2026浦江创新论坛人工智能赋能科学研究专题论坛于9月13日在上海张江科学会堂举办，由科学技术部四司与上海AI实验室联合承办。论坛期间上海AI实验室推出书生科学多模态大模型S2、书生物理世界模型W0，开放书生·端砚科学发现平台全栈服务，并联合14家机构发布20条重大科学问题及多项“攀登者计划”共建成果。
推荐理由：官方报道汇总论坛发布的多项进展，其中W0世界模型的力触融合与机械臂操作细节可供具身方向读者参考。
具脑磐石（EBKernel）在9月14日上海浦江创新论坛类脑具身分论坛发布类脑认知世界模型 Cog-WM 1.0，含导航分支 Cog-WM Nav 1.0 与操作分支 Cog-WM Manip 1.0，通过记忆、预测和主动探索让机器人理解物理世界。
2026年9月10日，苏州乐享智能（JoyIn）发布Aether具身智能模型，面向人形机器人身体控制与真实任务执行，称其使用约200小时人类视频、零真机数据训练，规模约40亿参数，首次执行部分任务成功率超过90%，可运行在宇树科技、智元机器人等本体上，并计划部分开放模型能力。
小鹏 XOS 6.3.0 通过 OTA 落地第二代 VLA 升级，围绕时间维度重构模型架构：InfiniVLA 让历史视觉信息持续参与当前判断，车端选择 30 秒历史上下文并配合流式自回归推理。
推荐理由：文中把车端算力约束下模型架构与部署协同设计的取舍讲得具体，可作为在有限硬件上落地大模型的工程参考。
OM-1 发布首个机器人基础模型，可零样本泛化到桌面机械臂、工业机械臂和人形机器人。该模型直接从人类操作数据学习，不使用遥操作或机器人数据，宣称接近人类水平的灵巧度与效率，并支持多机器人协作。Chelsea Finn 转发并祝贺相关作者发布。
具脑磐石于9月14日在2026浦江创新论坛类脑具身智能分论坛发布类脑认知世界模型 Cog-WM 1.0，涵盖导航分支 Cog-WM Nav 1.0 与操作分支 Cog-WM Manip 1.0。
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。
它石智航发布AWE系列迭代版本AWE3.7通用具身大模型，宣称实现跨环境、跨本体、跨任务泛化，同一套模型可部署在双臂协作机器人、轮式底盘和人形机器人上。材料展示了其在工业场景的表现，包括零件分拣、缠胶带、网线插接、手机装盒、拧螺丝、传动带抓取和积木分拣，以及家庭场景中的整理衣服、擦白板、冰沙制作等任务，并称AI模型层面换型时间压缩到小时级。
宇树科技宣布其通用人形基础模型全面升级并开源，官方称在 7 项评测中领先全球开源模型。材料仅提供标题与一句摘要，未给出模型名称、版本号和各项评测的具体成绩。
松延动力推出具身智能子品牌Scalabot，并发布首个世界模型HERON-World Model。该品牌以机器人本体优势为基础，主打让智能在真实世界生长。
如果人形机器人能像说话一样自然地做手势呢？🤖 介绍 RoboGesture —— 让人形机器人能够倾听、回应，并做出有意义的手势。 RoboGesture 在约 2 秒内完成"倾听 → 回应 → 手势"闭环，让我们更接近自然的人机交互。 语义对齐。实时。安全感知。 📍 #ECCV2026 · Poster Session 2 · ExHall #178 🗓️ Sep 10 · 16:30–18:30 CEST 🔗 https://robogesture.github.io #Galbot #EmbodiedAI #HumanoidRobot
智动未来在 2026 XAIR Expo 具身智能产业博览会上首次发布可微世界模型“智子世界”（PGD World Model）技术预览，并在具身智能机器人小智 S3 上展示验证进展。“智子世界”以短时多视角视频重建粒子化场景，可编辑物体姿态、材质、质量、摩擦等参数，用于预测动作带来的物理结果。S3 小智配备仿生双臂、激光视觉融合导航与多模态语音交互，现场演示爆米花铲取、装杯递送与零售自助选购。
