Genesis World v1.2.2 发布:增强触觉传感器与碰撞检测鲁棒性
Genesis World v1.2.2 发布,新增支持噪声选项(迟滞、死区、探针增益)的触觉传感器家族,适用于通过强化学习训练灵巧策略。修复了非凸碰撞检测中的虚假深接触和薄壳穿模问题,并将 noslip 后处理步骤的性能损耗控制在 20% 以内。同时修复了 go2_backflip RL 训练示例及大数据量下的数据访问器回归问题。
推荐理由:该版本修复了触觉传感器与碰撞检测的稳定性问题,并优化了 RL 训练性能。
Genesis World v1.2.2 发布,新增支持噪声选项(迟滞、死区、探针增益)的触觉传感器家族,适用于通过强化学习训练灵巧策略。修复了非凸碰撞检测中的虚假深接触和薄壳穿模问题,并将 noslip 后处理步骤的性能损耗控制在 20% 以内。同时修复了 go2_backflip RL 训练示例及大数据量下的数据访问器回归问题。
推荐理由:该版本修复了触觉传感器与碰撞检测的稳定性问题,并优化了 RL 训练性能。
UC Berkeley EPIC 实验室指出,随着 GPT-4 级能力推理成本从 2023 年初的每百万 token 约 30 美元降至如今的 1 美元以下,通用知识工作已迎来近乎免费的智能时代。文章提出需重构数据系统以支持“为、由及”三类挑战:优化智能体推测中的重复查询、构建管理大规模代理群的状态协调机制,以及赋能智能体自主合成可验证的定制数据系统。
文远知行宣布其专有世界模型 WeRide GENESIS 在 2026 AI Breakthrough Awards 上获颁“年度整体生成式 AI 解决方案”,此前该模型刚在 ATTI 奖项中赢得仿真创新奖。
推荐理由:WeRide GENESIS 凭借生成式 AI 与物理仿真能力获两项大奖,验证了其在加速自动驾驶开发、训练及部署方面的价值。
Genesis World 发布 v1.2.0 版本,核心更新包括默认启用岛屿分区(islands partitioning)以大幅提升大规模场景扩展性,并优化了实体自由度对仿真速度的影响。
Torc Robotics 指出,传统自动化受限于消除变量,无法应对美国公路货运中天气、交通等不可预测条件带来的判断需求。物理 AI 通过实时感知环境与自适应决策,突破了规则系统的效能天花板,将操作域从固定路线扩展至动态复杂场景。该技术并非行业外来的颠覆性升级,而是过去数十年在路线优化与遥测投资基础上自然演进的技术终点,旨在解决长期存在的运营复杂性约束。
Google DeepMind 推出 AI Control Roadmap,通过引入系统级安全层弥补模型对齐不足,将内部智能体视为潜在威胁并基于验证行为授予权限。
Drake v1.54.0 发布,新增对 Ubuntu 26.04 ("Resolute") amd64 架构的支持,并将教程从 Deepnote 迁移至官网。该版本不再提供 Docker 镜像(已弃用),同时修复了 pydrake 原生代码内存泄漏并更新了包括 abseil_cpp_internal、bazel 在内的多项依赖库。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation 等机构宣布推出总额最高达 1000 万美元的多智能体安全研究资助计划,旨在应对大规模独立智能体交互带来的系统性风险。
推荐理由:DeepMind 联合多方发起百万美元资助计划,聚焦多智能体系统涌现行为、网络失效及跨平台身份协议等四大方向。
NVIDIA与LG集团宣布共建AI工厂,旨在加速其机器人、自动驾驶及数据中心业务。双方将整合NVIDIA全栈平台(包括Isaac Sim、Isaac Lab、GR00T模型、Cosmos世界基础模型)与LG的制造数据及硬件能力,构建从数据采集、仿真训练到边缘部署的统一工作流。
Genesis World v1.1.0 发布,重点优化了复杂场景下刚体求解器的性能下降及数值稳定性。此次更新修复了接触穿透、射线传感器加载等多项 Bug,并针对自由度超过 128 的大规模系统加速求解器。此外,还通过共享 BVH 和稀疏 Cholesky 分解等技术提升了射线传感器与刚性求解器的计算速度。
