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》
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》
11月10日，蚂蚁灵波发布LingBot-Touch触觉基础模型，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主流传感原理，可将不同信号转化为同一套触觉表征，供不同灵巧手和动作模型使用。该模型的技术报告、模型和代码已开源，开发者可在Hugging Face、GitHub和魔搭社区访问下载。
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》
NavGPT-3 提出面向连续环境的视觉语言导航系统，由 Harness（上下文管理）、Runtime（权限控制）与 NavGPT VLA（局部航点预测）三部分协同，解决长程规划与高频执行之间的矛盾。
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。
大晓 ACE 团队发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6，把语言指令中的物体、部件与交互区域对应到视觉场景位置，并通过 ACE Hub 开放 API。
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。
Neura Robotics 发布感知导向基础模型 neuron ai，据称除视频与仿真数据外还纳入更多感官输入。发帖者认为为机器人采集足够新数据以实现多任务真正自主仍需很长时间，但这一方向值得关注。
招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型驭物 Lion-ER-35B-A3B，采用MoE架构，总参数约35B、每Token激活约3B，在十项公开具身相关基准上全部指标较基座提升，等权综合均分65.29。
小鹏机器人（XPENG ROBOTICS）提出具身视觉-语言模型Capek 0.5，按空间推理、时序理解、动作引导、状态验证四类执行能力分别训练专家，再用TIES合并与路由式MOPD蒸馏整合为单一模型。
星衍智能推出通用具身 Harness 框架 Auriga，在不针对目标任务预调优、不依赖专家演示、单次执行且不允许环境重置的 Zero-shot 协议下，以 GPT-6 Astra 为基础模型在 RoboDojo 42 项任务、6300 个测试 Episodes 中取得 57.74% 平均任务成功率和 64.00 平均过程评分，两项均领跑榜单。
大晓机器人发布 ACE-Brain-0.6 API，通过 ACE Hub 平台对外开放其空间锚定（Grounding）能力，开发者无需独立部署模型即可调用。同步升级将高质量空间锚定训练数据从约 110 万条扩展至 150 万条，模型在七项公开 Grounding 基准测试中平均得分提升至 75.41，推理速度也超过 GPT-6 Astra。
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。
可可矩阵（COCO Matrix）发布机器人模型CO01，把示范、失败尝试和即时指导作为上下文中的经验提示，无需更新权重即可适应新任务。同一预训练模型下，一段约1分钟的示范在未见任务上平均成功率达52%，微调达到相近水平需约180条示范、约9小时。真机评测中每项最多尝试五次，保留自身历史时累计成功率从首次33%升至84%，不保留历史为56%。
RoboJev-27B 是一个开放权重的视觉语言模型，输入任务指令与 10 帧操作画面即可判断机器人是否完成任务。它在同型号 SO-101 的 268 条留出数据上达到 95.2% 平衡准确率和 0.993 AUROC，在未见实验室与机器人的 459 条数据上 AUROC 为 0.890。单张 H100 上每条推理中位耗时 0.26 秒，模型与推理代码及 29 组模型/协议条目的评测结果一并公开。
研究团队提出统一视觉-语言世界模型 Ψ-0.6，在共享推理过程中自适应组合感知、语言、几何与仿真，称为思维流。这些思维流通过共享 token 接口交替生成和解读图像、文本以及几何与运动的显式表示，模型在多视图空间推理上零样本超过领先开放权重模型，借助几何中间表示推理还能进一步提升。
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）。
研究团队发布ACE-Brain-0.6，通过统一数据管线将机器人操作记录与多源互补视觉数据结合，自动标注后转换为可验证的定位监督，并在约150万样本上微调Qwen3.5-9B得到该模型。在七个公开定位基准中的四个上，ACE-Brain-0.6超过GPT-6 Astra，总平均分75.41对73.68；在固定微调设置下，随数据集扩展覆盖更多定位场景，整体定位性能稳步提升。
