每一笔融资、每一次发布、每一篇论文，随报道即时呈现。
亚马逊云科技于10月7日通过官方博客推出Physical AI Toolchain on AWS，这是一套公开的参考架构、基础设施即代码模板和部署自动化工具，面向工业机器人、自主移动设备和人形机器人开发；亚马逊10月8日又在公司新闻页面作了介绍。工具链覆盖合成数据生成、模型训练、仿真验证、边缘部署和持续改进，将SageMaker、EC2 GPU实例、S3和IoT Greengrass与英伟达Isaac Sim、Isaac Lab、Isaac GR00T、Cosmos及OSMO打通。代码以Apache 2.0许可发布在GitHub的aws-samples下，客户可整体使用或按需选用。这是MEKAWIRE两周内报道的第二个与英伟达相关的开放物理AI平台，此前为9月28日英伟达的开放智能体安全平台。
IEEE Spectrum 10月8日报道，苏黎世联邦理工学院软体机器人实验室在arXiv预印本(2609.17172)中介绍，研究人员给一只Wuji Technology的商用机械手加装了装有电池、惯性测量单元和Raspberry Pi Zero的80克背包，使其在不接机械臂的情况下用指尖爬行。控制器在仿真中以强化学习训练，借助虚拟弹簧维持爬行姿态；该手在14种表面上以约每秒9厘米的速度行走，可双向转弯，摔倒后25次中有21次自行翻正，并连续15次把41克的方块推到最远40厘米外的目标。第一作者为该实验室博士生Amirhossein Kazemipour。该成果为预印本，尚未经同行评审。
Anthropic经济研究团队分析美国O*NET数据库中约1.9万项工作任务后发现，机器人在技术上可完成74%的体力任务，但成本低于人工的任务仅占0.3%。研究估计，若机器人价格延续每年约3%的历史降幅，这一比例升至10%需要40年。
据The Robot Report 9月30日报道，数据工程公司Innodata在美国新泽西州开设动作捕捉实验室，为人形机器人等物理AI系统采集真实动作数据。实验室配备Vicon红外光学追踪相机，可对人体和机器人的三维运动进行亚毫米级精度、毫秒级延迟的测量。公司表示，将提供现成动作数据包、定制采集项目、跨平台数据重定向以及机器人性能与安全的独立验证服务。
清华大学团队联合字节跳动Seed和中国农业大学，于2026年8月19日在《Science Robotics》发表一项把人形机器人摄像头与腿部动作统一到单一强化学习控制器的研究。在Booster Robotics的T1上，作者报告球位置估计误差降低46%，起脚时间最多缩短64%，前场位置射门成功率约90%，且无需真实环境微调。
美国Generalist AI于2026年8月19日发布GEN-1.5，称只需把一段3至12秒演示放进上下文，即可在10项任务上取得59%的平均成功率，用约5分钟数据训练10步后升至83%。公司称该能力在八个多月预训练中自然出现，但承认任务简单、技能脆弱，也未披露客户。
MIT计算设计与制造组（CDFG）与亚马逊研究人员合作的NeuralActuator获得RSS 2026杰出系统论文奖。该模型仅凭电机电流、电压和温度学习低成本舵机的真实特性，外力估计平均误差为0.12牛，传统方法为0.66牛至1.41牛。
由Holiday Robotics、韩国KAIST、KRAFTON、德国达姆施塔特工业大学、瑞典KTH等机构研究人员完成的离策略强化学习方法FlashSAC，获得2026年7月在悉尼举行的RSS 2026杰出论文奖。作者称在单张RTX 5090上训练宇树G1平地行走策略约需20分钟，而主流方法PPO约需3小时。
亚马逊前沿AI与机器人团队（FAR）联合多所美国高校提出的运动重定向方法OmniRetarget，在6月于维也纳举行的IEEE ICRA 2026上同时获得最佳会议论文奖和机器人操作与运动最佳论文奖。该方法保留人体、物体与地形之间的接触关系，生成8小时以上轨迹，训练出的策略在宇树G1上无需真机微调即可完成跑酷和搬箱等动作。
韩国科学技术信息通信部5月18日启动为期五年、总额504亿韩元的AI人形机器人源头技术项目，由韩国科学技术研究院牵头，LG电子、LG AI研究院和LG新能源参与。项目将开发融合视觉、触觉、语言和动作的AI模型和人形机器人用全固态电池，并在医疗护理现场投放至少20台进行验证。
据2026年4月22日发表在《自然》杂志的论文，索尼AI的自主乒乓球系统Ace在2025年4月的比赛中对精英选手五战三胜，对两名日本T联赛职业选手全部落败。系统结合索尼半导体解决方案公司的事件视觉传感器、八自由度机械臂和在仿真中训练的强化学习策略，球体定位平均延迟为10.2毫秒。
丰田研究院（TRI）、康奈尔大学和麻省理工学院的82位作者于2026年4月15日在《Science Robotics》发表论文称，基于扩散策略的多任务“大型行为模型”在盲法随机试验中成功率和鲁棒性均优于单任务基线，学习新任务所需的数据也少得多。预印本显示，研究使用了覆盖500多项任务、约1700小时的机器人示范数据，并进行了1800次受控真机试验。
Generalist AI于2026年4月2日发布具身基础模型GEN-1，预训练数据为50万小时以上、由人佩戴可穿戴设备采集的物理交互数据，不含机器人数据。公司称，在前代模型平均成功率64%的任务上，GEN-1平均达到99%，每项任务约需1小时机器人数据，作业速度约为此前最佳水平的3倍。上述结果均为公司自测，尚无独立复现。
美国人形机器人公司Figure AI于2026年1月27日发布机器人基础模型Helix 02，从摄像头画面和指尖触觉一直到1kHz的关节指令全部由学习系统完成。公司称，一个1000万参数的学习型控制器取代了109504行手写C++代码，Figure 03在完整厨房中连续4分钟、61个动作完成洗碗机卸载与装载，全程无重置、无遥操作。
美国机器人AI初创公司Generalist AI于2025年11月4日发布具身基础模型GEN-0。公司称在70亿参数处观察到能力相变,模型已扩展至100亿参数以上,预训练数据超过27万小时并以每周逾1万小时的速度增长。相关结果以公司博客形式发布,未经同行评审。
谷歌DeepMind于2025年9月25日发布视觉语言动作模型Gemini Robotics 1.5和具身推理模型Gemini Robotics-ER 1.5。前者在行动前以自然语言推理，并可在不同机器人本体之间迁移技能；后者当天即以预览版形式通过Gemini API向开发者开放。技术报告显示，由ER 1.5担任调度模型时，长程任务的子任务总失败率为22%，而由通用模型Gemini 2.5 Flash调度时为44.5%。
波士顿动力与TRI展示了由单一大行为模型同时控制行走与操作的Atlas人形机器人。这一4.5亿参数模型以30Hz运行，通过VR遥操作数据学习新动作，无需编写新代码。双方未披露成功率和数据规模。
美国机器人AI初创公司Physical Intelligence于2025年4月22日发布视觉语言动作（VLA）模型π0.5。该模型驱动移动操作机器人在3个未纳入训练集的真实家庭中完成10至15分钟的整屋清洁，公司称跨机器人、网络数据与语音指导的混合共训练是泛化能力的关键。