STEAM 如何实现高精度机器人自主拆箱 | StridingAI 演示
StridingAI 演示中，清华大学 Chao Yu 教授团队的 STEAM 模型驱动机器人自主完成多阶段拆箱任务，通过工具实现毫米级双臂协同操作。STEAM 逐帧建模任务进度与动作质量，从专家演示、模型采样和人类接管的混合质量数据中提取学习信号，提升任务成功率与执行速度。
#Model releases
正行创新 Striding AI · YouTubeAI 评分2929 达纳灵动 · X精选AI 评分6868 达纳灵动发布 Dyna-2 世界-动作模型，基于百万小时人类视频预训练
Dyna Robotics 介绍 Dyna-2，一个在一百万小时人类视频上预训练的世界-动作模型。作者称在这一规模上发现了几条新的 scaling law：世界-动作模型在人类数据上跨越四个数量级（从 1000 小时到 1。
推荐理由：原文给出了四个数量级的数据规模与三条 scaling law 结论，可帮助读者理解人类视频预训练如何迁移到机器人数据。
KNOWIN 诺因智能 · 微信公众号AI 评分4747 诺因智能获5亿元天使++轮融资，GLOW与KNOWIN-X1协同落地
诺因智能完成天使++轮单笔5亿元融资，由经纬创投领投，用于打造机器人“泛化大脑”。其GLOW模型与KNOWIN-X1机器人协同落地，目标是加速智能机器人走进家庭。
OFweek RoboticsAI 评分7171 自变量机器人开源HOST框架，机器人看一段29秒视频即可学新技能
自变量机器人发布并开源HOST框架，机器人观看平均29秒人类演示视频即可复现新技能，成功率达62%，数据量仅为Pi-0.5微调方案的1/50、学习时间1/500。HOST不逐帧模仿人类动作，而是以视觉结果为中间语言，按任务进度而非时间对齐视频与机器人执行，采用双专家MoT架构，学习发生在推理阶段、权重冻结，旧技能保留率高于微调方案；光照与场景变化下成功率仍保持在50%以上，论文和代码已开源。
RoboParty · 微信公众号精选AI 评分6767 RoboParty Lab 联合浙江大学、清华AIR发布并开源世界模型控制方法 INTACT
RoboParty Lab、浙江大学、清华大学智能产业研究院（AIR）与 InSpatio 联合发布并开源世界模型控制方法 INTACT（INtent-To-ACTion）。
推荐理由：原文给出与传统CEM搜索的延迟和成功率对比，读者可据此判断免搜索世界模型控制的收益边界。
Ars TechnicaAI 评分6565 谷歌发布 Gemini Robotics 2.0，称提升灵巧度与安全性
谷歌发布 Gemini Robotics 2.0，由 Gemini AI 模型驱动的机器人可完成更复杂任务、持续分析变化的环境并与其他机器人协作。该版本包含三个新子模型，其中升级后的具身推理模型 Gemini Robotics ER 2 被 DeepMind 称较此前 1.6 版本有显著提升，已与 Gemini Live API 集成，另有子模型自当日起向开发者开放。
Apptronik SocialAI 评分5757 Apptronik 祝贺 Google DeepMind 发布 Gemini Robotics 2，Apollo 2 演示全身推理与灵巧操作
Google DeepMind 发布 Gemini Robotics 2，机器人公司 Apptronik 转发祝贺。引用内容称其为新一代物理 AI，将全身智能带到人形机器人，并具备先进灵巧操作与多机器人协作能力。Apptronik 表示，看到 Apollo 2 借助高级推理完成全身任务并实现精细灵巧操作是一次巨大飞跃。
北京智在无界科技有限公司精选AI 评分6464 智在无界发布Being-H0.8，首个在预训练中引入触觉的隐式世界动作模型
智在无界BeingBeyond发布Being-H0.8，称其为全球首个隐式触觉世界动作模型，将视觉、触觉、动作与未来状态变化统一到同一隐空间，预训练使用超过500,000小时第一人称人类视频。
推荐理由：该模型把触觉引入大规模预训练并配自研伪标签系统，读者可据此了解触觉数据从实验室信号变成可规模化预训练资源的路径。
它石智航 · 微信公众号AI 评分3535 它石智航联合创始人丁文超入选「35岁以下科技创新35人」中国区榜单，让机器人在真实世界中作出可信赖的决策
它石智航联合创始人兼首席科学家丁文超博士入选《麻省理工科技评论》「35岁以下科技创新35人」（TR35 China）中国区榜单「发明家」类别。
具微科技AI 评分5252 具微科技发布工业具身大脑MicVLC
具微科技发布工业具身大脑MicVLC，并首次提出VLC（Vision-Language-Calling）架构范式，将认知层与执行层解耦，区别于传统VLA模型把Action与特定终端执行器底层控制深度耦合的做法。
正行创新 · X精选AI 评分6868 Harness VLA 开源，在 LIBERO-Pro 上取得 82.4%
