NEXUS 是一个感知全身控制框架，将人类动作指令与机器人本体感知反馈结合，使机器人在与操作者地形不一致时仍能复现行为。作者提出可扩展的地形自适应算法，无需逐动作或逐地形调参即可生成高质量配对动作，并构建近 1000 小时的配对动作语料，通过教师-学生学习训练控制器。实验显示 NEXUS 在评测基准上优于现有全身控制器，并实现零样本真机部署，在多种未见地形上完成实时全身遥操作。
推荐理由：论文提出跨地形全身遥操作框架，用近1000小时配对动作数据训练感知控制器，并给出零样本真机部署结果。
DODGER 是一个安全引导强化学习框架，训练时直接执行策略生成的动作驱动 rollout，同时用控制屏障函数（CBF）过滤后的参考和约束违反来塑造避障行为，以避免仅执行安全过滤动作限制策略探索。作者通过 Dubins 车安全分析评估该方法，并在全阶人形仿真和基于 LiDAR 感知的真实人形实验中实现多动态障碍物下的目标导向导航，且不使用运行时安全过滤器。
推荐理由：论文提出训练时直接执行策略动作、用 CBF 参考塑造避障行为，并在人形仿真与真机验证。
研究提出一种倒置的堆叠方式，先训练通用的指令条件化运动策略作为底层，再在其上叠加 N 个运动引导的踢球技能作为任务门控层，使可达步态空间由运动课程而非参考片段决定。
推荐理由：论文把运动策略作为底层、踢球技能作为任务门控层，并给出多方向射门与地形、推力恢复的评测结果。
CEER2 提出一种面向人形机器人移动操作的柔顺框架，将方向可调、可在线调整的末端执行器柔顺与可选根部柔顺结合，用于外力抑制或力跟随。该框架用分层强化学习控制器通过高层末端执行器与根部指令调制固定的全身跟踪策略，交互力由本体感知历史估计。仿真与真机实验展示了方向刚度控制、在线刚度调整、不同根部柔顺模式、柔顺操作与协作搬运。
推荐理由：论文提出人形机器人末端执行器与根部的方向可调柔顺框架，读者可了解分层强化学习如何调制全身跟踪策略。
作者提出稠密时序动作重定向（DTMR），在单个优化中联合优化时序与控制，对每个控制步调整时序，并用基于采样的 MPC 在 GPU 上并行求解。在四款人形机器人、两小时人体动作数据上评测，DTMR 优于基线，尤其在跳跃等动态动作上；相同形变预算下比优化时间维度的基线重定向更精确且快约 19 倍。用其参考动作训练的策略已迁移到真实人形机器人。
推荐理由：提出在单个优化中联合调整时序与控制的稠密时序动作重定向方法，读者可了解动态动作迁移的精度与速度权衡。
Galbot 团队在六个领域系统评测 GPT-6 Astra 作为通用具身策略的表现，涵盖直接控制、与学习策略协作和反馈驱动适应。
推荐理由：系统评测 GPT-6 Astra 作为具身策略在六类任务上的表现，并给出成功率与推理延迟数据，可据此判断通用模型与物理控制的差距。
GestAdapt 是一个以预设腕部工作空间为条件的共语手势生成框架，从六个共语语料库学习共享运动表示，并支持重定向到不同机器人本体。用户研究中，修改工作空间约束下生成的手势平均质量得分为 3.24/5，高于无工作空间变体（2.43/5），低于参考动作（3.68/5）。在 Reachy2 人形机器人真机评测中，该框架生成的动作在 69.7% 的对比中排名第一。
Fiatlux 是一个基于 NVIDIA Isaac Lab 的长时程基准，让 Unitree G1 人形机器人在一个回合内把梯子放到天花板或墙壁灯具下、爬梯、把灯座里的旧灯泡换成新灯泡，并把旧灯泡放进回收箱。
推荐理由：Fiatlux 把爬梯与换灯泡合成一个长时程基准，并给出十二个子任务与三类基线，可供人形操作评测参考。
论文提出 KPI，一种位于轨迹源与未修改全身跟踪器之间的可提示内核，轨迹源按方向下发跟踪、柔顺或保持力范围的契约，内核依据跟踪误差与力旋量估计在接触频率上调整手臂刚度、阻尼、参考与前馈。作者用视觉语言智能体从单条指令同时生成参考轨迹与契约，无需任务专用代码，演示了绞盘操作、开门和箱子搬运，其中绞盘演示中人形机器人转动曲柄将另一台机器人完全吊离地面。
