跳到正文
9月26日周六
  1. Hugging Face Daily Papers78

    Adaptive Latent Capacity for World Models:一种基于 JEPA 的自适应世界模型方法

    该论文介绍 ALeWorldModel (ALeWM),这是一种基于联合嵌入预测架构 (JEPA) 的世界模型,旨在将预测信息集中到宽隐表示的紧凑前缀中。作者提出了 MixSIGReg 正则化方法,通过掩码嵌入与高斯活跃前缀及零坐标的混合分布进行约束,促使早期坐标块保留对预测和递归规划有用的信息。

    推荐理由:该工作提出自适应隐式容量架构,通过混合正则化将预测关键信息压缩至早期坐标块,在目标条件视觉控制任务中实现优于固定宽度基线的成功率。

9月23日周三
  1. Hugging Face Daily Papers84

    Beyond Future Prediction: Denoising as Generative Adaptation for Robot Control

    论文介绍 NowWAM,一种不依赖未来视觉预测的机器人控制共训练框架,通过去噪当前观测直接耦合生成目标与动作表示。在 LIBERO-Plus 基准上,配合 FLUX2-Klein 模型达到 87.7% 成功率,相比基线提升 6.1 个百分点,同时将训练视觉 token 减半并加速推理。

    推荐理由:提出无需未来预测的 NowWAM 方法,在 LIBERO-Plus 基准上提升性能并降低计算开销。

  2. Skild AI · Research Blog84

    Skild 发布基于自我博弈训练的 S1 物理 AI 模型

    Skild 团队宣布其旗舰机器人基础模型 S1 在 NVIDIA Isaac Sim 中通过自我博弈(self-play)学会了踢球等灵巧动态任务,并在模拟运行约 140 年后成功将策略迁移至人形机器人完成比赛。该研究旨在证明物理自我博弈能推动机器人能力超越人类水平,团队正计划将该方法扩展至更多日常任务及大规模协作场景。

    推荐理由:Skild 团队宣布 S1 基础模型通过仿真自我博弈掌握足球等高难度任务,并成功迁移至人形机器人。

  3. 地平线 · 资讯动态78

    地平线发布机器人指令理解与操作评测基准 InstructMove

    地平线联合无问智科发布机器人指令理解与操作评测基准InstructMove,旨在解决机器人仅凭视觉捷径完成任务而忽视语言指令的问题。该基准基于Text-Indispensable原则,在场景中设置多个可操作候选目标,强制模型依赖语言消歧。

    推荐理由:地平线发布InstructMove基准,通过多候选目标场景验证语言对动作选择的必要性,并证明仿真数据能提升真机指令跟随能力。

9月21日周一
9月19日周六
  1. IEEE Spectrum · Robotics28

    IEEE Spectrum Robotics Video Friday:双旋翼合成四旋翼、水陆两栖四足及 Kubi 2.0 全球众筹等机器人视频集锦

    IEEE Spectrum Robotics 发布本周精选,展示 ETH Zurich 利用双旋翼构建四旋翼、NYU Tandon 使 WorMa 在 19.5 度斜坡移动并降低 33% 能耗。此外,Kubi 2.0 通过 Kickstarter 全球众筹扩展日本远程存在方案;UBTECH 智能工厂产能从千台跃升至万台;MIT 构建自主光学实验室加速材料测试。

9月17日周四
  1. Figure · News82

    Figure 发布 Helix 2.5:基于 Index 预训练实现零样本跨 30 户家庭全身体自主

    Figure 推出 Helix 2.5,这是其构建的最先进神经网络,旨在解决机器人进入从未见过的家庭即可立即工作的难题。该模型在 Figure 的 Index 全球人类行为数据集上进行预训练,无需在评估环境中收集数据或微调,即可在 30 户未见的湾区家庭中完成整理房间、叠毛巾和铺床三项长周期任务。

    推荐理由:Figure 推出 Helix 2.5,基于 Index 数据集实现零样本跨 30 户家庭的全身体自主能力。

9月16日周三
  1. 上海人工智能实验室 · 科研动态75

    上海AI实验室发布书生-S2与W0模型并开放端砚平台

    上海人工智能实验室在2026浦江创新论坛期间正式发布书生科学多模态大模型S2和书生物理世界模型W0,全面开放书生·端砚科学发现平台全栈服务及本地客户端。书生-S2在长程科研与数学推理基准上表现优异;W0通过原生力触与双工协同支持机器人连续完成精密操作,已接入平台支撑干湿实验闭环。

