美国移民与海关执法局(ICE)计划投入最高200万美元采购Boston Dynamics机器狗，用于提升“执法人员安全”。该机构拟部署Spot机器人执行危险环境侦察、边境巡逻等任务，减少人员直接暴露风险。
Spot具备自主导航与远程操作能力，可搭载多种传感器实时回传高清影像与热成像数据，在复杂地形中保持稳定行进。Boston Dynamics表示，其四足平台已在工业巡检、公共安全等领域验证可靠性，此次合作将推动执法场景的自动化升级。
此举引发关于隐私与武力使用的争议，但ICE强调机器狗仅用于监控与情报收集，不配备武器。分析人士指出，政府订单标志着四足机器人从实验室走向规模化商用，或加速公共安全领域的机器人 adoption。
特斯拉Optimus人形机器人正面临一个“好莱坞式”难题：其演示视频过于惊艳，反而让外界对真实量产进度产生质疑。核心突破在于，Optimus已实现端到端神经网络控制，可直接将视觉输入转化为动作指令，无需预设代码。在最新演示中，机器人完成了电池分拣、衣物折叠等精细操作，其灵巧手部拥有22个自由度，抓取成功率较上一代提升30%。
技术层面，特斯拉采用“仿真到现实”迁移学习，在虚拟环境中训练海量数据后映射至物理机体，大幅降低真实训练成本。同时，Optimus搭载的视觉-语言-动作模型使其能理解自然语言指令并自主规划任务路径，运动控制算法则借鉴了自动驾驶的Occupancy Network，实现复杂地形下的动态平衡。
商业层面，马斯克计划2025年内部部署数千台Optimus，目标售价控制在2万美元以内。若实现，将彻底颠覆制造业与物流业的人力成本结构。但行业分析师指出，当前双足机器人的能效比仍低于传统AGV/AMR方案，且远程操作占比过高，距离完全自主仍有差距。这场“好莱坞式”光环下的技术落地，才是真正的考验。
韩国宣布投入2.3万亿韩元（约合17亿美元）用于人形机器人开发，目标在2030年前实现量产。这笔资金将重点支持双足运动控制、灵巧抓取等核心技术，并推动建立涵盖零部件到整机的本土供应链。
韩国计划通过“仿真到现实”技术缩短研发周期，同时利用基础模型提升机器人的自主决策能力。政府将联合现代汽车、三星电子等企业，在制造、物流场景中部署人形机器人，并设立专项基金扶持初创公司。
此举被视为韩国在具身智能领域追赶中美的重要举措。分析认为，韩国在精密制造和AI芯片领域的积累，可能使其在特定垂直场景中形成差异化优势。但专家也指出，人形机器人商业化仍面临成本与安全挑战，韩国需在技术突破与市场验证间找到平衡。
市场研究机构Omdia预测，2026年上半年人形机器人出货量将达2.2万台，全年有望达4.6万台。该预测基于对特斯拉Optimus、Figure 02等产品的量产进度追踪。这意味着人形机器人正从实验室走向小批量生产，但距离大规模商用仍有关键瓶颈：核心零部件成本、运动控制与操作能力的泛化，以及仿真到现实(sim-to-real)的迁移效率，将决定其能否真正进入工厂和物流场景。
中国某款人形机器人在北京一场活动中以8.4秒跑完100米，刷新同类赛事纪录。该成绩接近人类短跑水平，展示出运动控制算法与硬件设计的突破。相比此前多数人形机器人仅能慢速行走，此次高速奔跑验证了端到端强化学习在真实场景中的可行性，为具身智能在物流、巡检等高速移动场景的落地提供了技术参照。
人形机器人公司Figure AI发布了一项名为“会聚双目立体视觉”的技术，用于提升机器人深度感知能力。该技术模拟人类双眼会聚机制，通过动态调整双目视角聚焦目标，结合端到端学习，在近距离操作任务中显著提升深度估计精度。相比传统平行双目方案，其更适应人形机器人灵巧操作需求。这意味着具身智能在精细抓取和操作上将获得更可靠的视觉基础，推动人形机器人从实验室走向实际应用。
