试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
Chris Paxton 转发并评论了 jwang771 介绍的 3D World Simulator，称其是自己心目中机器人仿真的未来，且可交互体验。该世界模型基于统一 3D 表示空间，能生成新视角外观、多视角一致的 RGB-D、3D 几何与空间对齐的触觉信号，在 RTX 5090 上以 50+ FPS 运行，并已开放试用。Paxton 同时指出这类方法存在明显的数据限制，例如工作空间有限和夹爪闭合伪影，并希望看到它在前沿实验室规模下的表现。
42章经播客对谈王淏楠，他此前在腾讯混元负责多模态 RL infra、主导开源多模态强化学习框架 UniRL，曾在 MiroMind 参与 Agent 研发，现于某具身智能公司负责基模预训练。
《硅谷101》播客请来破壳机器人创始人、清华大学助理教授许华哲，Pokee.ai 创始人朱哲清和华盛顿大学助理教授王晟，讨论 9 月发布的 GPT-6 Astra 等模型对 Agent、机器人和 AI 制药三条路线的影响。机器人部分提到，Astra 在一个未提及机器人的发布会后空降机器人评测榜首，让部分机器人 Benchmark 失效；节目还比较了自研模型与 Astra 在筷子夹小球任务上的表现。
晚点聊发布与 Alphaist Partners 创始合伙人陈哲的「具身季报26Q3」，围绕 9 月初 OpenAI 发布 GPT-6 Astra 后通用模型进入机器人策略层展开讨论。
播客「十字路口」对话清华交叉信息研究院助理教授徐梦迪，围绕机器人 in-context learning（ICL）展开，她主张让机器人到新环境后通过一两次交互当场学会新任务并越学越快。
十字路口播客对话深朴智能（Simple AI）首席科学家王家伟，他从中科大少年班、MSRA、DeepSeek、字节 Seed 转向具身智能，认为具身路线、评估和产品都还没有共识。
播客「卫诗婕｜漫谈Light the Star」在新加坡访谈祥峰投资创始管理合伙人郑俊聪，谈祥峰中国从消费市场转向中国硬科技创新的 Long China 叙事，并称将至少 50% 投向具身智能，覆盖有落地场景的大脑与核心零部件。
播客「漫谈 Light the Star」邀请仙工智能（HKG: 6106）联合创始人叶杨笙复盘本届世界人形机器人大会（WRC），认为展会从后空翻、跳舞 Demo 转向算 ROI、看真实出货和落地能力。
VAST 创始人兼 CEO 宋亚宸在播客中讲述从商汤、MiniMax 到 2023 年创办 VAST 的路径，公司方向落在生成式 3D。VAST 核心产品 Tripo AI 可从文字或图片生成 3D 模型，团队正从 3D 基础模型走向世界模型与互动内容平台，其 AI Research 已发布世界模型研究预览 Project Eden。
播客《张小珺Jùn｜商业访谈录》发布对英伟达研究副总裁刘洺堉的4小时访谈，主题包括 Cosmos 系列（尤其是前不久发布的 Cosmos 3）、世界模型、物理世界的人工智能、英伟达的竞争观与组织哲学。
播客「张小珺Jùn｜商业访谈录」第149期邀请清华大学人工智能学院助理教授、上海期智研究院PI刘子鸣，谈2026年中美 neo labs 创业与融资热潮。刘子鸣毕业于北大和MIT，是KAN网络一作，今年3月回国任教，同时参与创建公司元环智能；他用“太疯狂了”形容这轮资本潮，并称当下资本涌入最活跃的两个方向是世界模型和AutoResearch（AI for AI）。
World Labs 团队发布文章，把当前被称为世界模型的能力拆成渲染器、模拟器和规划器三类，分别输出像素观测、世界状态和动作。文章认为模拟器关注度最低但最关键，是连接视觉渲染与机器人规划的桥梁，并以 Marble 同时输出 Gaussian splats 和碰撞网格为例说明边界正在融合。文中还指出三维数据稀缺、仿真到现实迁移差距和生成式模拟器的物理错误仍是待解难题。
关注价值：World Labs 把世界模型拆成渲染器、模拟器、规划器三类，并解释模拟器为何是连接视觉与行动的关键环节。
破壳科技创始人、清华大学助理教授许华哲在播客对谈中称，具身智能目前只跑完“第一公里”，大规模数据来源、系统泛化与长期任务稳定执行等问题尚未真正开始解决。他认为行业相信 scaling law，但今天还没有真正“证明”它，VLA 也“还不够优雅”。
播客节目「北坡计划」邀请千寻智能联合创始人兼首席科学家、清华大学交叉信息研究院助理教授高阳，讨论具身智能即将进入的“GPT-3 时刻”，并从数据、模型到系统能力拆解这一判断的技术前提。时间轴显示，他称两年前预测需 5 至 8 年，目前的判断提前到 27 年，并认为评价具身模型今天最重要的指标只有泛化性。节目还提及他谈到一千万小时数据、6000 个人、几个月这件事中国有经验。
World Labs 发文提出 3D 是继文本之后人与机器描述和操作物理、虚拟世界的通用接口，并把 3D 表示类比为代码、神经图形类比为编程语言、仿真引擎类比为芯片。