跳到正文
11月12日周四
  1. 智东西 · 机器人84

    CoRL 2026 放榜:伯克利 SuperMimic 获最佳论文,英伟达斯坦福 RoboTTT 获最佳学生奖

    机器人学习顶会 CoRL 2026 公布获奖名单,加州大学伯克利分校的 SuperMimic 研究获得最佳论文奖,该方法基于可微世界模型将人形机器人全身控制训练算力降低超千倍,单卡 3 小时即超过百卡基线并已在宇树 G1 真机验证。英伟达与斯坦福联合团队的 RoboTTT 获最佳学生论文奖,其通过测试时训练将策略上下文扩展至 8000 个时间步,在多项灵巧装配任务中平均完成率提升至 79%。

    推荐理由:CoRL 2026 最佳论文展示可微世界模型将人形机器人训练算力降低千倍,最佳学生奖提出长上下文策略方法。

  2. Google DeepMind MuJoCo · Releases12

    MuJoCo 发布 4.0.1 版本,修复稀疏 Cholesky 分解错误并支持 Windows Web 查看器

    MuJoCo 于 2026 年 11 月 11 日发布 4.0.1 版本,修复了 4.0.0 中因合并不同后代行导致的稀疏 Cholesky 分解错误。该更新还通过自动安装 `mujoco-studio-wasm` 轮子,使 Windows 用户能在本地运行 MuJoCo Studio Web Viewer。此外,插件加载失败将仅发出警告而不再中止仿真启动。

11月11日周三
  1. 智东西 · 机器人82

    Google DeepMind 发布新一代 VLA 模型 Gemini Robotics 2.5

    Google DeepMind 正式发布新一代视觉语言动作模型 Gemini Robotics 2.5,该模型在灵巧性、可靠性和安全性方面实现显著提升。相比基线模型,其在多步骤任务中的成功率提升 30% 至 100%,执行速度提高 20% 至 30%。

    同一新闻,精选展示《DeepMind 发布 Gemini Robotics 2.5 模型以加速现实世界灵巧操作能力》

  2. Google DeepMind75

    Gemini 4 Carbon 正式发布

    Google DeepMind 正式向开发者、企业及消费者发布 Gemini 4 Carbon。该模型在 CursorBench 4.0、WANDR 等基准测试中排名第一,成本低于次优外部模型;在金融研究、全栈开发及网络安全漏洞挖掘与修复方面表现卓越;同时在科学推理(如蛋白质结构预测)和模型安全对齐上取得显著进展。

    推荐理由:原文给出了模型在复杂知识工作、全栈开发及前沿网络安全领域的基准表现与成本优势,开发者可据此评估其是否适合现有工程流程。

11月10日周二
  1. Google DeepMind82

    DeepMind 发布 Gemini Robotics 2.5 模型以加速现实世界灵巧操作能力

    Google DeepMind 正式发布 Gemini Robotics 2.5,这是其目前最强大的视觉语言动作(VLA)模型,旨在提升机器人学习速度与广度。该模型在超过 200 项任务测试中,相比基线成功率高出 30% 至 100%,完成任务速度快 20% 至 30%。

    推荐理由:原文介绍了 Gemini Robotics 2.5 在任务广度、可靠性与安全方面的提升,并披露了与奔驰产线合作的实测数据及 ASIMOV-Jailbreak 基准。

  2. Google DeepMind52

    DeepMind 开放 SatWeave 与 PARDIG 数据集以支持气象水文应用开发

    Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,前者整合五颗静止卫星图像提供全球每小时更新的云雨视图,后者基于 AI 生成高精度降水图。这两个数据集是 WeatherNext 3 模型的关键支撑,现已在 Google Cloud Storage 公开开放历史档案与实时流数据,供研究人员用于气象、洪水及干旱预测等下游应用。

  3. arXiv · 机器人与计算机视觉70

    StarWM:用于鲁棒世界模型的自监督训练注意力路由

    DeepMind 团队提出 StarWM 模型,利用自监督动态训练的交叉注意力机制指导视觉内容重建,有效平衡环境动力学捕捉与无关内容抽象。在 DeepMind Control 基准测试中,默认版本在随机帧干扰下表现最强,奖励增强变体在序列视频任务上达到最高回报。代码已开源。

