英伟达正式推出GR00T 2，定位为WAM（世界-动作模型），可在夹爪、灵巧手和人形机器人上运行，与GR00T N1代表的VLA路线不同。核心模型约20亿参数，初始化自Cosmos-Predict2.5-2B视频扩散模型，每个控制时刻接收最近0.8秒、最多四路摄像头视频、机器人状态和语言指令，同时生成未来视频帧和后续动作。
推荐理由：原文给出GR00T 2的模型结构、三类训练数据与跨形态泛化数据，可对照VLA路线理解世界-动作模型的取舍。
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch，将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token，再交给动作模型。团队实验显示，π0.5 在拉拉链任务上直接接入原始触觉读数时成功率从39%降到15%，接入 LingBot-Touch 后升至59%。
推荐理由：原文给出触觉原始信号接入动作模型反而降低成功率的对照实验，以及统一触觉Token后的提升幅度，可作为触觉表征设计的参考。
NVIDIA 在 CoRL 发布开放世界动作模型 GR00T 2 和开源机器人学习框架 Isaac Lab 3.0。GR00T 2 基于 10 万小时 NVIDIA 开源第一人称数据训练，在 50 项任务上每任务仅一次演示即达 71% 平均成功率，五次演示升至 95%，无任务专属演示时 50 项任务中 40 项至少完成一次。
推荐理由：GR00T 2 的少样本成功率与 Isaac Lab 3.0 的训练吞吐提升，给出了具身模型与仿真训练栈的当前基线。
英伟达在CoRL 2026上推出开源世界—动作模型GR00T 2系列，包含GR00T 2和GR00T 2 Turbo两个版本，前者主打泛化与精细操作，后者参数更小、可直接部署在宇树G1上，机载Jetson Thor单次推理耗时124毫秒。
推荐理由：英伟达在CoRL 2026发布GR00T 2系列，披露三类预训练数据规模与跨本体迁移、少样本适应的成功率，可据此判断世界—动作模型当前能力边界。
Boston Dynamics 控制工程师 Andy Wu 介绍，团队把 Atlas 的脚换成轮子做研究测试台，用全身强化学习策略驱动，目的是在极限工况下检验执行器与电机模型。
推荐理由：Atlas 团队控制工程师复盘换轮测试台如何用真实电机模型缩小 sim2real 差距，可迁移到全身 RL 训练。
NVIDIA 在 CoRL 发布基于 Cosmos 构建的开放世界动作模型 GR00T 2，并推出 Isaac Lab 3.0、Isaac Lab-Arena 0.4 及 DexBench、VABAR 等基准。
推荐理由：NVIDIA 在 CoRL 集中放出 GR00T 2、Isaac Lab 3.0 与多个基准，读者可据此了解仿真训练与评测工具链的最新变化。
源策未来发布全身控制模型 Anchor 1，定位为全身智能架构中的 System 0 小脑层，以骨盆、左右手腕、左右脚踝五个锚点为指令，不依赖在线重定向。
推荐理由：原文给出全身控制模型在真机误差与遥操作采集效率上的量化对比，可据此判断小脑层精度对上层VLA任务成功率的影响。
刘松铭创立的 LiberAI 发布新一代世界动作模型 Liber-0，采用语言、视觉、动作三专家流与 Multimodal Attention 联合预测未来画面和动作。
推荐理由：技术报告用对照实验拆解人类数据、动作监督与本体多样性对灵巧操作的贡献，可据此判断数据配比思路。
蚂蚁灵波开源的具身大脑全栈2.0在2026年世界互联网大会乌镇峰会展出，机器人在80厘米宽的药房通道内完成接单、识别药品与分拣交付，同方案已在上海国大药房多家门店常态化运转。
推荐理由：文章梳理了灵波具身全栈2.0被李飞飞团队、KAIST和LeRobot复用的具体方式，可观察开源具身底座如何进入他人研发管线。
未来不远发布 Self-Evolving WAM 自进化世界动作模型，将世界动作联合建模、交互经验学习与训练效果反馈接入同一系统。在第0轮至第30轮更新尝试中，四组家庭任务自主完整成功率均有提升：叠衣服从54.6%升至96.8%，晾衣服从46.2%升至91.2%，做意面从42.7%升至89.5%，辣椒炒肉从38.2%升至68.9%。
