具身智能与机器人
6 个专题人形机器人、物理控制、数字孪生、硬件自迭代、空间交互；「空间理论」(Theory of Space)破解具身智能认知地图难题——主动探索策略在环境理解上远超被动接收，AI主动探索能力显著优于被动观察，「主动-被动差距」成为关键瓶颈。GS-World生成式仿真引擎与HuMI便携传感器形成训练数据双轨方案，具身智能规模化所需的数据基础设施正在快速成型。
#EmbodiedAI
2 个专题电车作为具身 Agent 载体
字节Seed团队提出全新RL框架，通过快速虚拟触觉仿真、电流-力矩校准和执行器动力学随机化，直接在仿真环境完成100%策略训练，五指手已能完成精准可控制的复杂操作任务。这意味着具身智能的数据瓶颈正在被虚拟仿真规模化绕过，打破了具身AI依赖真实机器人采集数据的成本天花板。仿真路线的规模化速度将远快于Figure、1X等选择的物理数据路线。
具身智能空间理论
Northwestern、Stanford等校提出Theory of Space框架破解具身智能认知地图难题：让AI从部分观察中构建鲁棒空间认知。研究揭示主动探索策略在环境理解上远超被动接收，「主动-被动差距」成为关键瓶颈——这与当前主流「数据喂养」范式形成张力。可直接探测AI内部空间信念演化，为具身智能评估开辟新维度。
#Optimus
1 个专题#Perceptive
1 个专题其他
2 个专题穿戴式动捕数据方案
中国灏存科技实现0.001度动作捕捉精度+3ms延迟，指标已接近工业级光学动捕系统。抗金属/电磁/光干扰设计解决了传统IMU在复杂环境的漂移问题，覆盖全身25个节点的套装方案成本远低于Vicon/OptiTrack。这意味着高质量遥操作数据的获取门槛大幅降低，Sim2Real的瓶颈从「数据质量」转向「数据规模」。与GS-World生成式仿真引擎形成互补：仿真数据海量供给 + 穿戴式动捕精准映射，具身智能的训练数据双轨并进。
消费级具身 AI 硬件
边缘侧硬件 Agent 实现极致轻量化：Pi Zero W + OpenClaw 以极低成本实现 0.7 秒语音转文字，「随身数字灵魂」从概念走向实践。PicoClaw 进一步突破下限：基于 Go 语言重写的极轻量 Agent 框架内存仅需 10MB，专为 $10 级树莓派 Zero 设计，性能提升 400 倍，核心代码 95% 由 AI Agent 驱动完成从 Python 到 Go 的重构，支持 RISC-V/ARM 等多架构，实现 Agent 的真正普适化部署，「让 AI 跑在每一个角落」的去中心化愿景落地。