GPT-Policy 开源：固定权重的 GPT-6 VLM 经上下文编译与受约束控制器闭环驱动双臂，仅凭人类视频、目标图或一次演示即可零样本完成遮挡操作。
Odyssey-3 以自回归扩散 Transformer 统一控制机械臂、人形机器人、车辆和无人机，并可在少量经验数据下学习任务，官方称仍处于早期验证阶段。
策略在演示中成功,换环境仍会失败。Isaac Lab-Arena 0.3 开源:agentic 工作流生成仿真环境,GPU 并行评测千级场景,定位失败原因。
MATRiX 以 UE5 与 MuJoCo 构建机器人闭环仿真，通过处理器在环向 Jetson NX 和 RK3588 实时输出双 Airy LiDAR 与前后 RGB 摄像头数据。
用 mjbatch 在 MuJoCo 并行 rollout，MacBook Air M2 上训练 15 分钟即得跟随速度指令行走转向的双足人形策略。
作者用脚本化仿真对比Vector、麦克纳姆轮底盘与Unitree Go2搭配YAM或ElRobot机械臂，完成三只路旁瓶子的抓取与回箱流程。
两个轻量代理策略的速度差在每个去噪步引导冻结基座，真机与仿真任务平均绝对成功率比 pi-0.5 高 53%。
一只 22 自由度灵巧手内同时握住两个刚性零件并完成对齐与插入：纯仿真强化学习训练，靠单相机零样本迁移到真实手，瓶+盖、注射器、马克笔三类装配任务闭环成功率 15/20、17/20、16/20。
把渲染视图上的分割结果反传到单个高斯，为已有 3DGS 场景补上物体级理解：渲染视图、分割并识别物体、跨视图累积证据，再把带标签的高斯聚合成带包围盒与元数据的三维实例。当前版本全程本地运行，使用 SAM 3 与 Qwen 3.8 27B，作者称即将发布。
SimWorld Studio 基于 Unreal Engine 5，让编码智能体用语言或图像指令生成可验证、可训练且会随机器人能力演化的具身环境。
mjbatch 用释放 GIL 的 C++ 线程池，让 CPU 并行运行数千个 MuJoCo 仿真，支持 RL、MPC、系统辨识和机器人硬件联合设计。
CAP 用去噪世界模型把受污染深度重建为干净深度，与 50Hz 本体感受 VAE 双通路融合，让 G1 单策略在感知退化中稳定行走，脏深度成功率 97.9%。
Chen, Hongjin, Xu, Zijun, Ma, Shihao
