地平线发布 LoFT 原生视频几何基础模型,多项指标达到 SoTA
地平线机器人实验室发布原生视频几何基础模型 LoFT,在 SpatialBench 等多套评测中多项深度估计指标达到 SoTA。 该模型采用双循环 Transformer 架构,联合预测相机位姿、内参及逐帧深度,恢复场景三维结构。其训练基于 297 万条有效序列及 9.62 亿帧图像记录。 LoFT 覆盖机器人空间感知、具身学习及自动驾驶等场景,提供几何基础。
地平线机器人实验室发布原生视频几何基础模型 LoFT,在 SpatialBench 等多套评测中多项深度估计指标达到 SoTA。 该模型采用双循环 Transformer 架构,联合预测相机位姿、内参及逐帧深度,恢复场景三维结构。其训练基于 297 万条有效序列及 9.62 亿帧图像记录。 LoFT 覆盖机器人空间感知、具身学习及自动驾驶等场景,提供几何基础。
华为云正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2。该模型基于国产算力昇腾训练,在 RoboTwin 2.0 和 LiberoPro 2.0 两大评测基准中均排名第一。
Runway 以 Apache 2.0 协议开源具身智能模型 Praxis-1,利用视频生成模型学到的世界动态预测环境变化并生成机器人动作。该模型在 Nvidia RoboLab-120 评测中以 46.2% 成功率位居 World Action Model 类别榜首,且仅需约 95 小时数据即可微调未见过的移动机器人,成功率达 80%。
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。
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。
NVIDIA 发布 Alpamayo 2 Edge 模型。Embedl 称其优化版在 AGX Thor 边缘硬件上运行比 PyTorch 快 10 倍以上。 该模型采用 RL 训练,输入 6 个摄像头及近期运动数据。 用户可在 AGX Thor 设备上直接运行该模型。
Nvidia Research 发布了机器人基础模型 GR00T 2,该模型通过从视频转移人类动作到机械臂,大幅降低了对昂贵遥操作的需求。作为“世界-动作模型”,它能预测下一步动作并生成摄像头视野的短期扩散视频,该模型基于超过 1000 块 GB300 芯片和约 40 万小时的任务视频训练而成。
Robbyant 开源了 LingBot-Touch 模型权重与推理代码,助力机械手通过触觉操控物体。该模型基于近 5000 小时三类触觉传感器数据训练,并通过了 26 项真实任务测试。
谷歌推出 VLA 机器人模型 Gemini Robotics 2.5,在 200 余项任务上测试其灵巧度、可靠性与安全性。模型相较前代成功率高出 30% 至 100%,任务完成速度快 20% 至 30%,并可适配 Apptronik Apollo 2 与 Franka Duo 等机器人平台。
Nvidia 发布研究报告,推出机器人模型 GR00T 2。该模型利用扩散模型预测未来画面,让机器人能直接学习人类视频中的动作。测试中,机器人学会了切香蕉、钉钉子等任务,在装配任务中成功率达到 97%。
Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,在 Mercedes-Benz 活跃产线试点中实现 96% 的分拣成功率。
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。
蚂蚁灵波开源LingBot-Touch触觉基础模型,基于近5000小时真实数据预训练,统一磁触觉、视触觉及压阻式信号为通用触觉Token。 模型提供约530万参数轻量版与Small版,支持26项真机测试;接入后任务成功率提高14至26个百分点,验证了触觉能力的跨硬件复用性。 该模型已在Hugging Face、GitHub及魔搭社区开放,旨在补齐机器人精细操作的触觉感知短板。
智元AGIBOT正式发布WITA-Omni(硅光动语全模态大模型),这是行业首个具身全模态端到端交互大模型。该模型基于机器人本体感知数据训练,支持触觉、本体状态输入以及机器人动作、表情输出,实现全双工交互。
NVIDIA 在 CoRL 2026 上发布了 GR00T 2,一款能同时预测未来视频和动作的机器人模型。 一项关键结果表明,在98次、97次和97次组装中,一个推理智能体协助机器人从失败的步骤中恢复,相比不使用智能体的 71-84 次成功率更高。
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类传感原理。该模型可将不同传感器信号转化为统一的触觉表征,支持跨传感器、跨灵巧手、跨模型和跨任务复用。在 26 项真机测试中,接入该模型后四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。
波士顿动力发布视频展示加装轮子的 Atlas 人形机器人,其通过定制转接器在踝关节执行器上安装标准电动滑板车轮子,测试持续高速移动与重载表现。 改装未进行重大硬件改动,工程师在仿真环境中将脚部替换为轮子。演示显示 Atlas 能跳起来转一圈并横向冲刺,其轨迹跟踪控制器首次尝试即完成动作。 该带轮机器人并非商业化产品,而是被选作研究平台,用于测试加速、转向及停止时对执行器的负载。