推荐理由：原文给出四组家庭任务从第0轮到第30轮更新的成功率变化，可观察自进化训练闭环的实际收益。
飞捷科思（Fysics AI）联合复旦大学 CITLab 提出统一世界动作模型 Fysiverse-UniWAM，用一个模型贯通自主导航、移动操作与固定工位灵巧操作。
推荐理由：读者可看到一条不依赖大规模机器人预训练的统一世界动作模型路线，以及导航与操作共享骨干的具体设计。
破壳机器人（PokeBot）10 月 30 日凌晨发布首款模型产品 RoboAPI，一个可公开访问、开箱即用的具身 API，开发者接入适配机械臂后无需采集数据或训练模型，用一句 prompt 下达指令即可执行未专门训练过的任务。
推荐理由：读者可了解一个可公开接入的具身 API 如何把零样本泛化能力交给外部开发者检验，以及其自建评测的成功率数据。
启元具身研究中心发布面向机器人操纵任务的世界模型仿真器PrimeSim，基于预训练视频生成模型经中训练与后训练两阶段改造。它在EWMBench以6.09综合分位列榜首，在WorldSimProbe五项评测中拿下全局轨迹覆盖、动作来源行为保持、交互动态三项第一。
推荐理由：原文给出两阶段训练配方与多榜单成绩，读者可据此判断视频生成模型改造为仿真器的可行路径。
X-Era AI拓元智慧开源原生4D世界动作模型E0.5，在AgileX Piper双臂机器人和Zerith H1人形机器人上整体平均成功率达85.0%和88.3%，较π0.5分别高出13.3和26.7个百分点。
推荐理由：原文给出E0.5与π0.5在双臂和人形平台上的真机成功率对比，可据此判断三维几何骨干路线的操作泛化表现。
智元于 10 月 29 日正式发布具身模型 GO-3 Preview，在 RoboDojo、RoboTwin、RoboColiseum 等机器人榜单拿下 Top 1，并预计年底全面开源。
推荐理由：智元把预训练、后训练与部署后学习串成一条链路，读者可据此比较具身模型规模化路线的差异。
智元发布具身模型 GO-3 Preview，主打预训练、后训练、部署后全链路规模化学习，并在 RoboDojo、RoboTwin、RoboColiseum 三项评测中排名第一。
推荐理由：智元披露 GO-3 Preview 的预训练、后训练与部署后三段式学习链路，以及真机集群和世界模型混合训练的具体收益数据。
AgiBot 发布具身基础模型 GO-3 Preview，基于自研 WRAM（World Reasoning Action Model）架构统一任务理解、未来状态预测与动作生成，并在 RoboDojo、RoboTwin、RoboColiseum 三项具身智能基准上排名第一，计划于 2026 年底完全开源。
推荐理由：原文完整披露 GO-3 Preview 的预训练、后训练与部署后学习三段设计，可据此理解具身模型全生命周期扩展的工程路径。
简智机器人（GenRobot.AI）宣布，其两个开源数据集 Gen-HumanWholeBody 和 Gen-HumanEgo 均进入 Hugging Face 机器人数据集趋势榜前五。其中 Gen-HumanWholeBody 为第一视角全身操作数据集，包含 600 小时全身操作数据、16,976 个真实场景和 1,281 项人类技能，全身 MPJPE 约 3 cm，作者称其面向全身运动学习、人到机器人迁移和具身基础模型研究。
推荐理由：两个开源数据集进入 Hugging Face 机器人数据集趋势榜前五，可作为观察全身操作数据受关注程度的参照。
Google DeepMind 于 28 日晚发布新一代通用世界模型 Genie 4，可依据提示词实时生成并修改可交互场景，单次连贯世界维持约 2 分钟、画面约 24 帧/秒。
推荐理由：Genie 4 把实时世界模拟、原生音频与多步推理组合起来，读者可据此判断机器人训练环境正从手工建模转向生成式仿真。
苏州国家实验室、上海人工智能实验室与上海交通大学等联合推出“材华·MatVerse”材料多模态大模型及智能体应用体系，采用“独立编码器+统一解码器”架构，将XRD谱图、电镜图像和分子结构对齐到同一语义空间。
推荐理由：材料给出多模态统一表征架构与19类学科评测基准，可了解材料大模型如何从检索走向机理推理。