复旦团队在2026国际具身智能技能大赛获多项佳绩
复旦大学可信具身智能研究院与上海新智具身智能科技有限公司联合团队在2026国际具身智能技能大赛质检检测赛项夺冠，学生团队与国地中心合作使用灵龙H轮臂机器人和灵龙L双足机器人在上下料搬运、消防灭火、精密装配三个赛项取得两项冠军、一项季军和一项第四名。消防灭火赛项中灵龙L双足机器人无需人工介入完成火情探测、灭火处置及撤离。
#Evaluations and benchmarks
Fudan Multimodal Embodied IntelligenceAI 评分3030
AgiBotAI 评分3838 AgiBot 提出 Worken 机器人有效工作量衡量框架
AgiBot 提出名为 Worken 的机器人工作量衡量框架，用活跃机器人数、自主工作时长与产出效率比三项相乘，估算机器人在真实部署中完成的有效智能工作时。该框架由联合创始人、总裁兼 CTO 彭志辉提出，强调区分通电时间与自主作业时间，并以任务基准衡量合格产出。
AgiBot精选AI 评分7272 AgiBot 发布具身基础模型 GO-3 Preview，三项具身智能基准排名第一
AgiBot 发布具身基础模型 GO-3 Preview，基于自研 WRAM（World Reasoning Action Model）架构统一任务理解、未来状态预测与动作生成，并在 RoboDojo、RoboTwin、RoboColiseum 三项具身智能基准上排名第一，计划于 2026 年底完全开源。
推荐理由：原文完整披露 GO-3 Preview 的预训练、后训练与部署后学习三段设计，可据此理解具身模型全生命周期扩展的工程路径。
SoftBank RoboticsAI 评分4242 SoftBank Robotics 位列 Grand View Research 专业室内设施移动机器人全球销量第一
SoftBank Robotics Group 依据 Grand View Research 2025 年市场研究，按估算营收在专业室内设施移动机器人（含清洁机器人与室内配送服务机器人）全球市场排名第一，其曾在 2021 年居首。
若创科技AI 评分3434 Strutt ev¹ 耐久性与可靠性实验室测试详情
Strutt 公布了其智能日常代步车 ev¹ 的实验室耐久性与可靠性测试细节。测试在 350 lbs（160 kg）载荷下进行，包括双滚筒耐久测试（200 万转。
Droidup/卓益得AI 评分5757 卓益得RL阿尔法队获EBiM Challenge 2026 Task 3辅助生活与喂食第一名
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。
Dexmate精选AI 评分7272 Dexmate与CMU发布MeMoREval基准：机器人存相机帧胜过文字描述
Dexmate与CMU推出MeMoREval基准，用先体验后提问的两阶段协议评估具身智能体应存什么记忆，含53个任务和4个模拟室内环境，运行于Vega 1 Pro双臂移动操作机器人。结果显示存储原始相机帧得分70%并写入成本更低，超过文字描述的56至60%，加场景图在所有受测模型中总体成功率最高；该协议也在真实Vega 1 Pro上以SLAM地图和头部相机完成两次记忆检索演示。
推荐理由：基准由平台方与CMU共同提出，帧与场景图的对比结论可帮助做记忆设计选型，实机迁移也给出可行性参考。
Shanghai AI Laboratory - Embodied Intelligence精选AI 评分7373 上海AI实验室推出决策模型书生·明决，性能超Jev并开放0.8B、2B、4B三档权重
上海人工智能实验室推出决策模型书生·明决（Decision），性能超越Jev，提供0.8B、2B、4B三档参数版本。RTX 4090实测中0.8B和2B模型平均端到端时延约33毫秒、每秒约30次决策，4B模型为44.16毫秒，Jev为109.70毫秒。
推荐理由：原文给出了实测时延、基准得分和大小模型分流机制，读者可据此判断该决策模型在交互场景的适用性。
UniX AI/优理奇 · YouTubeAI 评分3232 UniX AI 在2026世界人形机器人运动会斩获一金一银一铜
UniX AI 派出三台机器人参加2026世界人形机器人运动会，全部获奖，共拿下一金一银一铜。Panther 在酒店服务场景夺得金牌并成功卫冕，另两台机器人分别在应急事件响应和消防救援场景获得银牌与铜牌。该届运动会共666支队伍、2,056台机器人参赛，设21项真实场景赛事。
PKU EPIC Lab精选AI 评分6666 PKU EPIC Lab 发布 HumanTracker 人形运动跟踪基准与 HumanScore 指标
PKU EPIC Lab 提出HumanTracker基准，用于人形运动跟踪的评估，被ECCV 2026接收。基准包含约153小时来自多名专业演员的光学运动轨迹，分为四个运动族并带文本标签；配套的HumanScore指标基于包含24K动作的12K运动对训练，与人类偏好对齐，能揭示运动学指标常漏掉的接触与稳定性失败，如脚滑和落地时机错误。
推荐理由：原文提出将人形运动跟踪评估与人的感知对齐的基准和指标，指出现有运动学误差会漏掉足底滑移等接触问题。
Sunday Robotics精选AI 评分7878 Sunday Robotics 预览 ACT-2 模型，叠衣零样本成功率 99.1%
Sunday Robotics 预览机器人模型 ACT-2，在多样未见家庭环境中以零逐户适配实现叠衣 99.1%（±0.3%）零样本成功率，785 次自主尝试覆盖 9 类衣物，完成折叠平均质量 4.72/5。
