跳到正文
  1. 36氪73

    李飞飞详解统一世界模型Atlas,AMD CEO苏姿丰谈机器人发展机遇

    李飞飞在CoRL 2026演讲中介绍统一世界模型Atlas,该模型采用多模态自回归扩散Transformer架构,支持从零像素生成到稠密3D重建的多种模式,并在Rapidata相机运动基准中排名第一。AMD CEO苏姿丰随后在对话中预测机器人物理AI未来规模达数千亿美元,强调AI算力与通用模型及专用模型协同演进的重要性。

    推荐理由:李飞飞阐释Atlas统一世界模型架构,提供从生成到3D重建的核心技术思路及机器人应用潜力参考。

  2. IT之家79

    Runway 发布机器人模型 Praxis-1,速度与成本表现超 GPT-6 Astra

    Runway 宣布推出开放权重机器人模型 Praxis-1,采用 Apache 2.0 许可证,可在自有硬件上运行和微调。该模型基于 270 亿参数的视频基础模型构建,在 RoboLab-120 基准的 1200 个场景中完成 555 个,成功率约 46.2%。官方称其完成速度比由 GPT-6 Astra 驱动的机械臂快 15.6 倍,完成每个任务的成本是其 51 分之一。

    推荐理由:原文给出了 Praxis-1 的基准测试数字及与 GPT-6 Astra 驱动的机械臂在速度和成本上的对比,读者可以据此判断其可用性。

  1. Google DeepMind73

    DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型

    DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,在 200 项任务评估中较基线成功率提升 30% 至 100%、完成任务快 20% 至 30%。Apptronik Apollo 2 在奔驰匈牙利与德国产线完成零件排序试点,成功率达 96%;同时发布的 ASIMOV-Jailbreak 基准测试中,Gemini 4 Argon 实现 99.5% 越狱抗性。

    推荐理由:Gemini Robotics 2.5 在 200 项任务中最高提速 30%、成功率最高提升 100%,并配合奔驰产线 96% 成功率的试点与 99.5% 越狱抗性基准。

  1. 量子位71

    招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型

    招商局狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,该模型采用 MoE 架构,总参数 35B 但每个 Token 仅激活约 3B 参数。模型在十项主流具身相关基准上全部指标上涨,等权综合均分达到 65.29,多项核心能力超越更大参数量模型。权重已在 Hugging Face 开源,兼容 Transformers、vLLM 和 SGLang 等框架。

    推荐理由:展示了能力牵引的数据引擎方法,读者可了解其如何在低激活参数下提升具身推理能力。

  1. 机器之心80

    智元发布 GO-3 Preview 实现具身模型全链路 Scaling

    智元正式发布具身模型 GO-3 Preview,通过预训练、后训练与部署后实现全链路规模化学习,并在 RoboDojo 等三项权威评测中位列第一。该模型采用 WRAM 架构与 Genie Evolver 系统,结合真机、物理仿真和世界模型提升交互效率,并通过部署后的 Genie Master 框架在真实便利店场景中验证了物理递归自进化能力。

    推荐理由:文章解析了全链路学习架构与实验数据,展示了机器人在虚实环境中持续进化的具体机制。

  2. 机器之心84

    X-Era AI 拓元智慧开源原生 4D 世界动作模型 E0.5,真机表现大幅超越 π0.5

    X-Era AI 拓元智慧开源了原生 4D 世界动作模型 E0.5,该模型在 AgileX Piper 双臂机器人和 Zerith H1 人形机器人上的整体平均成功率分别达到 85.0% 和 88.3%,较主流基线模型 π0.5 分别提升 13.3 和 26.7 个百分点。

    推荐理由:文章展示了E0.5在真机上超越主流基线的具体成功率数据,并说明了其将三维几何预测融入动作模型的开源实现路径。

  1. 量子位80

    高德发布首个基于开放世界行为的全身基座模型 λ0

    高德发布首个基于开放世界行为的全身基座模型 λ0。该模型仅依靠人类行动数据实现机器人零样本全身动作对齐,真机任务成功率较最强对比基线提升 22.5%,数据采集效率约为主流方法的 3.4 倍。项目已在 GitHub 开源相关代码,并在 HuggingFace 上线 HumanVerse 数据样例。

    推荐理由:该基座模型仅靠人类全身数据实现机器人零样本全身动作对齐,其简化采集管线的结果可供评估具身智能的数据替代上限。

  1. APPSO84

    VAST 开源实时世界模型 EdenLive 及游戏工具 EdenGolem

    VAST 开源实时生成式渲染器 EdenLive,其架构将游戏状态逻辑与视觉渲染解耦,模型仅负责根据上游状态实时生成画面。EdenLive 支持 5B 和 14B 模型,5B 版本在 RTX 5090 上可实现超 24 FPS 的 720P 实时生成。团队同时开源了 EdenGolem 智能体,用于辅助生成 3D 灰盒游戏。

