机器人周报 · 2026 年第 44 周 · 10.26 — 11.01
ROBOHOT
本周具身智能模型密集发布，Google DeepMind 推出可实时交互的通用世界模型 Genie 4，智元、启元、拓元智慧等也相继更新具身模型与仿真器。行业层面，中科慧灵完成数亿元 A++ 轮融资、Dream Labs 获 9000 万美元种子轮，资金投向量产交付与产品化。研究上，无问芯穹联合清华、智元提出群体经验学习 CEL，在 96 台机器人上把任务成功率提升至 98.3%。
无问芯穹联合清华、智元提出群体经验学习 CEL，96 台机器人验证成功率 98.3%
无问芯穹联合清华大学、智元提出群体经验学习（CEL）范式，并在 96 台机器人上完成原型验证。在手机包装任务中，CEL 训练的策略在两台未参与训练的同型号机器人上完成 120 次测试，成功率从 79.2% 提升至 98.3%；参与学习的机器人从 16 台增至 96 台时，测试成功率由 86.7% 提升至 98.3%。
模型发布/更新
本版导读世界模型与具身模型成为本周更新主线，多家厂商在交互生成、全链路学习和开源动作模型上同时推进。
Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频
Google DeepMind 于 28 日晚发布新一代通用世界模型 Genie 4，可依据提示词实时生成并修改可交互场景，单次连贯世界维持约 2 分钟、画面约 24 帧/秒。
智元发布具身模型 GO-3 Preview，打通预训练到部署后全链路规模化学习
智元发布具身模型 GO-3 Preview，主打预训练、后训练、部署后全链路规模化学习，并在 RoboDojo、RoboTwin、RoboColiseum 三项评测中排名第一。
启元发布PrimeSim世界模型仿真器，登顶EWMBench与WorldSimProbe
启元具身研究中心发布面向机器人操纵任务的世界模型仿真器PrimeSim，基于预训练视频生成模型经中训练与后训练两阶段改造。它在EWMBench以6.09综合分位列榜首，在WorldSimProbe五项评测中拿下全局轨迹覆盖、动作来源行为保持、交互动态三项第一。
X-Era AI拓元智慧开源4D世界动作模型E0.5，真机成功率超越π0.5
X-Era AI拓元智慧开源原生4D世界动作模型E0.5，在AgileX Piper双臂机器人和Zerith H1人形机器人上整体平均成功率达85.0%和88.3%，较π0.5分别高出13.3和26.7个百分点。
破壳机器人发布具身 API RoboAPI，世界-动作模型 Poke-Aurora 首次亮相
破壳机器人（PokeBot）10 月 30 日凌晨发布首款模型产品 RoboAPI，一个可公开访问、开箱即用的具身 API，开发者接入适配机械臂后无需采集数据或训练模型，用一句 prompt 下达指令即可执行未专门训练过的任务。
智元发布WITA-OMNI交互模型与灵渠OS 1.0，年底全面开源
智元在2026创新日发布具身全模态端到端交互大模型WITA-OMNI，在Daily-Omni、TimeLens-Bench、EmbSpatialBench和MMAU四项评测中位列第一，平均响应约600毫秒。
行业动态
本版导读融资与产品化节奏加快，通用大模型接管机器人操作的讨论也在持续。
Astra冲击波与具身行业的50天
GPT-6 Astra发布后50天，具身行业围绕它展开密集评测与讨论，通用大模型开始直接接管机器人操作。商汤联合多家机构的测试认为Astra已基本具备完成具身任务的能力，但距真实环境实用仍有明显差距，在毫米级接触、动态控制和响应速度上表现不足。文章还梳理了行业用Astra直接做策略、审核VLA动作、搭建仿真环境和数据标注等用法，以及融资降温、大厂加码数据采集等连锁反应。
中科慧灵完成数亿元A++轮融资，推进具身智能量产交付
中科慧灵完成数亿元人民币A++轮融资，由知来投资、涌铧投资、茂天投资、元禾辰坤、国科科智、鲁宁投资等联合投资，资金用于产品量产交付、具身大脑技术研发迭代与市场拓展。公司自研CASBOT PA感知到动作模型已在莆田制鞋工厂实际工位验证，大底盖章工序节拍达7秒/个、鞋底压合达18秒/双。2026年其在手具身制鞋机器人订单总额突破4亿元，设备排产规模进入数千台量级。
Robotics & Automation News10.26Dream Labs 获 9000 万美元种子轮融资，并推出 Dream API 与 Dream-1 模型