世界人形机器人运动会在北京落幕，超600支队伍、2000余台机器人参赛。天工Ultra百米跑出8.86秒，快于博尔特世界纪录，荣耀的Lightning也跑出9.47秒。赛事新增精细操作挑战，如镊子抓取，凸显从炫技转向实用部署。中国百余家人形机器人厂商在紧凑高功率电机和仿真训练算法上领先，推动双足运动控制突破，但步态仍与人类迥异，行业正加速向具身智能落地迈进。
世界人形机器人运动会（World Humanoid Robot Games）上，参赛机器人既刷新了跑步纪录，也有机体在比赛中起火。这场赛事集中展示了双足运动控制（locomotion）的最新进展，但稳定性仍是短板。对具身智能行业而言，赛事暴露了从实验室走向真实动态环境时，硬件可靠性与算法鲁棒性之间的巨大鸿沟，也凸显了仿真到现实（sim-to-real）迁移的紧迫性。
在北京世界机器人大会上，多款人形机器人成为焦点，包括优必选Walker S2、宇树H1等，现场演示了双足行走、灵巧抓取和端到端VLA操作。大会集中展示了具身智能从仿真到现实(sim-to-real)的落地进展，强化学习和模仿学习成为运动控制与操作的主流技术路径。这表明行业正从单一硬件展示转向基础模型驱动的通用能力竞争，但距离大规模商用仍需解决数据采集和泛化瓶颈。
机器人策略在真实环境中需持续学习新任务而不遗忘旧行为，常见方案是使用重放缓冲区。新研究提出“记忆锚点”（Memory Anchors）概念：新旧任务表征在特定区域发生坍缩且动作冲突时，这些经验对维持旧任务性能至关重要。排除仅10%的记忆锚点，LIBERO基准上的灾难性遗忘增加4.5倍以上；而用其丰富缓冲区，高冲突任务遗忘降低63%，并成功在真实机器人上完成两个任务序列的持续学习。该工作揭示了重放缓冲区中少数关键样本的决定性作用，为具身智能的持续学习提供了更高效的缓冲采样策略。
韩国研究团队提出一种基于接触点分解的足式机器人轨迹优化框架，通过解耦各接触点的平移动力学并利用Bézier多项式的凸闭包性质，确保整条轨迹满足摩擦锥约束。该方法在四足机器人模型上验证了多种步态下的动力学可行性与运动生成，代码已公开。相比依赖简化模型的传统方法，该框架在无需预设接触序列的情况下同时优化路径与接触力，为足式机器人在复杂地形上的可靠运动控制提供了新思路。
RoboCup 2026上演史上首场11对11人形机器人足球赛，B-Human（德国不来梅）与HTWK Robots（德国莱比锡）两队各派11台Booster Robotics设计的机器人对决。自1997年RoboCup创始团队设定2050年击败人类世界杯冠军的目标以来，这是迈向该愿景的关键一步。RoboCup联合会主席Ubbo Visser称，新硬件结合AI智能将人形机器人足球提升至新高度。赛事证明人形机器人的团队协作与运动控制已从实验室走向复杂动态场景，为具身智能在真实环境中的多智能体协同提供了验证平台。
DALE-CT提出一种无需3D或位置监督的解剖世界模型，在胸部CT上从零训练2D切片编码器，通过深度感知切片采样隐式学习相邻切片间的解剖变化。该模型在CT-RATE上达到0.825 Macro AUROC，比DINOv2基线强，且无需文本监督。团队将无监督配置扩展到约28.7万次扫描的多源数据集，据称是最大胸部CT预训练语料库，并发布DALE-CT-0-L作为推荐骨干。这证明2D编码器也能涌现解剖世界模型，为医学影像预训练提供了不依赖3D标注的新路径。