    推荐理由:文章解析了 EdenLive 实时生成渲染器的三层架构分工逻辑,展示了其在游戏交互中的实际应用。

  2. Hugging Face Blog83

    NVIDIA 发布 Cosmos3-H-Dreams:实时手术生成模拟器

    NVIDIA 发布 Cosmos3-H-Dreams,这是一款基于临床胆囊切除术视频训练的实时生成式手术模拟器。该模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano 构建,通过 FlashDreams 加速流式推理,可支持单张 NVIDIA RTX PRO 6000 GPU 实时运行。

    推荐理由:展示了在单张高端GPU上运行实时手术生成模拟器的技术路径,为具身智能提供了具体的工程参考。

  1. 量子位86

    VAST开源实时世界模型EdenLive,单张消费级显卡720P下超24FPS生成

    VAST正式发布并开源实时世界模型EdenLive,在单张Nvidia RTX 5090上以720P分辨率实现超过24FPS的生成速度,端到端延迟达百毫秒级。该模型支持多种参考输入与画风指定,能将简化场景或视频实时渲染为精细画面,并同步开放了模型权重、推理代码及Game Prototype Turbo工具。

    推荐理由:VAST开源实时世界模型EdenLive,单卡RTX 5090下720P生成速度超24FPS,支持多种画风实时渲染。

  1. 36氪94

    谷歌 Gemini 4 Argon 发布,主打通用物理推理与视频生成能力

    谷歌发布通用物理推理模型 Gemini 4 Argon,主打物理直觉与视觉空间推理,可生成代码和仿真场景,在文本、逻辑能力上对标 GPT-6 Astra 和 Claude Opus 5.5。实测显示 Argon 具备较强的 3D 生成和物理投掷推理能力,但在真实工程代码表现和 UI 交互上仍有短板,且仅限 Ultra 用户完整使用。

    推荐理由:实测展示了Gemini 4 Argon在物理推理、3D生成上的突破,以及在真实代码与UI体验上暴露的短板。

  2. 机器之心85

    自然意志发布Natura-1:基于百万小时人类数据的灵巧操作基础模型

    自然意志发布50B参数MoE模型Natura-1,该模型在100万小时第一视角人类数据上预训练,支持100毫秒控制回路驱动的20自由度灵巧手操作。在12项零样本基准测试中,Natura-1在灵巧手平台得分53.4至59.1分,显著优于π0.5和GPT-6 Astra在夹爪平台的得分。模型还展现出从失败中调整策略的涌现能力,团队计划后续引入触觉信息并扩大数据规模。

    推荐理由:通过百万小时人类数据验证了灵巧手操作与零样本泛化的可行性,展示了模型在长程任务中的实时控制能力。

  1. IT之家84

    Odyssey 发布 Odyssey-3 基础世界模型,物理预测精度登顶

    Odyssey 推出 Odyssey-3 系列基础世界模型,其 Pro 版本在 Physics-IQ Verified 视频到视频基准测试中取得 66.1 分,创下该榜单最高纪录。

    推荐理由:Odyssey-3 Pro 在 Physics-IQ Verified 上取得 66.1 分最高纪录,展示了 AI 对真实世界物理规律的预测能力。

  1. The Decoder79

    Google 推出 Gemini 4 Argon,试图以单一模型覆盖机器人全流程

    Google 推出 Gemini 4 Argon,旨在以单一模型统筹机器人控制、虚拟仿真构建与训练数据评估。在 ERQA 基准测试中,该模型以 87 分领先其他前沿模型,但在 AA-Robotics 真实机械臂测试中排名第三。目前该模型已向 Google AI Ultra 订阅用户开放,也可通过 Gemini API 访问。

    推荐理由:原文通过波士顿动力 Spot 实操与 ERQA、AA-Robotics 基准对比,直观展示了单一模型覆盖仿真、控制与评估的实际效果及依赖人工脚手架的局限。

  1. HiDream智象元一67

    智象发布具身世界模型 HiDream-O1-Embodied 并登顶 RoboColiseum 扰动适应榜

    智象未来发布具身世界模型 HiDream-O1-Embodied,在 RoboColiseum 评测平台的扰动适应子榜以 0.692 分登顶。模型通过语言理解、多视角视觉感知和高容错机制提升非理想环境下的稳定性,结合真实数据与生成增强形成数据生产范式,补齐了图像、视频、3D 和动作的全模态矩阵。

    推荐理由:具身模型登顶扰动适应榜单,展示了从模拟走向真实物理交互的技术闭环。

  1. Hugging Face Blog77

    NVIDIA GTC 2025 发布开源物理 AI 模型 Isaac GR00T N1 与数据集

    NVIDIA 在 GTC 2025 大会上发布了三项开源成果:Cosmos Transfer 世界基础模型、15TB 物理 AI 数据集以及通用类人推理模型 Isaac GR00T N1。

    推荐理由:NVIDIA 在 GTC 2025 开源了 Cosmos Transfer 与 Isaac GR00T N1 模型及数据集,为开发者提供了训练具身智能体的完整工具链。

已经到底了