跳到正文
只看模型#Robot models and learning
  1. Google DeepMind · X73

    Google DeepMind 发布 Gemini Robotics 2.5 物理 AI 模型

    Google DeepMind 发布 Gemini Robotics 2.5，称这一物理 AI 模型能学习数百项日常技能，包括叠衣服、端送糕点和在工厂车间自主分拣汽车零件。官方以一组图片概述其能力范围，未披露模型规模、训练数据或评测指标。

    推荐理由：官方给出 Gemini Robotics 2.5 可学习数百项日常技能的能力范围，便于对照上一代判断进展。

  2. Xbotics具身智能实验室 · 微信公众号88

    英伟达推出GR00T 2世界-动作模型，从VLA路线转向WAM

    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。

  3. 量子位88

    蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch

    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。

  4. The Robot Report88

    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。

  5. 机器人前瞻 · 微信公众号88

    英伟达发布GR00T 2系列世界—动作模型，用40万小时人类视频训练

    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。

  6. Boston Dynamics62

    Boston Dynamics 为 Atlas 换上轮子，用全身强化学习验证执行器极限

    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。

  1. NVIDIA82

    NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0

    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。

  1. 机器人前瞻 · 微信公众号80

    英伟达发布VFlash视觉规划解码框架，机器人动作解码最高提速12倍

    英伟达发布面向快速视觉规划的通用解码框架VFlash，用并行解码完整视觉基元替代逐token生成坐标，可一次预测机器人抓取位置和运动轨迹。在H100批量大小为1条件下单次生成速度约提升25倍，四组MolmoSpaces任务中世界动作模型平均成功率70.2%，基线为62.6%。Jim Fan转发称最高实现12倍动作解码加速、5.1倍整体机器人推理加速，3D轨迹误差最多降低61%。

    推荐理由：英伟达新解码框架把视觉规划从逐 token 生成改为并行预测，并给出机器人与自动驾驶多组基准的加速与成功率对比。

  2. 机器之心 · 微信公众号78

    源策未来发布人形机器人全身控制模型 Anchor 1

    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。

  1. Beijing Humanoid Robot Innovation Center70

    北京人形「慧思开物」平台发布 Hi-WBC 通用全身控制模型

    北京人形于11月2日在「慧思开物」平台发布 Hi-WBC 通用全身控制模型，将人体动作参考与真实物理约束结合，使机器人能随负载、外力和地形变化调整执行方式。该模型采用 MoE 与策略蒸馏的持续技能扩展框架、融合接触力预测的 Contact-aware Learning 和引入地形感知的 Perceptive Control。

    推荐理由：原文披露了Hi-WBC在动作跟随之外处理负载、外力和地形约束的技术路线，可了解全身控制从展示走向作业的路径。

  2. 机器之心 · 微信公众号80

    LiberAI 发布世界动作模型 Liber-0，并公开技术报告与在线模拟器

    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。

  1. AI前线 · 微信公众号78

    蚂蚁灵波具身大脑全栈2.0亮相乌镇峰会，在药房窄道完成自主取药

    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。

  1. 未来不远 · 微信公众号76

    未来不远发布 Self-Evolving WAM 自进化世界动作模型

    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。

  1. 机器之心 · 微信公众号78

    飞捷科思与复旦提出 Fysiverse-UniWAM 统一世界动作模型，24 项真机测试导航与移动操作双第一

    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。

  1. 机器人前瞻 · 微信公众号78

    智元发布WITA-OMNI交互模型与灵渠OS 1.0，年底全面开源

    智元在2026创新日发布具身全模态端到端交互大模型WITA-OMNI，在Daily-Omni、TimeLens-Bench、EmbSpatialBench和MMAU四项评测中位列第一，平均响应约600毫秒。

    推荐理由：智元一次性发布交互模型、原生操作系统与生态计划，读者可据此了解其技术底座开放路径与真实场景交互数据积累方式。

  2. 机器之心 · 微信公众号76

    破壳机器人发布具身 API RoboAPI，世界-动作模型 Poke-Aurora 首次亮相

    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。

  3. 机器之心 · 微信公众号84

    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。

  1. 36Kr Embodied Intelligence78

    智元发布GO-3 Preview、WITA-OMNI与AGILE，打通物理AI全链路

    智元在创新日发布GO-3 Preview具身基座大模型、WITA-OMNI原生多模态交互大模型和AGILE通用运动智能算法框架，并推出灵渠OS 1.0与AHA3第三代硬件架构。

    推荐理由：智元一次性发布作业、交互、运动三类模型与软硬件架构，读者可据此看清其物理AI全链路的部署思路。

  2. 机器之心 · 微信公众号82

    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。