它石智航AWE获WAIC SAIL之星，A1机器人展示线束装配与灵巧手魔术
它石智航通用具身大模型AWE在WAIC 2026摘得SAIL之星，成为本届唯一获SAIL奖的具身智能基座模型。展台上A1机器人基于AWE完成手机装盒、书包打包、细小螺丝分类等任务，并1:1复刻线束工厂环形流水线，多台A1在AWE 3.5赋能下协同完成柔性线束装配。
#Robot models and learning
它石智航 · 微信公众号AI 评分5656
Foundation Robotics · XAI 评分77 Foundation Robotics揭秘机器人训练内部流程
那么，你是如何训练机器人的？ 你问得正好。这里有一段内部视角的视频： https://youtu.be/oRymQyooWjE?si=hoFNf7DyBv8ZQSFA
Sunday Robotics · XAI 评分3939 ACT-2家庭机器人模型预览
推出 ACT-2 Preview——全球首个能在你家中工作的机器人模型。 在未见过的家庭中实现 99% 成功率，完全自主运行。无需你的任何数据。
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。
RoboParty · 微信公众号AI 评分6363 RoboParty 萝博派对完成近5亿元融资，推进开源人形机器人平台与 HFM 研发
RoboParty（萝博派对）近日连续完成近5亿元天使++轮和Pre-A轮融资，天使++轮由顺为资本、经纬创投、小米战投、商汤国香等老股东加注，Pre-A轮由宁德时代独家投资，光源资本担任孵化方和财务顾问。
X Square Robot/自变量机器人精选AI 评分7070 自变量机器人发布 DMuon 优化器，具身模型分布式训练效率提升约 30%
自变量机器人发布 DMuon 优化器，对 Muon 优化器进行分布式改造，将具身模型分布式训练效率提升约 30%，每步训练时间从 AdamW 的 2.2 倍降至 1.02 倍。改进包括 Owner 中心执行与通信优化、按矩阵形状自动选择计算内核、均衡分配各 Owner 工作量。DMuon 已完全开源，与 Muon 使用方式兼容，只需 3 行代码即可引入训练。
推荐理由：原文解释了 Muon 在分布式训练中的开销来源和三项改进做法，具身模型团队可借此评估训练提效的可行性。
正行创新 Striding AIAI 评分5959 清华与Striding AI提出自监督帧级优势建模算法STEAM，折毛巾任务成功率达92.3%
清华于超老师团队与正行创新（Striding AI）联合提出自监督帧级优势建模算法STEAM，从专家演示的时间顺序中学习帧级进展信号，为专家数据、机器人rollout和人工纠正数据逐帧打分。
LimX Dynamics精选AI 评分6161 LimX Dynamics 随 COSA 0.5 发布人形 VLA 模型 V³-0
LimX Dynamics 随 COSA 0.5 发布 V³-0，这是其 VLA-tools 层中支持移动全身操作的人形 VLA 技术栈，运行在 43 自由度的 LimX 人形机器人 Oli 上。
推荐理由：原文说明了 V³-0 的架构组成和人类在环真机强化学习闭环，读者可以据此理解移动全身操作能力的来源。
PsiBot/灵初智能精选AI 评分8181 灵初智能与北大-灵初联合实验室发布并开源双灵巧手通用操作模型和全栈系统 EgoSteer
灵初智能与北大-灵初联合实验室发布并开源双灵巧手通用操作模型和全栈系统 EgoSteer，包含数据处理管线 EgoSmith、机器人技术栈 Robot-Stack 和世界模型增强的 VLA 模型。
推荐理由：原文给出从人手数据处理、真机纠偏到模型架构和实验数字的完整链路，读者可据此评估其可复现价值。
Ars TechnicaAI 评分6363 三位专家解读世界模型的前景与局限
Ars Technica 采访 MIT 的 Vincent Sitzmann、Runway CTO Anastasis Germanidis 与 World Labs 联合创始人 Ben Mildenhall，解析世界模型的定义、技术路线分歧与尚未确定的问题。
简智机器人 · XAI 评分5757 LingBot-VLA 2.0 开源，Genrobot.AI 提供其背后的人类数据