  4. 盖世汽车 · 汽车资讯70

    百度Apollo披露全模态世界模型Apollo World

    百度Apollo在深圳AI Day首次披露智能体驱动的全模态世界模型Apollo World,提出“2+3”判断标准以支撑高安全要求的自动驾驶验证。该模型具备因果性、交互性及物理准确性等核心能力,支持行程级闭环测试与多场景按需复现,旨在降低真实路测成本并加速车端迭代。

11月4日周三
  1. 车东西70

    得世界模型者得天下?Robotaxi企业纷纷押注下一场技术革命

    车东西报道指出,全球Robotaxi竞争进入新分水岭,Waymo融资后发布基于DeepMind Genie 3的世界模型,百度则披露面向物理AI的ApolloWorld。文章分析世界模型通过生成虚拟路测(如一天顶三年)解决实车测试效率瓶颈,并对比了两者在技术路径上的差异:Waymo侧重复杂场景生成与多传感器仿真,而百度更强调因果性、交互性及完整出行任务的验证,旨在支撑L4系统的训练与商业化落地。

11月3日周二
10月29日周四
  1. 盖世汽车 · 汽车资讯38

    特斯拉推迟 Optimus 人形机器人对外交付至 2027 年底

    特斯拉在 2026 年第三季度财报电话会议上宣布,Optimus 人形机器人向外部客户交付时间推迟至 2027 年底左右。公司指出手部设计、耐用性及 AI 架构仍需完善,首批生产级机器人已在弗里蒙特工厂下线。为提升能力,特斯拉计划制造 10,000 至 20,000 台机器人在"Optimus 学院”进行任务练习,并拟于 2027 年 4 月搭载 AI5 芯片。

10月28日周三
10月20日周二
  1. 量子位82

    谷歌开源 Harness²:让大模型在运行中自我魔改代码与提示词

    谷歌开源了名为 Harness² 的框架,旨在解决递归自我改进(RSI)在真实开放世界中缺乏标准答案和过度拟合的问题。该系统采用双层递归架构:任务级递归通过提议 - 探测 - 合成机制在无裁判环境下进行行为对比以修补缺陷;改进级递归则将调试记录沉淀为元能力存入经验库,供后续任务检索复用。

    推荐理由:谷歌开源 Harness²,通过双层递归架构实现 Agent 在运行中的自我修补与经验沉淀,显著提升了多基准任务表现。

10月19日周一
  1. arXiv · 机器人与计算机视觉78

    Momentum:面向视频世界模型的持久化动力学方法

    该论文提出 Momentum 方法,通过参考相机阵列构建同步视频作为场景动态共享记忆,利用图结构在相邻设备间传播生成以协调时空一致性。WorldUpdate 阶段生成全局动态记忆,WorldInteract 阶段将目标相机控制锚定于此记忆,确保移出视野的动态内容(如车辆、行人)能保持状态并在重入时一致呈现。

    推荐理由:原文提出了利用多机位视频记忆与图传播机制解决动态场景一致性的方法,并提供了 CARLA 数据捕获流程与评估框架。

10月17日周六
  1. IEEE Spectrum · Robotics45

    IEEE Spectrum 视频周五:从双机器人融合到 DeepMind 视频至仿真至现实管线及多项前沿进展

    IEEE Spectrum 发布“视频周五”精选,展示 JSK Lab 通过线缆连接两机器人使其融合、Microducks 经蓝牙同步即兴合唱等趣味演示。Google DeepMind 利用 Gemini 4 Argon 构建 MuJoCo 虚拟仿真,使 Apptronik Apollo 2 人形机器人在真实世界连续投中七次玉米洞球。

10月16日周五
  1. The Decoder · Robotics75

    Google 推出 Gemini 4 Argon 作为机器人唯一所需模型

    Google 发布 Gemini 4 Argon,旨在成为覆盖机器人控制、虚拟世界构建及训练视频评估的统一模型。演示中,该模型结合 MuJoCo 仿真与 AI 代理验证,将波士顿动力 Spot 机器人的任务成功率从 56% 提升至 75%,执行时间缩短至 24 秒;在 ERQA 基准测试中以 87% 的得分领先其他前沿模型。

