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）
#世界模型
RoboHubAI 评分6262 IT桔子AI 评分5858 42AI累计获得6250万美元种子资金，主打行为世界模型
42AI宣布累计获得6250万美元种子资金，由创始人和英飞尼迪集团在三年内陆续投入，没有外部机构投资者参与，估值未披露。该公司主打行为世界模型，将其用于预测人类决策，首发落地券商行业，用于预测客户在市场波动下的交易行为以辅助机构前置对冲与风险管理，已服务10家大型券商并产生收入。
arXiv 世界模型与脑机接口精选AI 评分6565 RFWorld：用免轨迹展开的世界模型评估端到端自动驾驶轨迹
作者提出 RFWorld，一种用于端到端轨迹评估的免轨迹展开世界模型，不再为每个候选轨迹递归预测未来状态。它构建共享场景记忆，通过训练时的轻量时序读出与语义监督形成可读未来表示，推理时候选轨迹以稀疏空间读出直接查询该记忆打分，计算量约降至规划时域与候选轨迹数之积的倒数，并避免递归展开误差累积。
关注价值：提出免轨迹展开的世界模型评分方法，为端到端规划降低推理开销提供了一条可比较的技术路线。
Chris PaxtonAI 评分5555 Chris Paxton 评 3D World Simulator：交互式世界模型是机器人仿真的方向但受数据限制
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。
量子位 RSSAI 评分4242 极智嘉发布《24/7自主智能仓计划》，要让AI接管整仓调度运营
极智嘉正式亮出《24/7自主智能仓计划》，目标实现7×24小时自主运行、持续进化的自进化智能仓，分打通全流程、强化智能闭环、规模化落地三步推进。其Gravity统一具身智能框架与Gravity 4D具身世界模型支撑机器人跨任务泛化与动态抗干扰，通用人形机器人Gino 1可拣货搬箱。无人拣选工作站在施耐德电气上海物流中心试点中拣选效率达人工2倍、准确率超99.99%。
arXiv 世界模型与脑机接口AI 评分5757 TIF：用执行反馈审计想象奖励的 VLA 后训练监督选择方法
作者提出 Trusting Imagined Futures（TIF），一种面向 VLA 后训练的离线监督选择方法，用执行反馈审计世界模型预测的奖励。该方法由多维奖励模型给出候选效用分和五个执行质量维度，审计器结合奖励预测与不确定性识别高估模式，仅在效用优势超过阈值且审计风险达标时替换现有轨迹，否则保留原监督用于行为克隆。
arXiv 世界模型与脑机接口精选AI 评分7676 PrimeSim：基于大规模跨本体演示的通用世界模型模拟器
作者提出 PrimeSim，一个以动作为条件、支持多视角的世界模型模拟器，先基于预训练视频生成器，在 22 个平台、30,110 小时机器人演示上做中期训练，再做后训练。
关注价值：论文给出多视角一致性、长时序稳定性和跨本体迁移的具体指标，可用于判断动作条件世界模型能否充当策略训练模拟器。
arXiv 世界模型与脑机接口精选AI 评分6262 3D World Simulator：混合粒子-体素动力学实现多模态 3D 世界模拟
作者提出 3D World Simulator，一个以动作为条件的多模态世界模型框架，从统一 3D 表示中同时预测外观、几何与触觉观测。该方法用混合粒子-体素自编码器把点云压缩为紧凑 3D 体素隐变量，再由动作条件隐动力学模型预测其演化，支持任意视角的几何一致渲染与空间对齐触觉信号接入。
关注价值：论文把外观、几何与触觉统一到同一 3D 表示中，读者可据此比较它与 2D 视频世界模型在空间一致性上的差异。
arXiv · cs.AIAI 评分5454 AuroraWorld：面向机器人操作外视角到第一视角视频生成的结构化 4D 世界建模
Hao Xue 等提出 AuroraWorld，用结构化 4D 世界建模从大规模外视角操作视频合成第一视角观测，以缓解第一视角数据采集的硬件与部署成本。作者指出，现有方法在大幅视角变换、严重遮挡、复杂物体交互和外视角观测稀疏的条件下，难以生成物理一致且与策略相关的第一视角视频。该文为 arXiv 预印本（arXiv:2611.00177），摘要未给出实验任务、数据集与量化指标。
NVIDIA Developer BlogAI 评分5858 NVIDIA 介绍如何用 Cosmos 构建可交互仿真的世界模型
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。
机器之心AI 评分6060 LeCun团队论文用JEPA证明柏拉图表征假说，1.09亿参数模型对齐分数超过720亿LLM
机器之心报道，Yann LeCun 参与提交的论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》从数学上论证下一 token 预测路线在形成跨模态表征上效率较低，并提出用 JEPA 的「好视图」训练改进对齐。
