Robbyant 开源触觉基础模型 LingBot-Touch，基于约 5000 小时真实触觉数据预训练，将磁式、视触觉与压阻式传感器读入统一 token 空间。在 26 个真实机器人任务和两只灵巧手上，四种策略使用该 token 均取得最高平均成功率；在预训练未见过的特定传感器型号上，冻结编码器将接触中心误差从 5.89 mm 降至 0.16 mm，优于为其专门构建的适配器。
同一新闻，精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》
蚂蚁灵波发布触觉基础模型 LingBot-Touch，用近5000小时真实触觉数据覆盖视触觉、磁触觉和压阻式三类传感器，并开源模型与技术报告。该模型采用多分支编码加共享 Haptic Transformer 主干和 Tactile-JEPA 训练，把不同传感器的触觉单元映射到统一指尖坐标系。
蚂蚁灵波科技发布并开源通用触觉基座模型LingBot-Touch，把视触觉、磁触觉、压阻式三种触觉信号统一转换为动作模型可用的通用触觉Token。其Tiny版仅532万参数，接入T-Rex、π0.5和LingBot-VLA后平均成功率分别提升23.18、21.81和24.81个百分点，26项真机任务与12项仿真操作全线提分。
同一新闻，精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》
这一成果在任务广度和灵巧性上均取得重大进展——接近人类级别的精细度。 🔹 系蝴蝶结考验对可变形物体的操作 🔹 移液处理液体需要操作精细物品 🔹 用夹子分餐需要高级工具使用能力
Google DeepMind 与 Apptronik、梅赛德斯-奔驰开展概念验证，Gemini Robotic 2.5 驱动 Apollo 2 机器人抓取并整理用于装配的汽车零件，准确率达 96%。该结果目前处于概念验证阶段，尚未说明部署规模或产线条件。
蚂蚁灵波11月10日开源面向灵巧操作的触觉预训练基础模型LingBot-Touch，可将压阻式、视触觉等不同传感信号编码为统一触觉Token供不同灵巧手和策略模型使用。
同一新闻，精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch，将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token，再交给动作模型。团队实验显示，π0.5 在拉拉链任务上直接接入原始触觉读数时成功率从39%降到15%，接入 LingBot-Touch 后升至59%。
推荐理由：原文给出触觉原始信号接入动作模型反而降低成功率的对照实验，以及统一触觉Token后的提升幅度，可作为触觉表征设计的参考。
11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类传感原理，输出统一触觉Token供不同灵巧手和动作模型使用。
同一新闻，精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》
Archon Robotics 推出面向人形操作的全身控制器 Anchor 1，可将骨盆、手腕、脚踝等稀疏人体目标转换为精确稳定的机器人动作，并跳过在线关节空间重定向以规避常见误差来源。
Nature Will 发布 500 亿参数的物理通用基础模型 Natura-1，用于灵巧手控制与零样本指令跟随。该模型基于混合专家架构，联合训练语言、图像、视频与动作，预训练数据超过 100 万小时的第一人称人类数据，并以 100 毫秒控制回路运行。公司称其可自主执行持续工作流，并处理空间约束、多物体关系与否定条件。
Dyna Robotics 在 CoRL 会议现场开箱 Taku 并直接投入运行，该机器人由 Dyna-2.1 驱动，零样本完成长程全身移动操作，未做现场数据采集或后训练。团队在 Griffin Hall 500 号展位现场演示。
诺因智能称 KnowinAgent 在 RoboDojo 全部 54 个任务变体上团队自测综合得分 87.60，综合成功率 82.83%，再度位列该榜单 TOP1。
北京人形于11月2日在「慧思开物」平台发布 Hi-WBC 通用全身控制模型，将人体动作参考与真实物理约束结合，使机器人能随负载、外力和地形变化调整执行方式。该模型采用 MoE 与策略蒸馏的持续技能扩展框架、融合接触力预测的 Contact-aware Learning 和引入地形感知的 Perceptive Control。
