谷歌发布 Gemini 4 Argon,演示从人类视频迁移到 Apptronik Apollo 人形机器人
谷歌正式面向全球开发者、企业和付费订阅用户开放 Gemini 4 Argon,核心升级是更强的长流程任务执行与多模态能力。官方演示中,Argon 观看一段人类玩沙包投掷的视频后,分析空间关系、计算全身关节运动、自主编写仿真代码,并把方案迁移到 Apptronik 的 Apollo 人形机器人上,谷歌称这套视频到仿真再到现实的流程可把过去需数周人工完成的仿真建模压缩到数小时。
谷歌正式面向全球开发者、企业和付费订阅用户开放 Gemini 4 Argon,核心升级是更强的长流程任务执行与多模态能力。官方演示中,Argon 观看一段人类玩沙包投掷的视频后,分析空间关系、计算全身关节运动、自主编写仿真代码,并把方案迁移到 Apptronik 的 Apollo 人形机器人上,谷歌称这套视频到仿真再到现实的流程可把过去需数周人工完成的仿真建模压缩到数小时。
优必选发布自研统一多模态世界模型 Thinker-WM,在 WorldOlympiad(综合得分 0.740)、EWMBench(总分 4.66,超过 Qwen-RobotWorld、Sora2)、WorldArena1.0 Track-1 三大基准中均获第一名。
原力灵机联合清华大学、极寰时代研发的世界动作模型 LoopWAM 登顶 RoboChallenge Table30 V2 榜单,以 43.33% 的成功率和 56.80 的过程分双双位列榜首。
源策未来近期发布以全身智能(WBI,Whole-Body Intelligence)为核心的人形基础模型系统,分为运动控制基模 S0(小脑)与智能基模 S1(大脑)两层。
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。
乐高零件识别项目 BrickSort 发布首个公开版本 v0.1.0,随附已训练模型 lego_model.pt,可识别约 600 种乐高零件的种类、颜色、类别及是否带印刷。代码采用 MIT 许可,模型文件因训练数据(B200 LEGO Detection Dataset)为 CC BY-SA 4.0 而采用相同许可。作者说明训练输出的准确率偏乐观,对未见零件照片的独立测试尚未进行。
阶跃星辰宣布正式开放 Step 5 Preview 权重,包括 BF16 与 FP8 两个版本,并附技术博客、配套开源开发工具及部署指南。模型权重已上线 Hugging Face 和 ModelScope。
mottopanikeiku/pushable 在 GitHub 发布 policies-2026-10-14,提供十二个策略 JSON 文件对应的 Original Brax PPO(normalizer、policy、value)元组,含 critic 权重,并提醒这些是受信任的 pickle 文件。
Nature Will 发布其首个物理世界通用基础模型 Natura-1,为 500 亿参数混合专家(MoE)模型,预训练使用 100 万小时第一人称人类经验视频。
恭喜 Nature Will 发布 Natura-1!🚀 我们很自豪看到我们的真实世界数据为 Natura-1 提供支持,这是 Nature Will 的首个通用基础模型。 很荣幸能参与这段旅程。
Neura Robotics发布多模态具身基础模型Neuron AI,将3D视觉、触觉、音频、机器人状态与语言结合记忆,采用感知-语言-动作(PLA)架构。
跨维智能联合香港中文大学(深圳)、佛山大学、中山大学与华南理工大学提出并开源机器人任务原生 3D 世界动作模型 UNITAS,代码与使用说明已在 GitHub 仓库 DexForce/UNITAS 公开。
NEURA Robotics 发布面向 Physical AI 的多模态基础模型 Neuron AI,将 3D 视觉、触觉、音频、机器人状态和语言与记忆结合在感知-语言-动作(PLA)架构中。
欢网科技与Pyromind共建AITV智能解决方案,对Qwen3-VL-4B进行场景后训练,焦点识别准确率由45%提升至99.6%,「可见即可说」成功率达99%,「搜播」成功率超过90%,已落地于「小柚投屏・搜影片」并覆盖云视听极光、奇异果、芒果、优酷、B站等电视App。
魔法原子旗下 VLM Agent 框架 EchoPolicy-0 在 AI2 的零样本评测基准 MolmoSpaces Combined 榜单以 75.4% 的机器人操作平均成功率位列全球第一,覆盖全部 4 个 v1 任务。
Galbot 团队提出 PASSAGE 框架,将环境感知、全身运动规划与闭环控制结合,使人形机器人能基于周围环境自主规划并执行灵活的遍历动作。该框架基于 100 小时人类数据、覆盖 1,500 个场景训练,在 Clutter Scene Traversal 基准上达到 98.67% 成功率。
UniWAM 团队开源统一世界与动作模型 UniWAM 的代码与权重,在 LIBERO、LIBERO-Plus 和 RoboTwin 2.0 C2R 上分别取得 99.2%、92.6% 和 68.32% 的成功率,为论文对应表格所列方法中的最高值。
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。
自然意志发布首个物理世界通用基础模型 Natura-1,500亿参数混合专家(MoE)模型,在100万小时第一人称视角人类经验数据上预训练,以语言和视觉为输入,可在100毫秒控制回路中驱动20自由度灵巧手,零样本地遵循复杂自然语言指令。
原力灵机在 2026 年中国国际工业博览会爱芯元智展台展示自研 DM0.5 通用具身大脑,完成接口插拔质检、Insert Anything 通用工业插入和灵巧手柔性切削三类任务,由爱芯大算力平台完成模型推理。