机器之心AI 评分7575 飞捷科思与复旦CITLab提出Fysiverse-UniWAM，24项真机测试导航与移动操作双第一
飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室提出统一世界动作模型 Fysiverse-UniWAM，不依赖大规模机器人预训练，将自主导航、移动操作与固定工位灵巧操作贯通。
我爱计算机视觉AI 评分6262 浙江大学等提出 PVBench：用物体级物理量评测生成视频的物理合理性
浙江大学 APRIL Lab、华中科技大学和腾讯优图实验室的研究团队提出 PVBench，通过物体级物理量测量评估生成视频的物理合理性，覆盖 7 个领域、46 个评测维度，其中物理层 25 个维度，并配套 600 组文生视频与图生视频配对提示词，30% 涉及具身智能体场景。
我爱计算机视觉精选AI 评分7878 腾讯混元发布 8B 交互式世界模型 Hy-Nomas，原生融合文本与连续相机控制
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。
The Humanoid HubAI 评分6262 PokeBot 发布 RoboAPI，可通过自然语言调用 Poke-Aurora 世界-动作模型
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。
我爱计算机视觉AI 评分5858 DualExam 提出多模态智能体与世界模型受控评测框架
研究团队发布 DualExam，将多模态智能体与世界模型放进受控评测流程，分别检查行动选择与环境响应。在 GPT-5.6 Sol 与 Seedance 2.5 直接交互的十种场景、150 个案例试验中，严格任务成功率为 0%，世界状态一致性为 26.6%，智能体纠正响应为 9.2%。
AWS Physical AIAI 评分5858 Archetype AI 在 AWS 上部署 Newton 物理世界模型，用工业传感器数据做实时运维智能
Archetype AI 的 Newton 物理世界模型通过 AWS Marketplace 部署在客户自有 AWS 环境中，把振动、压力、温度、电流、雷达和视觉等多模态传感器信号转为实时运维判断。
Google DeepMind精选AI 评分8080 Google DeepMind 发布世界模型 Genie 4，支持原生音频与实时文本操控
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。
Turing PostAI 评分5353 LeHami 解读：哈密顿力学如何帮 JEPA 世界模型预测运动
Turing Post 发布解读文章，介绍 Yann LeCun、Romina Yalovetzky 和 Randall Balestriero 提出的 LeHami，一种把哈密顿力学引入 JEPA 的世界模型。
42章经AI 评分5252 前混元多模态 RL Infra 负责人王淏楠谈从 Agent 到具身：具身或迎 GPT-3 时刻
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。
甲子光年AI 评分4242 第五届琶洲算法大赛设世界模型生态合作赛：人本与智驾两赛道进入决赛
第五届琶洲算法大赛专设的世界模型生态合作赛已进入决赛阶段，计划11月中旬完赛，聚焦人本世界模型与智驾世界模型两条赛道。智驾赛道围绕矿区无人运输，由踏歌智行出题，用真实项目数据与评判规则考察安全与效率；人本赛道由银河水滴出题，要求模型从视频选项中推断导致状态转移的人类行为，每队限用两块A800 GPU推理。
硅谷101AI 评分5252 硅谷101 播客讨论 GPT-6 Astra 对 Agent、机器人与 AI 制药的冲击
《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 LateTalkAI 评分7575 与陈哲的具身季报26Q3：Astra冲击后，通用模型会吃掉Robotics吗？
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。
World Labs 官方博客精选AI 评分8888 World Labs 签署协议并入 AMD，李飞飞将出任 AMD 执行副总裁兼首席科学家
World Labs 宣布已签署最终协议并入 AMD，交易预计在 2026 年底前完成，尚待监管批准及其他惯常交割条件。双方去年起在 AMD GPU 上开展模型训练与推理优化合作，合并后计划构建覆盖硬件、软件、平台与开放模型的端到端开放 AI 生态。
关注价值：世界模型团队并入芯片厂商，读者可据此观察空间智能研究与硬件算力结合后的路线变化。
十字路口CrossingAI 评分5858 十字路口对谈清华叉院助理教授徐梦迪：具身智能、世界模型与真正的泛化
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。