推荐理由：官方详细披露预训练规模与泛化差距的量化数据，读者可据此了解少量示教数据如何迁移到未见环境。
X Square Robot/自变量机器人精选AI 评分6767 自变量机器人发布跨模态具身动作分词器X-Tokenizer，多模态对齐提升13.5%、长程任务提升8.25%
自变量机器人发布跨模态具身动作分词器X-Tokenizer，采用语义残差量化（SRQ）架构，在17个机械臂系列、240万条轨迹（含20亿动作帧）上预训练。相比FAST，多模态对齐能力提升13.5%，长程任务性能提升8.25%，RoboTwin 2.0得分82.8；真机测试优于FAST和4级RVQ等对比方法。
推荐理由：原文给出了X-Tokenizer的方法设计与对比实验数据，读者可以了解动作分词器的多模态对齐思路及其可复用效果。
HUMANOID精选AI 评分6363 KinetIQ Ascend 用真实世界强化学习提升人形机器人操作吞吐与成功率
HUMANOID 推出 KinetIQ Ascend，一种在生产部署条件下运行的端到端视觉强化学习方法，扩展其 KinetIQ 框架，让机器人通过试错而非仅靠人类示教改进操作技能，公司称这是首个在产线人形机器人操作上公开演示的此类方法。
推荐理由：原文给出三项工业任务的具体吞吐与成功率数字，并指出性能随训练时长可预测提升的规律，便于评估真实世界强化学习在人形机器人上的落地价值。
Robot.com Holdings Inc.精选AI 评分6868 Robot.com 发布 R-KNav 万小时人行道导航数据集并启动 FoMo 挑战赛
Robot.com 发布 R-KNav 数据集并启动 FoMo 挑战赛，邀请社区用其 R-kiwi 人行道配送机器人车队的真实数据训练视觉导航模型，并在实机上受控评测。
推荐理由：数据来自长期商业运营的配送车队而非仿真，且公布了实机评测的 KPI 口径，可据此评估真实街道导航数据的可复用性。
Lumos Robotics/鹿明机器人AI 评分3131 鹿明机器人 Prime R0 登顶具身智能评测基准 MolmoSpaces 全球第一
鹿明机器人的产业具身大脑 Prime R0 在 AI2 发起的零样本具身智能评测基准 MolmoSpaces 上，于单臂精细操作与双臂协同操作全任务评测中以综合成功率位列全球第一。
Berkeley AUTOLAB精选AI 评分6868 CaP-X：面向机器人操作的编码智能体基准测试与改进框架发布
Berkeley AUTOLAB等团队提出CaP-X开放框架，用于系统研究机器人操作中的Code-as-Policy智能体，核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由：原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现，对研究编码智能体操作控制有参考价值。
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。
Toyota Research Institute Robotics精选AI 评分7777 Toyota Research Institute 讲解机器人策略评估的统计思维：从严格A/B测试到有效可视化
Toyota Research Institute（TRI）发布教程文章，介绍机器人策略评估中基于成功/失败标签的A/B测试统计方法。
推荐理由：TRI 作者系统讲解机器人策略A/B测试中的统计陷阱与可复用工具，附可直接运行的Python示例。
Physical Intelligence精选AI 评分7474 Physical Intelligence 提出物理智能层主张并公布 Weave 与 Ultra 的 π 0.6 部署数据
Physical Intelligence 在博文中提出机器人需要一个可复用的物理智能层，并公布了合作方 Weave 与 Ultra 使用 π 0.6 的真实部署数据。
推荐理由：两家部署方给出了自主率、漏抓与吞吐量等对照数据，便于判断基础模型迭代在真实场景中带来的实际收益。
Kepler Robot/开普勒机器人 · YouTubeAI 评分2626 Kepler K2 “Bumblebee”：坡道抗外力扰动挑战
Kepler K2 “Bumblebee”人形机器人在坡道上完成三轮外部推力扰动测试，均成功保持稳定，并喊出“Push all you want — I'll keep walking”。这是实机稳定性测试，公司称持续训练仍在进行中，更多实机性能表现将陆续公布。
Physical Intelligence精选AI 评分6464 Physical Intelligence 微调 π 0.6 挑战 Robot Olympics 五类任务，拿到三金两银
Physical Intelligence 通过微调其最新的 π 0.6 模型，在 Benjie Holson 提出的 Robot Olympics 五类日常操作挑战中，3 类给出金牌任务的初步解、其余 2 类达到银牌，平均成功率 52%、任务进度 72%。
推荐理由：用同一组外部提出的日常操作任务对比有无机器人预训练的差距，读者可据此判断基础模型预训练对操作技能的实际价值。
LivoxAI 评分4949 Livox HAP 性能测试报告可申请下载
Livox 公布车规级混合固态激光雷达 HAP 的性能测试报告，全文可联系索取，测试中 HAP 在 150 米处有效探测白色轿车，200 米处车身仍有 7 个以上点，15 厘米水瓶约 30 米可探测 3 点以上。