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。
#运动控制
LimX Dynamics精选AI 评分6161
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。
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。
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。
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。
LimX DynamicsAI 评分4848 逐际动力发布 LimX DreamActor：Real2Sim2Real + 真机强化学习的具身智能训练新范式
逐际动力推出具身智能训练范式 LimX DreamActor，首次将 Real2Sim2Real、模仿学习与真机强化学习深度结合，形成「现实环境数据采集—仿真数据预训练—真机数据后训练」全流程。系统只需消费级相机拍摄即可完成多视角数据采集，经三维重建与物理参数对齐构建高拟真仿真场景，再用少量真机强化学习完成跨域迁移，旨在提升样本效率、收敛速度和部署稳定性。
Figure AI精选AI 评分6666 Figure AI 用强化学习让 Figure 02 人形机器人实现类人自然步行
Figure AI 发布端到端强化学习步行控制器，让 Figure 02 人形机器人在仿真中通过奖励模仿人类参考轨迹学会带脚跟触地、脚尖蹬地和摆臂的类人步态。训练在 GPU 加速物理仿真中并行进行数千台机器人，数小时收集数年仿真数据，结合域随机化与 kHz 级扭矩反馈控制实现零样本迁移到实机，10 台 Figure 02 运行同一神经网络无需单独调整。
推荐理由：原文给出 Figure 02 用强化学习实现类人步行的训练方法和仿真到现实迁移细节，可了解其技术路线。