人形机器人与具身智能情报

值得关注：WUJI Hand 2仅用仿真训练实现真机转笔，并展示手套遥操作，是灵巧手sim-to-real泛化能力的可验证进展。

The Humanoid Hub转述，WUJI训练机械手完成“转笔”这一人类手指灵巧度经典测试：策略完全在仿真中训练，再通过sim-to-real迁移到真机WUJI Hand 2上完成转笔。团队在IROS 2026还展示了基于手套的遥操作，由人类实时驱动机械手动作。原帖内容有截断，部分细节信息有限。

值得关注：Boston Dynamics 为 Atlas 发布 13 自由度直驱灵巧手，明确面向 sim-to-real 强化学习，是人形机器人灵巧操作与仿真训练链路的重要进展。

Wevolver 账号发布、视频由 Boston Dynamics 提供的画面显示，Atlas 人形机器人获得新型手部：具备 13 个自由度、采用直接驱动方案，并按高保真仿真需求设计以支持 sim-to-real 强化学习，面向灵巧物理作业。目前未公布量产、交付或具体作业性能数据。

值得关注：Runway 发布机器人世界动作模型 Praxis-1，延续 GWM-1 路线，可服务于仿真与策略评估，显示视频生成公司正切入具身智能基础模型。

据 X 账号 CyberRobo 消息，Runway 发布面向机器人的世界动作模型 Praxis-1，此前的 GWM-1 于 2025 年 12 月推出，侧重预测世界在机器人动作作用下的变化，可服务于仿真、策略评估与合成数据生成。该信息为社交媒体转述，官方细节有限。

值得关注：星动纪元VPP2以视频预测衔接机器人动作并登顶RoboDojo仿真基准，反映世界模型路线在具身操作上的竞争进展。

据Humanoids Daily报道，星动纪元（Robotera）的VPP2模型在RoboDojo仿真基准测试中排名第一，其核心思路是把视频预测与机器人动作生成相衔接，属于世界模型/视频预测驱动的具身操作路线。信源未披露具体评测指标、对比基线与技术细节，可核实信息较为有限。

值得关注：优必选展示动工前用工业仿真验证厂房布局、物流与生产节拍，体现人形机器人厂商自建产能的工程化落地思路。

优必选发布工厂探访系列第三集，称其工业仿真系统在实体工厂建设之前，先在数字世界完成对厂房布局、物流方案和生产节拍的验证，相当于把工厂“建了两次”。内容属于其智能制造与量产能力的品牌传播，视频未披露具体产线、产能或人形机器人下线数据。

值得关注：Clone披露下一代躯干将全面重设计以提升可控性与可仿真性，显示肌肉骨骼路线人形机器人正补足工程化短板。

Clone Robotics公开其最后一批解剖学灵巧手设计，并称将于11月推出的下一代躯干进行彻底重新设计，目标是让人形机器人更易控制、更易仿真。该公司以肌腱驱动和类人肌肉骨骼结构著称，新设计或提升其可控性与仿真迁移能力。

值得关注：Dyna-2.1用Isaac Sim并行仿真训练全身控制并打通酒店洗衣全流程，展示Sim-to-Real落地路径。

英伟达机器人官方账号介绍，Dyna Robotics的Dyna-2.1部分基于NVIDIA Isaac Sim训练，数千个仿真机器人在其中并行学习全身控制，模型可完成整套酒店洗衣房工作流。该案例展示了并行仿真训练向真实环境自主作业迁移的路径，但官方未披露成功率、作业节拍等量化指标。

值得关注：NVIDIA Newton与Robot Sim Studio集成，让大模型直接生成和微调物理仿真，可降低机器人仿真训练门槛。

Ken Goldberg在X上回应NVIDIA的Erwin，称双方团队将把Robot Sim Studio（RSS）与NVIDIA Newton物理引擎集成，使前沿大模型能够直接快速生成并微调物理仿真，用于机器人训练。该合作若落地有望降低仿真环境搭建门槛，但具体时间表与开放方式尚未公布。

值得关注：英伟达以Robo Olympics探索用物理仿真驱动Physical AI训练，体现仿真基础设施向机器人运动能力验证延伸，暂无落地数据。

英伟达机器人官方账号介绍，由Omniverse工程副总裁Tae Kim主导的探索项目Robo Olympics，探讨如何让前沿智能在物理仿真中支撑机器人完成运动项目。该账号强调，教机器人做运动不能只靠精彩集锦，每个动作都必须在物理仿真中成立。信源未披露具体机器人本体、仿真指标或落地计划。

值得关注：NVIDIA Warp 与 MjWarp 组合用于机器人仿真与学习提速，属具身智能训练工具链实践，对提升仿真效率有参考价值。

介绍如何结合 NVIDIA Warp 与 MjWarp 加速机器人仿真与学习工作流的实践指南，涉及借助 GPU 并行物理仿真提升机器人策略训练与学习效率。原文未提供摘要，仅据标题判断信源信息有限，具体方法与实测效果尚不明确。

值得关注：Skild AI 用 Isaac Sim 自对弈学会带球护球抢断并迁移至真人形机器人，验证仿真到真机的技能迁移可行性。

NVIDIA Robotics 介绍，Skild AI 的机器人策略在 NVIDIA Isaac Sim 中通过自对弈完成了相当于 140 年足球训练量的练习，学会带球、护球和抢断，并成功迁移到真实人形机器人上运行，展示了仿真大规模自对弈到真机迁移的路径。

值得关注：Skild AI让S1基础模型在仿真中自对弈后训练，无需人类演示，验证了人形机器人技能获取的新路径。

Skild AI把自对弈方法用于人形机器人，其旗舰机器人基础模型S1现可在仿真中通过与自身对抗完成后训练，完全不需要人类演示数据。测试场景为足球，对平衡、敏捷性和控球能力提出要求。信源为X账号The Humanoid Hub的转述，细节有待官方进一步披露。

值得关注：Skild AI 以 140 年虚拟自我对弈训练机器人踢球，展示大规模仿真自博弈在通用机器人运动技能学习上的可行性。

Skild AI 在 X 官方账号发布内容称，团队通过虚拟世界杯中的自我对弈（self-play）训练机器人踢足球，相当于在仿真环境中积累了 140 年经验，并展示名为 #Messinator 的机器人。推文未披露所涉硬件形态、训练算法细节与真实环境测试结果，信源信息有限。

值得关注：空间计算公司推出100个真实环境的机器人训练库，真实场景数据是具身智能训练数据稀缺的重要补充，值得关注其开放方式。

Niantic Spatial 发布 Places Library，汇集 100 个真实物理环境用于机器人训练。该消息来自行业媒体 Humanoids Daily，原文未提供摘要，环境类型、数据规模、采集方式与技术细节尚不明确，信源信息有限，实际可用性有待后续验证。

值得关注：NVIDIA发布实时生成仿真技术，直接服务于手术机器人训练与部署，展示了AI在医疗机器人中的前沿应用，具有明确的产业推动价值。

NVIDIA发布Cosmos-H-Dreams技术，实现手术机器人的实时生成式仿真，可加速机器人操作技能的生成与部署。该技术基于NVIDIA Cosmos平台，专为医疗机器人领域设计，提供高保真模拟环境。