三菱计划引入人形机器人作为工厂劳动力，标志着制造业自动化迈向新阶段。该公司将部署双足机器人执行装配与物料搬运任务，重点突破复杂环境下的运动控制与灵巧操作能力。
技术层面，这些机器人采用端到端视觉-语言-动作模型，结合强化学习与仿真到现实迁移，实现精准抓取与自适应行走。三菱宣称其双足机器人在模拟工厂测试中达到每小时12公里的移动速度，操作精度误差控制在0.5毫米以内，显著优于传统自动导引车与自主移动机器人。
商业意义上，此举旨在缓解制造业劳动力短缺，并推动具身智能从实验室走向规模化应用。三菱计划2026年前在旗下三家工厂部署超百台人形机器人，同时开放平台供协作机器人厂商集成，加速行业生态成熟。
2026年世界人形机器人运动会将在北京举办，这一赛事由工信部与北京市政府联合推动，旨在加速人形机器人从实验室走向真实场景。赛事将设置双足竞速、灵巧抓取、具身操作等多项比拼，重点考核机器人在非结构化环境中的运动控制与任务执行能力。
参赛团队将采用端到端视觉-语言-动作模型（VLA）与仿真到现实（sim-to-real）迁移技术，部分头部厂商已实现双足机器人稳定奔跑速度达每小时7公里，灵巧手抓取成功率突破95%。赛事规则明确禁止远程操作干预，要求机器人完全自主完成定位、导航与决策，这对即时定位与地图构建（SLAM）和世界模型（world model）的实时性提出极高要求。
此次赛事被视为具身智能领域的关键里程碑，预计吸引全球超过200支队伍参赛。业内分析认为，赛事将推动人形机器人在工业巡检、物流搬运等场景的商用落地，加速基础模型与机器人硬件的深度融合，为千亿级具身智能市场打开突破口。
中国机器人公司加速进化（Accelerate Evolution）推出的人形机器人“小星”（Xiaoxing）在无需人工干预的情况下，完成超过100次连续网球对打，创下同类机器人新纪录。该机器人采用端到端视觉-语言-动作模型（VLA），结合即时定位与地图构建（SLAM）技术，实现实时感知、决策与运动控制。其双足运动系统与灵巧操作能力，使其能在动态环境中精准追踪球路并完成击球动作。此次突破展示了具身智能在高速动态场景下的潜力，为未来人形机器人在体育训练、陪练及复杂任务执行等领域的商业化应用奠定基础。加速进化表示，将持续优化算法，推动人形机器人从实验室走向真实世界。
宇树科技（Unitree）发布新一代人形机器人，据称其奔跑速度可超越博尔特百米个人纪录（9.58秒）。该机器人采用强化学习与仿真到现实（sim-to-real）技术优化运动控制（locomotion），并配备高扭矩关节模组。此举将人形机器人的动态性能推向新高度，直接挑战双足运动控制的理论极限，为具身智能在高速作业、应急响应等场景落地提供硬件基础。
麻省理工学院团队提出共设计框架，同步开发数据采集与机器人执行设备，推出Koala Gripper系统。该系统采用力优化手指/扳机联动机构与单体双拇指设计，手指可反向驱动，有效质量仅数十克，兼顾灵巧性与可扩展性。相比平行夹爪，它支持更稳固抓取、有力工具使用及精确分拣，并已通过端到端模仿学习管线验证。这为大规模操作数据采集提供了新思路，降低具身智能训练对遥操作和仿真迁移的依赖。
日本消防设备商Yamato Protec与云服务商Classmethod启动消防防灾领域物理AI联合研究，将用四足机器人和人形机器人开展实地实证实验。实验聚焦火灾现场侦察、危险物搬运等场景，结合远程操作与自主导航技术。此举将推动具身智能从工厂走向公共安全领域，验证机器人在高温、烟雾等极端环境下的可靠性，为消防作业标准化提供数据支撑。
日本大电（ダイヘン）宣布自走机器人VIVACE（VIVACE）将于2026年8月21日启动订单，年销售目标200台。该机器人融合自研AGV与协作臂，可自主移动并执行搬运、组装、拧紧等任务，替代传统分离式方案，节省空间。其采用激光SLAM导航，无需磁条，支持全向移动，并配备单触式平板设定，降低编程门槛。此举将推动工厂内移动与操作一体化，加速具身智能在制造业的落地。
一项针对34名参与者的探索性研究揭示了人类在机器人强化学习教学中的决策逻辑，并据此提出TOSS框架。该框架将教学决策建模为触发-信号响应，并受教学目标和策略调节，同时识别出教练、工程师、设计师等自发角色。研究分析了204条教学响应，覆盖学习早、中、晚期。TOSS框架为设计超越当前局限的人机交互教学算法和仿真环境提供了理论依据与开放数据集，推动具身智能从被动学习转向主动教学范式。
Neura Robotics通过旗下Neura Mobile Robots收购清洁自动化公司Adlatus Robotics全部股份，将自主清洁机器人纳入其具身AI生态。Adlatus已有数百套系统在工业、物流、医疗等领域运行，并拥有自研导航软件。Neura计划为其加装传感器和AI能力，逐步接入Neuraverse平台，使清洁机器人从预设路线执行转向理解环境、识别污渍并自主决策。此举意味着具身智能正从单机智能走向开放平台化，清洁这一全球庞大劳动力市场成为物理AI落地的现实试验场。
