AutoTrust AI Lab 开源多模态决策模型 JEV-27B-VL,居 Jev Decision Index 0.3 视觉榜单第一
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。
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。
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%。
尚颀资本发布周刊,汇总近期生态企业动态:奕行智能完成近20亿元新一轮融资,投后估值近150亿元,第一代Epoch算力芯片已量产交付;无问芯穹联合清华、上交开源具身智能端侧推理引擎APXInf,支持RTX 4090、Jetson Orin、Jetson Thor等平台;逐际动力与英汉思动力联合研发的首款具身网球机器人于9月22日在"比利·简·金"杯总决赛亮相。
在IROS2026与大家见面 🤖 T1海外首秀——一个平台,无限场景 🧠 Lumo-2,新一代世界-动作模型——高精度操作现场演示 在实践中成长的AI 📅 9月27日–10月1日 📍 美国匹兹堡 📌 展位#921 #IROS2026 #PhysicalAI #Astribot
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。
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
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。
原力灵机与天津大学、清华大学联合发表的论文《GeoVLA: Empowering 3D Representations in Vision-Language-Action Models》入选 IROS 2026 认知机器人最佳论文奖提名。
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。
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。
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。