@ChaoYuTHU 开源了 Harness VLA，它在不修改 VLA 模型权重的前提下加入一个 Harness Layer 来组织这些模型。在 LIBERO-Pro 上 Harness VLA 成绩为 82.4%，对比 Pi_RLinf 50%、Berkeley RATS 43.8% 和 NVIDIA Cap-X 18.2%。Striding AI 发布这条推文，并将其视为可能从端到端 VLA 转向 Harness VLA 的迹象。
推荐理由：推文给出了同一基准下与其他 VLA 方案的对比数字，读者可据此判断不改权重的外挂式结构有多少提升空间。
极智嘉AI 评分4747 极智嘉在 WAIC 2026 发布 Gravity 具身智能框架与“一核双擎”战略
极智嘉在 2026 世界人工智能大会（WAIC）发布统一具身智能框架 Gravity 及其首个核心基础模型 Gravity 4D，面向长时程、复杂的物理任务。Gravity 4D 实现从预测世界样貌到理解物理世界如何运行的基础性跨越，公司同时提出“一核双擎”（One Core, Dual Engine）战略。
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。
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。
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。
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。
蚂蚁灵波科技 · YouTube精选AI 评分6161 LingBot-Depth 2.0 机器人空间感知模型发布，可看穿玻璃与镜面
LingBot-Depth 2.0 发布，这是面向机器人的新一代空间感知模型，主打对玻璃、镜面和透明物体的感知表现。它在 150M 规模数据上训练（是 v1.0 的 50 倍），在深度补全基准 16 项中拿下 12 项第一，最难室内场景的深度误差 RMSE 从 0.132 降到 0.062。
推荐理由：原文给出基准名次、最难室内场景的深度误差变化和开放权重链接，便于读者判断相对前代的提升与可复用程度。
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。
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。
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。
简智机器人 · XAI 评分1212 DFM构建物理AI人类数据飞轮
我们的数据基础模型（DFM）将原始人类交互转化为高精度、多模态、模型就绪数据。 通过真值评估和持续反馈，DFM 为物理AI构建可扩展的人类数据飞轮。
简智机器人 · XAI 评分1919 GenRobot.AI首发DFM实现端到端数据处理
基于我们的数据基础模型（DFM），GenRobot.AI提供更高质量、更具扩展性、更高效的Ego+Fingers数据生产。行业首创的DFM实现端到端数据处理。 #EmbodiedAI #HumanData #6DPose #PhysicalAI #RobotLearning #EgoData
开普勒人形机器人 · 微信公众号AI 评分6060 开普勒发布 Kepler-OmniVTLA 原生力触全模态大模型
开普勒发布 Kepler-OmniVTLA 原生力触全模态大模型，搭配 Kepler-OmniTac™ 力触觉全栈数采方案，原生兼容视觉、六维力与触觉多模态信息。
普华资本AI 评分5757 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。
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 · XAI 评分5050 Genesis AI 发布 GENE-26.5 机器人基础模型
Genesis AI 发布 GENE-26.5，称其为迈向人类水平能力的第一款「机器人大脑」，采用机器人原生基础模型、1:1 仿人机械手、非侵入式数据采集手套（采集运动、力与触觉）与仿真器的全栈方案。该模型在语言、视觉、本体感知、触觉与动作上联合训练，并以一组自设任务进行测试，演示为全自主、1 倍速、单一模型同一权重。
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 SocialAI 评分5959 Physical Intelligence 发布机器人模型 π0.7，展示折叠衣物等涌现能力
Physical Intelligence 宣布其最新模型 π0.7 具有多项涌现能力：可以在没有任何叠衣数据的情况下控制一台新机器人折叠衬衫，能通过语言指导学会使用电器，还能在一个模型中完成多种灵巧操作任务。
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。