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。
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。
大晓机器人联合南洋理工大学S-Lab发布面向具体环境构建的可交互世界模型Mundo,把3D场景重建、物理仿真与视频生成融为一体。系统用场景代码记录物体重量、质心和摩擦系数,由960Hz MuJoCo物理引擎计算运动与碰撞,再结合现场照片渲染画面;输入1到12张手机照片即可重建可推拉碰撞的3D空间。
AgiBot 提出名为 Worken 的机器人工作量衡量框架,用活跃机器人数、自主工作时长与产出效率比三项相乘,估算机器人在真实部署中完成的有效智能工作时。该框架由联合创始人、总裁兼 CTO 彭志辉提出,强调区分通电时间与自主作业时间,并以任务基准衡量合格产出。
行元智能发布面向机器人预训练的跨本体数据引擎 Chorus(众行),可将智能眼镜、胸戴相机、腕部相机、UMI 等设备采集的人类操作数据转化为适配不同机器人本体的训练数据。
启元机器人推出面向机器人训练的世界模型仿真器PrimeSim,并登顶WorldSimProbe LIBERO榜单。PrimeSim为机器人构建可交互、可试错、可持续学习的虚拟世界,用于策略验证与强化学习。测试中利用它进行强化学习,策略成功率从61.7%提升至73.2%。
X-Era AI拓元智慧发布开源原生4D世界动作模型E0.5,以三维基础模型为骨干,将未来三维几何预测直接融入动作学习。在AgileX Piper双臂机器人和Zerith H1人形机器人上,经约16万条机器人轨迹预训练后,E0.5整体平均成功率分别为85.0%和88.3%,较π0.5提升13.3和26.7个百分点;分布外平均成功率为73.3%和76.7%。
智元推出具身模型 GO-3 Preview,采用具身原生 WRAM(World Reasoning Action Model)架构,将任务推理、未来预测与动作生成连接,支持预训练、后训练与部署后全链路规模化学习。
智元发布 GO-3 Preview 具身基座模型,并计划于年底开源。同期智元披露上半年营收近 20 亿元,并推出机器人「有效智能工时」指标。
智元在2026智元创新日发布新一代具身基座模型GO-3 Preview,并计划于2026年底将该模型与具身Agent框架Genie Master全面开源。同日,智元还发布了首个“工时KPI”Worken,为机器人引入KPI考核标准。
PhAIL 团队与 Nebius 发起机器人策略竞赛,参赛者把策略打包成 Docker 提交,先在 MolmoSpaces 和 11 月 16 日起的 RoboLab 两个仿真中评分,12 月前十名将在真实 Franka 上运行同一镜像,任务类似 DROID 基准但使用不同数据集。
AgiBot 发布全模态交互模型 WITA-Omni 1.0,支持边说边听的双工对话,在端侧运行,端到端交互延迟约 400ms,并把视觉、语音、实时对话、面部表情与物理动作融合为一个连续系统,目前在多个交互基准上排名靠前。
Google DeepMind 发布新一代世界模型 Genie 4,单次世界连贯时长从上一代 Genie 3 的 1 分钟延长到 2 分钟,并成为谷歌首个原生支持音视频同步生成的实时世界模型。
大晓机器人发布 ACE-Brain-0.6 API,通过 ACE Hub 平台对外开放其空间锚定(Grounding)能力,开发者无需独立部署模型即可调用。同步升级将高质量空间锚定训练数据从约 110 万条扩展至 150 万条,模型在七项公开 Grounding 基准测试中平均得分提升至 75.41,推理速度也超过 GPT-6 Astra。
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。
作者做了一张 caniuse 风格的对照表,整理哪些机器人学习策略能在哪些机器人上运行,覆盖 24 款机器人和 21 个策略(含 ACT、Diffusion Policy、SmolVLA、π0/π0.5、GR00T N1.7、X-VLA、OpenVLA-OFT 等)。
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、AGILE通用运动智能算法框架、第三代硬件架构AHA3和灵渠OS 1.0,覆盖作业、交互、运动三条智能线。
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。
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。
极智嘉在 Gravity 具身智能框架下推出 Gravity Control 因果干预模型,可在不更新原始策略权重、不新增示教数据的前提下,用一句自然语言提示修正机器人的局部动作偏差。
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10月29日发布新一代具身基座模型GO-3 Preview,采用WRAM(World Reasoning Action Model)架构,将任务推理、未来预测与动作生成连接起来,并已在RoboDojo、RoboTwin、RoboColiseum三大评测榜单位列第一,计划2026年底全面开源。
