cagataydev 在 Hugging Face 发布 strands-isaaclab-shadow-reorient-policy，这是用 strands-robots 的 isaaclab train_policy provider（PR #4227）训练的 rsl_rl PPO 策略，任务为 Isaac-Reorient-Cube-Shadow 手中方块重定向。
推荐理由：读者可据此了解用 strands 工具链在 Isaac Lab 中训练并导出 Shadow Hand 转方块策略的完整流程与实测指标。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mining-no-cf-divl，这是一个基于父代冻结扩散 actor 与分布式 DIVL critic 的状态型智能体，训练步数 150001，含 5 个随机种子检查点。
Hugging Face 在 Mulligan 项目下发布基于状态的 IDQL 智能体检查点 sim-square-narrow-r03，采用扩散 actor 加标量 IQL critic，训练步数 150001，覆盖 5 个随机种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-divl 检查点，基于父代冻结扩散 actor 与分布式 DIVL critic，在 sim-square-narrow 任务训练至 150001 步，含 5 个随机种子。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-mining-no-cf-idql，这是一个基于状态的 IDQL 智能体，采用扩散 actor 与标量 IQL critic，包含 policy.pt 和 stats.json 归一化器。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-repair-r3roll-idql，是基于状态的 IDQL 智能体，含扩散 actor 与标量 IQL critic，提供 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-repair-r3roll-divl 检查点，基于父代冻结扩散 actor 与分布式 DIVL critic，训练至 150001 步，含 5 个随机种子。
Mulligan 在 Hugging Face 发布基于状态的 IDQL 智能体 sim-square-narrow-r03-auto-plain-il-n1-idql，用于 sim-square-narrow 任务，包含 5 个随机种子、训练步数 150001 的 PyTorch 检查点。
Hugging Face 上的 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-success-bc-n32-idql，这是一个基于状态的 IDQL 智能体，采用扩散 actor 与标量 IQL critic，任务为 sim-square-narrow，训练步数 150001，含 5 个随机种子检查点。
Hugging Face 上的 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-success-bc-n32-divl 检查点，这是一个基于状态的智能体，使用父级冻结扩散 actor 与分布式 DIVL critic，任务为 sim-square-narrow，训练步数 150001，含 5 个种子。
Hugging Face 上 Mulligan 组织发布 sim-square-narrow-r03-auto-iql-n32-idql，这是一个基于状态的 IDQL 智能体，采用扩散 actor 与标量 IQL critic，任务为 sim-square-narrow，属 R3 轮次。
Hugging Face 上线 mulligan/sim-square-narrow-r03-auto-iql-n32-divl 模型仓库。该条目名称显示其与 sim-square-narrow 任务、auto-iql 方法及 n32 配置相关，具体性能与训练细节尚未在页面中披露。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-mining-no-cf-idql，这是一个基于状态的 IDQL 智能体，由扩散 actor 与标量 IQL critic 组成，提供 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-mining-no-cf-divl，这是一个基于状态、使用父级冻结扩散 actor 与分布式 DIVL critic 的智能体，任务为 sim-square-narrow，训练步数 150001，含 1-5 共 5 个种子检查点。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02 的 IDQL 智能体检查点，采用扩散 actor 加标量 IQL critic，训练步数 150001，覆盖 5 个随机种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-baseline-idql，为基于状态的 IDQL 智能体，采用扩散 actor 与标量 IQL critic，含 policy.pt 和 stats.json。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-baseline-divl 基线智能体，用于 sim-square-narrow 任务，采用父级冻结扩散 actor 与分布式 DIVL critic，训练步数 150001，含 5 个随机种子检查点。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-baseline-divl，这是一个基于状态的智能体，使用父级冻结扩散 actor 与分布式 DIVL critic，任务为 sim-square-narrow，训练步数 150001。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r02-baseline-idql 基线检查点，为基于状态的 IDQL 智能体，采用扩散 actor 与标量 IQL critic，含 policy.pt 和 stats.json。
Hugging Face 的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-repair-no-r3roll-divl 检查点，基于父代冻结扩散 actor 与分布式 DIVL 评论家，训练步数 150001，含 1-5 共 5 个种子。
Hugging Face 上的 Mulligan 项目发布 sim-square-narrow-r03-mulligan-repair-no-r3roll-idql 检查点，为基于状态的 IDQL 智能体，采用扩散 actor 加标量 IQL critic，含 policy.pt 与 stats.json 归一化文件。
Skild AI 在 NVIDIA Isaac Sim 虚拟足球场中让机器人自我对弈约 140 年，训练出人形机器人 Messinator，其大脑基于旗舰基础模型 S1，仅以进球为奖励，盘带、护球、抢断和倒地起身等行为由机器人自行习得。
亮源新创过去一个多月连续发布LightParkour、LightNav-0和Light REACT三项技术，分别面向复杂接触技能扩展、通用导航和全身韧性控制。
生数科技发布世界模型 Motus2，在同一模型中整合行动、预测与评估三种能力，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。真机测试中，手机放置与多指操作两项任务基础策略平均成功率 65%，加入规划升至 67.5%，加入基于模型的强化学习达 72.5%，两者结合达 75%。
推荐理由：生数 Motus2 把动作生成、后果预测与价值评估放进同一世界模型，读者可了解闭环自进化的实现路径与真机数据。
原力灵机发布首款具身世界模型 DW0.5，并接入世界模型驱动的具身智能后训练框架 DFOL2.0。DW0.5 由 Video Expert、Action Expert、Value Expert 三大专家模块组成，用上万小时真机多视角数据联合预训练，可预测动作执行后的未来状态并生成失败轨迹，据其披露可让后训练中真机数据需求骤降 60%、整体训练成本下降 40%。
推荐理由：原力灵机披露 DW0.5 世界模型接入后训练框架的完整闭环，读者可了解其三大专家模块设计与真机数据需求下降 60% 的实测数据。