBot-Map：基于 Geometric Context Transformer 的流式 3D 重建
蚂蚁灵波科技推出 LingBot-Map，用 Geometric Context Attention（GCA）这一端到端学习的流式状态解决流式 3D 重建的记忆问题。
蚂蚁灵波科技 · YouTubeAI 评分3232 蚂蚁灵波科技 LingBot-VA：首个因果视频-动作世界模型，用于通用机器人控制
蚂蚁灵波科技推出 LingBot-VA，一个将视频世界模型与策略学习统一的自回归框架，联合学习未来帧预测与动作执行。评测结果显示该框架在长时程操作、少数据后训练以及对新场景配置的泛化方面表现出明确潜力。
X Square Robot/自变量机器人精选AI 评分6767 自变量机器人发布跨模态具身动作分词器X-Tokenizer，多模态对齐提升13.5%、长程任务提升8.25%
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精选AI 评分6363 KinetIQ Ascend 用真实世界强化学习提升人形机器人操作吞吐与成功率
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。
Lumos Robotics/鹿明机器人AI 评分3131 鹿明机器人 Prime R0 登顶具身智能评测基准 MolmoSpaces 全球第一
鹿明机器人的产业具身大脑 Prime R0 在 AI2 发起的零样本具身智能评测基准 MolmoSpaces 上，于单臂精细操作与双臂协同操作全任务评测中以综合成功率位列全球第一。
OFweek Robotics精选AI 评分8282 银河通用发布AstraBrain-WBC 0.5，用人形运动数据验证Scaling Law
银河通用发布AstraBrain-WBC 0.5（论文题为Humanoid-GPT，被CVPR 2026接收），用约20亿帧重定向动作数据训练Transformer全身控制器，零样本运动追踪成功率92.58%，推理延迟0.39毫秒，代码和数据开源。
推荐理由：这篇解读把银河通用新模型的数据规模、架构选择和局限讲清楚，读者可以据此评估通用运动控制路线的进展。
简智机器人 · XAI 评分1212 DFM构建物理AI人类数据飞轮
我们的数据基础模型（DFM）将原始人类交互转化为高精度、多模态、模型就绪数据。 通过真值评估和持续反馈，DFM 为物理AI构建可扩展的人类数据飞轮。
简智机器人 · XAI 评分1919 GenRobot.AI首发DFM实现端到端数据处理
基于我们的数据基础模型（DFM），GenRobot.AI提供更高质量、更具扩展性、更高效的Ego+Fingers数据生产。行业首创的DFM实现端到端数据处理。 #EmbodiedAI #HumanData #6DPose #PhysicalAI #RobotLearning #EgoData
KNOWIN 诺因智能 · 微信公众号AI 评分5555 诺因智能获CVPR 2026 EgoCross Challenge双赛道全球第一
诺因智能在CVPR 2026 EgoVis Workshop首届EgoCross Challenge中拿下Source-Limited与Open-Source双赛道全球第一名，成为唯一包揽双赛道冠军的团队。
Physical Intelligence SocialAI 评分4343 π0.5驱动自主手术吻合术
Aleph Surgical 发布研究预览，π0.5 驱动自主手术吻合（anastomosis）操作。
开普勒人形机器人 · 微信公众号AI 评分6060 开普勒发布 Kepler-OmniVTLA 原生力触全模态大模型
开普勒发布 Kepler-OmniVTLA 原生力触全模态大模型，搭配 Kepler-OmniTac™ 力触觉全栈数采方案，原生兼容视觉、六维力与触觉多模态信息。
石麻笔记 · 微信公众号AI 评分6262 对话温伯文：FoundationStereo如何变革双目视觉
石麻笔记对话英伟达研究员、FoundationStereo与Fast FoundationStereo一作温伯文，讨论双目深度基础模型如何改变机器人3D感知。
Figure AI精选AI 评分6262 Figure AI 展示 Helix-02 双人形机器人协作整理卧室
Figure AI 展示两台搭载 Helix-02 的人形机器人在两分钟内协作整理卧室，完成开门、挂衣、收耳机、合书、倒垃圾、推椅子入桌和合作铺床。两台机器人运行同一个学习的视觉-语言-动作（VLA）策略，没有共享规划器、消息传递或中央协调器，各自通过自身摄像头从对方动作推断意图。公司称据其所知这是单个学习神经网络直接从像素到动作完成多人形协作移动操作的首次演示。
推荐理由：官方展示了同一 VLA 系统驱动的两台人形机器人协作整理卧室，读者可了解无共享规划器的多机协作实现思路。
Genesis AI · XAI 评分5050 Genesis AI 发布 GENE-26.5 机器人基础模型
Genesis AI 发布 GENE-26.5，称其为迈向人类水平能力的第一款「机器人大脑」，采用机器人原生基础模型、1:1 仿人机械手、非侵入式数据采集手套（采集运动、力与触觉）与仿真器的全栈方案。该模型在语言、视觉、本体感知、触觉与动作上联合训练，并以一组自设任务进行测试，演示为全自主、1 倍速、单一模型同一权重。
Genesis AI · YouTubeAI 评分3232 Genesis AI 的 GENE-26.5 以 1 倍速自主完成吸管翻转操作
Genesis AI 的机器人基础模型 GENE-26.5 自主完成了连续单手精细操作：拆开吸管包装、单手翻转吸管、投入杯中，再把饮品递给一个人，全程自主执行并以 1 倍速拍摄，非遥操作。该演示展示了跨多个小幅精确动作的流畅单手灵巧操作能力。
Genesis AI · YouTubeAI 评分4343 GENE-26.5 自主以 1 倍速完成线束装配