Dream Labs 宣布完成 9000 万美元种子轮融资，由 B Capital 领投，Kindred Ventures 等参投。公司同时推出 Dream API，可将机器人摄像头画面和自然语言指令直接转为电机指令，并称其旗舰模型 Dream-1 基于人类日常任务视频训练，可零样本控制任意带夹爪的机器人。
论文研究
本版导读群体经验学习、跨本体控制与触觉、导航基础模型等方向均有新成果，评测基准同步完善。
哈佛与英伟达等提出 RAX：机器人 Agent 在线探索，五大基准平均领先 37.4 个点
哈佛、英伟达、伯克利、MIT 和斯坦福的研究团队提出 RAX（Robot Agent eXploration），让通用 Coding Agent 连接机器人感知与控制接口，通过在线探索把成功决策写成可执行程序并积累为技能，模型参数保持冻结。
代尔夫特理工MonoRace仅用单目前视摄像头实现时速100公里自主无人机竞速
荷兰代尔夫特理工大学MAVLab的MonoRace系统只靠一个前视摄像头和IMU，在2025年阿布扎比自主无人机竞速赛中连续战胜三位世界冠军级飞手，论文于2026年10月14日发表在Science Robotics。
WorldOracle 发布动作条件世界模型基准，七款模型预测与真实执行存在偏差
普林斯顿大学、得克萨斯大学奥斯汀分校、多伦多大学、NVIDIA 与 AgiBot 联合推出动作条件世界模型基准 WorldOracle，用同一初始帧和动作序列对比模型预测与真实执行。
arXiv cs.RO10.27X-WBC：面向人形全身控制的跨本体基础模型
X-WBC 是一个跨本体人形全身控制基础框架，将相对共享的人体运动语义与本体特定的物理执行分离。它用人类中心命令 token 对齐完整人体运动、机器人参考运动和稀疏 VR 观测，由因果 Transformer 从多机器人混合 rollout 中学习可复用时间结构，轻量机器人专属模块再把共享表示映射到各机器人的本体感知与动作空间。
港大开源GenSfM：四张无标定图像联合还原3D物体与相机位姿
香港大学团队开源GenSfM，用原生3D扩散模型在单一多模态序列中联合去噪物体形状与各视角相机位姿，仅需2至4张无标定图像且无需相机内外参。论文在Toys4k与GSO上评估，相比多视图基线TRELLIS-M新视角PSNR提升3.2–4.5 dB，Chamfer距离中位数降低约64%–74%，位姿Acc@5°超过96%。
RynnWorld-Latent：以通用潜动作为条件的跨本体世界模型
研究团队提出 RynnWorld-Latent，一个以 RynnLAM 的 3D 接地潜动作作为共享条件接口的跨本体视频世界模型，可在人类交互视频、机器人演示与仿真数据上联合预训练。
arXiv cs.RO10.28无需渲染的事件帧仿真加速自主机器人导航强化学习
作者提出一种解析式事件仿真器，直接由场景几何和自运动合成事件流，不经过图像渲染，单GPU生成64x64事件观测仅需17微秒，比先进渲染管线快400倍以上。基于该仿真器的事件相机强化学习避障策略训练不到30分钟即可收敛，比渲染事件训练快三个数量级，并可零样本迁移到Isaac Sim光线追踪事件仿真。
arXiv cs.RO10.28FTP-1：跨触觉传感器的通用基础触觉策略
研究团队提出 FTP-1，一个跨多种触觉传感器和本体预训练的通用基础触觉策略，用异构编码器把图像、阵列和状态类触觉信号映射为统一的形态感知隐 token，由共享触觉 Transformer 专家联合建模。
arXiv cs.RO10.26RepresentNav：在自构建表征空间上构建的导航基础模型
作者提出 RepresentNav 导航基础模型，用 Representation Residuals 三层 transformer 聚合多个视觉基础模型的全深度特征，构建由策略自身目标驱动的表征空间。
RoboCoach：用世界模型定位薄弱子任务，定向示教提升长程任务成功率
清华大学张长水、崔森团队提出具身智能系统RoboCoach，用世界模型CoachWorld在想象中闭环试跑长程任务，定位首个超时的薄弱子任务并定向请求人类示教，只更新对应技能专家。在固定示范预算下，Franka成功率从13.3%提升至75.0%，AgileX从40.0%提升至83.8%，均匀采集基线分别仅为30.0%和47.5%。四条未见过的新任务路线平均成功率35.0%，共享策略基线为0%。