OpenClaw เตรียมจัดงาน Claw Hack hackathon สามวันและงานประชุม ClawCon ที่เมืองเซินเจิ้นระหว่างวันที่ 4–6 ธันวาคม 2026 ต่อจากงานที่เซี่ยงไฮ้ โดย Claw Hack มีทั้งสายซอฟต์แวร์และฮาร์ดแวร์ พร้อมด้วย M5Stack, reBot Arm B601 และฮาร์ดแวร์ Pamir ของ Seeed Studio และปิดรับสมัครในวันที่ 25 พฤศจิกายน ส่วน ClawCon จัดขึ้นในวันที่ 6 ธันวาคม ด้วยการบรรยายเกี่ยวกับ AI โอเพนซอร์ส โมเดลแบบ open-weight และการรันเอเจนต์ทั้งในเครื่องและบนคลาวด์
ระบบฉีดเข้าหลอดเลือดดำที่หางหนูอัตโนมัติ AUTiv ของ Preferred Networks ได้รับรางวัลประธานกรรมการจากสมาพันธ์เครื่องจักรกลญี่ปุ่นในงาน Robot Award ครั้งที่ 12 ระบบนี้ใช้กล้องสเตอริโอ 4K และการเรียนรู้เชิงลึกเพื่อระบุตำแหน่งหลอดเลือดดำที่หางซึ่งมีขนาดประมาณ 0.3 มม. และทำการเจาะและให้ยาอัตโนมัติ ช่วยลดอุบัติเหตุจากการทิ่มเข็มและความเครียดของสัตว์ มีการส่งมอบแล้วประมาณ 20 เครื่องในญี่ปุ่น และได้รับการยืนยันการผลิตเพิ่มเติมแล้ว
LiveKit เปิดตัว LiveKit Portal สำหรับ ROS 2 ซึ่งเป็นโหนด ROS 2 แบบสแตนด์อโลนที่เชื่อมต่อกราฟ ROS เข้ากับห้อง LiveKit เพื่อให้ผู้เข้าร่วมที่เป็น ROS และไม่ใช่ ROS สามารถแลกเปลี่ยนท็อปปิก การเรียกบริการ และวิดีโอผ่าน WebRTC โดยไม่ต้องเปิดเผย DDS ข้ามเครือข่าย รองรับเส้นทางข้อมูลสี่แบบ—ท็อปปิกผ่าน DataTracks บริการผ่าน RPC รูปภาพเป็น VideoTracks และแหล่งวิดีโอโดยตรง—พร้อมกฎ YAML สำหรับทิศทาง ขีดจำกัดอัตรา และการเข้ารหัสสคีมา เดโมหนึ่งถ่ายโอนภาระ stereo SLAM และการสร้างฉากใหม่จาก rover ที่ใช้ Jetson Orin Nano ไปยังเดสก์ท็อป RTX 5090
Google DeepMind เปิดตัว Gemini Robotics 2.5 ซึ่งเป็นโมเดล vision-language-action ที่มีความสามารถสูงที่สุดจนถึงปัจจุบัน ขยายขอบเขตทักษะที่หุ่นยนต์สามารถเรียนรู้ได้และเร่งความเร็วในการเรียนรู้ ทดสอบบนงานที่แตกต่างกัน 200 งาน โมเดลมีอัตราความสำเร็จสูงกว่าฐานอ้างอิงก่อนหน้า 30% ถึง 100% พร้อมทั้งทำงานเสร็จเร็วขึ้น 20% ถึง 30% และในการทดสอบแนวคิดบนสายการผลิตของ Mercedes-Benz หุ่นยนต์มนุษย์ Apollo 2 ของ Apptronik หยิบและบรรจุชิ้นส่วนยานยนต์ด้วยอัตราความสำเร็จ 96% การเปิดตัวยังเพิ่มคำแนะนำการให้เหตุผลระหว่างการอนุมานเพื่อความปลอดภัยทางกายภาพ ซึ่งเพิ่มความสำเร็จของงานที่ปลอดภัยขึ้น 33% เมื่ออยู่รอบสิ่งกีดขวางและ 43% เมื่ออยู่รอบผู้คนใกล้เคียง พร้อมทั้ง ASIMOV-Jailbreak ซึ่งเป็นเกณฑ์มาตรฐานโอเพนซอร์สที่ Gemini 4 Argon มีความต้านทานการ jailbreak ถึง 99.5%