LingBot-VLA 2.0 由 @Robbyant 开源，Genrobot.AI 称其为该模型提供了背后的人类数据。这批数据包括野外大规模采集的第一人称视角视频，配以精度小于 1 厘米的手部追踪，并通过其 Data Foundation Model 处理。
蚂蚁灵波科技 · YouTube精选AI 评分6767 LingBot-VA 2.0 发布：面向物理世界机器人控制的世界-动作模型
蚂蚁灵波科技发布 LingBot-VA 2.0，称其为从零预训练、面向物理世界机器人控制的世界-动作模型，单块 GPU 上以 150 Hz 实时推理运行，可玩空气曲棍球、整理桌面并从传送带抓取薯片。
推荐理由：给出与π0.5的同基准成功率对比和单GPU实时推理指标，便于判断这类世界-动作模型的性能位置。
蚂蚁灵波科技 · YouTube精选AI 评分7070 蚂蚁灵波开源具身视频基础模型 LingBot-Video，RBench 得分 0.620
蚂蚁灵波开源了面向具身智能的 MoE 视频基础模型 LingBot-Video，采用 DiT 加稀疏 MoE 架构，30B 参数、推理时激活 3B，宣称效率约为稠密模型的 3 倍。
推荐理由：材料给出了RBench上的对比分数和开源范围，便于读者判断这一具身视频模型的起点与可用性。
Hugging Face LeRobot精选AI 评分8282 LeRobot v0.6.0 发布，含多项破坏性变更与新策略
Hugging Face LeRobot 发布 v0.6.0，pip install lerobot 不再默认包含数据集和训练依赖，需按需添加 extras，GR00T N1.5 被 N1.7 替代，最低 PyTorch 版本升至 2.7。
推荐理由：发布说明列出了具体破坏性变更和迁移方式，升级中的研发者可以据此检查自己的安装、配置与训练流程。
PKU EPIC Lab精选AI 评分6868 WAM-TTT：通过观看人类视频在测试时引导世界动作模型
PKU EPIC Lab 提出测试时训练框架 WAM-TTT，从原始人类视频中引导世界动作模型，无需机器人动作、人类侧标注或任务特定微调。该方法通过自监督视频预测将人类视频吸收进冻结 WAM 内的轻量自适应记忆，并用成对人-机数据和键值记忆重建目标的元训练阶段对齐人类演示与机器人行为；实验显示其在多种操作任务和泛化设置下持续优于上下文人类视频条件化基线。
推荐理由：原文提出仅用无标注人类视频在测试时调整冻结世界动作模型的方法，无需机器人演示或微调，对想复用的研究者有方法参考价值。
蚂蚁灵波科技 · YouTube精选AI 评分6969 LingBot-VLA 2.0 开源发布：支持 20 种机器人构型与全身控制
LingBot-VLA 2.0 开源发布，这是在 60000 小时真实物理数据上预训练的下一代具身基础模型，基于从 90000 小时机器人数据和 20000 小时第一视角人类视频重构的数据处理流程构建。
推荐理由：公开的权重和 GM-100 成绩，让读者可以直接比较它与 π0.5、GR00T N1.7 在长时程移动操作上的差距。
智源研究院 · 微信公众号精选AI 评分7474 智源发布多模态表征世界模型悟界·RoboBrain Orca
智源研究院发布多模态表征世界模型悟界·RoboBrain Orca，核心思路是从预测下一个词、下一帧、下一动作转向预测下一个世界状态，先学习统一的世界潜在表征，再通过文本、图像、动作三种轻量读出模块适配下游任务。
推荐理由：原文说明了从预测下一输出转向预测下一状态的训练范式，以及冻结主干加轻量读出模块的做法，可迁移给关注世界模型路线的读者。
X Square Robot/自变量机器人精选AI 评分6767 自变量机器人完成四轮融资交割，估值超200亿元
深圳具身智能企业自变量机器人连续完成B轮至C轮四轮融资并全部完成交割，估值超200亿元，为粤港澳大湾区首个估值破200亿元且完成交割的具身智能公司。投资方超30家，含国家人工智能产业投资基金、红杉中国、小米战投。公司2026年4月发布具身大模型WALL-B，与58到家合作在深圳开展机器人上门家政服务近1000个家庭，并与顺丰合作柔性智能分拣与供件。
推荐理由：报道交代了四轮融资全部完成交割的细节及落地场景，读者可以了解这家公司融资进度的真实含金量。