NVIDIA 在 CVPR 发布物理 AI Agent Skills,旨在解决物理 AI 研究中场景重建、合成数据生成及策略评估等碎片化问题。核心包括支持车队数据重建的 Neural Reconstruction 技能、加速 3D 高斯场景生成的 InstantNuRec、用于闭环强化学习的 AlpaGym 框架以及能实时响应策略动作的 Cosmos-Dreams 世界模型。
推荐理由:NVIDIA 在 CVPR 发布物理 AI Agent Skills,提供场景重建、合成数据生成及闭环强化学习工作流工具。
World Labs 团队发布关于世界模型的功能分类法,将现有系统分为渲染器(输出像素)、仿真器(输出物理状态)和规划器(输出动作)。文章指出当前行业过度关注渲染与规划,而忽视作为结构骨架的仿真,并介绍其项目 Marble 通过同时生成高斯泼溅图与碰撞网格来模糊渲染与仿真的边界。最终目标是构建能统一处理视觉、物理结构与行动序列的基础模型,以推动空间智能的发展。
推荐理由:文章提出渲染器、仿真器与规划器正从功能分离走向统一,指出仿真作为连接视觉与行动的枢纽是解决 sim-to-real 差距的关键。
NVIDIA 与微软在 Microsoft Build 2026 上宣布合作推出面向智能体的统一技术栈,包括专为 Windows 打造的 RTX Spark 笔记本和 DGX Station 工作站。
推荐理由:NVIDIA 与微软联合发布 Cosmos 3 等物理 AI 开源模型及 RTX Spark 等新硬件,提供从端侧到云端的统一 Agent 部署栈。
NVIDIA 在 GTC Taipei 和 COMPUTEX 上发布了开源世界基础模型 Cosmos 3,该模型整合视觉推理、多模态生成及动作预测能力,旨在帮助机器人、自动驾驶车辆等物理 AI 系统理解场景因果并预测未来状态。
推荐理由:NVIDIA Cosmos 3 作为开源世界基础模型,整合视觉推理与多模态生成能力,支持机器人及自动驾驶场景的因果预测与动作规划。
Genesis World 开源物理仿真平台发布 v1.0.0 版本,新增对非凸多接触碰撞检测的完整支持及稳健的非凸网格修复管线。该版本显著加速了刚体求解器(在约 64 自由度的接触抓取场景中提升可达 35%)、点云触觉传感器及 MPM 求解器性能,并修复了静态接触漂移、平坦地形虚假旋转等若干问题。
推荐理由:该版本新增非凸多接触碰撞检测与修复管线,并显著加速刚体求解器及触觉传感器。
Google DeepMind 于新加坡启动为期三个月的亚太区加速器计划,旨在帮助初创企业及非营利组织利用前沿 AI 解决气候与农业等环境问题。入选机构将获得专家导师指导及来自 Google AI 科学家的支持,协助将前沿模型集成至项目或产品中。
Google DeepMind 发布 Project Genie 新功能,将其通用世界模型能力与 Google Street View 实景影像结合,允许用户在选定美国地点后生成基于真实地理锚点的想象世界。该功能支持“海洋世界”等风格化场景,目前作为实验原型向全球 Google AI Ultra 订阅者开放,旨在为 AI 智能体提供在现实复杂环境中导航和交互的虚拟环境。
Google DeepMind 推出 Gemini for Science 系列实验工具,通过多智能体协作与并行代码生成显著缩短科研周期。其中 ERA 与 Co-Scientist 相关论文今日发表于 Nature,Science Skills 已整合 UniProt 等超 30 个生命科学数据库以加速基因组分析。
Google DeepMind 发布 AI 天气模型 WeatherNext,该模型在 2025 年飓风梅利莎案例中首次实现从一级风速到五级强度的快速增强预测。
推荐理由:DeepMind 发布的 WeatherNext 模型在飓风梅利莎案例中首次实现从一级到五级强度的快速增强预测,为加勒比地区提供五天提前预警。
