Physical Intelligence：VLA 随机器人数据规模扩大涌现人类到机器人迁移能力
Physical Intelligence 研究发现，在只有人类演示出现的泛化场景中，仅将人类第一视角视频与机器人数据混合微调 π0.5，就能让策略性能提升约 2 倍，全程没有使用任何显式的迁移学习机制。
推荐理由：实验显示仅把人类视频混入微调就能让策略在纯人类演示场景上提升约2倍，且该能力随预训练机器人数据规模增长而出现。
#Robot models and learning
Physical Intelligence精选AI 评分7373
Pieter Abbeel精选AI 评分7676 Amazon FAR 开源 Holosoma 人形机器人 sim-to-real 全栈代码库
Amazon FAR 发布全栈方案 Holosoma，并开源覆盖多仿真后端、训练、动作重定向与实机推理的完整代码库。Pieter Abbeel 转发并补充说明，该基础设施按人形机器人构建，也便于改造为四足版本（四足部分已包含在内），其中含团队日常依赖的大量基础设施经验与便利工具。
推荐理由：开源的全栈代码库同时覆盖人形与四足，研究者可直接复用其仿真训练到实机推理的完整管线。
Sunday Robotics · XAI 评分2121 Memo背后的ACT-1机器人AI亮相
介绍ACT-1：Memo背后的前沿机器人AI。 ACT-1使Memo能够执行：🎭 ⏰ 长时间任务，如晚餐后收拾整理 🦾 灵巧任务，如折叠袜子 ☕ 日常享受，如制作浓缩咖啡 它的工作原理是什么？🧵
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 Social精选AI 评分6868 Physical Intelligence 发布 π0.6 模型，可用强化学习从自身经验中学习
Physical Intelligence 发布新模型 π0.6，它能通过强化学习（RL）从自身经验中学习。相比未用 RL 训练的基线模型，π0.6 的吞吐量可提升一倍以上，并能执行真实世界任务，包括制作浓缩咖啡饮品、折叠多样衣物和组装纸箱。
推荐理由：原文给出了相对未用强化学习的基线模型吞吐量翻倍以上的对比，以及三类真实任务的落地范围。
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。
TechCrunch RoboticsAI 评分4343 为什么一位研究者要打造长得像、也像蝙蝠一样行动的机器人
美伍斯特理工学院（WPI）教授 Nitin J. Sanket 团队开发出手掌大小、仿蝙蝠使用超声波的飞行机器人，面向搜救任务，靠 AI 软件滤除超声信号中的噪声，可在两米半径内发现障碍物。团队选用自动水龙头常用的低功耗超声传感器，为抑制螺旋桨噪声干扰，又设计 3D 打印结构放置在机器人前方以调制声波，类似蝙蝠鼻、耳、口腔组织的功能。机器人目前已能工作，下一步是提升飞行速度。
DexterityAI 评分4343 Dexterity 提出“可交易世界模型”架构
Dexterity 提出“可交易世界模型”（Transactable World Models），把空间理解实现为受物理约束的共享算子，多个异步技能智能体对它进行事务式交互，提供不确定性边界、回滚、可解释性与实时一致性。
达纳灵动 · XAI 评分4646 DYNA-1基座模型预训练新进展
很高兴分享我们在 DYNA-1 预训练上的最新进展！🤖 基座模型现在无需任何后训练，即可执行多种灵巧任务（叠衣服、包裹分拣……），即使在未见过的环境中也能完成。 这个强大的基座还支持极其高效的微调，仅需约 1 小时的数据，就能在有挑战性的新任务上达到约 100% 的成功率！🤯 来看看它掌握的两个任务：叠杯子和切芹菜，反复执行，零失败。👇
Holiday RoboticsAI 评分5050 Holiday Robotics 工业人形机器人 Friday 用约3万韩元自制触觉传感器，明年量产
Holiday Robotics 推出工业人形机器人 Friday，手部为500克、20自由度液压超轻设计，约80%面积覆盖自制触觉传感器，可感知0.01N（约1g）的力、方向和扭矩。
赛那德AI 评分3636 2025 CeMAT ASIA 聚焦：iLoabot 联动升级，柔性化自主装卸作业赋能物流新质生产力
赛那德在 CeMAT ASIA 2025 首次展示 iLoabot-M 与 iLoabot-X 升级联动，现场实景演示“装卸货—拆码垛—转运”全流程，双机协同完成无人闭环作业。
达纳灵动 · XAI 评分2828 DYNA VLA模型具备智能体推理
🎃 万圣节快到了。我们勤劳的团队正在排着队领糖果，当然，由 Dynasaur 来供应！ DYNA VLA 模型现在具备稳健的智能体推理能力，能够供应任意组合和数量的糖果！考虑到组合的可能性是指数级的，纯模仿学习是行不通的。 无视频剪辑。一如既往，连续实拍 🤖 DYNA 祝大家万圣节快乐！🍬
DiligentAI 评分4949 Diligent Robotics 发布 Moxi 2.0，推进规模最大的已部署 AI 移动操作机器人机队
Diligent Robotics 宣布推出 Moxi 2.0，公司称其算力达 Moxi 1.0 的 10 倍，基于 NVIDIA Thor 平台打造。该平台由三年医院实机部署数据、超过 125 万次配送训练；Moxi 目前已在全美超过 25 家医院为护士和药房人员配送药物与化验样本。
SIGRobotics · XAI 评分2323 GR00t N1.5倒抹茶任务
运行 GR00t N1.5 模型来倒抹茶。为 @seeedstudio 的黑客松做准备 @NVIDIARobotics @VectorWang2
