#具身智能

Google DeepMind 发布实时交互世界模型 Genie 4

Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟、更强照片级真实感，并首次在实时世界模型中原生生成音频，包括环境声和可实时交互的人物对话。

LG AI Research 在 ICML 2026 提出 LOAM：用 LLM 设计强化学习的观测与动作空间

LG AI Research 在 ICML 2026 提出 LOAM，让 LLM 直接设计强化学习中的观测模型与动作模型，而非只设计奖励函数。该方法区分原始环境空间与智能体实际使用的空间，由 LLM 根据任务目标、终止条件、机器人结构及各变量含义生成观测与动作设计。研究源于 LG Chem 大山 NCC 工厂生产排程优化项目，团队发现观测与动作空间设计比奖励函数更困难。

NVIDIA 演示用 AI 智能体训练 Microduck 机器人在仿真中行走

NVIDIA 技术博客介绍如何用 AI 智能体教 Microduck 机器人在仿真中学会越障行走：Hermes 和 Nemotron 3.5 Bolt 在 RTX Spark 上把提示词转为项目计划。

智元灵犀 X2 与蚂蚁阿福合作落地北京大学人民医院，担任智慧导诊“硅基接待员”

智元灵犀 X2 与蚂蚁阿福合作的医院智慧导诊项目在北京大学人民医院落地，灵犀 X2 担任“硅基接待员”承接问询导诊。灵犀 X2 接入蚂蚁阿福 APP 的 AI 就医助理，基于蚂蚁医疗大模型提供智能导诊、智能问答，并支持科室指引、就诊流程咨询、医保政策答疑和院内点位导航。

智元灵犀X2入驻成都宽窄巷子，双足人形机器人常态化服务文旅街区

智元与成都文旅集团合作，三台灵犀X2双足人形机器人在宽窄巷子组建游客服务班组，覆盖迎宾咨询、文化讲解和便民零售三大岗位。其零售仓方案基于自研全身VLA模型，支持20余类SKU作业，成功率超98%，单次任务节拍约30秒。配套SkillForge平台让客户自主完成数据采集、训练与部署。

禾赛发布三维世界数据引擎 Kosmo 及 8K AI 空间相机 Kosmo One

10 月 14 日，禾赛科技正式发布三维世界数据引擎 Kosmo，同步推出集成 8K 影像系统的 AI 空间相机 Kosmo One 和云平台 Kosmo World，瞄准具身智能与世界模型的真实世界数据需求。

MIT CSAIL 与天津大学推出 X-Hinges 软件，可 3D 打印能感知动作的自感知物件

MIT CSAIL 与天津大学研究人员开发出 X-Hinges 设计软件，可自动在 3D 打印物件中嵌入两种不同材料，分别用作传感器和导线以避免信号干扰。该工具支持压缩、上下、左右最多三个运动轴，并同步采集各方向运动数据，已用于制作可教机器人抓取积木的手套、折纸台灯和物体识别装置。目前每件打印品的电路布局存在细微差异，需借助计算机视觉系统重新校准传感器输出。

NVIDIA 扩展 Cosmos 平台，新增训练、评估与部署世界模型的工具

NVIDIA 扩展 Cosmos 平台，新增 Cosmos Data Factory 的五个云原生 blueprint、Cosmos Framework 智能体技能以及 Cosmos 3 Nano 仿真模型变体，帮助开发者训练、评估和部署世界模型。

NVIDIA 在 GTC Berlin 宣布 Bolt、沃尔沃等欧洲车企基于 Hyperion 构建 L3/L4 车辆与 robotaxi 车队

NVIDIA 在 GTC Berlin 宣布 Bolt（与 Lucid 合作）、Mercedes-Benz、Volkswagen Commercial Vehicles、Einride 等欧洲车企和出行公司在 NVIDIA Hyperion 计算平台上展示自动驾驶用例，Volvo Cars 采用 Hyperion 与 Alpamayo Stack。

NVIDIA 在 GTC Berlin 扩展 Isaac 机器人平台，Agile Robots 发布 Agile ONE SN 参考人形

NVIDIA 在 GTC Berlin 宣布扩展 Isaac 开放机器人开发平台，Agile Robots 同步发布基于 NVIDIA Isaac GR00T 和 Jetson Thor 的全栈参考人形 Agile ONE SN，计划集成 NVIDIA Halos 安全系统，预计 2027 年初上市。

