#Robot models and learning

Dyna半人形机器人Taku自主洗衣演示

Dyna 正用其旗舰半人形机器人 Taku 在 Dyna 2.1 大脑上运行持续的自主洗衣演示。 在奥斯汀 CoRL 的 Dyna 展台与 @JasonMa2020 简短交流。

MIT CSAIL 与 CMU 提出 Workspace Models，让机器人以轻量记忆模块学习复杂技能

MIT CSAIL 与 CMU 提出 Workspace Models，用大视觉语言模型在离线阶段把长历史观测压缩为隐向量，并训练小型策略模型，使机械臂能在毫秒级内规划下一步动作。

Apptronik 转发 Gemini Robotics 2.5 发布，强调其技能广度

Google DeepMind 发布 Gemini Robotics 2.5，称这一物理 AI 能学习数百项日常技能，包括叠衣服、端糕点和在工厂自主分拣汽车零件。Apptronik 转发该消息并补充打蝴蝶结、分拣汽车零件等例子，称这体现了模型的技能广度。

同一新闻，精选展示《Google DeepMind 发布 Gemini Robotics 2.5 物理 AI 模型》

Gritt 与 MasTec 合作，将物理 AI 部署到太阳能施工工地

Gritt 宣布与北美基础设施建筑商 MasTec 合作，将其 AI 驱动的系统部署到 MasTec Renewables 项目中，并计划拓展到更多基础设施领域。

开源 VLA 模型选型与本地跑通：OpenVLA、pi0、GR00T N1 与 RDT 的工程对比

针对 OpenVLA、pi0、GR00T N1 与 RDT 四款开源 VLA 模型，文章从工程落地角度做选型对比并给出本地跑通路径。内容围绕各模型的部署条件与实操差异展开，供研发者按自身硬件与任务需求选择。

灵巧手实战21：VLA 怎样控制灵巧手，从语言指令到受约束的动作

灵巧手实战21聚焦VLA（视觉-语言-动作模型）如何控制灵巧手，梳理从语言指令输入到生成受约束动作的流程。内容属于教程性质，围绕这一控制链路展开讲解，未给出具体机器人型号、实验数据或成功率指标。

用可增强高斯泼溅构建照片级真实仿真环境训练机器人策略

作者因动画仿真训练的策略难以迁移到实机，转而用真实场地的高质量高斯泼溅（Gaussian Splats）构建可增强、可重打光的照片级真实仿真环境。其流程经数百次迭代，可将 iPhone 扫描转为 Splat 加网格，并选择机器人可操作的资产、按单元拆分生成细节资产放回 Splat 原位置；物理与渲染使用 MuJoCo Warp，机器人为 Franka Panda。

资本正在撤离世界模型：融资降温与少数团队逆势获投

多位一线投资人和世界模型公司投融资负责人表示，世界模型赛道下半年融资明显降温，头部基金愿意出手的项目已屈指可数，概念带来的估值溢价快速缩水。财联社创投通数据显示，10月物理AI及世界模型相关一级市场融资事件共5起，较此前明显减少。仍能顺利融资的多为顶尖高校背景、有研究积累或大厂资源的团队，如逆矩阵、物原科技、自然意志、LiberAI和蚂蚁灵波。

DeepSeek 战略投资 Winverse AI 与理格万物，补齐具身智能感知与运动控制

DeepSeek 完成对 Winverse AI 和理格万物的战略投资，前者主攻世界模型与具身感知大脑，后者聚焦人形机器人全身运动控制。DeepSeek 领投 Winverse AI 种子轮，交易金额达数千万美元，投后估值约 4 亿美元，美团龙珠同步跟投；理格万物本轮由 DeepSeek 与红杉中国、砺思资本共同参与投资。

苹果研究团队发布人形机器人控制系统HALO，单项任务平均成功率91%

苹果研究团队在arXiv发布论文《Perceptive Humanoid Motion from Simulation》，公开人形机器人自主控制系统HALO，并同步开放训练与部署代码。