ทำไมเรื่องนี้สำคัญ: Gemini Robotics 2.5 ปรับปรุงอัตราความสำเร็จบน 200 งานขึ้น 30% ถึง 100% และมีอัตราความสำเร็จในการหยิบและวาง 96% ในการนำร่องบนสายการผลิต Mercedes-Benz ซึ่งให้ข้อมูลอ้างอิงสำหรับประเมินการติดตั้งใช้งานจริงของโมเดล VLA
NVIDIA เปิดตัว GR00T 2 ซึ่งเป็น open world action model ที่สร้างบน Cosmos และฝึกด้วยข้อมูล egocentric ของมนุษย์ 100,000 ชั่วโมง พร้อมกับ Isaac Lab 3.0 และ benchmark หุ่นยนต์ใหม่ที่ CoRL GR00T 2 ทำภารกิจที่ประเมิน 40 จาก 50 ภารกิจได้สำเร็จอย่างน้อยหนึ่งครั้งโดยไม่ต้องมี demonstration เฉพาะภารกิจ และมีอัตราความสำเร็จเฉลี่ย 71% across 50 ภารกิจเมื่อมี demonstration หนึ่งครั้งต่อภารกิจ เพิ่มเป็น 95% เมื่อมีห้าครั้ง Isaac Lab 3.0 เพิ่มการผสานรวมฟิสิกส์ Newton สำหรับวัตถุที่เปลี่ยนรูปได้ และรายงาน throughput การฝึกได้สูงถึง 2.5 เท่าของ Isaac Lab 2.3 ที่ใช้ PhysX ใน benchmark การจัดการแบบ dexterous ที่อิงวิสัยทัศน์
ทำไมเรื่องนี้สำคัญ: การเปิดตัวที่ CoRL ของ NVIDIA แสดงให้เห็นว่า simulation บวก world action model ตอนนี้มุ่งเป้าไปที่งานประกอบที่ละเอียดอ่อน โดยรายละเอียดของ GR00T 2 และ Isaac Lab 3.0 นั้นควรค่าแก่การเปรียบเทียบกับสแตกหุ่นยนต์ก่อนหน้า
BAIR แห่ง UC Berkeley นำเสนอ 33 บทความในงานประชุมหลัก, 4 โปสเตอร์ late-breaking, 3 การนำเสนอปากเปล่า และ 7 spotlight ในงาน CoRL 2026 ซึ่งจัดขึ้นระหว่างวันที่ 9–12 พฤศจิกายน ที่เมืองออสติน รัฐเท็กซัส ศาสตราจารย์ Negar Mehr บรรยายในหัวข้อ Early Career Keynote เกี่ยวกับวิธีที่หุ่นยนต์เรียนรู้ที่จะมีปฏิสัมพันธ์และประสานงานกับผู้อื่น งานวิจัยครอบคลุมหน่วยความจำแบบ embodied สำหรับโมเดล vision-language-action, การขยายขนาดการจัดการแบบ dexterous ด้วยข้อมูลมนุษย์แบบ egocentric และการพัฒนาตนเองของหุ่นยนต์แบบ agentic
NVIDIA กำลังช่วยผลักดันระบบนิเวศ Physical AI ของเกาหลี โดย Samsung, Kakao Mobility และ LG Electronics นำการประมวลผลแบบเร่งความเร็ว AI และการจำลองไปใช้กับกระบวนการผลิตเซมิคอนดักเตอร์ ยานยนต์ไร้คนขับ และหุ่นยนต์ แพลตฟอร์ม sMOL ของ Samsung รันการคำนวณเคมีควอนตัมที่เลือกได้เร็วขึ้นถึง 5 เท่าด้วย NVIDIA cuEST และกรณีการ homogenization ด้วย AI กรณีหนึ่งลดเวลาการจำลองจากประมาณ 18 ชั่วโมงบน CPU 32 คอร์ เหลือ 41 วินาที Kakao Mobility วางแผนระบบขับขี่อัตโนมัติระดับ 4 บน NVIDIA DRIVE AGX Thor ขณะที่ LG สาธิตการจัดการด้วยหุ่นยนต์ CLOiD ที่ขับเคลื่อนโดย NVIDIA Isaac GR00T ในสภาพแวดล้อมการผลิตจริง
