NVIDIA Isaac GR00T N1.7
candidate · 80/100 · 工程落地
将开放的 3B 级通用人形 VLA、混合真机/人类/仿真训练和 LeRobot/Isaac 工具链连接起来，工程影响潜力高。
独立行业技术评审 · 持续核验
候选与确认里程碑
以可解释多维评分、独立复现和跨框架采用识别人形机器人技术转折。
热度不进入核心技术得分；每项同时保留支持证据、反证和未验证问题。
EgoHumanoid: Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration
candidate · 81/100 · 范式转折
把大量第一视角人类示范与少量机器人数据共同训练，为降低人形 loco-manipulation 真机采集成本提供可检验路线。
Humanoid Everyday: A Comprehensive Robotic Dataset for Open-World Humanoid Manipulation
candidate · 86/100 · 数据与基准基础设施
以 G1/H1 为核心提供 260 个任务、10.3k 轨迹和多模态全身数据，并配套标准化云评测，直接补足人形操作数据基础设施。
Open X-Embodiment: Robotic Learning Datasets and RT-X Models
confirmed · 94/100 · 数据与基准基础设施
首次把大规模跨机构机器人数据统一为可消费格式并配套 RT-X 模型，显著降低跨本体预训练的数据工程门槛。
OpenVLA: An Open-Source Vision-Language-Action Model
confirmed · 88/100 · 开源生态基础设施
提供可下载权重、训练与微调链路的通用 VLA 基线，使社区可以在公开条件下研究模型压缩、动作头和部署。
RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control
confirmed · 86/100 · 范式转折
明确展示把视觉语言模型的 token 预测接口扩展为机器人动作，使互联网语义知识进入端到端机器人控制。
Mastering Diverse Domains through World Models
confirmed · 89/100 · 性能突破
用统一超参数跨域训练世界模型与策略，推动了动作条件预测从专用调参走向更通用的可复现基线，并影响机器人世界模型研究。
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
confirmed · 90/100 · 范式转折
把扩散生成建模用于多峰连续动作序列，形成了可复现、可迁移的视觉运动策略基线，并广泛进入操作与 VLA 系统。
Learning Transferable Visual Models From Natural Language Supervision
confirmed · 92/100 · 奠基理论
建立了可迁移的图文对齐与 zero-shot 视觉接口，成为开放词汇机器人识别、导航、抓取和语义地图的重要感知基础。
ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras
confirmed · 94/100 · 开源生态基础设施
以单目、双目和 RGB-D 的统一开源实现成为机器人视觉定位与建图的长期工程基线，广泛进入移动机器人和人形感知栈。
Learning Dexterous In-Hand Manipulation
confirmed · 89/100 · 工程落地
通过大规模域随机化把仿真强化学习迁移到真实灵巧手，证明复杂接触操作可以跨越显著 reality gap。
AMP: Adversarial Motion Priors for Stylized Physics-Based Character Control
confirmed · 88/100 · 范式转折
用对抗式运动先验降低逐帧参考轨迹依赖，成为后续自然人形运动和技能先验的重要基础。
DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills
confirmed · 91/100 · 范式转折
把对抗式动作模仿与深度强化学习结合成可扩展的物理角色技能范式，长期影响人形运动跟踪、重定向和控制奖励设计。