蚂蚁灵波科技 · YouTubeAI 评分4141 LingBot-Map：基于 Geometric Context Transformer 的流式 3D 重建
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。
蚂蚁灵波科技 · YouTubeAI 评分3232 蚂蚁灵波科技 LingBot-VA：首个因果视频-动作世界模型，用于通用机器人控制
蚂蚁灵波科技推出 LingBot-VA，一个将视频世界模型与策略学习统一的自回归框架，联合学习未来帧预测与动作执行。评测结果显示该框架在长时程操作、少数据后训练以及对新场景配置的泛化方面表现出明确潜力。
Sergey LevineAI 评分2828 在VLA提示上做RL，机器人飞快学会新任务
如果你想让机器人做好某件事，就需要知道如何与它对话。如果不会，你可以学——用Semantic Action RL！在我们的论文中，@JagdeepBhatia8、@ajwagenmaker、@verityw_ 展示了如何在VLA提示上做强化学习，从而实现新任务，并在真实世界中以极快速度学习！
求之科技 · 微信公众号AI 评分1212 求之科技具身智能VLA强化营招募：4天跑通从仿真到实机部署
求之科技ROS暑期学校“具身智能VLA强化营”开启招募，课程于2026年7月20日至23日在浙江理工大学进行，共4天，全程免费、食宿自理。课程围绕视觉语言动作大模型（VLA）、高保真仿真器、机器人运动学建模、MoveIt2运动规划与Linux/ROS 2开发环境，带学生实践从感知、决策到执行的完整链路及Sim2Real迁移中的标定、控制适配与误差修正。
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。
求之科技 · 微信公众号精选AI 评分6767 GeoPredict 让 VLA 先预测未来轨迹与三维几何再生成动作
香港中文大学（深圳）等机构提出 GeoPredict，在 VLA 生成动作前显式预测末端执行器与关节级未来轨迹，并用 3D Gaussian 建模未来工作空间几何。
推荐理由：GeoPredict 把未来轨迹与三维几何预测并入 VLA 训练，读者可了解一种不增加推理开销的空间推理思路。
YOUIBOT/优艾智合AI 评分5353 优艾智合发布工业具身智能基础模型 FabriX 与工业人形机器人 Edge
优艾智合于 6 月 29 日发布工业具身智能基础模型 FabriX 和工业人形机器人 Edge。FabriX 采用边云混合架构，结合多模态 MoE 基础模型与确定性控制，并提出三年赋能 1 万个工业现场的生态伙伴计划。
Figure AI精选AI 评分6363 Figure 03进驻BMW Spartanburg工厂执行sequencing分拣任务
Figure AI宣布Figure 03人形机器人进驻BMW Group Plant Spartanburg的Hall 52，从此前Figure 02的钣金上下料转向sequencing分拣用例，Figure 02去年曾参与装配30,000辆汽车。
推荐理由：官方公布了Figure 03在BMW工厂的部署场景与Helix 02驱动细节，读者可了解人形机器人从搬运到复杂分拣的落地进展。
CVHub · 微信公众号AI 评分5858 LocateAnything 的 PBD 并行框解码机制详解
文章详解 LocateAnything 的 Parallel Box Decoding（PBD）机制，把完整边界框视为长度为 6 的生成原子，用一次模型前向并行预测类别与四个坐标，块与块之间仍保持自回归。
Chelsea FinnAI 评分5050 Flow Reversal Steering将粗略引导细化为精准动作
能否将粗略的动作意向 + VLA先验转化为成功的行为？ Flow Reversal steering： 1) 将VLA的流ODE反向运行，反推出最接近粗略轨迹的噪声 2) 将流正向运行，得到最接近的良奧行为 论文：http://flow-reversal-steering.github.io
OFweek RoboticsAI 评分5959 高通解读机器人System 0、1、2架构，发布Dragonwing IQ10参考设计