Ai2 เปิดตัว ToyBlocks กรอบการจำลองแบบเปิดที่สร้างขึ้นรอบแขนหุ่นยนต์และบล็อกบนโต๊ะ เป็นFoundationWorldsตัวแรกสำหรับการเรียนรู้และประเมินผลหุ่นยนต์แบบควบคุม กรอบนี้สร้างทักษะและการสาธิตโดยอัตโนมัติผ่าน RL และการวางแผนการเคลื่อนไหวใน Isaac Lab ทำความเร็วได้ถึง 24 เท่าของเวลาจริงบน GPU เดียว และมาพร้อมการสาธิตระยะยาว 85,336 ชุด ครอบคลุมเกือบ 1,600 ชั่วโมงและ 144 ล้านเฟรม ในการทดลองของพวกเขา ความสำเร็จของทักษะระดับอะตอมของ ManiFlow อยู่ที่ 80.0% ในการจำลองและ 81.1% บน Franka FR3 จริง ขณะที่ระบบ Molmo 2 ร่วมกับ ManiFlow ประสบความสำเร็จ 55.5% ของตอนในการจำลองและ 50.0% ในโลกจริง
Ai2 เปิดตัว ToyBlocks กรอบการจำลองแบบเปิดที่สร้างขึ้นรอบแขนหุ่นยนต์และบล็อกบนโต๊ะ เป็น FoundationWorlds ตัวแรกสำหรับการวิจัยการเรียนรู้ของหุ่นยนต์แบบควบคุม ToyBlocks สร้างงานและการสาธิตโดยอัตโนมัติผ่าน RL และการวางแผนการเคลื่อนไหวใน Isaac Lab โดยสร้างข้อมูลได้สูงสุดถึง 24 เท่าของเวลาจริงบน GPU เดียว และมาพร้อมกับการสาธิตระยะยาว 85,336 รายการ ครอบคลุมเกือบ 1,600 ชั่วโมงและ 144 ล้านเฟรม ในการทดสอบโลกจริงบน Franka FR3 ความสำเร็จของทักษะระดับอะตอมของ ManiFlow อยู่ที่ 80.0% ในการจำลองและ 81.1% บนฮาร์ดแวร์ ขณะที่ระบบ Molmo 2 ร่วมกับ ManiFlow ประสบความสำเร็จ 55.5% ของตอนจำลองและ 50.0% ของตอนจริง
Markov Robotics กำลังฝึกโมเดลโลกสำหรับความคล่องแคล่วของหุ่นยนต์อเนกประสงค์แบบ zero-shot โดยใช้ข้อมูลหุ่นยนต์น้อยกว่าสิบชั่วโมง ในขณะที่ผลลัพธ์ที่เทียบเคียงได้มักต้องใช้ข้อมูลหลายพันชั่วโมง บริษัทใช้การประมวลผลเกือบทั้งหมดบน Modal ตั้งแต่การประมวลผลวิดีโอหลายร้อยเทระไบต์ไปจนถึงการฝึกอบรมพร้อมกัน 2–10 รอบและการอนุมานระยะไกลผ่าน Modal Tunnels ที่ความหน่วงไปกลับประมาณ 20 มิลลิวินาที การประมวลผลล่วงหน้าที่อาจใช้เวลาทั้งวันเสร็จสิ้นในยี่สิบถึงสามสิบนาที โดยกระจายไปยัง GPU มากถึง 500 ตัวพร้อมกัน
Physical Intelligence (Pi) รันโมเดลหุ่นยนต์ Visual-Language-Action บน Modal โดยเพิ่มโอเวอร์เฮดเครือข่ายเพียง ~10-15ms Pi ร่วมมือกับ Modal สร้างพอร์ทัลที่ใช้ QUIC บน UDP พร้อมการทะลุ NAT อัตโนมัติ แทนที่ TCP Tunnels เพื่อหลีกเลี่ยงการหยุดชะงักแบบ request-response ในลูปควบคุมหุ่นยนต์ Checkpoint ที่เก็บใน Modal Volumes โหลดได้ในเวลาไม่ถึง 30 วินาที และการดีพลอยแบบปักหมุดภูมิภาคช่วยให้การอนุมานอยู่ใกล้หุ่นยนต์