甲子光年AI 评分5858 Aether AI 发布首个因果世界模型 CausalWM，以 66.04 分登顶 TriWorldBench
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。
十字路口CrossingAI 评分5858 深朴智能首席科学家王家伟谈具身路线：从 HiFi-UMI 数据到 Agentic OS 全栈自研
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。
卫诗婕｜漫谈Light the StarAI 评分5858 祥峰郑俊聪访谈：Long China 转向中国创新，至少一半投向具身智能
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。
松延动力官网新闻AI 评分5858 松延动力推出子品牌 Scalabot，发布首个世界模型 HERON-World Model
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。
World Labs 官方博客精选AI 评分8080 World Labs 发布世界模型 Atlas，原生处理文本图像视频与 3D
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。
卫诗婕｜漫谈Light the StarAI 评分5757 仙工智能叶杨笙谈 WRC：具身行业进入算 ROI 的实战阶段
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。
信号与噪声AI 评分4040 VAST 创始人宋亚宸谈 3D 基础模型、世界模型与互动内容平台
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。
张小珺Jùn｜商业访谈录AI 评分6565 张小珺访谈英伟达研究副总裁刘洺堉：Cosmos 3、开源世界模型与黄仁勋
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。
张小珺Jùn｜商业访谈录AI 评分5858 张小珺访谈清华刘子鸣：亲历中美 neo labs 资本狂潮与 AI for AI 路线
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 官方博客精选AI 评分7878 World Labs 公布 R2S2R 引擎早期结果：仿真训练的策略零真机数据迁移到多款机器人
World Labs 公布其收购的 SceniX 团队所建 real-to-sim-to-real（R2S2R）引擎的早期结果，称完全在仿真中训练的策略可在零真机训练数据下直接迁移到 ALOHA、YAM、RB-Y1、Flexiv、xArm 等不同机器人平台。
关注价值：World Labs 首次公开 R2S2R 引擎的早期结果，给出仿真训练策略直接迁移到多款真机并预测真机表现的证据，可供判断仿真数据能否成为机器人训练主来源。
1X精选AI 评分6363 1X 成立世界模型实验室，前 Luma AI 科学家 Sam Sinha 任世界模型负责人
1X 宣布成立 1X World Model Lab，专注通过大规模具身世界模型预训练加速全自主人形机器人。公司同时宣布 Sam Sinha 加入，担任创始 AI 研究员兼世界模型负责人，他此前是 Luma AI 创始研究科学家，参与多模态生成视频模型扩展及 Uni-1 相关工作。
关注价值：1X 把世界模型预训练单列为研究组织，并公开数据闭环思路，可观察人形机器人厂商自建基础模型的路径分化。
World Labs 官方博客精选AI 评分6060 World Labs 提出世界模型功能分类：渲染器、模拟器与规划器
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。
信号与噪声AI 评分4040 破壳科技创始人许华哲：具身智能刚跑完第一公里，不等上市的人
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”。
Berkeley AI ResearchAI 评分5858 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 博客介绍 GRASP，一种面向学习动力学世界模型的梯度规划器，通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加高斯噪声做探索，并绕开脆弱的状态输入梯度。
World Labs 官方博客AI 评分5252 World Labs 发布 Spark 2.0，为 3DGS 网页渲染加入流式 LoD
World Labs 发布 Spark 2.0，在 THREE.js 与 WebGL2 的 3DGS 渲染器中加入 Level-of-Detail 系统，按视角自动调整细节并经网络流式加载数据。