Coding agents are moving from editing files to driving real hardware, where Codex writes and executes CAN-bus control code on the fly. Robotics and embedded engineers can trial gpt-5-codex via Codex CLI for low-level device bring-up tasks. It shows OpenAI's agent tooling competing directly with terminal-based coding workflows.
Jim Fan 团队开源了机器人框架 ASPIRE，真实机器人能自己发现技能、自我改进，换上新模型后基准直接刷到99%，做具身智能的可以看看代码。
Boston Dynamics 分出来的团队在做表情丰富的仿生机器人，用强化学习训练动作，路线挺有意思，可以看看。
在 NVIDIA 做了七年机器人产品营销的人出来说，行业连积木都没搭好，跟那些喊通用模型马上改变机器人的人观点完全相反，听听她怎么讲。
Boston Dynamics 的合作伙伴 Dynamic Creatures 要把机器人放进主题乐园陪游客互动，童年里想和 R2D2 聊天的场景快成真了。
AgiBot 把 Genie、Lingxi 等上千台机器人送进 20 多所中国高校，学生能直接拿 AIMA 软件做机器人研究，学具身智能的可以关注。
香港的 Rice Robotics 出了台轮式人形机器人 Tomo，专做教育场景，还顺便加入了一个具身智能枢纽，做机器人的可以看看。
这篇 T2-Z 挺有意思，给机器人世界模型加了个环境隐变量，测试时优化一下就能适应新环境，动作成功率从 34% 拉到 73%，做机器人方向的朋友可以看看。
机器人训练不再让人类重头再教，而是机器自己定向提问并解释该看哪，低查询量下效果提升三成。
Google 把机器人要用的感知、控制、仿真全塞进 Gemini 4 Argon 一个模型，ERQA 基准拿了 87%，但演示里人工干预还不少。
南洋理工的 COAP 框架让 Claude Opus 5.5 提前写好控制代码，执行时完全不调用大模型，RoboDojo 双臂任务成功率 70.24%，比之前最佳翻了一倍多。
一篇 arXiv 论文，让模型智能体自己写机器人控制代码并验证是否真的在学，还区分了运气和真本事，做机器人方向的值得看实验设计。
xAI 开放了 Grok bot 市场，开发者现在可以提交 connectors，让自己的 bot 上架 X 平台。
英伟达让 TacitVLA 推理时不拖累动作：性能追平 CoT 版，延迟最多低 3.4 倍，做具身智能的看看。
这篇 Cepheid 论文让运动补全跨布料、四足等几何家族通用，零重训就能迁移到动物视频和机器人抓取。
有人统计了27家机器人部署公司，13家都是2024年后成立的。想做具身智能创业的可以看看这个先做部署再攒数据的路子。
Pickle 的卸货机器人 90 分钟能清空一整车货柜，聊聊它怎么把老控制理论和新学习结合，做机器人的可以看看。
Dyna Robotics 的 Jason Ma 聊了他们的 Dyna-2，机器人能自己连续干一小时活，核心是世界动作模型这条路线，做机器人方向的朋友可以听听。
Google 拿 Gemini 4 Argon 做了个有意思的实验：机器人看人玩沙包的视频，自己搭仿真训练，最后真学会了，不用手写程序。
DeepMind 出了个叫 Argon 的工具，看视频就能生成机器人训练环境，几小时顶过去几周建模，做机器人方向的可以看看。
Allen AI 的机器人模型 MolmoAct 2 拿下了 Datapoint AI 人类偏好榜第一，靠的是糖果分拣、叠杯子这类真实操作，评测数据集也公开了。
Adapting to new tasks with only 45 minutes of demonstrations suggests world-action models are cutting robot training costs by orders of magnitude. Robotics engineers and automation operators can study how Dyna pairs prediction with action planning and scales via human video. The Din Tai Fung restaurant deployment is a concrete example of physical AI moving past demos into commercial service work.
密歇根大学孵化的团队做机器人版红队测试：在仿真里让 AI 智能体提前把自动驾驶和机器人搞坏，公司已经盈利了。
GeneralistAI 刚宣布要做通用机器人大脑，想给各行业几千家机器人公司的各种形态机器人都装上同一个智能内核。
Nature Will 推出了 Natura-1，用 100 万小时人类操作视频训练，机器人能双手机械协作、追踪长任务进度，指令还能精确到物体朝向。
DeepSeek 可能要做机器人了，梁文锋还在到处见具身智能创业者，之前已经投了宇树，这条线值得盯着看。
DeepSeek 的梁文锋在跟具身智能创始人见面，可能在筹备进机器人赛道，是自建团队还是收购还不知道。
Using egocentric human video instead of robot demonstrations is a data-scaling bet that could cut training costs across humanoid and manipulation startups. The open question is how well skills transfer from human hands to robot hands at deployment. Robotics researchers and hardware teams comparing manipulation models should track whether this approach holds up on real hardware.
DeepSeek 不只做模型，还开始投机器人公司了，先领投 Winverse AI 种子轮，又砸 2080 万美元参与 Unitree 上市，具身智能这条路走得挺明显。
Lightspeed 拿两个维度把机器人公司分了类，一看就知道谁做通用模型、谁只做单一形态，图很直观。
有人把造一台能落地的机器人要垫的 16 层基础设施全画出来了，从仿真到 OTA 更新一层不落，做机器人的可以对着清单查漏。
The stack is notable for treating agent harnesses like Codex and Claude Code as a dedicated robotics layer, a sign that coding agents are becoming standard tooling in robot data pipelines. Practitioners building or scaling robot fleets can use it as a vendor checklist across simulation, middleware, deployment and observability. NVIDIA's Jetson and Isaac products appear in four separate layers, underlining how concentrated edge AI hardware has become.
DeepSeek 创始人梁文锋又出手了，这次投的是杭州具身智能机器人公司，他自己继续带队做大模型。想看 DeepSeek 生态往硬件延伸的可以关注这条。
微软研究院一口气放了六项研究，有让 AI 学会主动问清楚的，有改 KV-cache 省内存的，做机器人和做工程的都能翻翻。
一份 Mountain View 机器人公司地图，从 Waymo 的 Robotaxi 到 Sunday Robotics 的家用机器人 Memo，想了解这个圈子的可以存一下。