推荐理由：论文提出在轨迹源与全身跟踪器之间插入可提示内核，读者可了解接触阶段刚度与阻尼如何按指令自适应。
该论文提出一种受被动动态行走（PDW）启发的框架，在训练早期用倾斜重力场辅助矢状面行进，并在正式动力学优化前移除全部 PDW 引导，无需参考轨迹、步态相位或接触时序。
推荐理由：论文给出一种受被动动态行走启发的训练引导方法，并报告了在 29 自由度 Unitree G1 上的能耗与真机结果。
CrossBFM 提出无机器人专属参数的统一编码器架构，借助重定向提供的帧级跨本体对应关系，将行为基础模型的潜空间蒸馏到多个训练本体上，耗时不到一 GPU 小时。
推荐理由：CrossBFM 把行为潜空间当作可迁移资产，用不到一 GPU 小时蒸馏出跨本体共享空间，读者可据此了解人形策略迁移的训练成本变化。
亮源新创9月21日发布技术博客，披露Light-O1人类动作预训练规模从37.5亿扩展到1200亿token（最大约对应10万小时人类动作），在第一视角人类数据、公开机器人数据和自研人形机器人数据上适配后，动作预测误差、全身姿态误差和腕部位置误差均持续下降并呈幂律趋势，被其称为迁移缩放定律。
IEEE 已公开 2026 年 ICRA 的主旨演讲、全体会议、行业主题演讲、奖项演讲、教程及六场专题讨论的视频录像。本届 ICRA 于 6 月 1 日至 5 日在维也纳举行，全体演讲嘉宾包括 Ken Goldberg、Barbara Mazzolai 和 Roland Siegwart。
大晓机器人联合南洋理工大学 S-Lab、上海人工智能实验室发布人–场景交互重建研究 HSImul3R，已被 ECCV 2026 接收。
光象科技联合清华大学李升波教授课题组发布第一代物理原生世界模型 Phi-WM 1.0 ActEffect，让受控世界模型只在训练阶段比较三版动作提案的后果并反馈给策略，训练完成后退出部署链路。
一项发表于 Science Robotics 的研究让 50 人与商用人形机器人 Pepper 对话并共同决策，发现机器人出错会损害信任和影响力，无论它是否有表情动作。当富有表现力的 Pepper 打断对话或给出不合逻辑建议时，参与者催产素水平反而升高，且升得越高越不信任机器人、越少采纳其建议。脑成像显示，此时背外侧前额叶与内侧前额叶活动增强并协同更紧密，这一协同预测了催产素上升。
Haofeng Chen 等人发表研究，用 3D 打印的柔性 TPU 层与导电织物贴片构成人工皮肤，通过电阻抗层析成像（EIT）重建触摸位置与力度。原型仅用 16 个电极就生成了较准确的压力分布图，硬件结构相对简单，主要难点在于 TPU 孔隙率表征与论文给出的 EIT 算法。
中国河北工业大学的研究团队开发出一款完全无电机的下肢软体外骨骼，由高功率人工肌肉驱动，相关研究7月10日发表于《Science Advances》。在4公里/小时步行测试中，该装置将受试者步行能耗平均降低13.9%，优于多数既往髋部助力外骨骼。
RSS 2026 公布论文奖项，共收到 708 篇投稿、录用 210 篇，接收率 29.7%，8 篇进入 Final List 后评出三项最佳论文。
UC San Diego 提出基于人形机器人的腹腔镜遥操作框架，使用通用器械，通过台架测试、不同手术经验水平的干实验室用户研究以及活体猪实验，量化其技术可行性、任务表现与临床就绪度。研究称这提供了人形机器人手术应用能力与局限的循证评估，并指出临床部署前仍需解决关键技术挑战。
一种名为 Electrofluidic Fiber Muscles 的新型执行器利用电液压力驱动长管中的压力梯度，使肌肉束收缩，可分别连接执行回路的伸肌与屈肌部分，类似生物机械系统。其驱动压力泵可绕纤维本身布置，形成紧凑结构。该执行器距进入爱好者机器人应用可能还需一段时间。