    推荐理由:上海AI实验室正式发布书生科学多模态大模型S2与书生物理世界模型W0,并开放端砚平台全栈服务及本地客户端。

9月14日周一
9月13日周日
  1. 上海人工智能实验室 · 科研动态75

    上海AI实验室升级发布书生·端砚科学发现平台,全面开放全栈服务

    在2026浦江创新论坛上,上海人工智能实验室升级发布书生·端砚科学发现平台并全面开放全栈服务。该平台接入最新推出的书生科学多模态大模型S2和书生物理世界模型W0,旨在推动AI科研从单任务执行走向可持续、可核验、可复现的完整过程。

    推荐理由:上海AI实验室升级发布书生·端砚平台,接入S2多模态大模型与W0物理世界模型,打通从假设提出到真实实验验证的闭环。

9月11日周五
  1. 上海人工智能实验室 · 科研动态80

    上海AI实验室发布『书生』物理世界模型W0

    上海人工智能实验室发布『书生』物理世界模型W0,旨在为大模型进入物理世界提供支撑。该模型原生融合视觉、力觉和触觉,采用双工协同架构实现输入输出并行处理,并通过异步异频设计让规划与实时行动解耦。

    推荐理由:上海AI实验室发布『书生』物理世界模型W0,原生融合力触视觉并采用双工协同与异步异频架构,在双臂湿实验任务中实现93.12%成功率与超低延迟。

  2. 智元 AGIBOT · Newsroom87

    智元发布原生世界动作模型 GE-Act 2.0,验证可扩展预训练路径

    智元发布原生世界动作模型 GE-Act 2.0,提供首个关于原生世界动作模型可扩展预训练路径的系统性验证。该模型从随机初始化开始训练所有参数,在零样本评估中展现了随数据规模扩大(300 至 30,000 小时)而涌现的新能力与跨机器人本体的迁移效果。材料介绍了其控制导向自编码器、单步视觉规划及知识对齐选择性优化等架构设计,并指出其与 GE-Sim 共同构成世界模型框架。

    推荐理由:智元发布原生世界动作模型 GE-Act 2.0,验证了训练数据规模扩大带来的能力涌现与跨本体迁移路径。

  3. NVIDIA Blog · Physical AI68

    NVIDIA 发布全栈开放平台助力全球 Robotaxi 领导者构建物理 AI 系统

    NVIDIA 推出面向 Robotaxi 的全栈开放平台,整合了 DGX 训练计算机、Omniverse/Cosmos 仿真验证计算机及 Hyperion 车端计算架构。

    推荐理由:NVIDIA 推出全栈开放平台,提供 Alpamayo VLA 推理模型、Cosmos 世界基础模型及 Omniverse 仿真工具链,支持从训练到车端部署的闭环开发。

9月9日周三
  1. Vision Systems Design23

    Geolava 通过空间智能与多模态世界模型重塑工业视觉系统

    Geolava CEO Hans Fevry 指出,空间智能利用世界模型让机器视觉从单纯感知进化为理解物理世界的三维状态并预测演化。该技术融合光学、LiDAR 及热成像等多模态数据,使系统能识别如叉车与工人的碰撞路径等复杂关系以支持决策。工业落地面临构建可适应动态环境且能与遗留系统集成可靠模型的挑战,需聚焦高质量多模态数据与可衡量成果。

9月3日周四
  1. Google DeepMind65

    Google DeepMind 发布全球气象 AI 模型 WeatherNext 3

    Google DeepMind 发布旗舰级气象模型 WeatherNext 3,该模型直接学习实时卫星观测数据而非数值模式,实现每小时更新与最高 5 公里分辨率,降水预测精度较基线提升显著。系统已集成至 Search、Gemini、Maps 等产品,提供清洁能源变量预测及全球高分辨率气象图,支持研究人员通过 BigQuery 和 Earth Engine 查询数据。

    推荐理由:DeepMind 发布 WeatherNext 3,利用实时卫星数据实现每小时更新与 5 公里分辨率,显著提升降水预测精度并支持清洁能源变量。

9月1日周二
  1. World Labs · Research & Insights86

    World Labs 发布下一代世界模型 Atlas:原生支持 3D 空间智能与相机控制生成

    World Labs 发布下一代世界模型 Atlas,这是一个原生操作文本、图像、视频和 3D 数据的 Omni 多模态自回归扩散 Transformer。Atlas 具备相机控制生成(从单图或多图生成任意视角视频)、稀疏视图空间重建(从少量输入图像恢复 2D/3D 几何)以及时空仿真能力,可支持机器人 Real-to-Sim 工作流。