小鹏与北京大学、香港大学、加州大学伯克利分校、普林斯顿大学、新加坡国立大学、清华大学、香港科技大学（广州）的研究者共同提出 4B 感知基座模型 GroundingPI，把点选、框、文字、文档区域和界面控件统一到一套空间词元输出协议，架构采用 MoonViT-V2 视觉编码器和 Qwen3-4B 语言骨干，训练包含监督微调与 GRPO 强化后训练。
GroundingPI 是一个 4B 参数的定位基础模型，将点和框以量化坐标形式输出到共享词表，训练结合多模态与空间预训练、监督微调和 GRPO 强化学习。在 34 个定位基准、44 个基线上平均达到 73.68%，高于 GPT-6 Astra 的 71.54%。
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。
乐高零件识别项目 BrickSort 发布首个公开版本 v0.1.0，随附已训练模型 lego_model.pt，可识别约 600 种乐高零件的种类、颜色、类别及是否带印刷。代码采用 MIT 许可，模型文件因训练数据（B200 LEGO Detection Dataset）为 CC BY-SA 4.0 而采用相同许可。作者说明训练输出的准确率偏乐观，对未见零件照片的独立测试尚未进行。
Neura Robotics发布多模态具身基础模型Neuron AI，将3D视觉、触觉、音频、机器人状态与语言结合记忆，采用感知-语言-动作（PLA）架构。
NEURA Robotics 发布面向 Physical AI 的多模态基础模型 Neuron AI，将 3D 视觉、触觉、音频、机器人状态和语言与记忆结合在感知-语言-动作（PLA）架构中。
Galbot 团队提出 PASSAGE 框架，将环境感知、全身运动规划与闭环控制结合，使人形机器人能基于周围环境自主规划并执行灵活的遍历动作。该框架基于 100 小时人类数据、覆盖 1,500 个场景训练，在 Clutter Scene Traversal 基准上达到 98.67% 成功率。
AutoTrust AI Lab 开源基于 Qwen3.8-27B 的多模态决策模型 JEV-27B-VL，将 System 1 决策与 System 2 推理扩展至图像输入，采用 Apache 2.0 协议。
2026第三届智驾“封神榜”挑战赛在长沙举行，京东物流“独狼”第六代智能配送车Plus版以全场综合得分第一获“最佳全能表现奖”，首次参赛即在多个场景取得全场最佳表现，困难场景均以满分通过。
摆荡。转向。跳跃。 @GenrobotAI 的 DFM 将六相机 Ego 视频转为连续的全身网格与骨骼数据，即使在快速运动和复杂姿态下也能保持身体结构和时序一致性。 看到全身。学会整套技能。 #GenRobot #WholeBodyData #egodata #PhysicalAI #Robotics
弯曲。下蹲。移动。 DFM 能从 Ego 视频重建连续的全身网格，即使存在部分遮挡。 全身平均误差约 3 cm。 See the Whole Body. Learn the Whole Skill. #GenRobot #WholeBodyData #ego data #PhysicalAI #Robotics
具脑磐石（EBKernel）在9月14日上海浦江创新论坛类脑具身分论坛发布类脑认知世界模型 Cog-WM 1.0，含导航分支 Cog-WM Nav 1.0 与操作分支 Cog-WM Manip 1.0，通过记忆、预测和主动探索让机器人理解物理世界。
具脑磐石于9月14日在2026浦江创新论坛类脑具身智能分论坛发布类脑认知世界模型 Cog-WM 1.0，涵盖导航分支 Cog-WM Nav 1.0 与操作分支 Cog-WM Manip 1.0。
戴盟机器人8月10日发布触觉锚定世界模型Daimon-TWM，次日完成数亿元战略融资，为两个月内第二笔亿元级融资。
智在无界BeingBeyond发布Being-H0.8，称其为全球首个隐式触觉世界动作模型，将视觉、触觉、动作与未来状态变化统一到同一隐空间，预训练使用超过500,000小时第一人称人类视频。
推荐理由：该模型把触觉引入大规模预训练并配自研伪标签系统，读者可据此了解触觉数据从实验室信号变成可规模化预训练资源的路径。
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。
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。
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。
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。
擎朗智能正式发布 KOM 2.0（KEENON Operator Model 2.0），称其为全球首个面向服务行业的 VLA（视觉-语言-动作）模型。该模型采用 K-Mind 思考系统与 K-Act 动作系统的双系统架构，基于数亿次真实服务交互数据训练，支持毫秒级实时决策。