HOSON/新益昌AI 评分4242 新益昌发布具身智能机器人 HOSON-Robot 初代机
新益昌正式发布具身智能人形机器人 HOSON-Robot 初代机，将开展后续小批量量产。该机器人自研“小脑”运动控制器 RMC100，支持 64 组关节电机同步驱动，同步误差小于 100ns，控制频率达 4kHz；模型采用融合 VLA 端到端模型与快慢双系统分层模型的混合智能架构，自研灵巧手和轻量化关节模组已完成工业场景初步适配。
线性资本AI 评分5757 它石智航发布真实世界具身多模态数据集 WIYH，计划 2025 年 12 月开放
它石智航发布全球首个大规模真实世界具身 VLTA（视觉-语言-触觉-动作）多模态数据集 World In Your Hands（WIYH），计划于 2025 年 12 月面向行业共享开放。
天链机器人AI 评分4747 天链机器人用视频学习方法教机器人实现高级运动
天链机器人公布一套视频模仿学习训练方案：用 GVHMR/TRAM 提取参考动作（或用 AMASS 等动作捕捉数据集），经人机关节映射、动作定向模型训练后，在仿真中用 PPO 强化学习按课程学习从静态姿态练到长序列复杂动作，再经领域随机化优化后部署到实机，并用残余强化学习或自适应增益微调。公司称动力学力控精度与稳定性已实现关键突破，动作也可复现到现实机械臂操作中。
赛那德AI 评分4040 iLoabot 全系亮相 2025 工博会！自主装卸作业机器人破解工业场景“最后 20 米”物流难题
赛那德在 2025 中国国际工业博览会（CIIF）展出 iLoabot 全系三款机器人 iLoabot-M、iLoabot-P、iLoabot-X，现场演示装车卸货与爬坡越障。iLoabot-X 是其首款重载双臂类人型机器人，依托赛那德自研的 VLA 物流行业首个垂直大模型，初始定位 5 分钟、整机投产 30 分钟；公司称 iLoabot 系列已在烟草、酒水、快递等头部企业规模化应用。
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。
LimX Dynamics精选AI 评分6666 逐际动力等联合研究的GVF-TAPE算法入选CoRL 2025，让机器人看视频学会操作
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由：这项研究给出了从人类视频学习操作的具体技术路线和实验数字，可帮助读者了解视频数据训练机器人操作的可行路径。
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。
Estun Coolbot/埃斯顿酷卓AI 评分4545 2025世界机器人大会落幕，埃斯顿酷卓携CODROID02与Co-Palletizer 20亮相
2025世界机器人大会8月12日落幕，埃斯顿酷卓展出人形机器人CODROID02与升降码垛系统Co-Palletizer 20。CODROID02身高170cm、体重70kg、单臂负载5kg、全身31个自由度（不含灵巧手），关节模组全自主研发，采用视觉语言大模型加流匹配策略的快慢系统架构，现场演示了部件抓取与扫码。
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。
赛那德AI 评分3939 赛那德 iLoabot-X首秀WRC2025：VLA智能大脑赋能，加速具身机器人商业化进程
赛那德重载双臂自主作业机器人 iLoabot-X 在世界机器人大会（WRC）首秀，现场演示双臂协作搬运累计40kg货物完成转运、自主识别笼车位置并规划路径推动。其自主作业能力来自赛那德自研的物流行业首个多模态 VLA 垂直大模型，通过多模态感知解析作业环境细节。同系列 iLoabot-M 已在烟草、酒水、快递物流领域稳定运行，官方称较传统方案效率提升300%。
LimX DynamicsAI 评分5151 上汽北京与逐际动力签署战略合作备忘录，共建具身智能联合实验室
上汽北京与逐际动力在北京签署战略合作备忘录，宣布成立具身智能联合实验室，围绕汽车场景开展具身机器人算法研发、系统开发与工具链部署。逐际动力将提供机器人本体、全身运控算法、VLA模型框架、数据引擎与工具链平台等底层技术，双方将在汽车制造场景开展人形机器人数据采集训练测评，并逐步形成从数据采集、模型训练到系统测试的完整研发流程。
Estun Coolbot/埃斯顿酷卓AI 评分4444 埃斯顿酷卓发布新一代人形机器人Codroid 02
6月11日，埃斯顿酷卓在2025智能机器人发展大会上正式发布第二代人形机器人Codroid 02，身高170cm、体重70kg、单臂负载5公斤，全身自由度31个（不含灵巧手），核心部件全自主研发。
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。
OFweek RoboticsAI 评分7171 NVIDIA Isaac GR00T N1开源人形机器人基础模型解读：双系统架构与合成数据工具链
本文解读NVIDIA于2025年3月GTC大会推出的开源人形机器人基础模型Isaac GR00T N1及配套的GR00T Blueprint合成数据工具链和Newton物理引擎。
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。
机器人产业网 · 微信公众号AI 评分3636 快讯｜ProgPrompt、AlphaTensor、镓微粒自适应机器人皮肤等机器人与AI研究动态
南加州大学与英伟达联合推出ProgPrompt模型，用语言模型以python风格代码形式对机器人指令进行任务规划，使生成的计划可跨环境、跨机器人能力与任务复用。