Google DeepMind 发布 Gemini 3.5 Flash 模型,该模型在终端基准、代码生成及多模态理解任务上表现优异,推理速度达到其他前沿模型的 4 倍。作为首个面向公众的 3.5 版本,它默认用于全球用户的 Gemini App 和搜索 AI 模式,并驱动了个人智能体 Spark 等功能的上线。DeepMind 同时表示正在内部使用 Gemini 3.5 Pro,计划于下月推出。
推荐理由:DeepMind 发布 Gemini 3.5 Flash,在保持高推理速度的同时提升多模态理解与长程任务执行能力,并默认用于个人智能体 Spark。
Drake v1.53.0 正式支持 Ubuntu 26.04 与 ARM64 架构,AutoDiff 性能提升 30%-100%。旧版 Docker 镜像将于 2026-06-01 弃用,用户需改用官方发布的预编译二进制包或.deb 安装包。该版本还修复了多体动力学问题并新增多项数学规划与绑定功能。
Google DeepMind 发布名为 Co-Scientist 的多智能体 AI 系统,基于 Gemini 模型构建,旨在作为科研人员的协作伙伴以加速科学发现。
推荐理由:DeepMind 推出基于 Gemini 的多智能体系统 Co-Scientist,通过模拟科学辩论与迭代验证辅助生成假设。
NVIDIA 发布 SimReady 内容标准以规范物理 AI 所需的 3D 资产格式,确保其在渲染、仿真与 AI 训练中可靠流转。同时,NVIDIA Omniverse 库提供高保真物理模拟层用于模型训练验证。
推荐理由:NVIDIA 推出 SimReady 内容标准与 Cosmos Reason 等工具,旨在解决工业资产跨平台流转难题并提升仿真训练精度。
Google DeepMind 发布 Decoupled DiLoCo(Distributed Low-Communication)架构,旨在解决未来超大规模模型训练中维持数千芯片同步的物流挑战。
推荐理由:DeepMind 推出 Decoupled DiLoCo 架构,支持在低带宽和异构硬件下训练大模型,显著提升分布式训练的容错性与效率。
Berkeley BAIR 团队发布 GRASP(Gradient RelAxed Stochastic Planner),一种针对学习到的动力学世界模型的梯度基规划器,旨在使长视界规划变得可行。
推荐理由:Berkeley BAIR 发布 GRASP 梯度规划器,通过升维状态与重塑梯度解决长视界规划脆弱性。
Drake v1.52.0 正式发布,新增对 Amazon Linux 2023 的 pip 安装支持及 Ubuntu 26.04 预览版支持。该版本将新 AutoDiff 实现设为默认(旧版将于 2026-07-01 移除),并停止维护 Ubuntu 22.04。此外,发布包不再附带二进制文件,用户需改用 nightly 构建或直接从 release 附件安装.deb 包。
World Labs 发布 Spark 2.0,集成 Level-of-Detail、渐进式流传输和虚拟内存技术,可在任何设备上流畅渲染包含数亿高斯椭球体的大规模 3D 场景。新工具提供 .RAD 文件格式以支持按需加载细节,并开源了 Rust 编写的核心代码与示例仓库,允许开发者在 Web 浏览器中构建交互式 3DGS 体验。
推荐理由:World Labs 发布 Spark 2.0,通过 LOD、渐进式流传输和虚拟内存技术,支持在浏览器端渲染海量 3DGS 场景。
Generalist 发布博文阐述其 GEN-1 模型的核心理念:该模型约 99% 参数从头训练,旨在打造原生物理交互基础模型而非微调的视觉语言模型或单纯的世界模型。作者认为目标驱动优于方法标签,强调在数据充足时从 scratch 训练更具优势,并指出随着物理交互数据量突破半百万小时,以往依赖视觉语言数据的“拐杖”约束正在改变,团队正以此为基础向全零样本机器人和物理 AGI 迈进。
推荐理由:作者阐述 Generalist 坚持从 scratch 训练 GEN-1 的底层逻辑,认为目标驱动优于方法标签,并指出数据约束已改变。
