LiberAI 发布世界动作模型 Liber-0,零样本操作 600 次试验成功率 36%
LiberAI 发布世界动作模型 Liber-0,在 GPT-6 提出的 60 项任务、600 次试验中零样本整体成功率为 36%。分项成功率为抓取放置 63.5%、其他操作任务 34.0%、高难度多步任务 10.5%,评测所用 checkpoint 未针对这些任务采集机器人演示训练。
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)
LiberAI 发布世界动作模型 Liber-0,在 GPT-6 提出的 60 项任务、600 次试验中零样本整体成功率为 36%。分项成功率为抓取放置 63.5%、其他操作任务 34.0%、高难度多步任务 10.5%,评测所用 checkpoint 未针对这些任务采集机器人演示训练。
AWS 发布 NVIDIA CloudXR 6 on AWS 示例,提供在 AWS Local Zone 或 Region 的 Amazon EC2 GPU 实例上运行 CloudXR 6 的参考架构与部署指南。
Boston Dynamics 发布第二代自主移动卸货机器人 Stretch Gen 2。公司物流机器人副总裁兼总经理 Brian Donnelly 表示,Gen 2 针对现实中导致机器人停机的问题做了改进,机身更坚固、维护更简单,并能在部署后持续升级。原文未披露具体性能参数与上市时间。
NVIDIA 在开发者博客中介绍如何用 Cosmos 平台构建面向可交互仿真的世界模型。文章指出物理 AI 开发者面临两类问题:把世界模型适配到自有传感器、任务和数据,以及让模型可靠地进入应用。Cosmos 由世界基础模型和开发工具组成,其中 Cosmos Framework 提供用于世界模型训练的 agent 技能与配方。
腾讯混元发布 Hyra 2.0,将自动化科研从直接解题转向由 agent 研发和升级科学模型、工作流与软件工具,成果持续公开在 GitHub 仓库。系统采用 Overall、Mission、Worker 三层分工,配合持久化队列、Research Board 与独立复核,并把可复用经验整理为 skill。
北京 NeodraDynamics 在京东工业联合展出的中国国际工业博览会上展示 4 米高、1.2 吨重的液压电动人形机器人 Neo1,41 个关节中 39 个由小型液压执行器驱动,双臂合计负载 500 公斤。该机目前仍为演示样机,靠外接电源和预设程序远程控制,尚无电池、自主能力和行走功能,公司计划将其重载双臂装到轮式底盘上用于港口、矿山与核维护等场景。
腾讯混元视觉生成团队发布交互式视频世界模型 Hy-Nomas,基于 8B 参数扩散 Transformer 主干,在单一架构中原生融合自由文本指令与连续相机轨迹控制,支持数分钟连续交互生成。
关注价值:腾讯把文本指令与连续相机控制合并进同一个 8B 扩散主干,并给出单卡 4090 部署与 LoRA 迁移路径,可供评估交互式世界模型的工程可行性。
PokeBot 发布 RoboAPI,这是一个开箱即用的具身 API,可在受支持的硬件上通过自然语言指令运行其 Poke-Aurora 世界-动作模型,无需针对具体任务训练。该 API 支持零样本泛化,速度约为人类速度的 1 倍,并可在自有环境和任务中验证;RoboAPI 是 PokeBot 旗下的非商业产品,文档见 developers.pokebot.com/docs/roboapi。
智元在 AGIBOT Innovation Day 上宣布 WITA-Omni 1.0 全模态交互模型,支持边说边听的双工对话,端侧运行,端到端交互延迟约 400ms,融合视觉、语音、实时对话、面部表情与物理动作,目前在多项交互基准上排名靠前。
开发者正用 GPT-6 Astra 等前沿 AI 模型配合 NVIDIA Omniverse 库,通过自然语言指令构建仿真应用。NVIDIA 团队演示了从场地扫描重建可编辑建筑模型、燃气轮机数字孪生 what-if 分析、SimReady 资产场景组装,到仓库仿真性能排查和机械臂线缆布线控制等案例。
智元发布具身智能原生 OS 灵渠 1.0,支持 15 类 100 余种外设快速接入,全栈确定性时延优化在 1000Hz 高频负载下时延抖动小于 4 微秒,并计划 2026 年底全面开源、捐赠开放原子基金会。腾讯混元 Hy4、Hy4flash 即将发布,Hy4 首次引入视觉理解,Hy4flash 主打性价比。Claude Code 新增环境变量,可关闭删除等高危操作确认,默认不启用。
智元发布具身基础模型 GO-3 Preview,基于自研 WRAM(World Reasoning Action Model)架构,统一任务理解、未来状态预测与动作生成,并称在 RoboDojo、RoboTwin、RoboColiseum 三项具身 AI 基准上排名第一,计划 2026 年底完全开源。
