苏黎世联邦理工把商用灵巧手改造成可自主行走的独立机器人
苏黎世联邦理工学院软体机器人实验室将 Wuji Technology 的商用灵巧手改造成完全自包含的机器人，靠指尖行走并用同一批手指操作环境。团队在仿真中用强化学习训练，针对手指长度不等设置各指相对掌心的目标位置并施加“虚拟弹簧”约束，另训练翻正、按键、推物三个模型并部署在板载 Raspberry Pi Zero 上。
试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
全部具身智能动态
IEEE Spectrum RoboticsAI 评分5858
MIT News · Robotics精选AI 评分6767 MIT 提出 SANDO 轨迹规划系统，在未知动态环境中为无人机提供数学安全保证
MIT 研究人员提出 SANDO 轨迹规划系统，可在没有地图、存在未知移动障碍的环境中为无人机规划出数学上可证明无碰撞的飞行路径，成果发表于 IEEE Transactions on Robotics。
关注价值：该研究把未知动态环境下的避障安全从经验调参推进到可数学证明，并完成真机飞行验证。
New Atlas · AI & HumanoidsAI 评分5858 KAIST 与微软亚洲研究院提出 NVA：用脑电信号让 AI 识别指令误解
KAIST 与微软亚洲研究院提出脑机接口方法 Neural Value Alignment（NVA），用脑电检测人对 AI 错误行为的反应并作为反馈让 AI 实时调整。
Neuralink 官方更新AI 评分5858 Neuralink 用 5 万小时无标注脑数据预训练自监督编码器
Neuralink 介绍其用 5 万小时无标注脑数据预训练自监督编码器，使神经解码器无需重新校准即可连续工作数周。原文称该做法创下 11.32 BPS 的码率纪录，但仅提供摘要，未披露具体模型结构、实验任务与对照基线。
Singularity Hub · RoboticsAI 评分6767 韩国科学技术院团队四足机器人 RAIBO2 不换电跑完马拉松，续航约 40 英里
韩国科学技术院 Hwangbo Jemin 团队的四足机器人 RAIBO2 在韩国尚州马拉松中不换电、不充电完赛，用时 4 小时 19 分 52 秒，终点剩余 34% 电量，单次充电续航约 40 英里。
New Atlas · AI & HumanoidsAI 评分5858 东北大学等团队用竹节虫步态教六足机器人行走
日本东北大学与泰国 VISTEC 等机构的研究团队用对抗逆强化学习，让六足机器人通过模仿竹节虫学会在多种地形行走，相关论文发表于 Bioinspiration & Biomimetics。团队只让训练机器人短暂观察竹节虫在平地上的行走，不到一小时就完成学习，且未向机器人下达如何行走的显式指令。研究者称该奖励网络可适配不同本体形态，无需逐一定制，未来或可用于灾害现场等轮式车辆难以到达的场景。
光轮智能官方博客与公告精选AI 评分8282 光轮智能与 Hugging Face 发布 EgoSuite-Open100K 第一视角人类数据集首批 10 万小时数据
光轮智能与 Hugging Face 联合发布 EgoSuite-Open100K，包含 10 万小时第一视角人类数据，覆盖 1.5 万+ 任务和 1.5 万+ 采集场景，首批已上线 Hugging Face Hub，其余分批放出。
关注价值：数据集以 LeRobot v3 与 MCAP 格式开放，可用于评估以人类第一视角数据训练机器人策略的数据规模与标注取舍。
Singularity Hub · RoboticsAI 评分6262 研究团队用宇树 G1 改造的 Surgie 完成两例猪胆囊切除手术
加州大学圣地亚哥分校团队将宇树 G1 改装为遥操作手术机器人 Surgie，由外科医生在控制台操控，在标准手术室完成两例猪胆囊切除，其中一例由第二台人形机器人短暂接管摄像头。术者反馈操作直观、身体负担和挫败感更低，但机器人可达范围受限，需频繁重新定位和校准，每次耗时超过三分钟，且偶有 overheating 需停机冷却；研究发表于预印本阶段，团队下一步降低远程控制延迟并探索机器人消毒方案。
Meta AI 官方博客AI 评分5858 Meta 发布 Brain2Qwerty v2，非侵入式脑信号实时解码词准确率达61%