R2M-Bench（相对重访记忆基准）发布，用于评估交互式视频世界模型的重访记忆能力。该基准包含100个参考场景和300个实例，通过MemoryGain与Normalized Memory Ratio两项指标，区分重访特异性记忆与通用时间稳定性。在七个动作条件视频世界模型上，Overall NMR与人类一致性判断的Spearman相关系数为0.547，且与生成运动的相关性仅0.072，显著低于原始重访相似度的0.207，证明相对校准有效消除了慢动作捷径。DreamX-World-Memo在评测中取得最高Overall NMR。该基准为具身智能中的世界模型提供了可量化的记忆评估手段，推动模型从静态渲染走向动态场景理解。
上海AI实验室等机构提出AirLLM，一种基于扩散策略的层级框架，用于大语言模型(LLM)的通信感知远程微调。AirLLM将低秩适应(LoRA)的秩配置建模为结构化动作向量，由PPO智能体生成粗粒度决策，再经DDIM扩散模型细化为任务与信道自适应的秩向量。实验显示，在不同信噪比下，AirLLM在提升微调性能的同时显著降低传输成本。该工作将强化学习与扩散模型结合，为边缘设备上的高效云端协同微调提供了新思路，意味着具身智能场景中模型部署的通信瓶颈有望得到缓解。
一项新研究提出SCG方法，让JEPA世界模型的视觉Transformer编码器从最小架构（1头、2层、28.3万参数）按任务复杂度逐步扩展宽度或深度，并通过函数保持的测试验证机制安全回滚无效改动。在60维多目标动力学任务中，SCG比固定小模型预测损失降低20.3%，参数效率是固定大模型的56倍；在2D导航任务中，单次宽度扩展比固定大模型提升23%。该方法在三个环境中零误扩展，且函数保持完全一致。这意味着具身智能世界模型不再需要预分配最大容量，可按任务需求渐进生长，显著节省算力和数据成本。
Minh-Nhat Phung等学者提出一套有限样本学习控制理论，为几何监督的潜在世界模型建立可验证的度量保真度保证。该方法仅在训练阶段使用几何监督，部署时仅依赖观测与动作，通过编码器局部-全局度量铰链防止表征坍缩。在正则化条件下，近似经验最小化器能以高概率同时满足逐点co-Lipschitz与受控动力学的近似半共轭性，且近似、采样与优化误差可分离。实验量化了度量分辨率恢复带来的控制收益。该理论为具身智能中世界模型的可靠规划提供了可计算的认证工具，填补了从经验优化到度量保真度的理论空白。
MOSH-WM提出一种掩码接地软哈密顿世界模型，将位置状态显式绑定到槽位图像支撑，解决对象中心世界模型动态监督变量不受约束的问题。在OBJ3D上，给定6帧观测预测30帧，LPIPS降低25.0%，空间MSE降低33.7%；在CLEVRER上对应降低14.5%和18.7%。该模型将外观与身份存入因果视觉上下文，通过门控合成器与有界残差重建解码器兼容槽位，闭环推演误差累积更慢。对具身智能而言，这意味着世界模型可更精准预测多物体动态，为机器人操作和运动控制提供更可靠的仿真到现实(sim-to-real)基础。
Teradyne Robotics（泰瑞达机器人）正加大力度打击协作机器人（cobot）领域的仿冒者，以保护其UR（Universal Robots）和MiR（Mobile Industrial Robots）品牌的技术专利。该公司近期在德国和法国发起多项专利侵权诉讼，指控部分亚洲厂商抄袭其机械臂关节设计和AMR导航算法。此举旨在遏制低价竞品对市场份额的侵蚀，同时向行业传递信号：核心运动控制和SLAM技术专利将成为竞争壁垒，而非仅靠价格战。
知名投资人Jason Calacanis预测，到2036年特斯拉将生产10亿台Optimus人形机器人。他称特斯拉具备垂直整合与制造规模优势，可复制其电动汽车路径。该预测若成真，将重塑制造业劳动力结构，并推动具身智能从实验室走向大规模商用，但量产成本与运动控制、操作能力仍是关键瓶颈。