LAAS-GEPETTO 团队提出开源单图人体网格回归器 InstantHMR，基于 Momentum Human Rig（MHR）参数模型、仅用 SAM 3D Body 数据集的公开标注训练，在三星 Galaxy S23 NPU 上每人 5.5 ms 恢复 6,890 顶点人体网格，NVIDIA RTX 4070 上为 0.98 ms。
推荐理由：作者开源了可在手机 NPU 上实时运行的 3D 人体网格回归器，并统一复现 11 个基线方法，便于读者判断移动端部署的取舍。
作者构建约 47,000 小时通用视频、第一视角视频、UMI 演示与机器人演示数据，系统研究语言-视频监督、语言-视频-动作监督及二者联合对世界动作模型性能的影响，并考察语言标注质量与动作监督的作用。
推荐理由：作者系统梳理了动作学习对语言-视频对齐的影响，并给出可复现的数据与训练配方，对做世界动作模型的研究者具有参考价值。
研究团队发布 Ropedia Xperience 2，包含 1,589 个已公开的米制尺度 3D 扫描，以及覆盖 74 项任务、共 131 小时的 4,230 段自我中心录制。
推荐理由：该数据集同时提供环境扫描与人类行为演示，并给出转成机器人学习数据的流程，可供关注具身智能数据规模化的人参考。
VICTR 提出用 In-Context Value Function Estimator（IC-VFE）根据参考演示视频、语言指令和当前观测估计任务进度，再按进度检索对应阶段的演示片段，供经上下文动作生成后训练的 π_{0.5} 策略使用。
推荐理由：论文用参考演示视频估计任务进度来检索上下文，在未见过的真实操作任务上把成功率从 6.2% 提到 23.8%，并给出代码与数据入口。
美团机器人团队提出面向固定底座桌面操作的视觉-语言-动作基础模型 MR0，在 RoboTwin 2.0 上达到 93.6% 成功率，并在 RoboDojo VLA 赛道排名第五。
推荐理由：美团机器人团队公开了 MR0 的三阶段训练配方、Rollback 数据构造方式和真实机器人对比结果，可供具身智能研究者评估复现。
OneSteer 是一个单步扩散全身控制器，把通用运动跟踪与测试时选择性转向结合起来：冻结生成器权重，用可微任务代价优化输入噪声，并用身体分组参考掩码放宽部分跟踪要求。
推荐理由：论文给出单步扩散全身控制器，在仿真与 Unitree G1 实机上验证通用运动跟踪与测试时转向，并附项目页。
TinyAstral 提出两阶段方法，先把冻结的开源教师智能体的 harness 通过递归自我改进（RSI）迭代，再把最终 harness 下的教师轨迹蒸馏进 4B 学生模型。
推荐理由：该工作把教师智能体的 harness 自进化收益蒸馏到 4B 小模型，并给出与 552B 规划器接近的跨基准结果，可供关注具身智能体轻量化的读者参考。
研究团队提出 OCLO 人形机器人移动操作系统，仅用两个末端执行器目标和行走速度作为指令，不依赖人体动作数据训练。系统用解析可达性先验在线生成骨盆高度与躯干朝向，仿真中指令参考获取成功率达 77.8%，无先验时为 37.8%；同一姿态模块还能提升预训练 SONIC 控制器在全部五项任务上的表现。
推荐理由：论文给出不依赖人体动作数据的全身姿态生成方案，并用消融实验量化可达性先验带来的成功率提升。
研究团队提出 Flying-on-a-Word（Flow）任务，要求无人机将简短自然语言指令、第一视角观测和当前状态动态转化为连续飞行动作，并发布 UAV-Flow 数据集，包含 8 类运动共 30,692 条专家真实飞行轨迹及 UAV-Flow-Sim 环境中的 10,109 条仿真轨迹。
推荐理由：该工作同时给出任务定义、真实与仿真轨迹数据集和策略学习框架，并报告了与最强基线的成功率对比，便于读者判断短程语言引导飞行这一新任务的可复现性。
作者提出内积正则化方法 InneR，通过策略雅可比在状态空间诱导内积，对对齐状态聚类并最小化平均内积的最小特征值，使邻近状态共享零空间，从而对扰动给出一致响应。在真实机械臂的三项操作任务上，InneR 将扩散策略的平均成功率从 18% 提升到 57%，且无需额外数据；仿真实验显示其对无关状态维度和训练测试分布偏移更鲁棒，而范数惩罚常不如行为克隆。
推荐理由：论文提出用策略雅可比诱导的内积正则约束状态扰动响应一致性，并在真实机械臂上验证扩散策略成功率提升。