Robbyant 开源触觉基础模型 LingBot-Touch

Robbyant 开源触觉基础模型 LingBot-Touch，基于约 5000 小时真实触觉数据预训练，将磁式、视触觉与压阻式传感器读入统一 token 空间。在 26 个真实机器人任务和两只灵巧手上，四种策略使用该 token 均取得最高平均成功率；在预训练未见过的特定传感器型号上，冻结编码器将接触中心误差从 5.89 mm 降至 0.16 mm，优于为其专门构建的适配器。

同一新闻，精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》

LongChang 基准：大语言模型能否在改写物理规律的仿真世界中自主发现规律

香港科技大学（广州）等机构提出 LongChang，基于 MuJoCo 构建 15 个场景（1 个普通物理对照、14 个各改写一条规律），让大模型在无课题提示下自主探索并发现隐藏物理规律。

蚂蚁灵波发布触觉基础模型 LingBot-Touch

蚂蚁灵波发布触觉基础模型 LingBot-Touch，用近5000小时真实触觉数据覆盖视触觉、磁触觉和压阻式三类传感器，并开源模型与技术报告。该模型采用多分支编码加共享 Haptic Transformer 主干和 Tactile-JEPA 训练，把不同传感器的触觉单元映射到统一指尖坐标系。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，30 小时完成费马大定理形式化

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款模型，二者共用同一底层模型，Fable 5.2 配备网络安全与生物安全防护并向所有用户开放，Mythos 5.2 需通过验证计划申请。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，机器人控制能力提升并引入前 Optimus 研究员

Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，官方演示中 Fable 5.2 控制机器人完成操作益智方块、拧开瓶盖、绘制机器人图案等任务。

MiniMax 开源图像模型 H3 Image，支持 4K 生成与 16 张参考图

MiniMax 正式发布图像模型 H3 Image，当天开源权重并同步开放 API，可在 MiniMax Code、开放平台和海螺 AI 直接使用。该模型可直接生成 4096×4096 图像，单张 4K 生成耗时 10 到 20 秒，最多支持 16 张参考图、提示词 7500 字符。官方定位为开源图像模型 SOTA，主打指令遵循能力，在 CAD 蓝图、机械爆炸图和手语手势等场景中做了演示。

蚂蚁灵波开源通用触觉基座模型LingBot-Touch

蚂蚁灵波科技发布并开源通用触觉基座模型LingBot-Touch，把视触觉、磁触觉、压阻式三种触觉信号统一转换为动作模型可用的通用触觉Token。其Tiny版仅532万参数，接入T-Rex、π0.5和LingBot-VLA后平均成功率分别提升23.18、21.81和24.81个百分点，26项真机任务与12项仿真操作全线提分。

同一新闻，精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》

西安交大兰旭光团队提出AffordSim：用三维可供性预测生成机器人操作数据

西安交通大学兰旭光教授团队提出AffordSim，将开放词汇三维可供性预测接入仿真轨迹生成，从自然语言任务描述出发定位物体功能区域，再结合cuRobo运动规划生成可执行操作示范。

苹果公开 HALO 人形机器人研究：宇树 G1 背 Mac mini 跑千问，陌生家庭任务成功率 91%

苹果研究团队公开 HALO 人形机器人研究，用宇树 G1 背负 Mac mini M4 Pro 本地运行千问模型，在 6 个未扫描的真实家庭中 360 次测试平均成功率达 91%。

英伟达推出 GR00T 2，让机器人从人类示范中学习精细操作

英伟达在 CoRL 上公布 GR00T 2 机器人学习模型，基于 NVIDIA Cosmos，可从人类示范中学习并把技能迁移到不同机器人本体。其评估的 50 项任务中，无任务示范时 40 项至少成功完成过一次，每项一次示范后平均成功率 71%，五次示范后达 95%。

英伟达发布GR00T 2系列世界—动作模型，用40万小时人类视频训练

英伟达在CoRL 2026上推出开源世界—动作模型GR00T 2系列，包含GR00T 2和GR00T 2 Turbo两个版本，前者主打泛化与精细操作，后者参数更小、可直接部署在宇树G1上，机载Jetson Thor单次推理耗时124毫秒。

