蚂蚁灵波开源触觉预训练模型LingBot-Touch，统一多类传感器信号
蚂蚁灵波11月10日开源面向灵巧操作的触觉预训练基础模型LingBot-Touch，可将压阻式、视触觉等不同传感信号编码为统一触觉Token供不同灵巧手和策略模型使用。
推荐理由：原文给出跨传感器触觉预训练模型在26项真机任务上的对照数据，可据此判断触觉表征对策略成功率的实际影响。
#Evaluations and benchmarks
芯东西精选AI 评分7878 The Robot Report精选AI 评分8888 NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0
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。
机器之心 · 微信公众号精选AI 评分8484 启元发布PrimeSim世界模型仿真器，登顶EWMBench与WorldSimProbe
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。
机器之心 · 微信公众号精选AI 评分8282 X-Era AI拓元智慧开源4D世界动作模型E0.5，真机成功率超越π0.5
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。
机器之心 · 微信公众号精选AI 评分7878 智元发布具身模型 GO-3 Preview，打通预训练到部署后全链路规模化学习
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精选AI 评分7272 AgiBot 发布具身基础模型 GO-3 Preview，三项具身智能基准排名第一
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 · X精选AI 评分6767 简智机器人两个开源数据集进入 Hugging Face 机器人数据集趋势榜前五
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。
The Humanoid Hub精选AI 评分7676 Ropedia 发布开放世界模型 W0，基于约一万小时第一人称人类视频训练
Ropedia 发布开放世界模型 W0，用约 10,000 小时第一人称人类视频训练，一套权重可预测人类、机械臂和人形机器人（Unitree G1、Fourier GR-1）的第一人称视角，采用共享的相机加骨骼表示，接入新机器人只需其 URDF。
推荐理由：原文给出了训练数据规模、跨本体迁移方式和实测对比，读者可据此判断该世界模型对机器人策略训练流程的实际影响。
Xbotics具身智能实验室 · 微信公众号精选AI 评分7676 商汤推出 SenseNova-RoboRSI 及 27B 具身模型，在 12 项仿真基准上取得 SOTA
商汤 SenseNova 团队推出 SenseNova-RoboRSI 统一执行框架与 27B 具身模型 SenseNova-RoboRSI-27B-Preview。
推荐理由：通过同一模型换执行系统的对比数据，读者可以直观理解执行框架对具身任务表现的影响幅度和成本代价。
AI前线 · 微信公众号精选AI 评分7878 谷歌发布Gemini 4 Argon物理推理模型，打通机器人研发全链路
谷歌发布Gemini 4（Argon），定位为专注物理世界交互的通用物理推理模型，覆盖控制执行、仿真重构、数据标注到自我改进的机器人全生命周期。在ERQA具身推理基准上Argon取得87%，超过Claude Opus 5.5（82.3%）与GPT-6 Astra（81%）；AA-Omniscience测试中其幻觉率为15%，低于后两者的51%和59%。
推荐理由：文章按控制、仿真、数据质检、自我改进四层拆解了该模型在机器人研发链路上的具体用法与实测数字。
Xbotics具身智能实验室 · 微信公众号精选AI 评分7676 上海AI Lab基于EBench评测GPT-6-Astra作为机器人策略的能力边界
上海人工智能实验室具身评测团队依托 EBench，对 GPT-6-Astra 直接作为机器人策略、不做任务专用后训练的情况完成 26 项任务共 510 次执行的评测，其平均任务成功率 46.7% 位列第三，平均任务得分 0.654 位列第二，OpenWAM-α 以 55.3% 成功率居首。
推荐理由：同一基准下通用大模型与后训练策略的能力分化被量化，读者可据此判断两类路线各自适合的任务长度与操作精度。
深圳市机器人协会 · 微信公众号精选AI 评分7070 港大MMLAB发布PhysicalRSI 1.0，登顶RoboDojo并大幅降低Token成本
香港大学MMLAB联合发布自进化具身智能系统基线PhysicalRSI 1.0，在RoboDojo上取得36.27 Score、31.38%平均任务成功率，位列第一。
