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。
技术方向
具身大模型 最新动态
机器人基础模型、视觉-语言-动作与泛化能力。
30 条精选近 30 天 10 条共收录 83 条
更新
具身大模型的精选
arXiv 世界模型与脑机接口精选AI 评分6262 The Robot Report精选AI 评分7777 Tutor Intelligence 完成 7500 万美元 B 轮融资，累计融资 1.17 亿美元
Tutor Intelligence 宣布完成 7500 万美元 B 轮融资，由 Andreessen Horowitz 领投，Union Square Ventures 和 Neo 参投，累计融资达 1.17 亿美元。
关注价值：Tutor 以按小时或按件计费替代 RaaS 的模式，加上数据飞轮，为判断具身智能商业化路径提供了一例。
铅笔道精选AI 评分7878 Physical Intelligence 洽谈至少 10 亿美元新融资，目标估值约 200 亿美元
外媒报道 Physical Intelligence 正洽谈新一轮融资，计划募集至少 10 亿美元，目标估值约 200 亿美元。该公司成立于 2024 年，此前已完成约 7000 万美元种子轮、4 亿美元、6 亿美元和约 10.5 亿美元融资，估值从 24 亿美元升至约 112 亿美元。
关注价值：对比 Physical Intelligence 与 Skild AI 两种商业化节奏，读者可据此判断机器人基础模型从演示走向付费部署的难点。
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。
智元 News精选AI 评分7575 智元发布具身基础模型 GO-3 Preview，称在 RoboDojo、RoboTwin、RoboColiseum 三项基准居首
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。
智元 News精选AI 评分6060 智元在 2026 创新日发布 AHA3 硬件平台、GO-3 Preview 与 G2 Max，并提出 Worken 生产力框架
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 News精选AI 评分7171 智元机器人发布 Genie Studio 2.0，打通具身应用开发部署与运营
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。
TechCrunch Robotics精选AI 评分8787 Eka Robotics 完成 1.5 亿美元 A 轮，估值 14.5 亿美元
MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创办的 Eka Robotics 完成 1.5 亿美元 A 轮融资，由 a16z 和 F-Prime 领投，投后估值 14.5 亿美元。
关注价值：Eka 以视觉-力-动作模型和仿真强化学习路线拿到 1.45 亿美元 A 轮，读者可据此比较力觉路线与主流 VLA 路线的分歧。
Physical Intelligence精选AI 评分7575 Physical Intelligence 推出 Pi API beta，开放 π 系列模型微调与托管推理
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。
Skild AI Blogs精选AI 评分6262 Skild AI 公布物理自博弈后训练结果：S1 基础模型在 Isaac Sim 自博弈 140 年学会踢足球并迁移到人形机器人
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。
Figure精选AI 评分8585 Figure 发布 Helix 2.5：在 30 个未见家庭零样本完成全身家务
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。
Skild AI Blogs精选AI 评分8888 Skild AI 首次商业部署十个月后 ARR 突破 1 亿美元
Skild AI 宣布年化经常性收入（ARR）突破 1 亿美元，首次商业部署至今约十个月，已累计确认收入 5000 万美元。公司称已有 60 多家付费客户，覆盖搬运、配送、巡检、安保、餐饮及仓库、工厂、数据中心场景，其中移动类业务占收入 10%（含收购 Zebra/Fetch Robotics 带来的 AMR 方案 4%），其余约 90% 来自操作类任务。
关注价值：Skild AI 两位创始人结合自身部署数据，说明以部署驱动研究与数据回流为何比演示更能决定机器人能否落地。
Figure精选AI 评分7171 Figure 与 Nscale 达成战略合作，将在 NVIDIA Vera Rubin 平台部署最多 10 万块 GPU
Figure 宣布与 Nscale 达成合作，将在 NVIDIA Vera Rubin 平台部署最多 10 万块 GPU，首批部署计划于 2027 年下半年在得克萨斯州 Barstow 启动。
关注价值：Figure 与 Nscale 的算力合作披露了金额、GPU 规模与上线时间，可用于判断人形机器人训练侧的算力投入量级。
Skild AI Blogs精选AI 评分8383 Skild AI 发布机器人基础模型 S1，以视频演示实现上下文学习
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。
逐际动力新闻精选AI 评分6767 逐际动力发布 COSA 0.5，人形 VLA V³-0 升级全身移动操作能力
逐际动力发布机器人 OS COSA 0.5，其中 VLA-tools 层 V³-0 运行在 43 自由度的 LimX 人形机器人 Oli 上，统一移动与操作，可完成行走、弯腰及单手或双手操作。
关注价值：逐际动力披露 V³-0 在 43 自由度 Oli 上的全身移动操作与人类在环真机强化学习闭环，可观察人形 VLA 的工程路线。
LeRobot 官方 Releases Atom精选AI 评分6060 Hugging Face LeRobot 发布 v0.6.0
Hugging Face 的 LeRobot 发布 v0.6.0，包含多项破坏性变更：pip install lerobot 不再默认包含数据集与训练依赖，需按需安装 lerobot[training] 等扩展，最低 PyTorch 版本升至 2.7，GR00T N1.5 被 N1.7 取代。
关注价值：从依赖拆分、RL 栈重构到新增多个基准与策略，读者可据此判断升级迁移成本与新增训练能力。
Figure精选AI 评分7272 Figure 03 进入宝马斯帕坦堡工厂，执行排序上料物流任务
Figure 03 已抵达宝马集团斯帕坦堡工厂的 52 号车间，首次演示在制造环境中执行物流工作流。Figure 称上一代 Figure 02 去年在宝马参与了 3 万辆汽车的装配，Figure 03 此次从钣金取放转向更复杂的排序上料任务，由自研 pixels-to-actions VLA 模型 Helix 02 协调手、臂、躯干和脚，在迈步调整身体的同时抓取薄壁零件并拉动带脚轮的重载金属推车。
关注价值：Figure 03 在宝马工厂从取放件转向排序上料，展示了移动与操作耦合的物流任务，可据此判断人形机器人在汽车产线的任务复杂度边界。
Figure精选AI 评分7878 Figure 演示 Helix-02 双人形机器人协同整理卧室
Figure 演示两台搭载 Helix-02 的人形机器人在不到两分钟内协同整理卧室，完成开门、挂衣、收纳耳机、合书、倒垃圾、推椅入桌和共同铺床等任务。两台机器人运行同一个学习得到的视觉-语言-动作策略，彼此之间没有共享规划器、消息传递或中央协调器，各自通过自身摄像头读取场景并从对方动作推断意图。
关注价值：原文展示了单一学习策略在无中央协调下完成双人形机器人协同整理房间，可据此判断多机协作路线的进展。
逐际动力新闻精选AI 评分6868 逐际动力开源 FluxVLA Engine 标准化 VLA 工程底座
逐际动力开源 FluxVLA Engine，一个打通数据处理、模型训练、仿真评测到真机部署全流程的标准化 VLA 工程底座。该框架以统一配置文件和模块化标准接口管理全流程，支持 Qwen、GR00T、Pi 全系列及 DreamZero 等模型，接入 Isaac Sim、LIBERO 仿真器，并兼容 UR 机械单臂、ALOHA 双臂和自研 TRON 2 等硬件。
关注价值：逐际动力把数据、训练、仿真到真机部署的链路做成统一配置的开源底座，读者可据此判断 VLA 工程门槛的变化。