试运行：收录范围与分类仍在校准，更新可能延迟。
Isaac Lab 3.0 正式发布，作为新项目的推荐基线，建立了跨多个物理、渲染和可视化后端的统一任务 API。核心变化是引入基于工厂的多后端架构，任务可在不改写逻辑的情况下切换 Newton（含 MuJoCo-Warp、VBD、MPM）或 PhysX 等后端；多数工作流无需安装 Isaac Sim 即可运行，完整 Isaac Sim 栈改为可选。
关注价值：多后端架构让物理、渲染与可视化解耦，并保留可选 Isaac Sim 全栈，下游项目可据此评估迁移成本。
Boston Dynamics 发布 Atlas 新一代机械手，自由度从上一代 GR2 的 7 个提升到 GR3 的 13 个，采用四指设计、取消小指，关节为直驱且可反驱。
关注价值：原文公开了 Atlas 新一代手部的自由度、驱动与传感取舍，读者可据此判断工具使用路线对灵巧手设计的约束。
Skild AI 公布物理 AI 自博弈后训练结果：以旗舰机器人基础模型 S1 为底座、只给定“进球”这一目标，让策略在 NVIDIA Isaac Sim 中与自身近期版本对弈。
关注价值：这条结果把自博弈从数字 AI 带到人形机器人本体，读者可据此判断纯仿真自我对弈能否突破人类数据上限。
Skild AI 发布旗舰机器人基础模型 S1，该模型以视频演示作为任务提示，无需微调即可执行未见过、时长最长约 10 分钟的操作任务。官方称在 100k 小时预训练数据下，S1 在未见任务上的成功率为 66%，语言提示的 VLA 基线为 9%；在已见任务上 S1 达到 96%。单次演示的上下文学习效果约相当于 380 条后训练示范，后者需 50–100 小时遥操作采集。
关注价值：S1 用视频演示替代语言提示，并给出从 1k 到 100k 小时预训练数据的对比曲线，可供判断上下文学习路线与 VLA 路线的分歧。
Hugging Face 的 LeRobot 发布 v0.6.0，包含多项破坏性变更：pip install lerobot 不再默认包含数据集与训练依赖，需按需安装 lerobot[training] 等扩展，最低 PyTorch 版本升至 2.7，GR00T N1.5 被 N1.7 取代。
关注价值：从依赖拆分、RL 栈重构到新增多个基准与策略，读者可据此判断升级迁移成本与新增训练能力。