实时快讯 2026年10月4日 星期日 · 具身智能全量信息流
运动模仿框架教三台机器人学会侧手翻和后空翻等动作
一种新的运动模仿框架让三台腿式机器人能够执行侧手翻和后空翻等动态动作。该框架解决了快速学习复杂全身动作的难题，有望提升腿式机器人的敏捷性。
逐际动力TRON营纪录片第三集：花瓶任务中的VLA
逐际动力发布TRON营2026纪录片第三集，展示TRON 2在双手插花任务中如何协调视觉、语言指令与物理动作，并探索VLA模型从抽象到落地的过程。
梅卡曼德：全球29,000+部署验证具身智能飞轮
梅卡曼德表示，其具身智能已在全球超29,000个部署中得到验证，覆盖多种物体、环境、任务和机器人形态。每个应用产生的数据与反馈推动感知、规划与操作能力提升，形成更强泛化与更多应用的飞轮。
Figure AI 发布 Index：挖掘现实世界数据的宏伟计划
Figure AI 公布其 Index 数据工程项目，通过采集真实世界的物理交互数据来训练通用机器人。该项目旨在构建机器人领域的 ImageNet，为机器人提供现实生存指南。
Skild AI 发布 S1 基础模型，可从单一视频学习新任务
Skild AI 推出新基础模型 S1，仅凭一个视频示例即可学会从未见过的任务，最长可达 10 分钟，无需微调。公司还展示了 S1 通过上下文学习进行实时操作的演示。
Skild AI：S1相较传统VLA是飞跃式改进，新任务呈指数级领先
Skild AI 称，S1 相比传统VLA是飞跃式改进：在已知任务上可匹配语言提示VLA，在新任务上随预训练规模扩大呈指数级超越。公司认为这是迈向机器人scaling laws的方向。
S1仅凭一个视频提示就翻出煎饼，预训练数据中并无此例
Skild AI 回顾首次看到S1翻煎饼时，团队曾以为该技能在预训练数据中，但全面搜索未发现任何先例。S1仅凭一个视频提示就推断出了这一分布外任务。
Skild AI 机器人组合预训练技能，完成10分钟新任务
Skild AI 称其系统可学会超过10分钟的长时间任务。通过组合预训练技能或创造新技能，可完成制作咖啡、移栽植物、煎饼等预训练中未见过的任务。
NEURA Robotics展示NEURA Gym用于机器人真实环境训练
NEURA Robotics 介绍了让机器人进入现实世界所需的要素，包括模拟真实作业的物理环境、采集熟练工人作业方法，以及转化为验证模型的流水线。该公司称，NEURA Gym 内部设施已具备这些条件，可为特定场景训练机器人。