推荐理由：原文披露了Hi-WBC在动作跟随之外处理负载、外力和地形约束的技术路线，可了解全身控制从展示走向作业的路径。
刘松铭创立的 LiberAI 发布新一代世界动作模型 Liber-0，采用语言、视觉、动作三专家流与 Multimodal Attention 联合预测未来画面和动作。
推荐理由：技术报告用对照实验拆解人类数据、动作监督与本体多样性对灵巧操作的贡献，可据此判断数据配比思路。
物理世界模型创企LiberAI发布世界动作模型Liber-0，基于超220万小时人类经验数据预训练，将人类操作经验转化为机器人操作能力。在GPT-6随机生成的60项任务、600次真机测试中，Liber-0零样本总体成功率为36.0%，抓取放置任务达63.5%；作为对照的GPT-6 Astra整体成功率仅5%。
蚂蚁灵波开源的具身大脑全栈2.0在2026年世界互联网大会乌镇峰会展出，机器人在80厘米宽的药房通道内完成接单、识别药品与分拣交付，同方案已在上海国大药房多家门店常态化运转。
推荐理由：文章梳理了灵波具身全栈2.0被李飞飞团队、KAIST和LeRobot复用的具体方式，可观察开源具身底座如何进入他人研发管线。
LiberAI 发布世界动作模型 Liber-0，基于超过 220 万小时人类经验预训练，在 GPT-6 提出的 60 项任务、600 次试验中零样本整体成功率为 36.0%。
Flex-π 面向双臂机器人操作，用同一个约 60 亿参数模型同时学习动作、未来外观、三维几何和物体语义，部署时再选择需要生成哪些内容。它针对的是预测未来能提供更多信息、但并非所有任务都需要全部预测内容的矛盾。
未来不远发布 Self-Evolving WAM 自进化世界动作模型，将世界动作联合建模、交互经验学习与训练效果反馈接入同一系统。在第0轮至第30轮更新尝试中，四组家庭任务自主完整成功率均有提升：叠衣服从54.6%升至96.8%，晾衣服从46.2%升至91.2%，做意面从42.7%升至89.5%，辣椒炒肉从38.2%升至68.9%。
推荐理由：原文给出四组家庭任务从第0轮到第30轮更新的成功率变化，可观察自进化训练闭环的实际收益。
LiberAI 发布世界动作模型 Liber-0，基于超过 220 万小时人类经验预训练，结合大规模人类视频、数据手套记录的手部动作与机器人演示，目标是让机器人获得可泛化的操作能力。在八任务评测中，用 25% 机器人演示加 100% 手套演示训练的策略进度得分为 75.6，高于仅用全部机器人演示的 72.8。在 60 项零样本任务评测中，Liber-0 取得 36% 的成功率。
InsertAnything 在 Isaac Lab 中评测力条件化插入策略的官方权重：0.1 毫米间隙下两种孔型基线成功率为 96~100%。手部起始偏移 5 毫米时成功率无损，但孔位观测偏差 3 毫米时六边孔成功率降至 60%。
大晓机器人联合南洋理工大学 S-Lab 发布世界模型 Mundo，可将 1 至 12 张真实场景图像重建为可探索、可物理交互的三维仿真环境。该模型内置物理属性，由 MuJoCo 计算物体在重力与接触约束下的运动，并支持导航、抓取放置等任务的训练数据生成与策略测试。团队已在酒店场景重建楼层与洗衣区域，用于服务机器人的导航与交互任务训练。
大晓机器人联合南洋理工大学S-Lab发布面向具体环境构建的可交互世界模型Mundo，把3D场景重建、物理仿真与视频生成融为一体。系统用场景代码记录物体重量、质心和摩擦系数，由960Hz MuJoCo物理引擎计算运动与碰撞，再结合现场照片渲染画面；输入1到12张手机照片即可重建可推拉碰撞的3D空间。
X-Era AI拓元智慧开源原生4D世界动作模型E0.5，在AgileX Piper双臂机器人和Zerith H1人形机器人上整体平均成功率达85.0%和88.3%，较π0.5分别高出13.3和26.7个百分点。
推荐理由：原文给出E0.5与π0.5在双臂和人形平台上的真机成功率对比，可据此判断三维几何骨干路线的操作泛化表现。
极智嘉在 Gravity 具身智能框架下推出 Gravity Control 因果干预模型，可在不更新原始策略权重、不新增示教数据的前提下，用一句自然语言提示修正机器人的局部动作偏差。
