追踪机器人学习的研究、可复用工程方法与真实部署证据。
Amazon Science 发布 Turnstile，一个用 Rust 编写的代理，位于智能体 harness 与推理后端之间，在生成时刻记录模型采样的精确 token ID、逐 token 对数概率、损失掩码和权重版本边界，并导出与框架无关的训练轨迹。
推荐理由：Turnstile 把 token 级轨迹采集从 harness 挪到代理层，读者可据此理解智能体 RL 训练数据为何容易失真。
Figure 宣布 BotQ 工厂已交付超过 350 台第三代人形机器人 Figure 03，产能从每天 1 台提升到每小时 1 台，不到 120 天吞吐量提升 24 倍。
推荐理由：Figure 03 产能从每天 1 台提升到每小时 1 台，并披露 Helix S0 感知条件全身控制零样本迁移的细节。
Skild AI 提出通过观看人类视频学习新技能的方法，仅需不到 1 小时机器人数据即可微调模型完成新任务。该方法针对遥操作在数据多样性和规模上的局限，尝试用已存在的人类视频数据跨越不同本体形态之间的差异。Skild AI 认为这能改变机器人数据瓶颈，使基础模型的可扩展任务学习成为可能。
推荐理由：Skild AI 提出从人类视频学习技能的方法，读者可了解其如何用少量机器人数据跨越形态差异。
BAIR 博客介绍了一种不基于时序差分（TD）学习的强化学习范式：分治价值学习，并给出具体算法 Transitive RL（TRL）。
推荐理由：作者以第一人称梳理分治价值学习如何绕开 TD 的误差累积，并给出在 OGBench 长程任务上的对比结果。
Skild AI 训练了一个 omni-bodied 大脑，在包含 10 万种不同机器人的仿真环境中训练，使其能零样本控制训练中从未见过的机器人。在展示中，同一模型无需针对场景微调，就能应对断腿、锁膝、卡轮、踩高跷等形态突变，通过上下文学习在毫秒到数分钟内调整步态并恢复行走。Skild AI 认为，让模型控制所有身体而非单一或少数身体，是通向可靠物理世界 AGI 的路径。
推荐理由：Skild AI 用 10 万种机器人训练单一策略，展示零样本适应断腿、卡轮等形态突变，可观察跨本体泛化的思路。
Figure 发布用端到端强化学习训练的人形行走控制器，在 GPU 加速物理仿真中并行模拟数千台 Figure 02，数小时生成数年仿真数据。该策略结合域随机化与机器人上 kHz 级力矩反馈闭环控制，无需额外微调即可零样本迁移到真机，并让 10 台 Figure 02 运行同一网络。训练中通过奖励机器人模仿人类行走参考轨迹，保留脚跟着地、脚尖离地和摆臂等步态特征。
推荐理由：Figure 公开了纯仿真强化学习训练的人形行走控制器，并说明零样本迁移到 Figure 02 真机的做法。
Apptronik 宣布与 NVIDIA 合作，将 Apollo 人形机器人接入 NVIDIA 新发布的通用机器人基础模型 Project GR00T，使其能从文本、视频和人类示范中学习协调与灵巧等通用技能并输出动作。
推荐理由：官方披露 Apollo 接入 Project GR00T 的学习路径与算力配置，可了解人形机器人从人类示范中学习任务的实现方式。