推荐理由：材料给出了自进化基线的具体机制和与通用大模型的对比数据，读者可据此理解精密操作短板的成因与改进路径。
Shanghai AI Laboratory - Embodied Intelligence精选AI 评分7373 上海AI实验室推出决策模型书生·明决，性能超Jev并开放0.8B、2B、4B三档权重
上海人工智能实验室推出决策模型书生·明决（Decision），性能超越Jev，提供0.8B、2B、4B三档参数版本。RTX 4090实测中0.8B和2B模型平均端到端时延约33毫秒、每秒约30次决策，4B模型为44.16毫秒，Jev为109.70毫秒。
推荐理由：原文给出了实测时延、基准得分和大小模型分流机制，读者可据此判断该决策模型在交互场景的适用性。
Dexmal 原力灵机 · 微信公众号精选AI 评分7373 原力灵机 DM0.5 登顶 RoboColiseum 全部四个榜单
原力灵机宣布 DM0.5 登顶 RoboColiseum 全部四个榜单（指令跟随、空间理解、扰动适应、通用操作），是榜单中唯一全部测评均登顶的模型。
推荐理由：原文列出DM0.5在多个榜单的具体成绩与推理延迟压缩数据，可据此评估其预训练路线的实际效果。
自变量机器人 · 微信公众号精选AI 评分7575 自变量机器人发布 WALL-SS 下一尺度自回归世界模型
自变量机器人发布 WALL-SS 下一尺度自回归世界模型，采用从粗到精逐层细化的生成架构，突破传统扩散模型单片段生成视频的方式。测试中其动作跟随得分 0.29，是对比模型中唯一不为零的模型，生成轨迹与动作指令重合度从 0.251 提升至 0.539；流式推演可达 60 秒画面不崩坏；在 6 个任务、5 个训练阶段的闭环策略一致性测试中，虚拟与真实世界任务成功率吻合度达 93%。
推荐理由：原文给出了三项量化指标和架构设计，读者可以据此评估世界模型作为策略试验场的可行程度。
正行创新 · X精选AI 评分6868 Harness VLA 开源，在 LIBERO-Pro 上取得 82.4%
@ChaoYuTHU 开源了 Harness VLA，它在不修改 VLA 模型权重的前提下加入一个 Harness Layer 来组织这些模型。在 LIBERO-Pro 上 Harness VLA 成绩为 82.4%，对比 Pi_RLinf 50%、Berkeley RATS 43.8% 和 NVIDIA Cap-X 18.2%。Striding AI 发布这条推文，并将其视为可能从端到端 VLA 转向 Harness VLA 的迹象。
推荐理由：推文给出了同一基准下与其他 VLA 方案的对比数字，读者可据此判断不改权重的外挂式结构有多少提升空间。
Sunday Robotics精选AI 评分7878 Sunday Robotics 预览 ACT-2 模型，叠衣零样本成功率 99.1%
Sunday Robotics 预览机器人模型 ACT-2，在多样未见家庭环境中以零逐户适配实现叠衣 99.1%（±0.3%）零样本成功率，785 次自主尝试覆盖 9 类衣物，完成折叠平均质量 4.72/5。
推荐理由：官方详细披露预训练规模与泛化差距的量化数据，读者可据此了解少量示教数据如何迁移到未见环境。
智源研究院 · 微信公众号精选AI 评分7474 智源发布多模态表征世界模型悟界·RoboBrain Orca
智源研究院发布多模态表征世界模型悟界·RoboBrain Orca，核心思路是从预测下一个词、下一帧、下一动作转向预测下一个世界状态，先学习统一的世界潜在表征，再通过文本、图像、动作三种轻量读出模块适配下游任务。
推荐理由：原文说明了从预测下一输出转向预测下一状态的训练范式，以及冻结主干加轻量读出模块的做法，可迁移给关注世界模型路线的读者。
X Square Robot/自变量机器人精选AI 评分6767 自变量机器人发布跨模态具身动作分词器X-Tokenizer，多模态对齐提升13.5%、长程任务提升8.25%
自变量机器人发布跨模态具身动作分词器X-Tokenizer，采用语义残差量化（SRQ）架构，在17个机械臂系列、240万条轨迹（含20亿动作帧）上预训练。相比FAST，多模态对齐能力提升13.5%，长程任务性能提升8.25%，RoboTwin 2.0得分82.8；真机测试优于FAST和4级RVQ等对比方法。
推荐理由：原文给出了X-Tokenizer的方法设计与对比实验数据，读者可以了解动作分词器的多模态对齐思路及其可复用效果。
HUMANOID精选AI 评分6363 KinetIQ Ascend 用真实世界强化学习提升人形机器人操作吞吐与成功率
HUMANOID 推出 KinetIQ Ascend，一种在生产部署条件下运行的端到端视觉强化学习方法，扩展其 KinetIQ 框架，让机器人通过试错而非仅靠人类示教改进操作技能，公司称这是首个在产线人形机器人操作上公开演示的此类方法。
推荐理由：原文给出三项工业任务的具体吞吐与成功率数字，并指出性能随训练时长可预测提升的规律，便于评估真实世界强化学习在人形机器人上的落地价值。