小鹏举办以“TIME 时间”为主题的分享暨体验日，宣布第二代VLA大模型迎来首次重大升级，全新XOS 6.3.0版本将在小鹏G9L全球首发，核心是让AI从3D空间理解走向4D时空理解。
推荐理由：原文把升级拆成上下文记忆、推理方式和世界模型三处具体变化，读者可据此理解从空间理解到时空理解的落点。
擎朗智能在8月19日至23日举行的2026世界机器人大会上展示服务行业VLA架构KOM 3.0，称其集成了潜在空间世界模型。现场XMAN-R1自主完成从取杯到萃取咖啡的全流程，两台人形机器人在统一调度下协作洗衣叠衣，并与T10配送机器人、C40清洁机器人展示“通用+专用”协同服务。演示中机器人无遥操作、端到端自主完成长程任务。
在2026世界人形机器人运动会工业场景赛「装配上料岗」赛项中，灵犀智涌机器人纯自主完成搬运上架、拣选上料、发动机18个气门亚毫米级装配三项任务，分别取得84分、65分及21分，计入10分专项扣分后以总分160分完赛，按企业排名仅次于行业头部机器人企业旗下两支队伍，是首次参赛即冲入全国前三的唯一初创公司。
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。
银河通用机器人 Galbot G1 在 WHRG 的家庭、餐饮、零售三项最具挑战性场景赛中全部夺金，全程自主执行，胜率 100%。家庭赛涵盖家务整理、洗衣、取送及含意外中断的长程任务；餐饮赛涉及语音指令理解、食物处理加热、备饮与配送；零售赛包含拣货、补货、巡店与错位商品归位。
千寻智能首次出征第二届世界人形机器人运动会，凭借 100% 模型自主推理在办公场景综合服务岗夺冠、餐饮场景餐饮制售岗获亚军。
千寻智能宣布其机器人 Moz1 在第二届世界人形机器人运动会办公场景赛综合服务岗夺冠，成为全场唯一以 100% 模型自主推理参赛并夺冠的机器人。Moz1 搭载 Spirit v1.6，全程无遥操、零人工干预，依靠模型自主理解、规划与执行，完成会场布置、打印送件、碎纸销毁等任务，20 分钟连贯作业高分完赛。
众擎在2026年8月19日世界机器人大会（WRC）上发布仿人脑具身智能引擎EngineAI Awaken，这是一套五层体系架构，包含S1本能反射层、S2动作规划生成层、S3认知推理层和S4+S5自我成长层（情感大模型）。
章鱼动力发布面向具身智能的通用世界模型 SYNWorld V0.5，采用 MoT 架构，参数规模 10+B，训练数据 30+ 万小时，涵盖图像、视频及带动作标注的机器人动作轨迹。
Dyna Robotics 公布了如何在超过 1,000,000 小时的第一视角（egocentric）视频上可复现地训练 Dyna-2。
Skild AI 发布机器人基础模型 S1，以视频演示作为任务提示，无需微调即可执行训练中未见过的操作任务，长时程任务最长约10分钟。在10万小时预训练数据规模下，ICL模型在未见任务上成功率为66%，语言提示VLA为9%；单一演示相当于约380次后训练演示，种植任务从录制演示到自主执行用时11分钟。S1 基于NVIDIA AI基础设施训练，并已与商业伙伴投入使用。
推荐理由：原文给出ICL与VLA在同等数据规模下的对比数字和部署时间线，读者可以据此评估上下文学习路线对操作任务的可行性。
Dyna Robotics于2026年8月发布机器人基础模型Dyna-2，采用WAM（世界-动作模型）架构替代Dyna-1的VLA路线，预训练使用100万小时人类第一视角视频、零机器人实操数据。
众智FlagOS社区在阿里巴巴开源2.4万亿参数MoE模型Qwen3.8-2.4T-A95B发布首日完成9家AI芯片的多芯适配、精度对齐与部署验证，提供BF16、FP8、INT8等多精度版本。
推荐理由：文章给出零改码适配路径和量化压缩方案，读者可据此判断存量国产算力如何承接超大模型。
戴盟机器人8月10日发布触觉锚定世界模型Daimon-TWM，次日完成数亿元战略融资，为两个月内第二笔亿元级融资。
更高的任务成功率和更快的执行速度。🚀 我们的物理AI系统完成了使用工具与高精度双手操作的多阶段拆箱任务。 由 #STEAM 驱动，它从混合质量的真实世界经验中学习帧级任务进展。