戴盟机器人在 9 月 27 日至 10 月 1 日于美国匹兹堡举行的 IROS 2026 上,以 From Touch to Intelligence 为主题展示「感知-数据-模型」全链路物理智能体系,核心是 Daimon-TWM 触觉锚定世界模型。
超衍智能发布并开源首款大模型Apex-35B-V1.0,总参数量350亿、每Token激活约30亿参数,支持26.2万Token上下文,基于Qwen3.6-35B-A3B经中训练和后训练优化。
在2026智元创新日上,智元联合创始人、联席总裁、具身业务体系总裁姚卯青正式发布新一代具身基座模型GO-3 Preview。智元计划于2026年底全面开源GO-3 Preview和具身Agent框架Genie Master。
智元在AI WAVE期间发布具身Agent框架Genie Master,让机器人在部署后自主定位失败原因、调整策略并沉淀经验。框架提出具身执行协议EEP,统一能力、引导、反馈和连续性四类接口,并通过Harness RSI与Policy RSI两条路线分别把经验保留在提示与记忆中、固化到动作策略参数里。
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。
机器人在云端由AI自主操控。 在Long Horizon Summit上,@Ryan_Resolution向我展示了一个引人注目的演示:MakerMods机械臂通过公开API,由Dream Lab最新的世界-动作模型控制。 @makermodsai @dreamlabs_ai
作者提出 RynnUnify,一个 16B 统一具身模型,通过视频-语言交错推理把具身理解与长程视觉规划结合起来。该模型覆盖空间推理、物理预测与 grounding 能力,将物理世界理解与跨子任务的视觉预判相连,帖子同时给出代码与论文入口。
Google DeepMind 发布新一代世界模型 Genie 4,单次可交互模拟时长从约一分钟延长至两分钟,并首次支持原生音频生成。Genie 4 引入 Gemini 负责规划行动、自身实时生成环境,演示中 Gemini 4 Argon 将任务分解为连续步骤,由 Genie 4 模拟 Apptronik Apollo 人形机器人下跳棋。
智元发布具身 Agent 框架 Genie Master,搭载该框架的精灵 G2 在真实便利店上岗期间不依赖人工示范与调试,自主定位失败原因、调整策略并沉淀经验,在熟食打包、取货、补货等任务上持续改进,实现无人在环的自我进化。
Google DeepMind 于当地时间 10 月 27 日推出新一代世界模型 Genie 4,称其为迄今最逼真、交互性最强的世界模型,单次生成交互体验最长 2 分钟,上一代 Genie 3 为 1 分钟。
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。
智元(AGIBOT)的GO-3 Nano Preview在具身智能评测基准RoboDojo最新榜单中以61.90分平均成绩、56.42%平均成功率登顶,超越GPT-6 Astra。该模型在精细操作、长程执行、开放语义理解三个细分维度分别得78.65分、68.21分和61.71分,均列第一。
谷歌 DeepMind 发布新一代世界模型 Genie 4,支持实时生成可探索的虚拟世界,并同步生成物理效果、人物动作与原生音频。Genie 4 接入 Gemini 3.8 Flash 充当实时引导 Agent,负责理解目标、观察环境并规划下一步,演示中在虚拟实验室里模拟机械臂操作。
清华大学人工智能学院助理教授陈勇超创立的超衍智能发布首个 35B 模型 Apex-35B-V1.0,基于 Qwen3.6-35B-A3B 中训练与后训练,兼顾 Coding、Agent 等通用能力与 AI 研究、计算科学、机器人仿真任务。
谷歌 DeepMind 发布第四代世界模型 Genie 4,可实时生成动态环境,用户能用键盘控制角色或镜头,并用自然语言改变天气、添加物体和角色。Genie 4 是谷歌首个原生生成实时音频的世界模型,同时改进了空气动力学、碰撞等物理模拟和人物动作自然度。
谷歌发布研究预览版世界模型Genie 4,原生支持多模态,可在生成过程中通过指令改变环境、引入新物体和角色,并让原有角色做出反应。该模型与Gemini融合,由Gemini Omni将模拟画面行为逻辑与真实世界锚定,目前只对受邀测试者开放,后续先向Ultra订阅用户开放。
谷歌 DeepMind 发布新一代通用世界模型 Genie 4,首次原生生成声音与即兴对话,单次连贯世界维持时间约 2 分钟、实机画面约 24 帧/秒。该模型采用混合世界模型架构,由 Gemini 3.8 Flash 实时控场、Gemini 4 Argon 将任务拆解为 22 步动作指令,驱动 Apollo 机器人下跳棋,并可在仿真中操控 UR5 机械臂完成移液操作。
Google DeepMind发布新一代世界模型Genie 4,支持实时生成可探索虚拟世界、模拟物理与人物动作,并原生生成环境音效和对话。Genie 4接入Gemini 3.8 Flash作为实时引导Agent,由Gemini规划任务、观察反馈并调整策略,演示中在生成环境里模拟机械臂实验操作和Apptronik人形机器人Apollo下跳棋。
RoboTwin最新榜单显示,智元GO-3 Nano Preview以85.01%的平均成功率位列第一。该榜单主要考察复杂场景下的双臂协同操作与环境泛化能力,评测维度包括目标识别、动作协调及环境变化适应。