追踪Hugging Face与具身智能、机器人及其工程栈相关的公开进展。
strands-robots 通过 isaaclab train_policy provider 在 Isaac Lab 中训练宇树 Go2 四足机器人 PPO 策略，4096 个并行环境、1500 次迭代、147M 环境步，在单张 NVIDIA L40S 上耗时 57 分 39 秒，速度跟踪成功率 0.98。
推荐理由：原文给出从 Isaac Lab 训练 PPO 策略到录制 LeRobot v3 数据集的完整命令与验证流程，可迁移到其他机器人任务。
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。
小米发布MiMo-V2.6-Pro和Flash，Pro为1.02万亿参数、420亿激活，在Artificial Analysis Intelligence Index上拿到46分，位列开源第一。
推荐理由：原文披露了MiMo-V2.6的RL训练成本、评测成绩与开源清单，读者可据此了解大规模强化学习训练的工程细节。
Hugging Face 博客介绍如何用 AsyncGRPOTrainer 的 LoRA 适配器同步，在 HF Jobs 上把训练与 vLLM 推理拆到不同机器，通过挂载 Storage Bucket 传递几 MB 的 rank-1 适配器，无需 NCCL。
推荐理由：原文给出跨机异步 GRPO 训练的可复用工程方案与五轮调优数据，读者可据此判断瓶颈定位与提速路径。
Hugging Face 论文页介绍 SyncWorld，一种通过视觉校准让世界模型在未见相机、环境和本体上做上下文机器人世界建模的方法，无需下游训练。该方法以少量视觉交互作为上下文，尝试模拟机器人控制带来的视觉后果。
推荐理由：SyncWorld 提出用视觉校准让世界模型在未见相机与环境上做零样本仿真，读者可了解其免下游训练的思路。
Zero-WAM 提出一种因果视频-动作模型，通过上下文人类视频引导执行训练中未见的操作任务。作者用自动流程将任务采样的机器人轨迹转换为语义匹配的人类视频，构建 HumanGen 数据集，包含 8.6K 个任务、74.2K 对人类-机器人上下文学习配对，并提出上下文未来片段预测（IFP）目标以抑制已见任务的捷径。
推荐理由：论文给出以人类视频作为上下文任务说明的跨任务泛化方案，并公开数据集与仿真对比结果。
Hugging Face 上线 mepi31415/WorldToken_Experiment_Records 数据集，公开 WorldToken: Time-First Sequence Modeling for Robotic Imitation Learning 的训练日志、配置、评估结果与 rollout 视频。
推荐理由：WorldToken 论文的实验记录与检查点打包公开，读者可据此复现多任务控制与长历史实验的表格结果。
AWS 开源 SDK Strands Robots 发布教程，演示如何用同一个 Robot() 对象完成录制 LeRobotDataset、同步到 Hugging Face Storage Buckets、从 Hub 流式读取训练、再以 mode="real" 部署回 SO-101 硬件，全程保持 LeRobot 磁盘格式不变。
推荐理由：以 Strands Robots 为例拆解录制、去重同步、流式训练到真机部署的完整数据闭环，含可运行 notebook 与实测数字。
NVIDIA 发布 Cosmos 3 开放物理 AI 世界基础模型家族，基于 mixture-of-transformers 架构，同时支持视觉推理、世界生成与动作预测。
推荐理由：Cosmos 3 以开放权重和三种规模覆盖世界生成与动作预测，读者可据此判断物理 AI 团队如何做后训练与部署。
GROVE 是一个免训练框架，用单一因果增长的记忆统一反应式视频问答与主动辅助，支持多尺度检索。它把细粒度感知证据逐步整合为带时间戳的时刻、连贯片段和跨天重复模式，每层配对应的检索技能。在 MM-lifelong 和 EgoServe 等基准上，GROVE 取得所比较方法中的最佳结果，消融显示各时间层与访问技能互补，跨多天证据时模式层收益最大。代码将发布于 GitHub。
推荐理由：GROVE 用单一因果增长记忆统一视频问答与主动辅助，读者可了解其分层记忆与检索设计。
Pollen Robotics 发布开源低成本系统 Grabette，用手持夹爪加双摄像头录制操作示范，自动转成 LeRobot 格式数据集。Grabette 硬件物料成本约 490€，配套机械臂末端夹爪 Gripette 约 120€，采集数据经 RTAB-MAP SLAM 处理后在浏览器中完成转换。
推荐理由：开源手持夹爪加浏览器处理流程，把真机操作数据采集从遥操作里解放出来，可据此判断数据采集门槛的变化。
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。
AlayaWorld 是一个开源全栈框架，用于构建可实时交互的生成式世界，支持自由导航及战斗、施法、召唤怪物等多样动作。该框架统一了数据准备、模型架构、训练、推理加速与部署，并开源可复现管线、参考实现、评测工具与文档。论文称其基于游戏录像和真实视频训练，可捕捉多样视觉外观与物理动态，为游戏之外的具身智能等交互应用提供机会。
推荐理由：论文给出可复现的视频世界模型全栈框架，读者可了解其模块化架构与开源管线如何支撑实时交互生成。
Hugging Face 的 LeRobot 发布 v0.6.0，带来多项破坏性变更：pip install lerobot 不再包含数据集与训练依赖，需按需安装如 lerobot[training]。
推荐理由：LeRobot v0.6.0 的破坏性变更清单和新增基准、策略，能帮现有用户判断升级成本与可迁移能力。
NVIDIA 与 Hugging Face 合作，将 NVIDIA Isaac GR00T 1.7 开放推理视觉语言动作模型和 NVIDIA Isaac Teleop 框架引入 Hugging Face 的开源机器人库 LeRobot，NVIDIA Cosmos 3 计划随后加入。
推荐理由：NVIDIA 与 Hugging Face 把 GR00T 1.7 和 Isaac Teleop 接入 LeRobot，读者可了解开放机器人开发流程的整合方式。
LeRobot v0.6.0 发布，引入 VLA-JEPA、LingBot-VA、FastWAM 三个世界模型策略，以及 GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT 等新 VLA 和 Robometer、TOPReward 奖励模型 API。
推荐理由：LeRobot v0.6.0 一次放出世界模型策略、多个 VLA 与奖励模型 API，读者可据此判断开源机器人学习栈的能力边界。
Hugging Face 的 LeRobot 发布 v0.4.0，引入 Dataset v3 与流式数据集，并新增 OpenPi、Pi0、Pi0.5 和 NVIDIA GR00T N1.5 策略支持。该版本还加入 Libero、MetaWorld 仿真环境，支持多 GPU 训练，并新增 Intel XPU 后端。完整变更见 v0.3.3...v0.4.0 变更日志。
推荐理由：LeRobot v0.4.0 的变更清单显示数据集格式与策略支持同步扩展，可据此判断现有训练流程的迁移成本。