关注价值:GO-3 Preview 把预训练、后训练与部署后学习串成一条链路,并给出三项基准排名与开源时间,可供判断具身基础模型的训练范式走向。
Google DeepMind 发布世界模型 Genie 4,可在实时交互中生成画面与原生音频,并以自然语言实时改变天气、镜头和场景内容。
关注价值:Genie 4 把原生音频、实时语言操控与 Gemini 的推理串进同一个世界模型,读者可据此判断机器人训练环境正从像素生成走向可编程因果模拟。
智元在 2026 创新日上提出 Worken 机器人生产力框架,以活跃机器人数、自主工作小时数与产出效率比三项相乘衡量有效智能工作时长。公司同时发布第三代人形硬件架构 AHA3,集成运动、交互与作业智能的硬件基础,并包含 OmniHand 3 系列灵巧手与 OmniPicker 3 触觉夹爪。
关注价值:智元一次性公布硬件平台、基础模型、操作系统与部署案例,其中 Worken 指标框架提出按自主工时和任务产出衡量机器人价值。
智元机器人发布 Genie Studio 2.0,一个覆盖开发、部署与运营的具身 AI 应用平台,由 Flywheel、Agent、Monitor 三个模块组成,分别负责模型开发迭代、模块化任务编排和车队运营。
关注价值:平台把数据、训练、仿真评测与车队运营串成闭环,并给出多个产线验证指标,可据此判断具身应用交付成本的变化。
我们在总部内部打造了一个名为Blackbox的秘密空间,用来测试我们的前沿模型。
Jim Fan 团队开源 Flora 模型套件,用于解析物理世界并把原始视频转成训练信号,官方称其性能达到 Astra 级别而成本低 125 倍。Flora 已支撑其内部数据引擎,在 500 块 GPU 上每天标注 20 万小时视频,提供带时间戳的高质量描述、用于质量控制和强化学习后训练的密集进度奖励,以及面向真实世界基准的评分量表。
Isaac Lab 3.0 正式发布,作为新项目的推荐基线,建立了跨多个物理、渲染和可视化后端的统一任务 API。核心变化是引入基于工厂的多后端架构,任务可在不改写逻辑的情况下切换 Newton(含 MuJoCo-Warp、VBD、MPM)或 PhysX 等后端;多数工作流无需安装 Isaac Sim 即可运行,完整 Isaac Sim 栈改为可选。
关注价值:多后端架构让物理、渲染与可视化解耦,并保留可选 Isaac Sim 全栈,下游项目可据此评估迁移成本。
Agility Robotics 联合创始人 Jonathan Hurst 撰文介绍公司刚发布的 Digit 5 人形机器人,称其设计目标是首款能安全、经济地规模化做有用工作的人形机器人。
Jim Fan 团队开源智能体机器人框架 ASPIRE V1.0,称其具备在真机上完成技能发现与自我改进的完整能力。作者提到,Astra 上线当天实验室切换后端模型后,多项基准在一夜之间达到约 99%;在机器人仿真基准上,Opus 5.5 略优于 Astra,Sonnet 5.5 则以每任务 12 美元的成本落在成本与机器人能力的帕累托前沿。
Reflection 宣布 Beam 已在多平台上线,并以 Apache 2.0 许可开放权重,与 40 多家生态伙伴合作。此次放出权重、tokenizer 和参考实现,包含 BF16、FP8、NVFP4 权重及 DFlash2 drafter,以及用于训练 Beam 的开源工具 Mirror CLI,权重与模型卡发布在 Hugging Face。Hugging Face 转发了这一消息,并预告 Reflection 团队将直播介绍 Beam 的构建过程。
宇树科技推出:UniUni 智能集群控制系统🎉 它可实现集群机器人动作与队形的快速智能编排、设备状态实时监控、安全制动等功能。 你希望看到多少台机器人一起表演?https://t.co/p7wg2x10UN
Physical Intelligence 宣布 Pi API 进入测试版,向更多团队开放接入。此前该公司已与多个行业的企业合作,把模型适配到各自的机器人及应用上,覆盖采摘草莓到组装服务器等任务。
星海图 LEMO 双臂开发平台正式开售,首发定价 49,999 元。该平台集成双 A1Z 七自由度机械臂、G1Z 夹爪、多视角同步视觉系统与 CCU 控制器,支持同构遥操作、VR 接管和三路视觉同步采集,并提供 SDK、URDF 及开放接口,覆盖数据采集、模型训练到真机部署验证的完整开发链路。
Physical Intelligence 于 10 月 13 日发布 Pi API beta,开发者可上传数据、在官方托管的算力与基础设施上微调 π 系列模型,并通过托管网关调用微调后的模型做推理。
关注价值:原文披露了托管微调与推理的完整流程和早期合作方迭代周期,可据此判断机器人基础模型的分发方式变化。