    推荐理由:World Labs 推出原生支持文本、图像、视频与 3D 的 Omni 模型 Atlas,具备相机控制生成、稀疏视图重建与时空仿真能力。

8月24日周一
  1. 奥比中光 Orbbec · News62

    Orbbec 与 Litchi Lab 达成战略合作提升世界模型数据质量

    在 2026 年世界机器人大会上,Orbbec 与物理 AI 基础设施提供商 Litchi Lab 宣布达成战略合作,旨在通过提供高质量 3D 深度数据和视觉传感器与仿真世界的双向对齐,提升世界模型的训练数据质量。双方将共同开发集成“3D 视觉感知 + 物理世界模型”的解决方案,以加速具身智能和物理 AI 的部署。

    推荐理由:双方宣布合作,Orbbec 提供深度相机硬件支持 Litchi Lab 的世界模型训练与双向对齐。

8月21日周五
8月18日周二
  1. Skild AI · Research Blog87

    Skild 推出 S1:面向机器人的上下文学习模型

    Skild AI 发布旗舰机器人基础模型 S1,该模型专为上下文学习(ICL)构建,无需微调即可仅凭一段视频演示执行长达 10 分钟的未见任务。实验显示,在未见任务上单段演示的 ICL 成功率达 66%,显著优于传统语言提示 VLA;模型具备抗干扰、错误恢复及常识推理能力,且部署时间从数小时缩短至分钟级。

    推荐理由:Skild 推出 S1 机器人基础模型,支持通过视频演示实现长时程未见任务的零样本执行与策略修正。

8月6日周四
  1. NVIDIA Blog · Physical AI82

    NVIDIA 发布 Cosmos 3 开放世界模型系列

    NVIDIA 发布 Cosmos 3 开放世界模型系列,该系列包含 Super、Nano 和 Edge 三个版本,分别针对高保真建模、高效推理及端侧部署优化。模型基于 OpenMDW 1.1 许可,支持在自有数据与硬件上进行后训练,旨在解决物理 AI 中罕见事件复现难与环境多样性不足的问题。

    推荐理由:NVIDIA Cosmos 3 以开放权重形式发布,提供从视觉推理到世界生成的统一架构,支持团队在自有硬件上进行后训练与专用化。

8月5日周三
  1. NVIDIA Technical Blog23

    Beyond VLAs:世界动作模型重塑机器人操作

    针对机器人策略难以泛化的挑战,NVIDIA 提出超越视觉语言动作模型(VLA)的世界动作模型架构。该模型要求策略理解任务背后的物理规律而非单纯模仿演示,以应对物体形状、位置或光照变化等条件改变。此研究旨在解决训练场景外泛化难题,为具身智能提供新的技术路径。

8月4日周二
  1. NVIDIA Technical Blog73

    NVIDIA 发布开源推理视觉模型 Alpamayo 2 Super

    NVIDIA 发布了开源的 340 亿参数推理视觉模型 Alpamayo 2 Super。该模型旨在解决自动驾驶开发中轨迹生成、高层意图预测、场景理解及数据标注依赖独立模型导致难以对比输出和复用表征的问题,提供统一的推理能力以支持相关工作流。

    推荐理由:NVIDIA Alpamayo 2 Super 作为开源推理视觉模型,旨在统一轨迹生成、意图预测与数据标注任务,解决传统开发流程中多模型割裂导致的行为难以对比与复用的问题。

7月30日周四
  1. Google DeepMind87

    Gemini Robotics ER 2 发布:以视频理解、任务编排和多机协作赋能具身智能

    Google DeepMind 正式发布 Gemini Robotics ER 2,作为新一代具身推理模型,它支持通过连续视频流进行进度分类与时刻定位(精度达 91.3%),实现毫秒级低延迟的任务编排。该模型原生支持多机器人协作、工具调用及实时空间感知,已在仿真环境及波士顿动力 Spot 等真实硬件上完成演示验证,现通过 Gemini API 和 Google AI Studio 向开发者开放。

    推荐理由:DeepMind 发布 Gemini Robotics ER 2,通过视频理解与任务编排提升机器人自主性,并开放 API 接口。

7月28日周二
  1. Google DeepMind82

    Gemini Robotics 2 发布:赋予机器人全身体智能与多机协作能力

    Google DeepMind 正式发布 Gemini Robotics 2,旨在为下一代自适应机器人提供核心智能层。该系列包含三个模型:最先进的全身体视觉语言动作模型(VLA)支持从脚部到指尖的复杂操作;具身推理模型(ER)负责多步任务规划与人类交互;端侧优化模型(On-Device)可在数小时内适配全新机器人本体。

    推荐理由:DeepMind 推出 Gemini Robotics 2,提供全身体控制、灵巧操作及多机协作能力,并开放 On-Device 端侧适配与 ASIMOV-Agentic 安全基准。

