推荐理由：想看AI在真实世界碰壁？阿里通义实验室这个视频讲透了机器人拿鸡蛋为啥那么难。

推荐理由：他们搞了个新架构，让机器人能自己协调API、物联网和物理动作，干活出错还能自己恢复，20个任务里成功率都比之前高，而且省钱省token。

推荐理由：General Intuition用游戏数据训AI机器人，刚融了3.2亿，和普通算法训练思路不一样，感兴趣可以看看。

推荐理由：市场规模已经9150亿了，年底就要破万亿，而且国家在推、大学在开专业，这赛道真的起飞了。

推荐理由：RoboScience出了个Visics模型，能跨不同机器人干活，不用每换一种就重新训练，有点意思。

推荐理由：新框架FORCE让机器人学动作更快更稳，成功率飙升79%，比现有RL方法还快32.5%，不用人插手。

推荐理由：智元总裁彭志辉在MWC26上说了大实话：资本不再为机器人炫技买单，得在工厂、仓库真干活才行。还提到特斯拉计划年底量产数千台人形机器人，波士顿动力都转商业化了。

推荐理由：孙正义说软银已经在工厂量产机器人了，还要收购ABB机器人业务，目标是世界第一，机器人赛道要变天了。

推荐理由：这篇论文提出了InSight框架，让机器人通过VLA模型自己学新技能，不用人教，就能搞定方块翻转、倒水这些操作，很有实用性。

推荐理由：高通原来做座舱芯片很强，现在要搞机器人AI，和英伟达、特斯拉的竞争格局要变了，值得关注。

推荐理由：AutoDex自动搞定灵巧抓取数据收集，比遥操作快4.8倍，成功率碾压纯模拟验证

推荐理由：这篇论文研究了怎么让机器人在学新任务时不忘旧技能，用不确定性主动挑数据微调VLA模型，比被动收集更高效，还试了两种防遗忘方法，挺实在的。

推荐理由：今年具身智能融资太火了，一半钱都砸向机器人脑子，值得看看钱去哪了

推荐理由：英伟达的机器人自己学会了装显卡，还能整夜自我训练，以后在家也能托管一个机器人实验室了。

推荐理由：阿里发了Qwen-Robot具身AI模型，字节把机器人当核心业务了。看互联网巨头怎么用数据和AI做机器人，和传统公司不一样。

推荐理由：Jim Fan展示了ENPIRE，8个机器人靠Codex智能体自主做实验，安全机制和资源监控设计挺有意思。

推荐理由：阿里云搞了个比赛，用Qwen做边缘机器人，奖金7万美元，想动手的可以报名试试。

推荐理由：Nvidia和大学团队让8台机器人用AI编码智能体自己练抓取，成功率冲到99%，比手写代码更灵活。

推荐理由：NVIDIA搞了个MotionBricks，35万种动作技能随便切换，游戏角色和机器人动起来更自然了，比以前的方案快很多。

推荐理由：这篇论文展示了如何用视觉验证器让机器人策略在推理时自我改进，无需额外训练，效率堪比专家演示，值得关注。

推荐理由：阿里给机器狗装上了AI大脑，单摄像头就能导航干活，Qwen-Robot系列挺实用。

推荐理由：Qwen机器人套件让AI从聊天变动手，看看它怎么在现实里干活

推荐理由：NVIDIA开源了SOMA-X v0.2，单一骨架就能适配不同体型，机器人动作数据复用门槛降低，训练效率提升。

推荐理由：NVIDIA搞了个ENPIRE，让AI自己操控机器人反复试错，真实任务成功率干到99%，连GPU都能自己插。

推荐理由：阿里刚出的Qwen-Robot系列，三个模型从7B到72B，让机器人能边看边想边动，RoboBench成绩提升15%，搞具身智能的值得看看。

推荐理由：阿里推出了首个具身智能模型系列 Qwen-Robot，包含操作、移动和世界模型，为机器人打造通用底座。

推荐理由：Hub刚上线，它用全球贡献者网络帮你采集人类真实劳动力数据，解决AI训练数据稀缺问题。

推荐理由：新正则化法让机器人更安全

推荐理由：机器人赢了职业选手

推荐理由：黄碧薇讲透了AI在物理世界的短板

推荐理由：Physical Intelligence的π0.6模型正在将AI能力从数字世界延伸到物理世界，做机器人或自动化应用的团队值得关注——它可能成为机器人通用智能的基础层。

推荐理由：铰接工具操作是机器人灵巧操作的硬骨头，Mana 用动画思路解决了数据生成和迁移难题，做机器人操作或 sim-to-real 的团队可以直接参考其零样本迁移方法。