作者提出 Reins 框架，让现成的前沿多模态模型借助 3D 感知工具和可报告接触与抓取状态的原子动作，操作双臂机器人完成长程、接触密集的操作任务。在五个真实任务上，GPT-6.1 Sol 在自然语言提示、无任务专用代码的条件下成功率为 88%；不使用该框架时，它在所有 shell game 任务上均失败，耗时是前者的 8 倍。
推荐理由：作者提出让前沿多模态模型通过工具与原子动作驱动双臂机器人的框架，并给出真实机器人长程任务的成功率对比。
作者提出机器人操作仿真基准 ManiLadder，包含 112 个任务，按 4 个难度等级分层，每级 8 个类别，覆盖刚体与可变形物体、单臂与双臂、夹爪与灵巧手。为校准难度，每个任务固定相同数据量，用统一的 flow-matching 模仿学习策略在相同训练与评测协议下运行，以成功率作为经验难度信号，并跨随机种子、策略和智能体学习系统验证难度区间。真实实验显示任务难度排序在仿真之外仍保持。
推荐理由：该基准按任务难度分层校准，并跨随机种子、策略和真实实验验证难度排序，可供读者判断机器人操作能力的评测设计。
作者提出开源物理引擎 Alloy，让刚性机器人、布料、缆线、液体、颗粒材料和软体共享同一场景，每个物体只描述一次，由引擎分配到适配求解器并在每个控制步内耦合。
推荐理由：多材料统一场景的物理引擎，附吞吐、深度相机与千世界可靠性测试，并给出编码智能体冷启动实测。
研究团队提出视频-动作模型 FLUX-mimic，用视频预训练加动作专家联合训练机器人策略，在四个汽车制造基准任务和两个双臂机器人平台上超过所比较的基线，并在夹爪平台上与 pi_{0.5} 的平均成功率持平。在可变形零件配货任务上，仅用两小时任务特定的动作标注演示即达到 77.5% 成功率。
推荐理由：在工业操作场景下，该工作用视频预训练降低动作数据需求，并给出四个汽车制造基准任务上的对比结果。
作者提出 RSLiveBench-UAV，一个由持续采集真实无人机影像驱动的视觉语言基准，采用只收录上一版本发布后拍摄图像并延迟公布答案的更新协议。基准包含来自10个场景的35,491条问题记录、覆盖2D感知、3D感知、跨视角感知与推理共17项任务，全部使用确定性评分而非模型评判。
推荐理由：该基准用持续采集的真实无人机影像更新题目，并给出30个模型的横向评测结果，可供读者判断航空空间智能的评测现状。
研究提出 Embodied-Corrector，通过子任务边界注入扰动构建失败恢复数据，并以 Judge-Cause-Sub-Fine 监督和 OPD 训练模型理解执行偏差并修正规划。实验显示，冻结 VLA 时复合任务成功率提升 6.1 个百分点，固定 GPT-5.5 执行时操作与导航任务提升 13.9 个百分点。
推荐理由：论文针对具身智能体执行偏差，提出失败定位与纠正框架，并在冻结 VLA 和固定 GPT-5.5 执行两种设置下给出成功率提升。
RoboCup Rescue 机器人联赛推出自主救援竞赛 SPARC，以 Unitree A2-W 为统一机器人平台，并配套基准环境。
推荐理由：SPARC 把统一机器人平台、基准环境、首批开放数据集和导航软件栈打包发布，读者可据此判断自主救援研究的复现门槛。
作者提出 BiPOP 框架，将 LLM 与时序偏序规划结合用于长程双臂机器人操作：LLM 把自然语言指令转成 PDDL 规格，时序规划器按双臂可达性划分工作空间并处理臂间依赖、任务分配与同步约束，从而调度可并行动作。
推荐理由：论文把双臂长程操作的时空协调交给符号规划器，并用失败分析说明纯 LLM 规划器的约束违反问题。
作者提出 APG-Planner，用解析策略梯度（APG）训练基于视觉的高速轨迹规划器，借助微分平坦性从规划轨迹解析重建车辆状态，构建可微的回合展开并直接计算策略梯度。单 GPU 训练约 30 分钟后，该方法在仿真中性能与现有基线相当或更优，实机飞行实验速度最高达 11 m/s，并在滑移转向地面机器人上验证了框架对四旋翼之外微分平坦系统的适用性。
推荐理由：论文用解析策略梯度替代采样估计，在单卡约 30 分钟训练后达到与基线相当或更好的性能，并完成实机飞行验证。
作者提出开源三臂平台 ARTS，用于微创手术自主研究，全部采用可采购部件搭建，成本约 137,000 美元。平台用两台 UR5e 臂持 da Vinci X/Xi 腕式器械、一台 UR5 臂持双 FLIR 相机立体内窥镜，并配有独立于软件的硬件急停；ROS 2 软件固定依赖版本，可在裸机或容器中用同一脚本安装。
推荐理由：该平台用可采购部件搭建三臂手术自主研究系统，并给出延迟、重复精度与 dVRK 的对照数据，便于其他实验室评估复现成本。