Dexterity：机器人创业公司为何必须从第一天就采用系统工程方法
Dexterity 战略执行副总裁 Dr. Keshav Prasad 指出，机器人创业公司常把演示或开发早期进展误当作接近完成的产品，一旦涉及硬件便难以为继。构建真实机器人系统需统筹硬件、软件、AI、供应链物流、现场服务与认证，须从第一天起采用系统方法，并行推进供应链与制造流程，兼顾可维护性与可测试性。忽视系统工程的团队可能止步于试点阶段，只有这样才能实现规模化与商业可行性。
#具身智能
Dexterity 博客AI 评分3838
Figure AI 新闻精选AI 评分7171 Figure AI 披露 Helix 在物流分拣上的扩展结果，包裹处理提速至 4.05 秒
Figure AI 公布 Helix 在物流分拣场景的最新进展，包裹处理时间降至约 4.05 秒，条码朝向成功率提升到约 95%，并能处理 poly bag、平信封等可变形包裹。
推荐理由：原文给出 10 到 60 小时演示数据与各模块消融的量化结果，可用来判断数据规模与架构改动各自的收益。
Sanctuary AI 新闻AI 评分3636 Sanctuary AI 携 Microsoft 亮相 Hannover Messe 2025，Gen 8 Phoenix 展示 43.5 小时连续运行
Sanctuary AI 随 Microsoft 参加 Hannover Messe 2025，Gen 8 Phoenix 通用机器人在展台连续运行 43.5 小时，演示 Physical AI 驱动的自动化劳动。借助 Microsoft Azure，其 Physical AI 面向企业市场开放，以应对全球劳动力挑战。
Sanctuary AI 新闻精选AI 评分5757 Sanctuary AI 展示用强化学习控制液压灵巧手的抓握重定向能力
Sanctuary AI 展示了在仿真中训练的 in-hand reorientation 策略在真实液压灵巧手上执行，可在对抗重力并额外加载 500 克重量的情况下完成手内重定向。该公司称其自研强化学习方法在训练中未见过的 500g 负载扰动下仍能完成手内重定向。其液压手具备较多主动自由度，支持手指侧摆与手内操作，采用液压驱动以获得力量、速度和控制性能。
推荐理由：原文给出了仿真训练策略迁移到真实液压手并承受 500g 未见负载的细节，可作为灵巧操作训练迁移的参考案例。
Figure AI 新闻精选AI 评分6666 Figure 用强化学习让 Figure 02 实现自然类人步行，策略零样本迁移到真机
Figure 公布了纯仿真训练的端到端强化学习步行控制器，让 Figure 02 人形机器人以类人步态行走，策略零样本迁移到真机无需微调。训练在 GPU 加速物理仿真中并行运行数千台参数各异的 Figure 02，几小时内积累数年仿真数据，覆盖多种地形、执行器动态变化以及绊倒、打滑和推搡等扰动。
推荐理由：原文给出了用人类步行参考轨迹做奖励先验、再以 kHz 力矩闭环补偿执行器建模误差的做法，可迁移到其他双足训练。
Sanctuary AI 新闻精选AI 评分5757 Sanctuary AI 借助 NVIDIA Isaac Lab 加速灵巧手学习
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。
Dexterity 博客精选AI 评分6262 Dexterity 发布工业超人形机器人 Mech
Dexterity 发布工业超人形机器人 Mech，采用双臂加移动底盘设计，面向卡车装卸、码垛拆垛和订单拣选等任务。Mech 单臂可举 65 lbs、双臂合计 130 lbs，能把箱子放到 8 英尺高，配备最多 16 个机载相机和内置触觉，可在 32 至 122°F 环境下工作。
推荐理由：原文给出了双臂负载、举升高度、相机数量和温度范围等规格，可与现有人形机器人方案做能力对照。