追踪人形机器人的研究、可复用工程方法与真实部署证据。
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。
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。
ECHO-G 发布，可从语音和文本生成宇树 G1 的全身动作，所有模型输出 39 通道机器人运动，帧率 30 FPS。代码版本 v0.2.0，提供音频加文本、纯音频、纯文本及 HumanRetarget 多组权重，新输入支持最长 20 秒或 600 帧、256 个文本 token，更长输入需先分段。
推荐理由：ECHO-G 开源了从语音和文本生成宇树 G1 全身动作的模型权重与推理流程，读者可据此了解输入规格与复现入口。
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。
DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧 VLA 模型 Gemini Robotics On-Device 2。
推荐理由：DeepMind 发布三款机器人模型，覆盖全身控制、灵巧操作与端侧部署，可了解 VLA 与具身推理的分工。
昆仑万维子公司黎曼动力在WAIC 2026发布通用机器人操作世界动作模型Riemann-1.0，在RoboCasa-365家务基准上以62.6%成功率登顶，比此前SOTA高8.4个百分点。
推荐理由：读者可了解黎曼动力如何用20万小时人类第一视角视频预训练世界动作模型，并看到消融实验给出的增益幅度。
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。
NVIDIA 在 COMPUTEX 上宣布 NVIDIA JetPack 7.2 与 NVIDIA NemoClaw 支持 NVIDIA Jetson，将智能体 AI 框架落到生产级 Jetson 软件栈上。
推荐理由：JetPack 7.2 与 NemoClaw 在 Jetson 上的组合给出了边缘智能体的部署路径，读者可据此判断现有机器人栈的升级方向。
NVIDIA 发布 Isaac GR00T N1.6，用于构建人形机器人的通用能力，覆盖感知、规划与全身控制。该工作流将仿真、控制与学习统一起来，让机器人在进入真实世界前先习得复杂技能。
推荐理由：NVIDIA 官方给出 GR00T N1.6 的仿真到真实工作流，读者可了解人形机器人通用能力训练如何统一仿真、控制与学习。
NVIDIA Isaac Lab 2.3 正式发布（generally available），新增全身控制与增强遥操作，用于提升人形机器人能力。官方称从真实世界示范训练机器人策略成本高、速度慢且易过拟合，仿真优先的方法可降低风险与成本，并支持更安全、适应性更强的部署。
推荐理由：Isaac Lab 2.3 正式版带来全身控制与增强遥操作，读者可据此评估仿真优先的机器人学习流程。