OpenClaw 继上海活动之后，将于 2026 年 12 月 4 日至 6 日在深圳举办为期三天的 Claw Hack 黑客松和 ClawCon 大会。Claw Hack 涵盖软件与硬件赛道，涉及 M5Stack、Seeed Studio 的 reBot Arm B601 和 Pamir 硬件，报名截止日期为 11 月 25 日。ClawCon 将于 12 月 6 日举行，演讲主题包括开源 AI、开放权重模型以及在本地和云端运行智能体。
Preferred Networks的AUTiv自动小鼠尾静脉注射系统在第12届机器人奖中获得日本机械工业联合会会长奖。该系统利用4K立体摄像头和深度学习定位约0.3毫米的尾静脉，自动完成穿刺和给药，减少针刺事故和动物应激。目前已在日本交付约20台，并已确认追加生产。
LiveKit 发布了 LiveKit Portal for ROS 2，这是一个独立的 ROS 2 节点，可将 ROS 图连接到 LiveKit 房间，使 ROS 和非 ROS 参与者能够通过 WebRTC 交换话题、服务调用和视频，而无需跨网络暴露 DDS。它支持四条数据路径——通过 DataTracks 传输话题、通过 RPC 传输服务、将图像作为 VideoTracks 传输，以及直接视频源——并提供 YAML 规则来配置方向、速率限制和模式编码。一个演示将立体 SLAM 和场景重建从 Jetson Orin Nano 漫游车卸载到桌面 RTX 5090。
Google DeepMind 推出了 Gemini Robotics 2.5，这是其迄今为止能力最强的视觉-语言-动作模型，扩展了机器人可学习的技能范围，并加快了技能获取速度。在 200 个不同任务上评估时，该模型相比此前基线成功率高出 30% 到 100%，同时完成任务的速度快 20% 到 30%；在梅赛德斯-奔驰生产线的概念验证中，Apptronik 的 Apollo 2 人形机器人以 96% 的成功率完成汽车零部件的拾取和包装。此次发布还新增了针对物理安全的推理时推理引导，使在障碍物周围的安全任务完成率提升 33%，在附近有人时的安全任务完成率提升 43%，并推出了开源基准 ASIMOV-Jailbreak，Gemini 4 Argon 在该基准上达到 99.5% 的越狱抵抗率。
推荐理由：Gemini Robotics 2.5 在 200 个任务上的成功率提升了 30% 到 100%，并在梅赛德斯-奔驰生产线的试点中实现了 96% 的拾取放置成功率，为评估 VLA 模型的真实世界部署提供了参考数据。
NVIDIA 在 CoRL 上推出了 GR00T 2——一个基于 Cosmos 构建、在 10 万小时人类第一视角数据上训练的开源世界动作模型，同时发布了 Isaac Lab 3.0 和新的机器人基准测试。GR00T 2 在没有任务特定演示的情况下，至少完成了一次 50 个评估任务中的 40 个；在每项任务仅提供一次演示的情况下，50 项任务的平均成功率达到 71%，提供五次演示时则升至 95%。Isaac Lab 3.0 新增了面向可变形物体的 Newton 物理集成，并在一个基于视觉的灵巧操作基准测试中报告其训练吞吐量最高可达使用 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推荐理由：NVIDIA 在 CoRL 上的发布表明，仿真加上世界动作模型如今正瞄准精细装配工作，GR00T 2 和 Isaac Lab 3.0 的细节值得与先前的机器人技术栈进行比较。
加州大学伯克利分校的 BAIR 在 CoRL 2026 上展示了 33 篇主会议论文、4 篇最新研究海报、3 个口头报告和 7 个焦点报告，会议于 11 月 9 日至 12 日在德克萨斯州奥斯汀举行。Negar Mehr 教授发表了早期职业主题演讲，探讨机器人如何学习与他人互动和协调。研究涵盖视觉-语言-动作模型的具身记忆、利用自我中心人类数据扩展灵巧操作，以及智能体机器人的自我改进。
NVIDIA 正在助力推进韩国的物理 AI 生态，三星、Kakao Mobility 和 LG 电子将加速计算、AI 和仿真应用于半导体制造、自动驾驶汽车和机器人。三星的 sMOL 平台借助 NVIDIA cuEST 运行部分量子化学计算，速度最高提升 5 倍；一个 AI 均质化案例将仿真时间从 32 核 CPU 上约 18 小时缩短至 41 秒。Kakao Mobility 计划基于 NVIDIA DRIVE AGX Thor 打造 L4 级自动驾驶系统，LG 则在真实制造环境中展示了其 CLOiD 机器人由 NVIDIA Isaac GR00T 驱动的操作能力。
Ai2 发布了 ToyBlocks，这是一个围绕机械臂和桌面上的积木构建的开放模拟框架，是 FoundationWorlds 系列中首个用于受控机器人学习与评估的世界。该框架在 Isaac Lab 中通过强化学习和运动规划自动生成技能与演示，在单块 GPU 上可达最高 24 倍实时速度，并附带 85,336 条长时程演示，覆盖近 1,600 小时和 1.44 亿帧。在其实验中，ManiFlow 的原子技能成功率在模拟中为 80.0%，在真实 Franka FR3 上为 81.1%；而 Molmo 2 加 ManiFlow 系统在模拟和真实场景中的回合成功率分别为 55.5% 和 50.0%。
Ai2 发布了 ToyBlocks，这是一个围绕机械臂和桌面方块构建的开放模拟框架，作为其 FoundationWorlds 中首个用于可控机器人学习研究的项目。ToyBlocks 在 Isaac Lab 中通过强化学习和运动规划自动生成任务与演示，在单块 GPU 上数据生成速度最高可达实时的 24 倍，并附带 85,336 条长时程演示，覆盖近 1,600 小时和 1.44 亿帧。在 Franka FR3 上的真实世界测试中，ManiFlow 的原子技能成功率在模拟中为 80.0%，在硬件上为 81.1%；而 Molmo 2 加 ManiFlow 系统在模拟和真实回合中的成功率分别为 55.5% 和 50.0%。
Markov Robotics 正在训练一个世界模型，用于零样本通用机器人灵巧操作，所用机器人数据不到十小时，而同类结果通常需要数千小时。该公司几乎全部计算都运行在 Modal 上，从预处理数百 TB 视频，到 2–10 个并发训练任务，再到通过 Modal Tunnels 进行远程推理，往返延迟约为 20 毫秒。原本可能需要一整天的预处理，现在二十分钟到三十分钟即可完成，并可一次性扇出到多达 500 块 GPU。
Physical Intelligence (Pi) 将其视觉-语言-动作机器人模型运行在 Modal 上，仅增加约 10-15ms 的网络开销。Pi 与 Modal 合作，基于 UDP 构建了一个支持自动 NAT 穿透的 QUIC 门户，取代 TCP Tunnels，以避免机器人控制回路中的请求-响应停滞。存储在 Modal Volumes 中的检查点可在 30 秒内加载完成，区域固定部署使推理贴近机器人所在位置。