Skild AI 宣布通过物理自我对弈完成一项后训练突破，其机器人基础模型 S1 在与自身对弈的仿真中学会了踢足球等高度灵巧和动态的任务。模型只被给出进球这一个目标，在 NVIDIA Isaac Sim 中与近期版本的自己对抗，逐步自行学会带球过人、护球和铲球，这些行为因有助于进球而涌现，未手工设计奖励。
推荐理由：原文给出仿真时长、涌现行为和 sim-to-real 迁移结果，可据此评估自我对弈后训练路线在具身智能上的可行性。
Figure 宣布与 Nscale 达成战略合作，将在得州 Barstow 部署基于 NVIDIA Vera Rubin 平台的最多 100,000 颗 GPU，初步部署计划自 2027 年下半年启动。
推荐理由：原文给出算力规模、投资额和部署时间，可据此了解人形机器人训练算力的量级与投入节奏。
Skild AI 发布旗舰机器人基础模型 S1，作为上下文学习器，仅凭一段视频演示即可执行未在预训练中出现、最长 10 分钟的操作任务，无需微调或后训练。在内部基准上，未见任务中 ICL 在 100k 小时预训练数据下达到 66% 成功率，语言提示 VLA 为 9%；已见任务中 S1 达到约 96%。一次上下文演示约等于 380 个后训练示例，植物移盆任务从演示到自主执行用时 11 分钟。
推荐理由：原文给出 ICL 与语言提示 VLA 在 1k 到 100k 小时预训练下的成功率对比，可作为评估提示范式选型的参考。
波士顿动力与现代合作，用人类示范和强化学习训练 Atlas 人形机器人完成此前未见的 Ghost Rabona 花式踢球动作。团队用光学动作捕捉记录球员与工程师 Roberto 的高保真运动数据，经重定向映射到 Atlas 运动学结构后，在云端 GPU 并行数千次仿真训练，相当于 24 小时内完成一年的物理试错，学到的策略几乎全部首次上机即成功。该训练方法可迁移到仓储、工厂等实际作业任务。
Skild AI 宣布与 ABB Robotics、Universal Robots、Teradyne 旗下 MiR 合作，将 omni-bodied Skild Brain 基础模型集成到其机器人产品线，实现无需逐任务编程的跨行业部署。
推荐理由：原文给出了从半结构化工厂到家庭环境的分阶段落地路径，可作为具身智能规模化部署节奏的参考。
Skild AI 宣布完成 14 亿美元 C 轮融资，由软银领投，NVentures（NVIDIA）、Macquarie Capital 和 Jeff Bezos 等参投，公司估值超过 140 亿美元。
推荐理由：融资规模、估值和投资方名单完整，可作为观察通用机器人基础模型资本集中度的一个参考样本。
Figure 宣布 C 轮融资承诺资本超过 10 亿美元，投后估值 390 亿美元，由 Parkway Venture Capital 领投，Brookfield Asset Management、NVIDIA、Intel Capital、Qualcomm Ventures 等参投。
推荐理由：原文列出 Parkway Venture Capital 领投及 NVIDIA、Qualcomm Ventures 等参与方，可用于观察人形机器人赛道的资金流向。
Sanctuary AI 借助 NVIDIA Isaac Lab 开源机器人学习框架，对其高自由度、高强度、高速液压灵巧手实现业界领先的 sim-to-real 灵巧操作策略迁移。