深度机智完成数亿元天使轮融资，由普华资本等投资
具身通用智能基座模型企业深度机智宣布完成数亿元天使轮融资，由普华资本、东方富海、中关村资本等多家机构投资，资金将主要用于加速“人类数据飞轮”闭环构建，推进教育、康养等场景的商业化落地。
#Model releases
普华资本AI 评分5757
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 · 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。
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。
线性资本AI 评分5858 章鱼动力完成近5000万美元首轮融资，地平线、高瓴创投、小米战投等联合投资
物理AI公司章鱼动力（SynapX）宣布完成近5000万美元首轮融资，投资方为地平线、高瓴创投、小米战投、顺为资本、线性资本，公司成立于2026年1月，从成立到首轮融资落地历时不足两个月。
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。
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。
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。
Sunday RoboticsAI 评分5959 Sunday Robotics 发布零机器人数据训练的基础模型 ACT-1
Sunday Robotics 发布基础模型 ACT-1，宣称训练未使用任何机器人操作数据，而是通过 Skill Capture Glove 采集人类动作，经 Skill Transform 以 90% 成功率转换为机器人数据。
Physical Intelligence精选AI 评分7474 Physical Intelligence 发布能从经验中学习的VLA模型 π*0.6
Physical Intelligence 发布 VLA 模型 π*0.6，用其 Recap（RL with Experience & Corrections via Advantage-conditioned Policies）方法训练后，在部分最难任务上吞吐量提升一倍以上，失败率可降至原来的一半或更低。
推荐理由：原文解释了模仿学习下VLA复合错误的成因，并给出用专家纠错与自主经验做强化学习的训练路线。
Keenon Robotics/擎朗智能AI 评分4747 擎朗智能正式发布面向服务行业的自研 VLA 模型 KOM 2.0
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。
Figure AI精选AI 评分7272 Figure 发布 Project Go-Big：Helix 仅凭人类第一视角视频零样本学会导航
Figure 宣布 Project Go-Big 两项进展：与 Brookfield 合作构建大规模人形预训练数据集，后者拥有超 10 万套住宅、5 亿平方英尺商业办公和 1.6 亿平方英尺物流空间；Helix 在 100% 第一视角人类视频上训练后，无需任何机器人示教即可响应 go to the fridge 等自然语言指令，在杂乱真实家居环境中导航。
推荐理由：原文给出Helix仅用人类视频学会导航的训练方式与Brookfield数据合作的规模细节，可了解人形预训练数据路线的实际进展。
Figure AIAI 评分5252 Figure AI 的 Helix VLA 模型学会装载洗碗机
Figure AI 宣布其 VLA（视觉-语言-动作）模型 Helix 在不改动算法、不加特殊工程的情况下，仅凭新增数据学会装载洗碗机。Helix 能分离堆叠的盘子并按顺序装载，用一只手抓起玻璃杯、重新定向后由另一只手小心放置，还能应对杂乱起始状态并从抓取失误或碰撞中恢复。此前同一模型已完成叠毛巾和整理包裹任务，官方称这体现了单一通用系统随数据增量学习新能力的方向。
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6060 Figure AI 的 Helix 模型实现人形机器人全自主叠毛巾
Figure AI 的 VLA 模型 Helix 全自主完成叠毛巾，称是多指人形机器人用端到端神经网络完成该任务的首例。架构与训练超参数不变、仅新增数据集，可从混合毛巾堆取物、按初始形态调整折叠策略、纠正多抓错误，并用拇指描边、捏角等精细动作解开缠绕毛巾。
推荐理由：同一模型不加架构改动仅靠新增数据完成叠毛巾任务，展示了从物流到柔性物体操作的泛化路径。
Figure AI精选AI 评分7575 Figure AI 公布 Helix 物流部署三个月进展：单件处理 4.05 秒、条码成功率约 95%
Figure AI 发布 Helix 在物流环境部署三个月后的能力进展，单件处理时间从约 5.0 秒降至 4.05 秒，条码扫描成功率从约 70% 提升至约 95%，并新增处理 poly 袋、扁平信封等柔性包裹的能力。
推荐理由：原文给出数据规模与各架构模块的消融实验细节，读者可以据此理解物流性能提升的具体来源。
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。
FieldAIAI 评分4848 FieldAI 借助 NVIDIA Isaac 平台开发首个风险有界机器人基础模型 FFM
FieldAI 宣称开发了首个风险有界的 Field Foundation Models（FFM）机器人基础模型，可在无需先验地图、GPS 或云通信的条件下，让多形态机器人自主作业于危险、越野等非结构化工业环境，并已在数百个现场部署。