Isac Lab v0.4.5 版本延续刚体仿真速度优化趋势,修复了 Metal 后端所有已知回归及相机相关漏洞。此次更新新增了对 xacro URDF、Mujoco 通用执行器模型的支持,并引入零拷贝设置接口以提升性能。同时通过并行线搜索与 GPU 图分解求解器等改进,进一步加速了 GPU 后端的仿真计算。
MuJoCo v0.4.4 通过对齐自由关节惯性轴大幅提升简单刚体的仿真数值稳定性,复杂场景下的刚体模拟速度显著加快。此次更新修复了 MJCF 默认臂长、USD 解析及 Apple Metal GPU 同步等数十项缺陷,并新增批处理相机与 MacOS 渲染支持。
Google DeepMind 推出新论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》,提出包含感知、生成、记忆等 10 项关键能力的认知分类学,并建议三阶段评估协议以对标人类能力。
NVIDIA Isaac Lab 3.0 Beta 基于 Isaac Sim 6.0 推出重大架构升级,引入多后端物理引擎(默认 PhysX、新 Newton)、可插拔渲染器系统及 Warp 原生数据管道。
推荐理由:Isaac Lab 3.0 Beta 发布多后端架构与无套件安装模式,支持 Newton 物理引擎及多种渲染器,为机器人学习研究提供更灵活的仿真环境。
Drake v1.51.1 此次更新主要修复了 pydrake.geometry.Meshcat 的车轮构建缺陷。该版本提供 drake-1.51.1-{jammy|noble|mac-arm64}.tar.gz 预编译二进制包,并包含 SNOPT 预编译版以支持数学规划工具箱。
Google DeepMind Demis Hassabis 宣布,AlphaGo 系统于 2016 年击败世界冠军后,其技术路线已推动 AlphaFold 2 在 2020 年解决蛋白质折叠难题并开源数据库供全球数百万研究人员使用。
World Labs 认为三维空间是人与机器交互的通用媒介,类比代码作为软件接口,三维数据应成为描述物理与虚拟世界的“空间代码”。该观点指出,相比依赖帧级像素生成的黑盒模型,结构化三维输出能支持人类编辑、仿真重跑及机器人共享状态。结合神经图形学进展,新一代世界模型将加速现有空间工作流并催生全新范式。
World Labs 宣布完成 10 亿美元新融资,投资方包括 AMD、NVIDIA 等。公司首款产品 Marble 现已推出,允许用户通过图像、视频或文本创建空间连贯的高保真持久三维世界。该进展旨在加速构建世界模型以推动空间智能在机器人及科学发现等领域的应用。
Drake v1.50.0 正式推出 Ubuntu on aarch64 架构的夜间预编译二进制包,同时宣布自 2026-06-01 起将不再发布 Docker 镜像。该版本是支持 Ubuntu 22.04(Jammy)的最后一次发布,并引入了 C++ 标准>=23、GCC>=13 等新的工具链下限要求。
Google DeepMind 发布 Gemini 3 Deep Think 重大升级版本,该专用推理模式在数学、编程竞赛及国际物理与化学奥赛基准上达到金牌水平,并能将草图转化为可 3D 打印的物理对象。此次更新不仅面向 Google AI Ultra 订阅者开放应用内使用,首次也通过 Gemini API 向研究人员和企业合作伙伴提供早期访问权限。
推荐理由:Deep Think 模式升级,新增通过 Gemini API 的早期访问权限,支持从草图生成 3D 打印文件及复杂科学推理。
Google DeepMind 面向美国 Google AI Ultra 订阅者(18+)推出 Project Genie,这是 Genie 3 世界模型的实验性网页原型应用。
推荐理由:DeepMind 面向美国 AI Ultra 用户推出 Project Genie,作为 Genie 3 的交互式原型支持实时生成与探索动态世界。
World Labs 正式发布 World API,这是一个面向公众的接口,允许开发者通过文本、单图、多图集合、全景或视频等多模态输入,直接生成可导航的 3D 世界。
推荐理由:World Labs 正式推出 World API,允许开发者通过文本、图像或视频生成可导航的 3D 世界并集成到现有工作流中。