Boston Dynamics 发布 Atlas 新一代机械手,自由度从上一代 GR2 的 7 个提升到 GR3 的 13 个,采用四指设计、取消小指,关节为直驱且可反驱。
关注价值:原文公开了 Atlas 新一代手部的自由度、驱动与传感取舍,读者可据此判断工具使用路线对灵巧手设计的约束。
Skild AI 公布物理 AI 自博弈后训练结果:以旗舰机器人基础模型 S1 为底座、只给定“进球”这一目标,让策略在 NVIDIA Isaac Sim 中与自身近期版本对弈。
关注价值:这条结果把自博弈从数字 AI 带到人形机器人本体,读者可据此判断纯仿真自我对弈能否突破人类数据上限。
Aether AI 发布 16B 因果世界模型 CausalWM,在 TriWorldBench 榜单以 66.04 分排名第一,第二名 dream4act 为 65.66 分。
Figure 发布 Helix 2.5,称其在 30 个未采集过数据的湾区家庭中零样本完成整理客厅、折毛巾、铺床三类全身任务。消融实验显示,在任务数据、架构和评测固定的情况下,仅 Index 人类行为数据预训练就把零样本成功率从 9% 提升到 56%;任务适配数据量为 Helix 02 同类行为的一半。
关注价值:Index 预训练单独把零样本成功率从 9% 提到 56%,给出了可复用的数据规模与迁移效果关系。
极壳 Hypershell 创始人孙宽在播客中介绍了公司新发布的髋膝一体下肢外骨骼 HALO,以及团队在外骨骼控制上转向端到端的方向。节目中他回顾极壳成立于 2021 年,第一代产品 2024 年底量产交付,2025 年全球总交付量突破 3 万台;HALO 于本月初在 IFA 2026 柏林消费电子展发布。
Boston Dynamics 发布 Spot 5.2 及 Orbit 软件更新,Orbit 改为按资产组织数据,并可通过 API 接入 PLC 传感器、摄像头等外部数据源,为 AI 智能体自主调度 Spot 打基础。
深度机智发布物理基座模型 PhysBrain 1.5,其 8B 版本在 28 项具身空间智能与规划基准上综合得分 72.5,在参与评测的开源模型中排名第一。该模型以 Qwen3-VL-8B-Instruct 为基座,把语言回答、空间输出、末端执行器轨迹与未来 RGB、深度及机器人占用预测统一为离散 token,在单一自回归主干下联合训练。
松延动力推出具身智能子品牌 Scalabot,并以本体优势为基础发布该子品牌首个世界模型 HERON-World Model。官方新闻页未披露模型参数、训练数据与开放方式。
Anthropic 推出 Model Hardware Standard,通过标准化驱动让 AI 智能体控制实验室设备并自主完成实验,目前以研究预览形式开放给首批实验室和制造商。
World Labs 发布下一代世界模型 Atlas,称其为从零预训练的多模态自回归扩散 Transformer,原生统一处理文本、图像、视频和 3D,将输入编码为共享空间上下文后再生成后续内容。
关注价值:统一架构把相机位姿与深度作为原生输入,其重建与可控生成结果可用于判断世界模型的路线选择。
Figure 将其隐身开发四个月的众包数据应用更名为 Index,并正式上线 Google Play 与 App Store,用于采集 Helix 训练所需的真实世界物理数据。
关注价值:Figure 披露自建真人视频数据管线的五级处理流程与多样性指标,可供判断机器人训练数据的规模化路径。
宇树发布视频称新人形机器人“Superman”奔跑速度达12.66米/秒,超过博尔特有记录的最高速度,并称其从静止起跳约6英尺7英寸。宇树表示该机器开发仅三个多月,但上述纪录未经外部验证,速度是较短距离的峰值读数而非完整100米,机器人腿长仅2英尺9英寸,奔跑时步态摇晃。该消息发布于宇树上海IPO首日大涨629%、市值一度约660亿美元之后,分析师提醒其销售多来自科研与演示,广泛应用仍远。
众擎机器人在2026年世界机器人大会上发布“仿人脑”具身智能引擎EngineAI Awaken,CTO李力耘首次系统阐释公司全栈具身智能技术路线与全新AI模型架构。
光轮智能宣布其机器人策略评测平台 RoboFinals 已在开源 GPU 加速物理引擎 Newton 上运行完整评测栈,并包含首个完全基于 Newton 构建的评测基准。
Skild AI 发布旗舰机器人基础模型 S1,该模型以视频演示作为任务提示,无需微调即可执行未见过、时长最长约 10 分钟的操作任务。官方称在 100k 小时预训练数据下,S1 在未见任务上的成功率为 66%,语言提示的 VLA 基线为 9%;在已见任务上 S1 达到 96%。单次演示的上下文学习效果约相当于 380 条后训练示范,后者需 50–100 小时遥操作采集。
关注价值:S1 用视频演示替代语言提示,并给出从 1k 到 100k 小时预训练数据的对比曲线,可供判断上下文学习路线与 VLA 路线的分歧。