10月14日周三
  1. Google DeepMind87

    Gemini 4 Argon 发布:物理 AI 模型解锁机器人控制与仿真构建新工作流

    DeepMind 发布 Gemini 4 Argon,该模型在 ERQA 基准测试中纯推理得分 87%,超越其他前沿模型。Argon 支持从遥操作到自主控制的闭环视觉回路,能基于真实视频或手绘草图构建物理校准的 MuJoCo 仿真双胞胎,并开放了多模态后见性标注与价值函数预测等工具。

    推荐理由:DeepMind 发布 Gemini 4 Argon,在 ERQA 基准测试中纯推理得分 87%,并开放了从代码生成到仿真构建的机器人工作流入口。

  2. Google DeepMind82

    Gemini 4 Argon 发布:具身推理与复杂工程任务全球上线

    Google DeepMind 正式发布 Gemini 4 Argon 模型,该模型在具身推理基准 ERQA 中以 87% 的分数领先其他前沿模型,并展示了通过观看人类操作视频自主构建仿真代码、进而将技能迁移至人形机器人(Apptronik Apollo)实现连续投掷的技能。

    推荐理由:DeepMind 发布 Gemini 4 Argon,在具身推理基准 ERQA 以 87% 分数领先,并展示通过观看视频自主构建仿真代码并在人形机器人上实现技能迁移的能力。

  3. 智东西 · 机器人82

    Google DeepMind 发布通用物理推理模型 Gemini 4 Argon

    Google DeepMind 正式上线通用物理推理模型 Gemini 4 Argon,该模型具备视觉语义推理、物理理解和代码生成能力。Argon 支持通过观看视频或手绘草图构建仿真环境(Real2Sim),在 MuJoCo 等环境中进行零样本控制与技能学习,并能分析操作过程以优化机器人表现。

    推荐理由:DeepMind 上线通用物理推理模型 Gemini 4 Argon,支持从视频或草图构建仿真环境、零样本控制及自我改进优化机器人动作表现。

10月7日周三
10月6日周二
  1. arXiv · 机器人与计算机视觉82

    H-JEPA:面向视觉规划的端到端分层世界模型学习

    论文介绍 H-JEPA,一种用于长程规划的端到端分层世界模型方法。该架构包含多个动作条件化的 JEPA 层级,每层在独立潜空间预测不同时间尺度的未来:顶层优化目标进度,下层将高层预测作为子目标。

    推荐理由:提出分层 JEPA 架构,在仿真与真实机器人视频中通过时间尺度分解提升长程规划成功率并降低计算开销。

  2. Google DeepMind MuJoCo · Releases45

    MuJoCo 3.15.0 发布:修复二进制序列化限制并新增实验性弹性与接触功能

    Google DeepMind 于 2026 年 10 月 5 日发布物理引擎 MuJoCo 3.15.0,解决了 64 位模型在 mj_saveModel 和 mj_loadModelBuffer 中超过 2 GiB 的序列化限制。此次更新还引入了实验性的非插值 3D 弹性简化算法、胶囊几何体的单次多接触检测以及 insidesite 传感器的封闭属性测量功能。

9月23日周三
  1. Google DeepMind MuJoCo · Releases70

    MuJoCo 3.14.0 发布:新增 IPC 柔性接触模式与归档资源提供者

    Google DeepMind 发布 MuJoCo 3.14.0 版本,新增 IPC 实验性接触模式以支持无穿透柔性接触,并引入归档资源提供者接口。修复了惯性分解警告、稀疏牛顿求解器错误及多项 API 兼容性问题,同时优化了 MJCF 保存时的帧变换处理与程序化模型编辑性能。

    推荐理由:MuJoCo 3.14.0 发布,新增无穿透柔性接触模式与归档资源提供者,修复惯性分解警告及多项 API 兼容性问题。

9月10日周四
  1. Boston Dynamics · Blog68

    Boston Dynamics 发布 Spot 5.2:引入 Gemini 视觉、气体传感及自主部署新架构

    Boston Dynamics 发布 Spot 5.2,核心在于通过 Google Gemini 增强视觉智能与新增气体、振动等模态,并重构 Orbit 软件以支持跨系统自主工作流。