StridingAI 演示中，清华大学 Chao Yu 教授团队的 STEAM 模型驱动机器人自主完成多阶段拆箱任务，通过工具实现毫米级双臂协同操作。STEAM 逐帧建模任务进度与动作质量，从专家演示、模型采样和人类接管的混合质量数据中提取学习信号，提升任务成功率与执行速度。
Dyna Robotics 介绍 Dyna-2，一个在一百万小时人类视频上预训练的世界-动作模型。作者称在这一规模上发现了几条新的 scaling law：世界-动作模型在人类数据上跨越四个数量级（从 1000 小时到 1。
推荐理由：原文给出了四个数量级的数据规模与三条 scaling law 结论，可帮助读者理解人类视频预训练如何迁移到机器人数据。
自变量机器人发布并开源HOST框架，机器人观看平均29秒人类演示视频即可复现新技能，成功率达62%，数据量仅为Pi-0.5微调方案的1/50、学习时间1/500。HOST不逐帧模仿人类动作，而是以视觉结果为中间语言，按任务进度而非时间对齐视频与机器人执行，采用双专家MoT架构，学习发生在推理阶段、权重冻结，旧技能保留率高于微调方案；光照与场景变化下成功率仍保持在50%以上，论文和代码已开源。
RoboParty Lab、浙江大学、清华大学智能产业研究院（AIR）与 InSpatio 联合发布并开源世界模型控制方法 INTACT（INtent-To-ACTion）。
推荐理由：原文给出与传统CEM搜索的延迟和成功率对比，读者可据此判断免搜索世界模型控制的收益边界。
谷歌发布 Gemini Robotics 2.0，由 Gemini AI 模型驱动的机器人可完成更复杂任务、持续分析变化的环境并与其他机器人协作。该版本包含三个新子模型，其中升级后的具身推理模型 Gemini Robotics ER 2 被 DeepMind 称较此前 1.6 版本有显著提升，已与 Gemini Live API 集成，另有子模型自当日起向开发者开放。
Google DeepMind 发布 Gemini Robotics 2，机器人公司 Apptronik 转发祝贺。引用内容称其为新一代物理 AI，将全身智能带到人形机器人，并具备先进灵巧操作与多机器人协作能力。Apptronik 表示，看到 Apollo 2 借助高级推理完成全身任务并实现精细灵巧操作是一次巨大飞跃。
智在无界BeingBeyond发布Being-H0.8，称其为全球首个隐式触觉世界动作模型，将视觉、触觉、动作与未来状态变化统一到同一隐空间，预训练使用超过500,000小时第一人称人类视频。
推荐理由：该模型把触觉引入大规模预训练并配自研伪标签系统，读者可据此了解触觉数据从实验室信号变成可规模化预训练资源的路径。
具微科技发布工业具身大脑MicVLC，并首次提出VLC（Vision-Language-Calling）架构范式，将认知层与执行层解耦，区别于传统VLA模型把Action与特定终端执行器底层控制深度耦合的做法。
@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。
极智嘉在 2026 世界人工智能大会（WAIC）发布统一具身智能框架 Gravity 及其首个核心基础模型 Gravity 4D，面向长时程、复杂的物理任务。Gravity 4D 实现从预测世界样貌到理解物理世界如何运行的基础性跨越，公司同时提出“一核双擎”（One Core, Dual Engine）战略。
它石智航通用具身大模型AWE在WAIC 2026摘得SAIL之星，成为本届唯一获SAIL奖的具身智能基座模型。展台上A1机器人基于AWE完成手机装盒、书包打包、细小螺丝分类等任务，并1:1复刻线束工厂环形流水线，多台A1在AWE 3.5赋能下协同完成柔性线束装配。
推出 ACT-2 Preview——全球首个能在你家中工作的机器人模型。 在未见过的家庭中实现 99% 成功率，完全自主运行。无需你的任何数据。
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。