GPT-6-Astra 是否达到具身智能？SenseNova 联合团队评测报告
SenseNova 联合研究团队发布报告，评测 GPT-6-Astra 在机器人操作与导航上的具身能力。在统一协议下，团队于涵盖桌面操作、人形、移动平台与灵巧手的 12 个代表性基准上评测，允许从训练集示例进行上下文学习（ICL）并大幅增加执行步数，取得论文所称的空前表现。
#Evaluations and benchmarks
arXiv cs.ROAI 评分7070 HuggingFace Daily PapersAI 评分5858 SpatialScout：评测VLM智能体主动探索与构建3D物体级地图的新基准
SpatialScout是一个评测视觉-语言模型（VLM）智能体主动进行物体级3D建图能力的新基准，包含80个多样室内场景和3,140个目标物体。任务要求智能体控制相机探索场景，在共享坐标系中估计物体中心，需协调视角选择、跨视角关联、几何估计与地图修正，并在有限交互预算内完成。
HuggingFace Daily PapersAI 评分7070 Ropedia W0：跨本体扩展运动-操作世界基础模型
论文提出 Ropedia W0，一个跨人类与多本体机器人的第一人称运动-操作世界基础模型。研究构建了 Xp-Data 数据集，包含 1 万小时第一人称人类数据和 3000 小时机器人数据，配有统一多模态标注与质量控制；用相机位姿编码移动、投影骨架编码操作，机器人骨架结合各本体的前向运动学与人工关键点标注。
HuggingFace Daily PapersAI 评分6262 ACE-Brain-0.6 发布：用可验证空间定位监督扩展具身基础模型
ACE-Brain-0.6 通过统一数据流水线结合机器人操作记录与多源互补视觉数据，自动标注后转化为可验证的定位监督，用约150万样本微调 Qwen3.5-9B 得到。该模型在七个公开定位基准中的四个上超过 GPT-6 Astra，总平均分 75.41 对比 Astra 的 73.68。在固定微调设置下，随数据集扩展覆盖更多定位场景，聚合定位性能稳步提升。
HuggingFace Daily PapersAI 评分5959 PVBench：以物体级物理测量量化视频生成的物理合理性
研究者提出 PVBench，一个物理视频基准，从七大领域共 46 个维度定量测量生成视频的物理合理性，涵盖指令与语义保真、行为与因果一致、感知与时序质量、几何与空间一致、材料属性与场状态、运动学与时空持续性，以及力学与守恒定律。
36Kr Embodied IntelligenceAI 评分4747 StartLux-Decision-v1.1-27B Instant登顶Hugging Face Decision Index 0.3.2榜首
中国AI创业公司StartLux（原点星辉）的StartLux-Decision-v1.1-27B Instant以69.1分登顶Hugging Face Decision Index 0.3.2榜单全球第一，在173项公开复现模型中排名榜首，领先第二名近3分，是榜单中唯一突破69分的模型。继9月底发布首代模型后，StartLux仅用十余天再次刷新成绩，稳居全球决策模型SOTA。
HuggingFace Daily PapersAI 评分5858 BiDex-100：覆盖 100+ 仿真任务的双臂灵巧操作基准
论文提出 BiDex-100，一个面向双臂灵巧操作的仿真基准，包含 106 个任务，沿泛化、指令遵循、少演示、长程和记忆五条能力轴组织，每个任务配有受控视觉与空间变化的域外变体以评估鲁棒性。
GuyuehomeAI 评分4646 基于运动先验强化学习的仿人机器人射门与守门控制
基于运动先验强化学习的 G1 射手在 60 次点球中全部命中，采用历史编码的守门员扑出 85% 的射门。但两个模型放进官方对抗场景后，20 场比赛零进球，文章用逐拍数据定位了两层分布边界机制。
机器之心 · 微信公众号AI 评分5858 Manifold AI 推出 WorldScape R²SI 框架并登顶 RoboDojo 机器人操作榜单
Manifold AI 推出机器人递归自进化框架 WorldScape R²SI，在机器人操作基准 RoboDojo 总榜登顶，超过 GPT-6-Astra 与英伟达 GR00T-N1.7 等模型。
爱范儿AI 评分6666 Surface Laptop Ultra 首发体验：实测 RTX Spark N1X 本地大模型与 3A 游戏表现
Surface Laptop Ultra 搭载 RTX Spark N1X 芯片，最高提供 20 核 Grace CPU、6144 个 CUDA 核心的 Blackwell GPU 与 128GB 统一内存，标称 FP4 精度下 AI 算力最高 1 PFLOPS，10 月 7 日开启预售、10 月 16 日上市，起步价 21988 元、128GB 顶配 48388 元。
新智元 · 微信公众号AI 评分7171 Scale AI与Elorian发布HSS基准测视觉直觉：人类93.1%，最强模型GPT-6-astra仅53.6%
Scale AI联合Elorian发布新基准Humanity's Sixth Sense（HSS），测试多模态模型的直觉式视觉推理：20名人类参与者得分93.1%，榜首GPT-6-astra开到最大推理强度也只有53.6%，25个模型中位数为30.9%。