KINN-CH/agv-dreamer-warehouse 于2026-10-12发布中期发表最终模型 Dreamer v5c,包含 wm_22000.pt 权重(14,504,324 个参数,58MB)、config. 和训练日志,附 10 段示例训练数据(含碰撞与无碰撞各 5 段)。
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。
Reshape Automation 发布 Industrial AI Accuracy Index 2026,测试 GPT-6 Astra、Claude 和 Gemini 三款模型回答 100 道来自工业零部件的常见客户问题。
AutoTrust AI Lab 开源基于 Qwen3.8-27B 的多模态决策模型 JEV-27B-VL,将 System 1 决策与 System 2 推理扩展至图像输入,采用 Apache 2.0 协议。
MiniMax Code上线M3.1-Flash-Preview,具备1M上下文、原生支持文字图片视频输入、思考强度五档可调,官方未公布跑分。
我们发布Dyna-2.1,首个实现可靠超长时程全身自主的物理智能体。它结合了我们全新的半人形硬件和围绕Da
智在无界自主研发的通用灵巧操作大模型 Being-H0.7 入选 NeurIPS 2026,Being-H 系列由此在一年内实现 ICML、CoRL、NeurIPS 三大顶会收录。
至简动力(Simplexity Robotics)推出并开源世界-动作模型 SimpleWAM,6B 参数版本在 NVIDIA ThorX (T5000) 上推理延迟由 181.23ms 降至 42.31ms,可在端侧以近 24Hz 高频闭环运行。
推荐理由:原文给出了从181ms到42ms的端侧优化路径和四项架构设计,可迁移了解世界动作模型如何满足高频闭环控制。
灵初智能正式发布具身模型Psi-R2.5,采用QwenVL3.5-4B高层规划器加Wan2.2-IT2V-5B低层控制器的双层架构,并提出强Pair Data标准。模型通过逆向调用Psi-W0世界模型从真机数据反向生成人类示教视频以量产配对数据,支持上下文学习ICL零样本泛化新任务;配套HIL+RL后训练框架,宣称经几轮迭代可将任务成功率提高到99%,仅需1-2个工作日,并已部署在客户现场。
推荐理由:原文详述模型架构、强Pair Data数据标准与逆向生成方法,读者可了解其数据路线如何支撑真机泛化能力。
2026第三届智驾“封神榜”挑战赛在长沙举行,京东物流“独狼”第六代智能配送车Plus版以全场综合得分第一获“最佳全能表现奖”,首次参赛即在多个场景取得全场最佳表现,困难场景均以满分通过。
恭喜我们的合作伙伴Simate开发出其自研的Physical RSI系统,并登顶RoboDojo排行榜!
自对弈是物理AI的一条强大路径。@SkildAI 的模型与自身越来越强的版本对弈训练,将一个简单目标转化为涌现行为。
诺因发布通用具身智能生成式学习框架 GLOW(Generative Learning of World)技术报告,称其在 RoboDojo(18 项任务平均成功率 62.2%。
Dexbotic 全面接入 DM0.5,实现全流程能力与评测版图双升级。读者可通过「阅读原文」同步直达 GitHub 仓库,并可查看往期回顾。
AGIBOT 在大湾区电影音乐会上用 WITA-Omni 全模态具身模型实现实机人机交互,机器人能识别对话对象、把握回应时机,并实时协调语音、动作与表情。该模型采用 Thinker-Talker-Actor 架构,WITA-Omni Preview 在 DailyOmni 基准上以 85.21% 平均准确率排名第一,并在八个评测维度中六个居首。
Psi Robotics(灵初智能)发布Psi-R25机器人操作模型,核心升级是数据质量提升与数据属性压缩,从10万小时数据中复盘提取高质量数据,并用强pair data对齐人类数据与机器人数据。
推荐理由:原文详述强pair data的生成方法与数据质量标准,读者可以了解人类数据对齐到机器人数据的可参考路线。
9月16日WorldArena 2.0全球终榜揭晓,考拉悠然旗下悠然无界世界模型在Track 1视频质量赛道综合得分全球第二,Background Consistency与JEPA Similarity两项核心指标位列第一,本次评测共汇集80个模型。模型采用结构化4D世界建模与动态场景记忆技术,并正与Geek Mind具身大脑结合,已集成于四足机器人平台,面向央企制造车间提供工业巡检方案。
摆荡。转向。跳跃。 @GenrobotAI 的 DFM 将六相机 Ego 视频转为连续的全身网格与骨骼数据,即使在快速运动和复杂姿态下也能保持身体结构和时序一致性。 看到全身。学会整套技能。 #GenRobot #WholeBodyData #egodata #PhysicalAI #Robotics
Figure AI 发布 Helix 2.5,在 30 个从未采集数据的湾区家庭中零样本完成整理客厅、叠毛巾和铺床三项长时程全身行为,无需在评估环境中采集数据或微调。
推荐理由:原文给出 Index 预训练对零样本泛化的对照数据和评测细节,可帮助读者理解人形机器人预训练迁移的实际水平。
弯曲。下蹲。移动。 DFM 能从 Ego 视频重建连续的全身网格,即使存在部分遮挡。 全身平均误差约 3 cm。 See the Whole Body. Learn the Whole Skill. #GenRobot #WholeBodyData #ego data #PhysicalAI #Robotics