高通在投资者日阐述机器人战略，把机器人计算架构拆成System 2推理层（18核CPU、700 TOPS多NPU、64GB内存、超过270GB/s带宽，跑VLA大模型）、System 1行动层和System 0执行层，底层采用纳秒级同步的确定性以太网和多传感器ASIC。
Sergey LevineAI 评分2929 机器人RL过程奖励模型自动进化
我们可以学习一个为机器人强化学习提供塑形"过程奖励"的模型，该模型会随着策略变好而自动进化。这在基准测试上提升了性能，并且在真实世界中也有效！与 Raymond Tsao & @ajwagenmaker 合作的一些有趣新工作。
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。
Stial/斯帝尔科技AI 评分2121 斯帝尔上榜毕马威中国未来独角兽“人工智能榜单创新双30企业”
毕马威中国未来独角兽人工智能榜单（长江三角洲地区）发榜仪式于10月19日在上海举行，斯帝尔凭借打磨场景的AI具身智能机器人系统入选“创新双30企业”。其NextBrainAI磨菇云系统融合认知系统与力觉、触觉、视觉、声觉感知，结合轨迹智能规划与工艺配方智能生成，基于深度学习与强化学习实现智能打磨。
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。
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。
OFweek Robotics精选AI 评分8282 银河通用发布AstraBrain-WBC 0.5，用人形运动数据验证Scaling Law
银河通用发布AstraBrain-WBC 0.5（论文题为Humanoid-GPT，被CVPR 2026接收），用约20亿帧重定向动作数据训练Transformer全身控制器，零样本运动追踪成功率92.58%，推理延迟0.39毫秒，代码和数据开源。
推荐理由：这篇解读把银河通用新模型的数据规模、架构选择和局限讲清楚，读者可以据此评估通用运动控制路线的进展。
Russ TedrakeAI 评分5959 Russ Tedrake 解读 Ambient Diffusion Policy 论文：次优数据价值随噪声水平变化
Adam 的新论文提出 Ambient Diffusion Policy，通过依赖噪声水平的数据使用方式，选择性地从次优数据中学习训练机器人策略。作者指出训练去噪扩散模型时每个数据点会在不同噪声水平下被多次使用，数据点的价值可能随噪声水平而不同，该方法能从 OXE 数据集此前被丢弃的相当部分中提取价值，与 pi0.7 以数据质量为条件学习的思路互补。
Sergey LevineAI 评分4242 扩散模型离策略RL反转方法
一种用扩散做离策略RL的新方法：如果有离策略数据，我们需要弄清楚它在*当前*策略（而非采集它的策略）下的扩散潜变量步骤是什么，这需要在离策略数据上反转扩散过程。
Ars TechnicaAI 评分6565 Nvidia GEAR 研发 ENPIRE 框架，AI 编程智能体自主训练机器人剪扎带、装 GPU
Nvidia GEAR 实验室与卡内基梅隆大学、加州大学伯克利分校的研究者开发出名为 ENPIRE 的智能体框架，让 AI 编程智能体自主安排并迭代机器人训练，机器人学会了剪断扎带并将 GPU 插入主板上的狭薄插槽。
Sanctuary AIAI 评分5757 Sanctuary AI将Physical AI策略扩展到工业机器人，线缆插接任务成功率达99.5%+
Sanctuary AI宣布在一家全球Tier 1汽车供应商的线缆插接生产任务上达到99.5%以上任务成功率，节拍时间2.54秒，并按客户实时生产基准验证。该公司调整策略，将Physical AI部署在现有商用机器人硬件上而非等待人形硬件量产，系统在运动传送带上操作柔性线缆，吞吐量匹配客户在产线水平。
石麻笔记 · 微信公众号AI 评分6767 对话VGGT一作王建元：三维重建基座模型与机器人空间感知的未来
本文是对CVPR 2025最佳论文VGGT与CVPR 2026最佳论文入围工作VGGT-Ω一作王建元博士的访谈，他目前在Oxford Visual Geometry Group和Meta AI联合培养读博。