Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由：官方给出单目 RGB 相机在 R2R-CE 上的成绩与训练方法，可对比多传感器方案的成本与效果。
LeRobot v0.6.0 发布，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：LeRobot v0.6.0 把世界模型策略、奖励模型 API 与六个仿真基准整合进同一套开源工作流，读者可据此判断机器人学习闭环的落地路径。
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，研究方向覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成模型、AI 安全、人机交互及 AI for Science 与医疗。毕业生去向包括 Physical Intelligence、OpenAI、Mistral AI、Amazon 等机构，以及 UCLA、芝加哥大学教职和自主创业。
Import AIAI 评分NVIDIA 推出 ENPIRE 框架，让编码智能体自主驱动真实机器人完成策略改进闭环，在 PushT、整理插针盒、用切割器剪扎带等任务上达到 99% 成功率，测试硬件为双 YAM 机械臂加 RTX 5090 工作站。
我们很高兴支持 BitRobot 开源在真实家庭环境中采集的最大人形机器人全身遥操作数据集。我们希望这能加速通用人形机器人的发展。😉
Google DeepMindAI 评分Google DeepMind 推出为期三个月的 Robotics 加速器，从欧洲选出 15 家机器人初创公司，提供技术指导并开放其 AI 技术栈与 Gemini 机器人模型。入选公司覆盖物流、制造、医疗、气候与导航等领域，本周在伦敦启动。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，重点增强空间推理、多视角理解与任务成功检测。
推荐理由：官方给出与上一代及 Gemini 3.0 Flash 的对比，并说明仪表读数等新能力的实现路径。
LeRobot v0.5.0 发布，自 v0.4.0 以来合并 200 多个 PR、新增 50 多位贡献者，首次加入 Unitree G1 人形机器人支持，涵盖运动、操作、遥操作与全身控制。
推荐理由：从人形机器人支持到策略库与数据管线提速，读者可据此判断开源机器人栈当前覆盖的硬件与训练能力。
Hugging Face 博客发布 NXP 的实践指南，介绍如何在嵌入式机器人平台上部署 VLA 模型，涵盖数据集录制、ACT 与 SmolVLA 策略微调以及端侧优化。文中以“把茶包放进杯子”任务为例，录制 120 个 episode，将工作空间划分为 11 个 10×10 cm 起始位置簇，并建议约 20% 训练集为恢复 episode。NXP i.MX 95 SoC 在优化后实现了实时性能。
OpenAI 投资 Merge Labs，支持其研发连接生物智能与人工智能的新型脑机接口，目标是最大化人类能力、自主性与体验。
AMD、Hugging Face 与 Data Monsters 联合举办 AMD Open Robotics Hackathon，首站 12 月 5-7 日在东京，第二站 12 月 12-14 日在巴黎。
NVIDIA 发布 Isaac for Healthcare v0.4，提供基于 SO-ARM 的端到端入门工作流，覆盖数据采集、训练与真机部署，可构建自主手术辅助机器人。
NVIDIA Isaac for Healthcare v0.4 发布基于 SO-ARM 的端到端入门工作流，覆盖数据采集、GR00T N1.5 后训练与真机部署，可构建自主手术助手机器人。
Hugging Face 发布 LeRobot v0.4.0，带来 LeRobotDataset v3.0 分块 episode 格式与流式加载，支持 OXE 级别（> 400GB）数据集，并提供 lerobot-edit-dataset CLI 用于删除、拆分、合并数据集。
推荐理由：原文列出数据集、仿真环境、多 GPU 训练与硬件插件等具体变化，读者可据此判断开源机器人学习工具链的可用性。
Hugging Face 发布 LeRobotDataset v3.0，将多个 episode 打包进单个文件，并用关系型元数据在 episode 级别检索信息，解决 v2 每文件单 episode 在百万级数据集下的文件系统瓶颈。
Hugging Face 收购 Pollen Robotics，并计划借此销售开源机器人。
Pollen Robotics 开源 pollen-vision 库，为机器人提供零样本视觉模型统一接口，首个版本聚焦 3D 物体检测，通过 OWL-ViT、Mobile SAM 和 RAM 组合输出物体在 3D 空间中的 (x, y, z) 坐标。
OpenAI 训练了一对神经网络，用类人机械手解开魔方。神经网络完全在仿真中训练，使用与 OpenAI Five 相同的强化学习代码，并搭配名为 Automatic Domain Randomization（ADR）的新技术。系统能应对训练中从未见过的情况，例如被毛绒长颈鹿戳碰，说明强化学习不只适用于虚拟任务，也能解决需要高灵巧度的物理世界问题。
推荐理由：OpenAI 用仿真训练加 ADR 让机械手解魔方，可了解强化学习从虚拟任务走向物理操作的一条路径。
OpenAI 于 2019 年 4 月 27 日举办了首届 OpenAI Robotics Symposium。
OpenAI 训练出一只类人机械手，能以"前所未有的灵巧度"操控实体物体。该成果展示了机器人手部操作能力的新水平。
OpenAI 发布八个模拟机器人环境，以及 Hindsight Experience Replay 的 Baselines 实现，均出自其过去一年的研究。这些环境已用于训练可迁移到实体机器人的模型，OpenAI 同时发布了一组机器人研究议题。
OpenAI 的机器人技术让完全在仿真中训练、部署到实体机器人上的控制器，能在执行简单任务时对环境中未预料的变化做出反应，即从开环系统转为闭环系统。
OpenAI 创建了一套机器人系统，完全在模拟环境中训练，并部署到实体机器人上。该系统在看过一次任务演示后就能学会新任务。
推荐理由：OpenAI 展示了一套完全在模拟中训练、可直接部署到实体机器人的系统，读者可了解其单次示范学习新任务的能力。
OpenAI 称已打造出全球首个垃圾邮件检测 AI，完全在仿真环境中训练，并部署在实体机器人上。该 AI 将垃圾邮件检测从数字世界延伸到物理世界。