跳到正文
10月16日周五
  1. 量子位70

    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。

10月15日周四
  1. Xbotics具身智能实验室 · 微信公众号76

    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。

  2. GitHub Robotics Topic41

    BrickSort v0.1.0 发布:识别约 600 种乐高零件的模型

    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。

  3. 36Kr Embodied Intelligence61

    阶跃星辰开放 Step 5 Preview 权重

    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。

10月14日周三
  1. 甲子光年 · 微信公众号60

    欢网与Pyromind共建AITV方案,焦点识别准确率从45%提升至99.6%

    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。

10月13日周二
  1. 银河通用机器人 · X42

    Galbot发布PASSAGE人形遍历框架

    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。

  2. 深圳市机器人协会 · 微信公众号70

    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。

  3. ZhenFund · 微信公众号63

    自然意志发布首个物理通用基础模型 Natura-1,500亿参数 MoE 驱动20自由度灵巧手

    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。

10月12日周一
  1. Shanghai AI Laboratory - Embodied Intelligence73

    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。

10月11日周日
10月10日周六
9月30日周三
9月28日周一
  1. 至简动力 · 微信公众号72

    至简动力发布并开源世界动作模型 SimpleWAM,6B 模型端侧推理低至 42.31ms

    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。

  2. PsiBot/灵初智能66

    灵初智能发布Psi-R2.5,以强Pair Data破解人机数据对齐难题

    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。

9月27日周日
9月24日周四
9月21日周一
  1. AgiBot49

    AGIBOT 在大湾区电影音乐会上演示 WITA-Omni 实时人机交互

    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。

9月20日周日
  1. PsiBot/灵初智能73

    灵初智能发布Psi-R2.5模型:以强pair data扩展人类数据用于具身智能

    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。

  2. Leiphone Robotics39

    考拉悠然悠然无界世界模型获WorldArena 2.0两项核心指标全球第一

    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。

9月18日周五
9月17日周四
  1. Figure AI79

    Figure AI 发布 Helix 2.5,在 30 个陌生家庭实现零样本全身自主

    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。

  2. 简智机器人 · X40

    DFM从Ego视频重建全身网格

    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