Genesis AI 的机器人基础模型 GENE-26.5 自主以 1 倍速将电线整理并捆扎成束。线束装配被视为电子与电气工程中最难的任务之一，这段演示展示了实现人级灵巧度所需的精确、协同的手部控制。
Genesis AI · YouTubeAI 评分4242 Genesis AI 机器人以 GENE-26.5 自主 1x 实速制作冰沙
Genesis AI 展示机器人自主以 1x 实速端到端制作冰沙，包括处理配料、倾倒、搅拌与双手协调的空中上菜。GENE-26.5 是 Genesis AI 面向人类水平物理操作的基础模型。
Genesis AI · YouTubeAI 评分2828 GENE-26.5 实验室移液演示｜自主 1x 速度
Genesis AI 的机器人以自主模式、1x 速度完成实验室移液、液体转移和空中精细器械操作，所用的是其机器人基础模型 GENE-26.5。该演示面向精细运动控制这一高难度测试场景，展示模型在实验室高精度作业中的操作能力。
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。
Physical Intelligence SocialAI 评分5959 Physical Intelligence 发布机器人模型 π0.7，展示折叠衣物等涌现能力
Physical Intelligence 宣布其最新模型 π0.7 具有多项涌现能力：可以在没有任何叠衣数据的情况下控制一台新机器人折叠衬衫，能通过语言指导学会使用电器，还能在一个模型中完成多种灵巧操作任务。
Physical Intelligence精选AI 评分7777 Physical Intelligence 发布可引导的通用机器人模型 π0.7，展示组合泛化能力
Physical Intelligence 发布通用机器人模型 π0.7，称其能以与微调专用模型相当的速度和稳健性完成多种灵巧操作，并对训练数据中未见的任务表现出组合泛化的初步迹象。
推荐理由：文中用空气炸锅和 UR5e 叠衣服两个具体实验，展示组合泛化与跨本体迁移的实际表现，便于判断通用模型与专用模型的距离。
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。
Figure AIAI 评分5757 Figure AI 演示 Helix 02 全身端到端整理客厅
Figure AI 发布 Helix 02 新演示，该单一神经网络系统完成全身端到端的客厅整理任务，在走动中持续操作物品、工具和容器。演示中 Helix 02 无新算法和特殊工程，仅靠新增数据学会用喷雾瓶加毛巾擦拭清洁、双手端箱收集积木、把枕头抛回沙发、手持遥控器换向后按键关电视，并侧步穿过茶几与沙发间的窄缝。
Physical Intelligence SocialAI 评分3939 PI开发机器人双层记忆系统
我们为模型开发了一个记忆系统，提供短期视觉记忆和长期语义记忆。 我们的方法使我们能够训练机器人执行长而复杂的任务，比如清理厨房或从头准备一份烤奶酪三明治 👇
DexterityAI 评分5353 Dexterity 发布世界模型 Foresight，公开生产环境装箱智能层
Dexterity 公开其世界模型 Foresight，作为让机器人推理物理世界、预测变化并执行操作智能层，训练来自企业物流生产环境中超过 1 亿次自主动作的真实经验。
Physical Intelligence精选AI 评分7474 Physical Intelligence 提出物理智能层主张并公布 Weave 与 Ultra 的 π 0.6 部署数据
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。
西湖机器人 · XAI 评分1616 西湖机器人发布Titan o1
Titan o1：瞬间连通两个世界❤️❤️❤️。 凭借升级后的GAE模型，我们前所未有地统一了灵巧操作与全身运动。体验无缝的跨肢体整合，让"遥不可及"触手可及。 Titan o1。无论身在何处，都能抵达。🎆🎆🎆
HUMANOIDAI 评分5555 Humanoid 发布人形机器人车队 AI 框架 KinetIQ
Humanoid 发布 KinetIQ，一套用于在工业、服务和家庭场景中对人形机器人车队做端到端统一编排的自有 AI 框架，单一系统可控制不同本体与末端执行器形态的机器人。
Figure AI精选AI 评分8282 Figure AI发布Helix 02：人形机器人全身自主控制模型
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。
SharpaAI 评分5353 Sharpa 发布分层 VTLA 模型 CraftNet 用于精细操作
Sharpa 发布端到端分层 VTLA（视觉-触觉-语言-动作）模型 CraftNet，面向精细操作中的最后一毫米接触控制。模型由三部分组成：System 2（约 1 Hz，开源 VLM 负责推理与任务分解）、System 1（约 10 Hz 负责运动规划与粗动作）、System 0（约 100 Hz 基于触觉反馈实时微调手部动作），三者异步协同。
Physical Intelligence SocialAI 评分2929 Physical Intelligence微调模型让机器人做家务
我们让机器人能够洗锅、擦窗、做花生酱三明治，还有更多任务！ 微调我们的最新模型就能实现所有这些任务，这对机器人学、莫拉维克悖论，以及具身智能中大模型的未来都有有趣的启示。 详见下方！
Physical Intelligence精选AI 评分6464 Physical Intelligence 微调 π 0.6 挑战 Robot Olympics 五类任务，拿到三金两银
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。