GitHub Robotics TopicAI 评分3232 physim-gate v0.3.1 发布：修复三类静默误判与退出码问题
physim-gate v0.3.1 修复了 v0.3.0 审查中发现的三类问题：比较可能静默给出错误判定或退出码。共享 trial id 时仅一方报告的 trial 记为缺失值（physim.failure_rate 将其计为失败，trial id 完全不相交仍按独立样本比较），gate 配置、套件、运行结果与 LeRobot 输出中的重复键会被拒绝并指出文件名。
Droidup/卓益得AI 评分5757 卓益得RL阿尔法队获EBiM Challenge 2026 Task 3辅助生活与喂食第一名
卓益得技术团队组成的RL阿尔法队在全球首个跨大洲具身双臂操作基准EBiM Challenge 2026中，从近百支队伍中获Task 3「辅助生活与喂食」第一名。
AI前线 · 微信公众号精选AI 评分7878 谷歌发布Gemini 4 Argon物理推理模型，打通机器人研发全链路
谷歌发布Gemini 4（Argon），定位为专注物理世界交互的通用物理推理模型，覆盖控制执行、仿真重构、数据标注到自我改进的机器人全生命周期。在ERQA具身推理基准上Argon取得87%，超过Claude Opus 5.5（82.3%）与GPT-6 Astra（81%）；AA-Omniscience测试中其幻觉率为15%，低于后两者的51%和59%。
推荐理由：文章按控制、仿真、数据质检、自我改进四层拆解了该模型在机器人研发链路上的具体用法与实测数字。
HuggingFace Daily PapersAI 评分6767 HexaShell：探索VLM编码智能体作为机器人智能体的极限
研究者提出HexaShell系统，让基于视觉语言模型的编码智能体通过单一命令行驱动双臂机器人，框架只负责把智能体指令转为机器人运动。智能体在每次失败后读取日志、定位原因并编写或修复小工具程序，工具仅使用机器人自身观测，通过三角化确定物体相对位置，必要时移动腕部相机获取第二视角。
HuggingFace Daily PapersAI 评分6262 OfficeTown：面向智能体能力演进的组织仿真框架与评测基准
研究者提出OfficeTown，一个从组织自然语言描述初始化的职业组织仿真框架，成员协调工作、向助手智能体委派任务并评审交付物，产物、决策与未决事项会持续影响后续工作。
量子位AI 评分6767 优必选 Thinker-WM 统一多模态世界模型发布，三大具身世界模型基准均登顶
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。
HuggingFace Daily PapersAI 评分4747 MIST：诊断视频世界模型的记忆失败
MIST 将视频世界模型评测中的"执行改动"与"记忆改动"分离，定位出瓶颈在于模型能搭建场景却未执行指令要求的改动。基于此提出的 M3-Agent（Make the Missing Move）递归修订输入指令细节，使冻结模型成功执行指令，reveal score 相对基线提升三倍以上。
Dexmal 原力灵机 · 微信公众号AI 评分6464 LoopWAM 登顶 RoboChallenge Table30 V2 榜单，成功率与过程分双双第一
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。
OFweek RoboticsAI 评分7373 IDC数据揭示四足机器人市场量价分化，工业应用增速领跑
IDC《全球四足机器人市场份额，1H26》显示，2026年上半年全球四足机器人市场规模超4亿美元，同比增长95.4%，出货量超4.9万台，教育科研和家用消费贡献约60%出货量但收入占比不足三分之一。
Xbotics具身智能实验室 · 微信公众号精选AI 评分7676 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。
Dexmate精选AI 评分7272 Dexmate与CMU发布MeMoREval基准：机器人存相机帧胜过文字描述
Dexmate与CMU推出MeMoREval基准，用先体验后提问的两阶段协议评估具身智能体应存什么记忆，含53个任务和4个模拟室内环境，运行于Vega 1 Pro双臂移动操作机器人。结果显示存储原始相机帧得分70%并写入成本更低，超过文字描述的56至60%，加场景图在所有受测模型中总体成功率最高；该协议也在真实Vega 1 Pro上以SLAM地图和头部相机完成两次记忆检索演示。
推荐理由：基准由平台方与CMU共同提出，帧与场景图的对比结论可帮助做记忆设计选型，实机迁移也给出可行性参考。
The Humanoid HubAI 评分5959 Nature Will 发布通用世界模型 Natura-1，驱动 20 自由度五指灵巧手
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。
OFweek RoboticsAI 评分3737 魔法原子 EchoPolicy-0 与 MagicBrain 登 MolmoSpaces 具身智能评测榜单，分列全球第一和第四
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。
