Dexbotic 动态速递（二）｜全面接入 DM0.5，全流程能力与评测版图双升级
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。
#Evaluations and benchmarks
Dexmal 原力灵机 · 微信公众号AI 评分1212
Leiphone RoboticsAI 评分3939 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。
机器人daily · 微信公众号AI 评分6767 银河通用实测GPT-6 Astra后，中国具身智能应该看什么
一份由银河通用研究员参与完成的第三方技术报告《GPT-6 Astra as an Embodied Policy》在GPT-6 Astra发布不到两周后开源，在RoboDojo和RoboLab仿真环境中测试其作为具身策略的表现。
Dexmal 原力灵机 · 微信公众号精选AI 评分7373 原力灵机 DM0.5 登顶 RoboColiseum 全部四个榜单
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。
Dexmal 原力灵机 · 微信公众号AI 评分6060 GeoVLA 入选 IROS 2026 认知机器人最佳论文提名
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。
宇树科技 · 微信公众号AI 评分6262 宇树科技通用人形基础模型全面升级并开源
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。
UniX AI/优理奇 · YouTubeAI 评分3232 UniX AI 在2026世界人形机器人运动会斩获一金一银一铜
UniX AI 派出三台机器人参加2026世界人形机器人运动会，全部获奖，共拿下一金一银一铜。Panther 在酒店服务场景夺得金牌并成功卫冕，另两台机器人分别在应急事件响应和消防救援场景获得银牌与铜牌。该届运动会共666支队伍、2,056台机器人参赛，设21项真实场景赛事。
机器人daily · 微信公众号AI 评分6060 灵犀智涌 ROSS Harness 以全自主模式获人形机器人运动会工业场景赛全国前三
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。
优理奇 · XAI 评分3434 优理奇获人形机器人运动会首金
#UniX AI声称夺得2026世界人形机器人运动会首金！ 酒店场景的连续胜利是我们产品能力的最有力证明。 今年，UniX AI正将其机器人带入更多真实场景。
自变量机器人 · 微信公众号精选AI 评分7575 自变量机器人发布 WALL-SS 下一尺度自回归世界模型
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 · XAI 评分4242 Galbot G1 在 WHRG 三项场景赛夺金
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 · 微信公众号AI 评分6262 千寻智能搭载 Spirit v1.6 的 Moz1 机器人斩获世界人形机器人运动会一金一银
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 · 微信公众号AI 评分5656 千寻智能搭载 Spirit v1.6 的 Moz1 在世界人形机器人运动会办公场景赛夺冠
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。
智源研究院 · 微信公众号精选AI 评分7575 智源研究院发布 FlagEval-Robo 具身智能评测体系与双榜单
智源研究院 8 月 21 日发布 FlagEval-Robo 具身智能评测体系，推出 FlagEval-Robo-Sim 与 FlagEval-Robo-Real 两大榜单，公开 12 个开源模型的评测结果，所有模型在评测数据集上进行了平等后训练。
推荐理由：评测用统一双轨标尺量化了仿真与真机的性能落差，读者可据此判断仿真榜单成绩的参考边界。
PKU EPIC Lab精选AI 评分6666 PKU EPIC Lab 发布 HumanTracker 人形运动跟踪基准与 HumanScore 指标