伽马智能与TeleAI联合宇树推出LocoManiLab人形移动操作测评框架

伽马智能与TeleAI联合宇树推出LocoManiLab，这是一个面向人形机器人移动操作的统一测评框架，覆盖五类家庭空间、13个场景实例和234项任务，以宇树G1和Dex3灵巧手为统一测试本体。

Google DeepMind 发布 Gemini Robotics 2.5 物理 AI 模型

Google DeepMind 发布 Gemini Robotics 2.5，称这一物理 AI 模型能学习数百项日常技能，包括叠衣服、端送糕点和在工厂车间自主分拣汽车零件。官方以一组图片概述其能力范围，未披露模型规模、训练数据或评测指标。

Google DeepMind 称 Gemini 4 Argon 参与构建 Gemini Robotics 2.5，缩短数月训练时间

Google DeepMind 表示 Gemini 4 Argon 参与了 Gemini Robotics 2.5 的构建，缩短了数月的训练时间。它可从单张相机视角生成虚拟练习空间，并通过回放自身失误来修正动作策略，从而提升真机上的表现。

Gemini Robotics 展现接近人类灵巧度

这一成果在任务广度和灵巧性上均取得重大进展——接近人类级别的精细度。 🔹 系蝴蝶结考验对可变形物体的操作 🔹 移液处理液体需要操作精细物品 🔹 用夹子分餐需要高级工具使用能力

Google DeepMind 与 Apptronik、奔驰完成 Gemini Robotic 2.5 概念验证，Apollo 2 分拣汽车零件准确率 96%

Google DeepMind 与 Apptronik、梅赛德斯-奔驰开展概念验证，Gemini Robotic 2.5 驱动 Apollo 2 机器人抓取并整理用于装配的汽车零件，准确率达 96%。该结果目前处于概念验证阶段，尚未说明部署规模或产线条件。

Google DeepMind 为 Gemini Robotics 2.5 加入危险识别与避让人等安全措施

Google DeepMind 为 Gemini Robotics 2.5 加入新的安全措施，让机器人识别危险、避让人类，并针对越狱攻击进行测试。随着机器人进入更多真实场景，这些能力被作为提升安全性的方式提出，更多细节见官方链接。

眸深智能发起通用具身大脑产业创新联合体，42 家机构参与

11 月 7 日，通用具身大脑产业创新联合体在上海进博会配套交流会上启动，由眸深智能发起，共汇聚 42 家企业及科研机构，成员包括复旦大学未来信息创新学院、国家地方共建人形机器人创新中心、宇树科技、优必选等。

Anthropic 发布 Claude Fable 5.2，在 RoboDojo 双臂仿真基准上得分 64.9%

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2 两款同底层、不同安全策略配置的大模型，Fable 5.2 面向开发者广泛开放，Mythos 5.2 仅对经资质审核的机构开放。

开源人形机器人项目 CoOLER（Collaborative Open Learning Experimental Robot）设计工作启动

开发者以 CoOLER（Collaborative Open Learning Experimental Robot）为名启动开源人形机器人设计，计划做成双用途、模块化结构，代码与 MuJoCo 模型将公开。其思路是放弃追求高复杂度控制，转而做更专用、更简单、成本更低的机器人，例如在洗衣机旁叠衣服。针对电机冷却周期问题，他提出让机器人用脚抓握物体并悬挂休息的方案，目前仍处于设想待实验阶段。

浙大提出SplatAnything：用高斯间距归一化实现任意场景前馈式3DGS重建

浙江大学提出SplatAnything，用高斯间距中位数归一化（GSNorm）替换RDNorm，实现任意场景的前馈式3DGS重建。该方法在ScanNet、DL3DV、Tanks and Temples等七个数据集、4至64视图输入及外推视角下多数设置取得最优LPIPS与DISTS，4视图推理耗时411毫秒。

