OpenClaw 將於 2026 年 12 月 4 日至 6 日在深圳舉辦為期三天的 Claw Hack 黑客松與 ClawCon 大會，這是繼上海場之後的活動。Claw Hack 涵蓋軟體與硬體賽道，合作硬體包括 M5Stack、Seeed Studio 的 reBot Arm B601 與 Pamir，報名截止日期為 11 月 25 日。ClawCon 於 12 月 6 日舉行，議程包括開源 AI、開放權重模型，以及在本地與雲端運行代理的演講。
Preferred Networks 的 AUTiv 自動小鼠尾靜脈注射系統在第 12 屆 Robot Award 中獲得日本機械工業聯合會會長獎。該系統使用 4K 立體攝影機與深度學習來定位約 0.3mm 的尾靜脈，並執行自動穿刺與給藥，減少針刺事故與動物緊迫。日本已交付約 20 台，並已確認追加製造。
LiveKit 發布了 LiveKit Portal for ROS 2，這是一個獨立的 ROS 2 節點，可將 ROS 圖連接到 LiveKit 房間，讓 ROS 與非 ROS 參與者能透過 WebRTC 交換主題、服務呼叫與視訊，而無需在網路上暴露 DDS。它支援四種資料路徑——透過 DataTracks 傳輸主題、透過 RPC 傳輸服務、將影像作為 VideoTracks，以及直接視訊來源——並以 YAML 規則控制方向、速率限制與結構描述編碼。一個示範將立體 SLAM 與場景重建從 Jetson Orin Nano 漫遊車卸載到桌上型 RTX 5090。
Google DeepMind 推出 Gemini Robotics 2.5，這是其迄今能力最強的視覺-語言-動作模型，擴大了機器人可學習的技能範圍，並加快其掌握技能的速度。在 200 項不同任務的評估中，該模型相較於先前的基線成功率高出 30% 至 100%，同時完成任務的速度快 20% 至 30%；在 Mercedes-Benz 生產線的概念驗證中，Apptronik 的 Apollo 2 人形機器人以 96% 的成功率揀選並包裝汽車零件。此次發布還新增了針對物理安全的推理時推理引導，使在障礙物周圍的安全任務完成率提升 33%，在附近有人時提升 43%，並推出開源基準 ASIMOV-Jailbreak，Gemini 4 Argon 在其上的越獄抵抗力達到 99.5%。
推薦理由：Gemini Robotics 2.5 在 200 項任務上的成功率提升了 30% 至 100%，並在 Mercedes-Benz 生產線的試點中達到 96% 的揀選放置成功率，為評估 VLA 模型的真實世界部署提供了參考數據。
NVIDIA 在 CoRL 推出 GR00T 2，這是一個建構於 Cosmos 之上的開放世界動作模型，以 10 萬小時的人類第一人稱視角資料訓練，同時發表 Isaac Lab 3.0 與新的機器人基準測試。GR00T 2 在沒有任務特定示範的情況下，於 50 項受評任務中至少完成 40 項；在每項任務各給一次示範的條件下，50 項任務平均成功率達 71%，給五次示範則升至 95%。Isaac Lab 3.0 加入 Newton 物理整合以支援可變形物體，並在一個基於視覺的靈巧操作基準測試中，回報其訓練吞吐量最高可達搭載 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推薦理由：NVIDIA 在 CoRL 的發布顯示，模擬加上世界動作模型如今已鎖定精細組裝作業，GR00T 2 與 Isaac Lab 3.0 的細節值得與先前的機器人技術堆疊相互比較。
加州大學柏克萊分校的 BAIR 在 CoRL 2026 發表 33 篇主會議論文、4 篇最新研究海報、3 場口頭報告與 7 場焦點展示；該會議於 11 月 9 日至 12 日在德州奧斯汀舉行。Negar Mehr 教授發表早期職涯主題演講，探討機器人如何學習與他人互動及協調。研究涵蓋視覺-語言-動作模型的具身記憶、以第一人稱人類資料擴展靈巧操作，以及具自主性的機器人自我改進。
NVIDIA 正協助推進韓國的實體 AI 生態系，三星、Kakao Mobility 與 LG 電子將加速運算、AI 與模擬應用於半導體製造、自動駕駛車輛與機器人。三星的 sMOL 平台透過 NVIDIA cuEST 執行特定量子化學計算，速度最高提升 5 倍，且一個 AI 均質化案例將模擬時間從 32 核心 CPU 上約 18 小時縮短至 41 秒。Kakao Mobility 計劃在 NVIDIA DRIVE AGX Thor 上打造 Level 4 自動駕駛系統，而 LG 則在真實製造環境中，以旗下 CLOiD 機器人展示了由 NVIDIA Isaac GR00T 驅動的操作能力。
Ai2 發布 ToyBlocks，這是一個圍繞機械手臂與桌面積木構建的開放模擬框架，是其 FoundationWorlds 系列中用於受控機器人學習與評估的首個成果。該框架在 Isaac Lab 中透過強化學習與運動規劃自動生成技能與示範，在單一 GPU 上可達最高 24 倍即時速度，並隨附 85,336 條長時程示範，涵蓋近 1,600 小時與 1.44 億幀。在其實驗中，ManiFlow 的原子技能成功率在模擬中為 80.0%，在真實 Franka FR3 上為 81.1%；而 Molmo 2 加 ManiFlow 系統在模擬與真實世界回合中的成功率分別為 55.5% 與 50.0%。
Ai2 發布 ToyBlocks，這是一個圍繞機械手臂與桌面上積木建構的開放模擬框架，作為其 FoundationWorlds 中首個用於可控機器人學習研究的項目。ToyBlocks 透過 Isaac Lab 中的強化學習與運動規劃自動生成任務與示範，在單一 GPU 上可達最高 24 倍的即時資料生成速度，並隨附 85,336 條長時程示範，涵蓋近 1,600 小時與 1.44 億幀。在 Franka FR3 的真實世界測試中，ManiFlow 的原子技能成功率在模擬中為 80.0%，在硬體上為 81.1%；而 Molmo 2 加 ManiFlow 系統則在模擬回合中成功 55.5%，在真實回合中成功 50.0%。
Markov Robotics 正在訓練一個世界模型，以實現零樣本通用機器人靈巧操作，使用的機器人資料不到十小時，而同等結果通常需要數千小時。該公司幾乎所有運算都在 Modal 上執行，從預處理數百 TB 的影片，到 2–10 個並行訓練任務，以及透過 Modal Tunnels 進行遠端推論，往返延遲約 20 毫秒。原本可能耗費一整天的預處理，現在只需二十到三十分鐘即可完成，並可同時展開到多達 500 個 GPU。
Physical Intelligence（Pi）在 Modal 上運行其視覺-語言-動作機器人模型，僅增加約 10-15ms 的網路開銷。Pi 與 Modal 合作，在 UDP 上建置了基於 QUIC 的入口，具備自動 NAT 穿透，取代 TCP Tunnels，以避免機器人控制迴路中的請求-回應停滯。儲存在 Modal Volumes 中的檢查點可在 30 秒內載入，而區域鎖定的部署讓推論維持在機器人附近。