戴盟机器人在 9 月 27 日至 10 月 1 日于美国匹兹堡举行的 IROS 2026 上，以 From Touch to Intelligence 为主题展示「感知-数据-模型」全链路物理智能体系，核心是 Daimon-TWM 触觉锚定世界模型。
RoboTwin最新榜单显示，智元GO-3 Nano Preview以85.01%的平均成功率位列第一。该榜单主要考察复杂场景下的双臂协同操作与环境泛化能力，评测维度包括目标识别、动作协调及环境变化适应。
具身智能评测平台RoboColiseum发布评测报告，Claude Opus 5.5以76.28分在四款多模态模型中居首，GPT-6 Astra以75.99分紧随其后，GPT-6.1 Sol和Gemini 4 Argon分别为70.91分和66.86分；官方总榜前两名仍为专业具身策略模型Paimon（77.54分）和HiDream-O1-Embodied（76.92分）。
仙工智能（SEER Robotics）展示其机械臂在无人工干预下完成从取手柄、接粉、布粉、压粉、锁手柄、萃取到清洗的全流程咖啡制作，这是该公司迄今演示的最长多步骤机器人咖啡任务。
自然意志（Nature Will）近日公开Natura-1模型演示视频，机械手在无人协助下完成包馄饨、打包快递、泡茶、手机贴膜和写毛笔字等操作。Natura-1是500亿参数的混合专家（MoE）模型，数据处理覆盖近100万小时第一视角人类交互数据，可在100毫秒控制回路中驱动20个自由度的灵巧手，并遵循复杂自然语言指令在未见场景中泛化。
Dream Labs 昨日发布 Dream-1，Reddit 用户在机械臂上实机部署后称其速度很快、可零样本执行任务，但也会出现随机行为，例如被要求移动苹果时却持续抓取红色方块。该模型已公开供人试玩。
Dream Labs 昨日发布 Dream-1，用户在机械臂上完成部署，称其速度很快且可零样本执行任务。实测中让其移动苹果时，它改抓红色方块且未停止，偶有随机行为。发布者已将 Dream-1 公开供人试玩。
商汤科技、南洋理工大学等机构联合研究团队推出SenseNova-RoboRSI统一Harness，在RoboDojo的42项任务上将GPT-6-Astra的操作成功率从基础配置的15.83%提升到54.17%，模型参数不变。
仙工智能展示其自研 VLA 模型驱动机器臂完成三盘汉诺塔的七步移动，当观察者滑动底座改变整体位置或把圆盘重排成任意中间状态后，机械臂仍能重新识别当前配置、判断下一步并继续完成剩余任务。该模型仅用 60 条示教轨迹训练，即可在物体位置、颜色和形状变化上泛化；仙工智能机器人“大脑”由模型、小脑和神经三层组成，分别负责场景理解与决策、运动规划与执行、传感器与关节执行器的统一接口连接。
西湖机器人升级通用大脑WR1，采用通用大小脑双预训练架构，融合世界模型与VLA生成动作序列，由自研通用动作大模型GAE执行全身控制。演示中WR1完成从晾衣架取衣、双机协同折裤，以及跨厨房客厅卧室的取玉米、收纳玩偶、整理被子连续任务。系统引入长短时运动状态回顾与实时动作分块机制，减少长程任务中的停顿与突变。
Manifold AI 推出机器人递归自进化框架 WorldScape R²SI，在机器人操作基准 RoboDojo 总榜登顶，超过 GPT-6-Astra 与英伟达 GR00T-N1.7 等模型。
Generalist AI 于2026年8月19日发布 GEN-1.5，只需3-12秒单次任务演示、不做梯度更新即可尝试执行新任务，10项短时操作任务 one-shot 平均成功率59%±10%，补充约5分钟数据并做10次梯度更新可提升至83%±9%。
卓益得技术团队组成的RL阿尔法队在全球首个跨大洲具身双臂操作基准EBiM Challenge 2026中，从近百支队伍中获Task 3「辅助生活与喂食」第一名。
原力灵机联合清华大学、极寰时代研发的世界动作模型 LoopWAM 登顶 RoboChallenge Table30 V2 榜单，以 43.33% 的成功率和 56.80 的过程分双双位列榜首。
上海人工智能实验室具身评测团队依托 EBench，对 GPT-6-Astra 直接作为机器人策略、不做任务专用后训练的情况完成 26 项任务共 510 次执行的评测，其平均任务成功率 46.7% 位列第三，平均任务得分 0.654 位列第二，OpenWAM-α 以 55.3% 成功率居首。
推荐理由：同一基准下通用大模型与后训练策略的能力分化被量化，读者可据此判断两类路线各自适合的任务长度与操作精度。