PKU EPIC Lab 提出HumanTracker基准，用于人形运动跟踪的评估，被ECCV 2026接收。基准包含约153小时来自多名专业演员的光学运动轨迹，分为四个运动族并带文本标签；配套的HumanScore指标基于包含24K动作的12K运动对训练，与人类偏好对齐，能揭示运动学指标常漏掉的接触与稳定性失败，如脚滑和落地时机错误。
推荐理由：原文提出将人形运动跟踪评估与人的感知对齐的基准和指标，指出现有运动学误差会漏掉足底滑移等接触问题。
正行创新 · X精选AI 评分6868 Harness VLA 开源，在 LIBERO-Pro 上取得 82.4%
@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。
它石智航 · 微信公众号AI 评分5656 它石智航AWE获WAIC SAIL之星，A1机器人展示线束装配与灵巧手魔术
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。
Sunday Robotics精选AI 评分7878 Sunday Robotics 预览 ACT-2 模型，叠衣零样本成功率 99.1%
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。
智源研究院 · 微信公众号精选AI 评分7474 智源发布多模态表征世界模型悟界·RoboBrain Orca
智源研究院发布多模态表征世界模型悟界·RoboBrain Orca，核心思路是从预测下一个词、下一帧、下一动作转向预测下一个世界状态，先学习统一的世界潜在表征，再通过文本、图像、动作三种轻量读出模块适配下游任务。
推荐理由：原文说明了从预测下一输出转向预测下一状态的训练范式，以及冻结主干加轻量读出模块的做法，可迁移给关注世界模型路线的读者。
加速进化 · 微信公众号AI 评分5959 加速进化 Booster 机器人助力多支队伍在 RoboCup 2026 包揽双足人形全部金牌
RoboCup 2026 在韩国仁川落幕，搭载加速进化 Booster T1 的清华大学火神队成功卫冕 Large 组世界冠军，一年前曾在巴西打破中国战队 28 年的冠军荒。
X Square Robot/自变量机器人精选AI 评分6767 自变量机器人发布跨模态具身动作分词器X-Tokenizer，多模态对齐提升13.5%、长程任务提升8.25%
自变量机器人发布跨模态具身动作分词器X-Tokenizer，采用语义残差量化（SRQ）架构，在17个机械臂系列、240万条轨迹（含20亿动作帧）上预训练。相比FAST，多模态对齐能力提升13.5%，长程任务性能提升8.25%，RoboTwin 2.0得分82.8；真机测试优于FAST和4级RVQ等对比方法。
推荐理由：原文给出了X-Tokenizer的方法设计与对比实验数据，读者可以了解动作分词器的多模态对齐思路及其可复用效果。
HUMANOID精选AI 评分6363 KinetIQ Ascend 用真实世界强化学习提升人形机器人操作吞吐与成功率
HUMANOID 推出 KinetIQ Ascend，一种在生产部署条件下运行的端到端视觉强化学习方法，扩展其 KinetIQ 框架，让机器人通过试错而非仅靠人类示教改进操作技能，公司称这是首个在产线人形机器人操作上公开演示的此类方法。
推荐理由：原文给出三项工业任务的具体吞吐与成功率数字，并指出性能随训练时长可预测提升的规律，便于评估真实世界强化学习在人形机器人上的落地价值。
Robot.com Holdings Inc.精选AI 评分6868 Robot.com 发布 R-KNav 万小时人行道导航数据集并启动 FoMo 挑战赛
Robot.com 发布 R-KNav 数据集并启动 FoMo 挑战赛，邀请社区用其 R-kiwi 人行道配送机器人车队的真实数据训练视觉导航模型，并在实机上受控评测。
推荐理由：数据来自长期商业运营的配送车队而非仿真，且公布了实机评测的 KPI 口径，可据此评估真实街道导航数据的可复用性。
Lumos Robotics/鹿明机器人AI 评分3131 鹿明机器人 Prime R0 登顶具身智能评测基准 MolmoSpaces 全球第一
鹿明机器人的产业具身大脑 Prime R0 在 AI2 发起的零样本具身智能评测基准 MolmoSpaces 上，于单臂精细操作与双臂协同操作全任务评测中以综合成功率位列全球第一。
KNOWIN 诺因智能 · 微信公众号AI 评分5555 诺因智能获CVPR 2026 EgoCross Challenge双赛道全球第一