    推荐理由:Boston Dynamics 发布 Spot 5.2,通过 Gemini 增强视觉与气体传感能力,并重构 Orbit 架构以支持跨系统自主工作流。

9月9日周三
  1. Google DeepMind MuJoCo · Releases42

    MuJoCo 3.13.0 发布:新增离散积分器与 Python 3.15 支持,渲染材质默认色改为白色

    Google DeepMind 于 2026 年 9 月 8 日发布 MuJoCo 引擎版本 3.13.0。该版本引入新的离散积分器(integrator="discrete"),将约束求解与隐式速度更新合并,使被动弹簧和致动器增益在远超显式稳定性极限的时间步长下保持稳定,并修复了旧版隐式弹性模型需迁移至新积分器的 API 变更。

9月3日周四
  1. Google DeepMind42

    DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber,强化代码推理与漏洞修复能力

    DeepMind 推出 Gemini 3.8 Flash 及专为可信防御者提供的 3.8 Flash Cyber,后者在内部基准中漏洞发现成功率超 70%,CWE-Bench 补丁 pass@1 达 47.2%。两款模型均基于相同核心智能,通过长周期智能循环迭代优化,在软件工程和关键多步推理领域显著提升性能且成本更低。

9月2日周三
8月28日周五
  1. Google DeepMind42

    Gemini Omni 1.1 Flash 新增场景扩展、首尾帧插值及 4K 超分等可控生视频能力,通过 Gemini API 在 Google AI Studio 全球开放

    Google DeepMind 发布 Gemini Omni 1.1 Flash,支持分析最多 10 秒上下文以生成累计长达 40 秒的连续视频,并实现首尾帧插值与最高 4K 分辨率输出。360p 预览版推理速度较标准 720p 快约 60%、成本降低三分之一,适用于快速原型迭代。该模型今日起通过 Gemini API 在 Google AI Studio 及全球订阅者中开放使用。

8月27日周四
  1. Google DeepMind42

    Google DeepMind 推出全球首个双盲 AI 评估,在加密环境中测试 Gemini Flash Lite 模型以消除基准污染

    Google DeepMind 联合新加坡 AI 安全研究所等伙伴,首次在加密“盒子”内对 Gemini Flash Lite 进行双盲评估,防止模型提前窥探考题。该方案通过引入密码学保障措施解决基准污染问题,确保业界能信任基准分数真实反映模型能力与安全性。

8月26日周三
  1. OpenCV Blog78

    3D-Object Perception Transformer (3PT):统一检测、分割与位姿估计的 RGB-only 多视图 Transformer

    OpenCV Live 播客介绍由 Intrinsic 和夏威夷大学作者提出的 3D-Object Perception Transformer(3PT),该架构将检测、分割和 6DoF 位姿估计统一为两个仅用 RGB 的多视图 Transformer。

    推荐理由:OpenCV Live 播客介绍 3PT 架构及其在 BOP 2025 竞赛中的表现,并分享从基准测试到工业部署的工程经验。

8月21日周五
8月20日周四
  1. Google DeepMind MuJoCo · Releases68

    MuJoCo 3.12.0 发布:新增 PID 与直流电机控制器并优化物理仿真引擎

    Google DeepMind 发布 MuJoCo 3.12.0,核心更新包括新增支持位置/速度设定值及前馈输入的 PID 控制器和重新设计的直流电机控制器。引擎层面优化了大网格凸碰撞检测速度与柔体块求解器收敛性,并修复了盒盒碰撞穿透与近奇异面裁剪导致的接触失效问题。

    推荐理由:DeepMind 发布 MuJoCo 3.12.0,新增 PID 与直流电机控制器、优化碰撞检测及纹理加载规范。

8月19日周三
  1. Generalist · Research Blog95

    Generalist 发布机器人基础模型 GEN-1.5:具身智能实现单样本学习

    Generalist 发布了最新机器人基础模型 GEN-1.5,该模型在预训练后无需微调即可通过单样本演示(物理提示)即时学习新任务,平均成功率达 59%,经少量梯度步优化后可提升至 83%。模型具备零样本仿真到现实迁移、组合泛化及即兴工具使用能力,支持从人类手部动作直接模仿机器人操作。

    推荐理由:该机器人基础模型 GEN-1.5 在预训练后无需微调即可通过单样本演示学习新任务,并具备零样本仿真到现实迁移能力。

8月12日周三
8月1日周六
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。