36Kr Embodied IntelligenceAI 评分3636 “求索”4.0版发布：国内首个人工智能全产业链评测基准
“求索”4.0版评测基准于10月13日正式发布，是国内首个覆盖算力、模型算法、智能系统与产品、行业应用、安全治理的人工智能全产业链评测基准。体系分为基础软硬件、模型与智能系统、安全治理、行业落地四大板块，含16项测评工具，覆盖智算云、大模型、智能体、具身智能等方向。目前已在金融、电力、石油石化等场景完成产品验证，并开展多轮试点测评。
Xbotics具身智能实验室 · 微信公众号AI 评分7474 UniWAM 开源统一世界与动作模型，LIBERO 99.2%、RoboTwin C2R 68.32% 多项基准领先
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。
深圳市机器人协会 · 微信公众号精选AI 评分7070 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。
3D视觉工坊 · 微信公众号AI 评分5656 Pumpire：统一评测三维基础模型点对实际距离估计能力的基准
浙江大学等机构提出统一基准 Pumpire，直接评估图像级和视频级三维基础模型在重建几何中估计点对实际距离的能力，指出以往分别评估深度和相机内参的方式无法反映该能力。
Shanghai AI Laboratory - Embodied Intelligence精选AI 评分7373 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。
Robotics 24/7AI 评分4242 Reshape Automation 报告：主流 AI 模型在工业零部件问题上最高仅得 52%
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。
OFweek RoboticsAI 评分5050 月报 | 陪伴机器人8月线上市场：芙崽登顶，AI毛绒挂件成爆品
奥维云网（AVC）监测显示，8月陪伴机器人线上零售额达5232.1万元、零售量10.5万台，环比分别增长34.0%和37.9%，开学季与七夕礼赠需求叠加带动放量。
Xbotics具身智能实验室 · 微信公众号AI 评分6969 Discrete Forcing：用离散动作引导连续去噪实现两步动作生成
Discrete Forcing 提出先用一次离散 forward 确定动作整体结构，再映射回连续空间作为 Flow Matching 的生成起点，通过一次连续 forward 完成精细修正，整个动作生成只需 2 NFE。
ModelScope RoboticsAI 评分6868 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。
北京理工大学 · 微信公众号AI 评分5050 北京理工大学IN²Bot团队获CVPR 2026与ICRA 2026两项具身智能竞赛冠军
北京理工大学自动化学院IN²Bot团队在两大国际会议的具身智能竞赛中夺冠：在CVPR 2026 ManiSkill-ViTac视触觉具身双臂操作挑战赛中以700分优势获冠军，方案包括自研触觉编码器和动作记忆模块；在ICRA 2026第五届移动机器人自主导航挑战赛中以全场最高分夺冠，方法涵盖空间可通行认知推理场、局部反应规划与安全屏障轨迹控制。
Tech Xplore RoboticsAI 评分6060 Georgia Tech 提出 FindingDory 基准，评测家用机器人的 AI 记忆能力
Georgia Tech 研究者提出名为 FindingDory 的评测基准，用 60 项需要持续交互与环境上下文感知的任务测试 Gemini 2.0-flash、GPT-4o 等视觉语言模型的记忆能力，任务涵盖空间、时间和多目标三类高难度场景。
夕小瑶科技说 · 微信公众号AI 评分5858 实测MiniMax M3.1-Flash-Preview：四个真实任务对比DeepSeek与GLM
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。
New Strategy RoboticsAI 评分5555 京东物流“独狼”第六代智能配送车Plus版获智驾“封神榜”全场综合得分第一
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。
简智机器人 · XAI 评分2020 Simate自研Physical RSI登顶RoboDojo榜首
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！
KNOWIN 诺因智能 · 微信公众号AI 评分6161 诺因发布通用具身智能生成式学习框架 GLOW 技术报告
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%。
Dexmal 原力灵机 · 微信公众号AI 评分4444 原力灵机唐文斌出席2026世界制造业大会，分享DM0.5进展与具身智能落地判断
原力灵机创始人兼CEO唐文斌在2026世界制造业大会（合肥）分享具身智能落地进展，提出“专用化、组合化、调度化”三个已跑通的场景样本，主张让所有机器人共享同一颗“大脑”而非执着于同一副“身体”。