7月27日周一
  1. Momenta · 智能驾驶技术与运营80

    Momenta 在苏州部署基于 R7 世界模型的无图 Robovan

    Momenta 于 2026 年 7 月 27 日在中国江苏苏州相城区推出其 Robovan 业务,这是公司专有 R7 世界模型的最新现实应用。Robovan 已投入夜间跨区快递路线运营,实现全天候无人物流以解决城市供应链“最后一公里”问题。

    推荐理由:Momenta 在苏州部署基于 R7 世界模型的无图 Robovan,利用海量量产数据实现全天候无人物流运营。

7月26日周日
  1. Berkeley BAIR Blog65

    ABBEL:学习自然语言信念状态以实现内存高效的长程交互

    针对大语言模型在长程交互中因上下文过长导致性能下降的问题,文章提出 ABBEL 框架,将递归摘要任务转化为对自然语言“信念状态”的监督更新。通过引入基于重构的“信念分级”机制,该框架在 CollabBench 协作编程和 Combination Lock 游戏中显著缩小了与全量上下文模型的差距,同时大幅降低峰值 Token 消耗并减少训练步数。

    推荐理由:提出 ABBEL 框架,通过监督自然语言信念状态更新解决长程交互中的上下文压缩性能损耗问题。

7月21日周二
  1. World Labs · Research & Insights63

    World Labs 收购机器人公司 SceniX

    World Labs 宣布收购机器人公司 SceniX,双方将整合在空间智能、世界模型、基于学习的仿真以及闭环现实学习方面的互补技术实力。官方表示未来将分享 SceniX 的早期技术细节及其在具身智能领域的具体应用前景。

    推荐理由:World Labs 宣布收购机器人公司 SceniX,旨在整合双方在空间智能、世界模型及仿真学习领域的技术优势以推动具身智能发展。

7月7日周二
  1. Hugging Face Blog · LeRobot82

    LeRobot v0.6.0 发布:引入世界模型策略、奖励模型 API 与新仿真基准

    LeRobot 开源框架 v0.6.0 发布,核心更新包括支持想象未来的世界模型策略(VLA-JEPA、LingBot-VA、FastWAM)、新增多款视觉语言动作模型(GR00T N1.7、MolmoAct2 等)以及统一的奖励模型 API(Robometer、TOPReward)。

    推荐理由:LeRobot v0.6.0 引入世界模型策略与奖励模型 API,并开放六项新仿真基准及部署 CLI。

6月30日周二
  1. Figure · News82

    Figure 03 抵达宝马集团斯帕坦堡工厂并开启排序任务演示

    Figure 宣布 Figure 03 机器人抵达宝马集团斯帕坦堡工厂 Hall 52,接替上一代机型开展更具挑战性的“排序”(sequencing)任务。该任务要求机器人在非标准化、位置随机的零件中抓取并放入指定槽位,同时需结合全身移动与精细操作。

    推荐理由:Figure 03 在宝马工厂演示了结合全身控制与视觉策略的排序任务,验证了通用物理 AI 处理复杂物流场景的能力。

6月25日周四
  1. 文远知行 · Newsroom65

    文远知行 WeRide GENESIS 荣获“年度生成式 AI 平台奖”

    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。

6月17日周三
6月8日周一
6月4日周四
6月3日周三
  1. World Labs · Research & Insights75

    World Labs:世界模型的三种功能分类及融合趋势

    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。

6月1日周一
  1. NVIDIA Blog · Physical AI82

    NVIDIA 发布 Cosmos 3 世界基础模型以辅助物理 AI 在行动前进行思考

    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。

5月27日周三
  1. Torc Robotics · 自动驾驶技术与安全42

    Torc Robotics 宣布与 Mila 达成首个自动驾驶卡车合作伙伴关系以推进物理 AI

    Torc Robotics 与 Mila – Quebec Artificial Intelligence Institute 建立战略合作,成为唯一加入该研究所的无人卡车公司。双方将在蒙特利尔设立专属研究空间,聚焦生成式世界模型、多智能体行为建模及强化学习等物理 AI 前沿领域。此次合作旨在结合学术卓越与现实部署,加速长距离自动驾驶卡车的商业化进程。

5月18日周一
  1. Boston Dynamics · Blog67

    Boston Dynamics 发布 Atlas 人形机器人:强化学习驱动的重物搬运与高保真仿真训练

    Boston Dynamics 发布了专为高强度物理工作设计的 Atlas 人形机器人,展示了其通过强化学习在仿真中练习数百万小时以掌握搬运迷你冰箱等复杂任务的能力。

    推荐理由:Boston Dynamics 展示 Atlas 通过强化学习与高保真仿真训练,实现搬运重物等工业级任务,并开放相关技术细节。