智元给了一个公式：Worken = 活跃机器人数量 × 自主工作时长 × 产出效能比。把它倒过来解，能得到一条很实用的报价线——机器人日租必须低于「效能比 × 人工日成本」才划算。按 0.7 的效能比、300 元的普工日成本算，这条线是 210 元/天。
4 款本体、22 项任务、96.7% 相关性——这组数字说的是「排序一致」，不是「分数可迁移」。真正能拿去用的是另外两件事：刚柔分区求解，和 Real2Sim 的物理参数校准。代码已开源，所以这一次可以自己验。
训练机器人最贵的一道工序不是显卡是标注。英伟达把这条流水线拆成三个微调过的 Qwen3.5，挂上 Hugging Face——但许可证上写着「不可商用」。
仿真、模型、数据、运行时，英伟达每一层早就有工具了。柏林这次做的事是把这四个层之间的接缝收窄——对做二次开发的团队来说，这比任何一个单点指标的提升都更影响工期。
展台上 38 个自由度的手能弹钢琴，产线上走量的却是三指。中国工业报这场采访给出了一个很硬的约束：现有 VLA 同一时间戳只能输出约 10 个运动控制向量。
普林斯顿、UT 奥斯汀、多伦多、NVIDIA 和智元联合上线了一个「对答案」平台：拿真实机器人执行记录给世界模型判卷，第一批成绩单显示，机械臂画对了，物体却经常跟不上。
同一份报价单上，本体日租 2990 到 3599 元、技能包 100 到 200 元、二次开发从几千元到 20 万元——三层之间差了一百倍。差价的根源不在技术难度，在接口开放度与验收标准的缺失。
四大重点任务、五大攻坚项目、两个阶段目标。这份文件的实用价值不在金额，而在它把「场景、要素、机制」三样东西分开写清了——企业要对接，找的是其中哪一栏，比记住总额更重要。
三类基础模型、一万小时以上机器人数据、Apache 2.0 许可、本地推理 8GB 显存起步——但这次真正的新东西不是模型，是把「上传数据—训练—部署—评估」这条闭环做成了一个可调用的托管服务。
香港首个具身智能国际应用枢纽今天启动。它发布的不是一款产品，而是一套「七环闭环 + 六类指标」的验证框架——这套框架拿掉名字，就是一份可以直接用的采购验收清单。
九项措施、六档金额、一个明确的终端品类清单。这份文件的可用之处在于它把「谁能申报、申报什么、最高拿多少」摊开了，而机器人恰好被写在终端清单里。
一份发布稿里最有工程价值的部分，是它把「为 AI 重构」拆成了四个可对照检查的层次：法兰、控制器、操作系统、认证。这四层可以直接当自查表用。
人社部第八批新职业里出现了「具身智能机器人应用技术员」。它的官方定义只有四句话，但这四句话恰好把这门生意最难被 PPT 表述的部分——进场、采数、调机、守场——全部框了进去。
800 万片是累计出货，不是具身装机量。这篇要抄的不是那个数字，是 RoboGo 把「采数据—训模型—量化—上机」串成一条流水线的方式。
一套 6B 的人形机器人基础模型被放到了 Apache 2.0 下，微调门槛写到了「单张 24GB 显卡」。真正值得读的不是参数量，而是那份文档自己承认的一处缺口：模型服务器目前只认二指夹爪。
这是一个可以直接抄的配方：先让模型学会预测一整件事，再把它压到能实时跑的速度，最后才接动作专家。三个阶段的顺序一旦反过来，动作学会了、泛化就丢了。VPP2 把这条顺序连同代码一起开源了。
同一天，深圳市级和龙岗区级的具身智能机器人补贴条款被放到一起读，会发现一个明显的方向变化：区级新设了以「抢券」形式发放、可直接抵扣购买或租赁费用的机器人券——补贴第一次不是给造机器人的，而是给买和租机器人的。
南京把销售、配件、售后、研学、租赁、定制六件事装进了同一家店。真正值得抄的不是门店形态，而是「租赁」被放进了服务闭环里——它同时是获客入口、试运行通道和数据回流管线。
摩根大通首次覆盖宇树科技就给了低配与 300 元目标价，理由里最值钱的不是目标价，是那把尺子：从「给稀缺性溢价」换成「要可验证的收入」。同一天另一篇稿子列出了审批端掂量的三件事。把两边拼起来，正好是一份给具身创业公司的四步自查表。
Nico Bohlinger 与 Bo Ai 的团队发布了通用 RL 运动控制策略 γ₀，用 200 多个真实机器人模型塑造本体分布、在数百万个随机化本体上训练，一个策略同时开腿足机器人和无人机。他们正在公开征集 URDF，10 月 15 日截止。交不交，是本体厂商今年一个真实的选择题。