诺因智能在CVPR 2026 EgoVis Workshop首届EgoCross Challenge中拿下Source-Limited与Open-Source双赛道全球第一名，成为唯一包揽双赛道冠军的团队。
Physical Intelligence SocialAI 评分4343 π0.5驱动自主手术吻合术
Aleph Surgical 发布研究预览，π0.5 驱动自主手术吻合（anastomosis）操作。
Berkeley AUTOLAB精选AI 评分6868 CaP-X：面向机器人操作的编码智能体基准测试与改进框架发布
Berkeley AUTOLAB等团队提出CaP-X开放框架，用于系统研究机器人操作中的Code-as-Policy智能体，核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由：原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现，对研究编码智能体操作控制有参考价值。
Dexterity精选AI 评分6060 Dexterity 详解 Foresight 装箱智能体的评测方法与生产指标
Dexterity 发文介绍 Foresight 装箱智能体的系统评测与生产测量。规划侧在四组真实仓库箱型分布上测试，密度 0.65–0.77、稳定性 99.7–100%，并用无分布顺序统计量给出 95% 置信区间；文中还发现随机打乱箱子序列会使局部方差坍缩约 1.4 倍，导致评测偏乐观。
推荐理由：原文完整披露装箱智能体的评测方法，包括无分布置信区间和随机打乱带来的评测偏差，方法可迁移到同类系统。
Toyota Research Institute Robotics精选AI 评分7777 Toyota Research Institute 讲解机器人策略评估的统计思维：从严格A/B测试到有效可视化
Toyota Research Institute（TRI）发布教程文章，介绍机器人策略评估中基于成功/失败标签的A/B测试统计方法。
推荐理由：TRI 作者系统讲解机器人策略A/B测试中的统计陷阱与可复用工具，附可直接运行的Python示例。
Physical Intelligence精选AI 评分7474 Physical Intelligence 提出物理智能层主张并公布 Weave 与 Ultra 的 π 0.6 部署数据
Physical Intelligence 在博文中提出机器人需要一个可复用的物理智能层，并公布了合作方 Weave 与 Ultra 使用 π 0.6 的真实部署数据。
推荐理由：两家部署方给出了自主率、漏抓与吞吐量等对照数据，便于判断基础模型迭代在真实场景中带来的实际收益。
Kepler Robot/开普勒机器人 · YouTubeAI 评分2626 Kepler K2 “Bumblebee”：坡道抗外力扰动挑战
Kepler K2 “Bumblebee”人形机器人在坡道上完成三轮外部推力扰动测试，均成功保持稳定，并喊出“Push all you want — I'll keep walking”。这是实机稳定性测试，公司称持续训练仍在进行中，更多实机性能表现将陆续公布。
Physical Intelligence精选AI 评分6464 Physical Intelligence 微调 π 0.6 挑战 Robot Olympics 五类任务，拿到三金两银
Physical Intelligence 通过微调其最新的 π 0.6 模型，在 Benjie Holson 提出的 Robot Olympics 五类日常操作挑战中，3 类给出金牌任务的初步解、其余 2 类达到银牌，平均成功率 52%、任务进度 72%。
推荐理由：用同一组外部提出的日常操作任务对比有无机器人预训练的差距，读者可据此判断基础模型预训练对操作技能的实际价值。
LivoxAI 评分4949 Livox HAP 性能测试报告可申请下载
Livox 公布车规级混合固态激光雷达 HAP 的性能测试报告，全文可联系索取，测试中 HAP 在 150 米处有效探测白色轿车，200 米处车身仍有 7 个以上点，15 厘米水瓶约 30 米可探测 3 点以上。
OFweek RoboticsAI 评分2323 创鑫互联医疗服务机器人“小新”功能实测：专注医疗服务场景
创鑫互联医疗服务机器人“小新”（名称支持自定义）面向医院问询导诊场景。机器人为人形设计，高约1.5米，分头部、躯体、底座三部分，测试款采用ABS工程塑料外壳，厂家称可按需定制铝合金外壳；“脸部”配8英寸液晶屏显示虚拟表情以拉近人机距离。