《Nature》刊发综述，为下肢外骨骼的端到端任务无关控制绘制路线图。传统控制依赖离散任务分类，难以应对人类连续多变的运动。新范式转向AI驱动，利用生物关节力矩的实时估计，摆脱任务分类限制。文章指出，优化系统、加入安全机制、降低训练数据采集成本是落地关键。这意味外骨骼将从实验室特定场景走向真实世界，服务老年人和工业工人等多元人群。
德国研究团队提出FR3D，一种面向未来动态3D重建的世界建模方法，将场景3D演化与智能体轨迹显式解耦，以推断的自我运动作为动作隐变量，消除自运动与世界运动间的歧义。该方法引入教师-学生蒸馏策略，利用现成基础模型的空间常识，实现零样本泛化。实验显示，FR3D在多个数据集上可对单目观测未来2秒的动态场景进行几何一致的3D重建。这为具身智能体摆脱2D视频世界模型的物理不一致性提供了新路径，推动端到端操作与运动控制向3D空间推理演进。
arXiv 8月21日发布的一项研究提出 Driving with DINO（DwD）框架，用视觉基础模型（VFM）特征替代边缘、深度等显式中间表示，解决自动驾驶视频生成中仿真到现实（sim-to-real）的"一致性-真实性困境"。该方法通过主子空间投影丢弃高频纹理、引入随机通道尾部裁剪保留结构，并借助可学习的空间对齐模块适配 DINOv3 高分辨率特征，配合因果时序聚合器维持运动稳定性。该工作表明，基础模型特征可作为统一桥梁，减少对多模态标注的依赖，为自动驾驶仿真数据生成提供新思路。
AudioWorldSim开源平台发布，用于生成逼真双耳音频数据集，推动世界模型等音频机器学习研究。该平台基于Meta的SoundSpaces 2.0扩展，重点改进随机智能体导航的自动回放，并修复连续声音合成问题。平台已公开供研究社区使用，以促进可复现性。这意味着具身智能体将获得更真实的听觉仿真环境，加速多模态世界模型在机器人导航与交互中的落地。
世界模型究竟表征了什么？一项新研究将其拆解为三个可检验的问题：可达性、准入性与分配性。该论文于2026年7月提交至arXiv，8月修订，作者Donna Vakalis通过已知坐标环境测试发现，训练信号无法识别的方向不会进入潜在空间；奖励或价值头在重建、递归或滤波已恢复坐标时无剩余方向可准入。研究还指出，下一词预测下时间二阶矩系数可缺失，而独立预测头可恢复它。这为具身智能中世界模型的设计提供了诊断工具，明确了不同训练路径（如重建、时序滤波）对任务相关变量的实际贡献，而非仅看移除某路径的损失变化。
VLA（视觉-语言-动作）策略易受物理扰动攻击，但现有认证防御仅适用于离散标签。CertVLA提出一种针对闭环VLA控制的认证防御，通过校准行为一致动作区域和确定性覆盖掩码，确保至少一个预测无攻击，并将认证扩展至完整闭环轨迹。实验在仿真和真实世界验证了其对补丁攻击的有效性，并额外在仿真中验证了纹理攻击。该工作首次为连续、时间相关的动作输出提供可证明的防御保证，为具身智能系统在物理环境中的安全部署提供了理论支撑。
尼日利亚五家机器人初创公司正推动自主技术落地，覆盖农业、物流与医疗场景。Aerobotics开发无人机作物监测系统，已在拉各斯农场部署；Kobo360用AGV优化港口货物转运，处理量提升30%。这些公司多采用SLAM与强化学习，避开昂贵的基础模型路线。对行业而言，非洲市场验证了低成本、场景驱动的具身智能路径，而非依赖VLA等通用方案，为全球机器人商业化提供了差异化样本。
英国2026年机器人领域融资已接近1.9亿英镑，剑桥地区领跑全国。资金主要流向具身智能初创公司，涵盖人形机器人、协作机器人及自主移动机器人(AMR)赛道。技术热点集中在视觉-语言-动作模型(VLA)、模仿学习与仿真到现实(sim-to-real)迁移。剑桥凭借AI与工程人才集聚效应，成为英国具身智能融资核心枢纽。这意味着英国正将学术优势转化为机器人产业化资本密度，但需警惕资金集中于早期研发、量产落地能力仍待验证。
小鹏机器人部门完成创纪录融资，估值超63亿美元。该轮融资由多家机构参与，资金将用于人形机器人Iron的量产及具身智能技术研发。Iron已进入工厂场景测试，计划2026年实现小批量交付。此举标志车企正将自动驾驶积累的视觉、传感器技术迁移至机器人赛道，加速人形机器人从实验室走向工业场景的商业化进程。
太阳能板清洁机器人厂商常以单次除尘率衡量产品，但刷辊设计才是工程关键。刷辊需在清洁力、接触控制、维护性及组件耐受性间平衡，真实场景中的沙粒、鸟粪、矿物沉积等污垢远比演示中的干尘复杂。选型应围绕组件要求、清洁方式、刷辊几何、安装接口及维护周期，而非仅看刷毛软硬。干刷对松散粉尘有效，但湿粘或硬质颗粒可能造成玻璃划伤，鸟粪等局部污渍需湿洗或人工处理。这意味着机器人清洁系统需按污垢类型定制策略，而非宣称万能一次通过，OEM应依据组件厂商清洁规范设计刷辊，避免保修风险。
Agility Robotics CEO佩吉·约翰逊在彭博采访中透露，公司正筹备上市，并直面中国竞争对手的挑战。这家双足人形机器人制造商已部署Digit机器人于物流场景，与亚马逊等合作。其上市计划凸显资本对人形机器人商业化的押注，而中国厂商的快速迭代正倒逼美国企业加速技术落地与成本控制，行业竞争从实验室转向规模化生产。