humanoid

Google DeepMind 的 Gemini 4 Argon 通过观看一段视频学会了玩沙包投掷游戏，推断出其中的物理规律，自行生成了模拟环境，并训练 Apptronik 的 Apollo 人形机器人连续七次投中。

WUJI 展示了其 Hand 2 人形灵巧手，它通过摄像头追踪或手套来模仿人类手部动作，并在 mjlab 仿真环境中通过强化学习掌握转笔等技能，然后将这些技能迁移到现实世界。wuji-mjlab 代码已开源，供开发者和研究人员使用。

GreenWAM 提出一个机器人世界基础模型，通过共享的解剖学动作空间联合训练 20 个机器人家族，使其既能作为世界模型预测动作后果，又能作为策略控制不同形态的机器人，并在多个基准上取得领先表现。

OTRetarget 提出一种统一方法，利用熵最优传输联合重定向机器人与多物体的运动，通过保持接触一致性显著优于 OmniRetarget，并在物理人形机器人 G1 上验证了迁移到强化学习训练的全身策略的可行性。

Figure 发布了 Helix 2.5，这是一个使用预训练数据在 30 个家庭中零样本执行家务任务的人形控制模型。

Ati Robotics，一家总部位于印度的初创公司，以最少使用中国零件的方式制造机器人，以应对美国对中国制造机器人的监管禁令。创始人 Saurabh Chandra 讨论了他们的供应链策略、成本优势以及即将推出的人形机器人。

DeepMind 推出 Gemini Robotics 2，这是一组 AI 模型（VLA、ER、On-Device），使机器人能够进行全身控制、精细操作和多机器人协作，支持本地设备端执行，并能快速适应新的机器人本体。

Alexander Koch发布了第一个与Hugging Face的LeRobot平台集成的开源机械臂，并宣布Tau在旧金山的人形清洁服务，价格为每小时30美元。

人形机器人Moby展示了强大的全身控制能力，用于处理动态负载，标志着相对于当前人形机器人的重大进步。

一款名为T1的新型个人机器人在日内瓦的人工智能造福人类峰会上展示，它可以在四足狗形和人形之间转换，从而能够穿越平坦和崎岖地形、爬楼梯，并跟随用户。

UMA_Robots发布了Northstar，一款拥有人形身体和双手的机器人，设计亲切友好且能力强，适用于工作场所和家庭。

一条推文推广了一个互动网站，该网站详细解析了人形机器人硬件、成本和供应链，指出材料是瓶颈。

SceneBot 是一个统一的运动追踪框架，通过参考运动和每连杆接触标签来指导单一的人形策略，从而实现在接触密集环境中的自由空间移动、地形穿越和全身操控。

LeRobot 发布了最大的开源人形遥操作数据集，并重新编码为 LeRobot 格式，以实现高效流传输并减少存储占用。

本文介绍了DeepInsight，一个面向物理AI栈的统一评估基础设施，涵盖从基础模型解码到全身控制，通过三种窄抽象保留异构性，从而实现跨层诊断。

OASIS是一个仿真数据驱动的框架，用于人形机器人全身操控，它使用3D生成模型和分层视运动策略。通过利用仿真中的域随机化，它在零样本迁移上取得了比真实机器人训练更好的性能。

本文介绍了LIMMT，这是一项以数据为中心的研究，表明使用高质量、极小的运动数据子集（不到AMASS的3%）进行训练，在基于物理的人形动作追踪方面优于使用完整数据集，并通过物理可行性、多样性和复杂性来定义运动数据质量。

Humanoid-GPT 是一种GPT风格的Transformer，在十亿级运动语料库上预训练，实现了对未见过的动作和任务的全身运动追踪的零样本泛化。

Hugging Face 发布了 LeRobot Humanoid，这是一个开源的、低成本的（2500美元）3D打印仿人机器人，专为机器人学习而设计，包括硬件、软件、仿真和训练工具。

LeRobot Humanoid 是一个开放、低成本的用于机器人学习的双足机器人平台，包含硬件、运行时、识别工具和训练环境，由3D打印零件和现成部件构成，成本约为2500美元。