CMU 推出 LAMP 系统帮助多机器人在拥挤空间协作移动物体
卡内基梅隆大学机器人研究所团队开发 LAMP（Long-Horizon Adaptive Manipulation Planning）系统，帮助多台机器人协作在严重杂乱的空间中移动物体，将物体与机器人的运动联合规划而非分开处理。
#规划与决策
CMU Robotics InstituteAI 评分5656
Keenon Robotics/擎朗智能AI 评分4646 擎朗智能在2026世界机器人大会上展示KOM 3.0，让机器人“先思考后行动”
擎朗智能在8月19日至23日举行的2026世界机器人大会上展示服务行业VLA架构KOM 3.0，称其集成了潜在空间世界模型。现场XMAN-R1自主完成从取杯到萃取咖啡的全流程，两台人形机器人在统一调度下协作洗衣叠衣，并与T10配送机器人、C40清洁机器人展示“通用+专用”协同服务。演示中机器人无遥操作、端到端自主完成长程任务。
YOUIBOT/优艾智合AI 评分4040 WAIC 2026：优艾智合 Edge 人形机器人携 FabriX 展示多机器人协同的工业具身智能
优艾智合在 WAIC 2026 上首次线下公开工业人形机器人 Edge，五台 Edge 与一台移动运输机器人在模拟线边仓库协同完成物料拣选与配送。该演示基于其工业具身智能基础模型 FabriX 与“一脑多态”架构，由统一控制框架动态分解工作流并分配任务。Edge 出厂后仅需 50 条训练演示即可在适用任务上达到最高 90% 的成功率，并以 24 小时周期迭代训练。
Boston DynamicsAI 评分4848 Boston Dynamics 让 Spot 四足机器人打通“最后一米”门廊配送
Boston Dynamics 演示了 Spot 四足机器人从配送车跳下，将两件 16x12x10 英寸包裹经社区步道送到两家不同住户门廊后返回，目前为演示，初期将由司机操控、路线保存后自主配送。
Harbin Institute of Technology Robotics精选AI 评分6262 哈工大朱延河团队在模块化机器人协作重构自修复领域发表论文
哈工大朱延河教授团队在《极端制造（英文）》（IJEM）发表论文，提出基于协作重构的模块化机器人自主容错修复策略，通过改变形态恢复关节故障损伤，无需备份模块替换。方法结合拓扑描述与运动学自建模、粒子群算法搜索目标构型及改进RRT协作重构算法，实验中容错上限比固定构型冗余方法提高7倍。哈工大为唯一完成单位，博士生齐健为第一作者。
推荐理由：论文给出无需备份模块的协作重构容错策略和7倍容错上限提升数据，读者可了解极端环境下机器人集群自修复的具体实现路径。
IPLUS MOBOT/迦智科技AI 评分2424 IPLUSMOBOT 将在 Automate 2026 展出全系列 AMR 方案，聚焦工业物流效率
IPLUSMOBOT 将于 Automate 2026（6 月 22–25 日，芝加哥 McCormick Place，展位 #26027）展出三款 AMR：QN1416 平衡重式高精度重载搬运机器人、Omni2.5T 全向移动机器人（毫米级定位）和轻载快速部署的 EMMA 400L。
Dexterity精选AI 评分6060 Dexterity 详解 Foresight 装箱智能体的评测方法与生产指标
Dexterity 发文介绍 Foresight 装箱智能体的系统评测与生产测量。规划侧在四组真实仓库箱型分布上测试，密度 0.65–0.77、稳定性 99.7–100%，并用无分布顺序统计量给出 95% 置信区间；文中还发现随机打乱箱子序列会使局部方差坍缩约 1.4 倍，导致评测偏乐观。
推荐理由：原文完整披露装箱智能体的评测方法，包括无分布置信区间和随机打乱带来的评测偏差，方法可迁移到同类系统。
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。
FieldAIAI 评分5151 FieldAI 与 Boston Dynamics 在建筑工地落地机器人自主巡检
FieldAI 介绍其 Field Foundation Models（FFMs）搭配 Boston Dynamics 四足机器人 Spot 在建筑工地的自主部署，无需 GPS、云连接、先验地图或预规划路线，可全天候执行巡检、建图与监控任务。文章称过去两年已覆盖亚洲、欧洲和北美工地，客户巡检与记录时间减少超过 90%，数据可流入 BIM 和数字孪生系统，多个试点已扩展为机队级部署。
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。
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。