IROS 2026 足式机器人挑战赛，新加坡南洋理工用铜锤 M1 夺冠，上一届曼彻斯特大学夺冠用的是钢镚 L1——连续两届不同国家的队伍，选了同一家中国公司的平台。但展台上对开发者最有用的两件东西是 L1 Maker 和开源的 MATRiX 2.0，不是冠军。
开源覆盖了「构建、感知、评测」三段，其中最容易被跳过、也最贵的一段是中间那步——把一个看起来对的三维场景，改造成物理上站得住、能直接被物理引擎接管的仿真环境。飞捷科思把它单独做成了一个项目。
ChatGPT 把「5 倍、20 倍用量」从定价页删掉了，边缘芯片的 TOPS 又不连功耗一起写。这篇给出一张询价清单，把云侧与边侧两类成本锚点固定下来，避免拿不可比的数字做预算。
征求意见期已在 9 月 23 日结束，六大板块、100 项标准、200 家企业是三个硬数字。与其等正式稿，不如现在就按板块做一轮自查——尤其是「数字身份」那一项。
两个月、一个真实制造任务、最终 98%。这份消融最有用的不是那个 98%，是它把四个杠杆按性价比排了序——加数据量排在最后一位，学习率和 batch size 被明确列为「意外地不重要」。
5.5 倍是厂商口径且未独立复现；真正会被写进 ROS 长期支持版的是 rosidl::buffer——一个厂商中立的跨内存域传输接口。做异构设备接入的人，该盯的是后者。
9 月 15 日开源的 APXInf 把 π0.5 在 Jetson Thor 上的端到端推理延迟从 278ms 压到 26ms，三天后 CTO 专访又补上了 37000P、16 种芯片的公司底牌。这篇把「怎么用、能信多少、该问什么」一次讲清。
9 月 16 日，中国移动向全球开源连接 VLA / WAM 模型与机器人本体的通用工程底座 Open-RAIL。4 款异构机器人、10 个模型、50—100 行接入代码、关节加速度标准差从 10+ 降到 0.1 rad/s²。真正值得抄的不是这些数字，是它选了一个没人愿意做的位置。
支付宝与高德动量发布「AI付·具身智能」，机器狗「途途」可以在主人授权额度内自己扫码付款。热闹之外，真正可复用的是 APASS 那套 KYA 四维度框架——把它翻译成一份授权清单，任何做机器人运营的团队都能直接抄。
9 月 10 日小米开源了具身世界模型训练框架与 4B/34B 两套权重，Apache 2.0 许可，覆盖场景生成、场景编辑、单图生成、图像编辑、视频生成与图文交错序列生成。这篇把它能接进哪些真实环节、以及三条不该碰的边界一次说清。
浙大与阿里达摩院开源了一个 4000 万参数的 Corrector 模块，挂在任何用动作分块的 VLA 外面就能用，不改主干权重。它治的是动作分块之间的开环盲区——这是所有 chunking 架构的通病。
一篇 12,276 字的 Mac 本地部署长文，用 5,788 粉跑出 20.9 万浏览。结构确实可复制，但更值得抄的是它无意中暴露的一件事：同一台机器、同一模型、同一加速方案，实测速度差了 12 倍。
原文面向 Apple Silicon + MLX，步骤不能直接在 Windows 上执行。本卡只保留可跨平台迁移的方法论，并改写为具身智能/边缘部署与客户方案场景：先算五笔资源账，再做选型与阶梯加档，最后用测量边界六字段对外报数。
一篇 LangGraph 入门教程，模型名和 API 写法都踩在当前稳定版上——这在 2026 年的教程里并不常见。但它的三个默认值（内存存档、绑 OpenAI、人工审批可选）放到实体机器人场景里，每一个都要改。
一篇流传很广的 ComfyUI 本地出图/出视频教程，工具链和模型全都真实存在，两款主力模型还是 Apache 2.0 可商用。但它把 MiniMax H3 的下载体积说成显存，最后一节还在教绕过内容审核——这两处必须点出来。
一条 2.9 万浏览的推文说开源了公众号排版 Skill，但文末链接被折叠成短链。这篇记录完整的五步核查：推文还原、链接展开、仓库树核验、真实文件落盘、安全审计加冒烟测试——顺便查出推文说的 5 套主题实际是 6 套。
客户租了机器人，接下来要让它跳一段舞、踢一场球、或者做一套迎宾动作。这篇文章把从动作采集、轨迹编辑、仿真验证到现场调参的完整链路拆开，附我们踩过的坑。