全球物理智能开源平台 Hitch Open 在进博会正式开源,联合交大神创团队以 142 拍刷新 AI 机器人乒乓对打世界纪录。 该平台聚焦真实物理环境感知与决策,乒乓对打作为极限考场,要求机器人在百毫秒反应窗口内完成实时研判闭环。 此举旨在通过极限赛事解决复杂物理世界挑战,推动自动驾驶、具身智能及机器人技术发展。
魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0。该模型融入多重物理要素,输出可实时渲染、反复调用的 4D 高斯资产。 视频推理提升至 70 帧每秒,3D/4D 资产渲染超 500 帧每秒,手机端渲染约 100 帧每秒。推理成本最低可降至同等 GPU 方案的 30%。 应用于具身智能、自动驾驶及数字孪生等领域。
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。
百度 Apollo 在世界模型“2+3”判断标准下发布 Apollo World,支持生成视频与多模态观测数据,并让无人车在虚拟城市完成端到端驾驶任务。该模型已用于萝卜快跑的全球测试,累计自动驾驶里程超 3.5 亿公里。
智元发布GO-3 Preview,称其在RoboDojo、RoboTwin、RoboColiseum三项机器人榜单中取得Top 1,并计划年底全面开源。
外交部回应三丽鸥因剧中角色引发反感取消联名,称相关丑化行为应引起警惕。 科创50指数盘中跌超4%创新低,较年内高点回撤45%;上海宜家部分时段实行“消费入座”并安排保安劝离。
智元正式发布具身模型 GO-3 Preview,该模型登顶 RoboDojo、RoboTwin、RoboColiseum 三大评测榜单。GO-3 Preview 采用 WRAM 架构,在预训练阶段实现了零样本任务迁移;部署后通过 Genie Master 框架自主迭代,精灵 G2 在便利店实操中任务成功率从首日 28.6% 升至 85.7%。
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。
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。
可可矩阵(COCO Matrix)发布机器人模型 CO01,提出「经验提示」机制,使机器人无需微调即可利用示范、失败记录和即时指导适应新任务。在未见任务测试中,单段示范配合约 1 分钟准备时间可使平均成功率达到 52%,而微调达到相近水平需约 180 条示范及 9 小时;保留自身历史尝试时,真机累计成功率从首次的 33% 提升至五次内的 84%。
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。
无界动力正式发布并开源 MWA™-Phoenix 隐空间世界模型基座,该端侧 7B 参数模型在 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0 和 RoboDojo 真机榜等六项评测中均取得领先成绩。
NVIDIA 扩展其开放模型家族,涵盖语言、机器人、生物及量子计算领域,旨在支持开发者构建符合本地语言和工业需求的应用。
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。
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。
大晓机器人发布ACE-Brain-0.6,六项Grounding评测超越GPT-6 Astra,七项公开基准平均分74.53分领先其73.68分。 基于Qwen3.5-9B构建,利用约百万条可验证空间锚定样本,通过数据规模化探索实现能力跃升。 验证了9B级模型在具身空间感知领域可超越顶级通用模型,推动具身智能向可靠物理执行转化。
大晓机器人发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6,基于 Qwen3.5-9B 监督微调,重点提升目标识别、空间定位和交互区域判断。
研究人员提出GroundingPI,这是一个4B参数的接地基础模型,通过生成量化坐标的点和框来处理视觉定位任务。该模型在34个接地基准测试上取得了73.68%的平均准确率,超过了更大的GPT-6 Astra(71.54%)。
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。
VAST 发布了世界模型研究项目 Project Eden 的阶段性成果 EdenLive,并全面开源了不同尺寸规格的模型权重、推理代码及技术报告。在单张 Nvidia RTX 5090、5B 参数模型、720P 配置下,EdenLive 的实时帧率超过 24 FPS,端到端延迟在百毫秒量级。
优必选发布Thinker-WM多模态统一世界模型,在WorldOlympiad、EWMBench和WorldArena1.0 Track-1三大基准评测中均取得第一名。
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。
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。