跳到正文
11月19日周四
  1. IT之家48

    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。

11月16日周一
11月14日周六
  1. The Decoder70

    Runway 开源具身智能模型 Praxis-1,将视频 AI 转化为机器人控制器

    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%。

11月12日周四
  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。

11月11日周三
  1. Seven Minute Feed75

    Nvidia 发布 GR00T 2 机器人基础模型,通过学习人类视频实现技能迁移

    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。

11月10日周二
  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。

  2. 量子位50

    蚂蚁灵波开源LingBot-Touch触觉基础模型,实现机器人跨硬件“一脑多手”

    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。

  3. IT之家64

    蚂蚁灵波开源触觉基础模型 LingBot-Touch,补齐机器人触觉感知能力

    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。

  4. IT之家48

    波士顿动力为 Atlas 人形机器人加装轮子,实现跳跃与横向移动

    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。

11月8日周日
  1. IT之家49

    物理智能开源平台 Hitch Open 在进博会发布,142 拍刷新 AI 机器人乒乓对打世界纪录

    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。

11月4日周三
  1. IT之家50

    魔芯科技发布华为昇腾原生4D世界模型 MoWorld 2.0

    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。

  2. 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。

11月3日周二
10月30日周五
  1. IT之家78

    智元发布具身模型 GO-3 Preview,登顶三大行业榜单

    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%。

    同一新闻,精选展示《智元发布 GO-3 Preview 实现具身模型全链路 Scaling》

10月29日周四
  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。

10月26日周一
  1. 机器之心63

    可可矩阵发布机器人模型 CO01:支持经验提示实现即时适应

    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%。

10月24日周六
  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。

10月22日周四
10月21日周三
  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。

10月20日周二
  1. 商汤科技SenseTime40

    大晓ACE-Brain-0.6以数据Scaling推动具身空间智能跃迁

    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。

10月19日周一
10月18日周日
  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。

  2. 机器之心82

    VAST 全面开源 EdenLive 世界模型,支持实时生成式渲染

    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。

    同一新闻,精选展示《VAST开源实时世界模型EdenLive,单张消费级显卡720P下超24FPS生成》

10月17日周六
10月16日周五
  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。

    同一新闻,精选展示《Google DeepMind 发布前沿模型 Gemini 4 Argon,主打解决复杂实际问题》

10月14日周三
  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。