BLOG
Light Origins 发布 LightNav-0：Real2Sim2Real 数据引擎把 2000+ 互联网真实场景变成可复用仿真世界，产出 4000+ 小时视觉-语言-动作经验，经三阶段后训练在 10 项仿真设置中刷新纪录，并零样本迁移到人形、四足、空中与轮式机器人。
Meta Reality Labs Research 开源 Project SuperDex：以自研接触优先物理引擎为核心，叠加工具链与 Gymnasium 风格 RL 接口的灵巧操作仿真平台，支持软体/杆腱/非凸接触、VR 遥操作合成数据，并展示形状分拣策略零样本迁移到真实机械手。
波士顿动力教 Atlas 学踢足球，用动作捕捉+强化学习训练幽灵弧线球。足球要求的全身协调能力可直接迁移到工业操作任务。
波士顿动力分享 Atlas 通过强化学习训练全身举重行为的方法：从参考轨迹到奖励设计、GPU 大规模仿真、真实硬件测试的迭代循环，展示物理智能的基础构建块。
波士顿动力回顾 Atlas 十年进化历程：从液压跑酷研究平台到电动工业人形机器人。2026 年与现代汽车集团发布生产级 Atlas，已在现代超级工厂进行零件排序部署。
NVIDIA与密歇根大学提出ADEPT：用16种基础形状预训练通用灵巧策略，再以结构化后训练适配下游任务，零样本部署到Kuka-Allegro与Flexiv-Sharpa真机，插钉比平行夹爪流水线快2-14倍。