Meta 发布 Brain2Qwerty v2，称这是目前性能最高的端到端流程，可从非侵入式脑记录中实时解码整句，词准确率达61%，而其他非侵入式方法为8%。该系统基于9名志愿者佩戴脑磁图（MEG）设备打字采集的约22000个句子训练，采用端到端深度学习直接从原始脑信号解码，并用大语言模型微调引入语义上下文；表现最好的受试者词准确率为78%，过半句子解码错误不超过一个词。
Berkeley AI ResearchAI 评分5858 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 博客介绍 GRASP，一种面向学习动力学世界模型的梯度规划器，通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加高斯噪声做探索，并绕开脆弱的状态输入梯度。
Physical Intelligence精选AI 评分7575 Physical Intelligence 提出 RLT 方法：用 RL token 让 VLA 数小时内在线强化学习精密操作
Physical Intelligence 提出 RL tokens（RLT）方法，在 VLA 上增加一个 RL token 作为紧凑接口，让小型 actor 和 critic 网络在机器人上实时在线强化学习，无需微调整个模型。
关注价值：RLT 把在线强化学习压缩到数小时真机数据内，为 VLA 在精密操作阶段的快速适配提供了一条可复用路径。
Physical Intelligence精选AI 评分8080 Physical Intelligence 提出 MEM 多尺度具身记忆，让 π0.6 完成十五分钟长任务
Physical Intelligence 提出多尺度具身记忆方法 MEM，为 π0.6 模型同时加入短期原始观测记忆和长期自然语言笔记，使模型能处理最长十五分钟的任务。
关注价值：多尺度记忆让 VLA 在十五分钟级任务上保持进度与纠错，为长程操作提供可复用的记忆设计思路。
Skild AI BlogsAI 评分5858 Skild AI 提出通过观看人类视频学习机器人技能
Skild AI 发文提出用人类视频数据训练机器人技能，认为遥操作受限于场景多样性和实时采集速度，难以达到基础模型所需的数据规模。其模型通过观看视频微调学习新技能，只需不到 1 小时机器人数据，公司称这能改变机器人数据瓶颈。
Physical Intelligence精选AI 评分6666 Physical Intelligence 用机器人奥运任务测试 π 0.6 微调能力
Physical Intelligence 基于 π 0.6 模型微调，尝试 Benjie Holson 提出的“机器人奥运会”日常操作任务，在 5 类任务中 3 类达到金牌任务水平、2 类达到银牌任务水平，多数任务数据采集不足 9 小时。
关注价值：原文用第三方提出的日常操作任务清单检验π 0.6微调效果，并给出与无机器人预训练基线的对比，可据此判断通用机器人预训练对下游任务的实际作用。
Physical Intelligence精选AI 评分7676 Physical Intelligence 研究：VLA 模型随预训练规模出现人类到机器人迁移
Physical Intelligence 在研究中发现，视觉-语言-动作（VLA）模型随机器人预训练数据规模扩大，会出现从人类视频到机器人任务的迁移能力。团队用 π0.5 做简单的人机联合微调，把人类视频中的动作表示为 3D 手部位置，在 4 个仅由人类数据展示的泛化场景中性能提升约 2 倍，且未使用专门的迁移机制。
关注价值：该研究显示人类视频到机器人的迁移随机器人预训练数据规模扩大而出现，为降低真机数据依赖提供了一条可复用路径。
Physical Intelligence精选AI 评分8585 Physical Intelligence 发布 π*0.6：用 Recap 从经验中学习的 VLA
Physical Intelligence 发布基于 π0.6 的视觉-语言-动作模型 π*0.6，采用 Recap 方法结合示范、遥操作纠错与强化学习，在自主经验上训练后部分最难任务的吞吐量提升一倍以上、失败率可降低一半以上。
关注价值：原文给出三个真实任务上的吞吐与成功率对比，可据此判断强化学习与纠错数据对 VLA 可靠性提升的实际幅度。