Meta等机构发布RoboJEPA：8B世界模型在绕障任务上的规模定律与真机表现

Meta FAIR、Chandar Research Lab与Mila等机构在arXiv公开RoboJEPA，将动作条件世界模型预测器扩至80亿参数，用离线“想象误差”预估更大模型的预测质量。

矩阵超智MATRIX-3亮相进博会，首次展示人形机器人导览场景实景落地

矩阵超智第三代通用人形机器人MATRIX-3在第九届进博会首次以智能导览员身份完成实景演示，在人流密集、环境嘈杂的展馆中摆脱预设脚本，自主完成访客感知、多模态交互与企业信息讲解。其自研WAVE物理世界基座模型采用“大脑-小脑”协同体系，由基座模型负责环境感知与对话规划，通用运动控制模型输出行走与手势。MATRIX-3身高1.70米、体重65公斤，搭载27自由度绳驱灵巧手，指尖感知精度0.1牛。

Xbotics具身智能实验室第8讲：端到端策略导论与π0在LIBERO的闭环实验

Xbotics具身智能实验室“二十一讲”第8讲系统讲解端到端策略，即从观测直接映射到动作的神经网络，对比手写感知-规划-控制流水线，梳理状态策略、视觉运动策略、语言条件策略到VLA的谱系。

Anthropic 发布 Claude Fable 5.2，RoboDojo Sim 双臂仿真成功率 64.9%

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，Fable 5.2 在 RoboDojo Sim 双臂机器人仿真测试中平均成功率 64.9%，高于 Opus 5.5 的 39.4%、Gemini 4 Argon 的 34.2% 和 GPT-6 Astra 的 29.8%，较 Fable 5.1 的 27.6% 提升 37.3 个百分点。

北大DAGroup开放20万小时HumanNet Ego数据并完成5万小时Scaling验证

北京大学DAGroup等团队向社区开放约20万小时HumanNet第一视角Ego数据，其中约10万小时已上传完成，并整理出5万小时训练语料Open-HumanWAM-50K。

英伟达推出GR00T 2世界-动作模型，从VLA路线转向WAM

英伟达正式推出GR00T 2，定位为WAM（世界-动作模型），可在夹爪、灵巧手和人形机器人上运行，与GR00T N1代表的VLA路线不同。核心模型约20亿参数，初始化自Cosmos-Predict2.5-2B视频扩散模型，每个控制时刻接收最近0.8秒、最多四路摄像头视频、机器人状态和语言指令，同时生成未来视频帧和后续动作。

小米机器人披露工厂8小时作业与家庭长程任务两项进展

小米在2026世界互联网大会期间披露机器人业务两项落地进展：人形机器人在中控台侧盖板排序工站首次挑战8小时作业任务，实现异常自主纠偏与产线系统级协同；基于Xiaomi-Robotics-1预训练模型搭建的Agent系统在小米青年公寓试运营，完成连续超30分钟、覆盖3个房间、50+任务的长程任务验证。

物理智能开源平台 Hitch Open 在进博会发布，AI 机器人乒乓对打创 142 拍纪录

11 月 7 日，源自加州大学伯克利分校学术背景的物理智能开源平台 Hitch Open 在第九届进博会临港展示区全球发布并开源。现场由上海交通大学—上海创智学院高岳教授团队与平台联合完成 AI 自主决策机器人乒乓对打 142 拍，刷新该项目世界纪录。平台定位为面向真实物理环境的物理智能竞技平台，乒乓对打中机器人反应窗口仅百毫秒，需在感知、决策、行动闭环内实时研判。

Ceva的物理AI框架：连接、感知、推理

Ceva在上海媒体沟通会上披露其物理AI框架进展：无线IP授权市场份额达68%，连续三年第一，蓝牙IP覆盖全球30%以上蓝牙IoT设备。10月28日发布的第二代NeuPro NPU分Nano、Prime、Max、Ultra四档，每平方毫米AI吞吐量最高提升至2倍、能效提升50%，其中Max面向多模态与机器人。