NVIDIA GTC Berlin 2026 主题演讲：黄仁勋公布 DSX POD、OpenShell 与 Agile ONE SN 等多项发布

NVIDIA 在 GTC Berlin 2026 主题演讲中宣布 DSX POD 模块化 Vera Rubin AI 工厂参考设计，可将现场部署从六个月缩短至 14 天，并提出 AI 是从能源、基础设施到应用的五层结构。

Christian Keil：超人类硬件设计只是简单部分，制造与测试才是难点

a16z 作者 Christian Keil 撰文分析 AI 硬件工程能力何时跨越人类水平。

a16z 领投 Eka Robotics A 轮融资，押注灵巧操作

a16z 领投 Eka Robotics 的 A 轮融资，押注其用视觉-力-动作模型解决机器人灵巧操作难题。Eka 将视觉感知与机械手力反馈结合，把接触本身当作信息，而非逐个复刻人类手部数千个感受器。其操作策略通过物理仿真中的强化学习训练，让机器人经验随算力而非人力扩展。

德国与 NVIDIA 签署联合意向宣言，推进工业 AI 并投资四家德国初创

德国总理 Merz 与 NVIDIA CEO 黄仁勋在柏林对谈德国 AI 路线图，德方签署联合意向宣言，将与 NVIDIA 合作推进物理 AI 模型和工业 AI 生态。

Google Research 展示 AI 智能体自主湿实验室的三项进展：VERID 框架、适配体闭环发现与全新蛋白结合剂设计

Google Research 发布三项研究，构建 AI 智能体自主湿实验室的基础模块。

Waymo 宣布进军多伦多，计划2028年迎接首批乘客

Waymo 宣布进入加拿大，将在多伦多布局完全自动驾驶出行服务，目标2028年迎接首批乘客。近期将先以人工驾驶方式采集高精地图并由自动驾驶专家进行测试；Waymo 与 Element Fleet Management 合作提供车队管理服务，将逐步创造数百个岗位。官方称基于超4亿公里完全自动驾驶里程，其车辆在严重伤害及以上事故中比人类驾驶少95%。

Artificial Analysis 推出 AA-Robotics v0.1 具身智能评测

Artificial Analysis 发布 AA-Robotics v0.1，用 8 项实体任务评测具身智能，包括按红色按钮、把鳄鱼玩具放进矩形、倒饮料、整理积木、形状匹配、写 hello world、搭最高塔和测量盒子。

Google 发布 Gemini 4 Argon 具身推理模型，ERQA 基准得分 87%

Google 发布 Gemini 4 Argon（gemini-4-argon），定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理得分 87%，超过其他前沿模型。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》

Google DeepMind 发布 Gemini 4 Argon 机器人模型，ERQA 基准得分 87%

Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理得分 87%，超过其他前沿模型。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》

蚂蚁 inclusionAI 发布 BiDex-100 双臂灵巧操作基准

蚂蚁 inclusionAI 在 GitHub 发布 BiDex-100，一个覆盖 106 个仿真任务的双臂灵巧操作基准，用于评测视觉-语言-动作（VLA）策略。该基准包含 8,080 条成功验证演示、6.25M 帧、58 维统一动作空间，并提供匹配的 ID/OOD 评测协议与 LeRobot v2.1/v3.0 数据集。

Waymo 研究：完全清醒司机夜间致命车祸风险仍达白天3.1至3.9倍

Waymo 发表两篇研究指出，即使移除酒驾因素，清醒司机夜间致命车祸风险仍为白天的3.1至3.9倍。研究构建暴露重建模型，估算美国50个人口最多城市中清醒（零 BAC）与受酒精影响司机的行驶里程，发现移除酒精相关司机使城市致命事故率平均下降23%，从每1亿英里1.42降至1.10起。

IDC 报告显示智元 2026 上半年出货超 8600 台，断层领先全球人形机器人市场

IDC 报告显示，2026 上半年全球人形机器人出货量接近 2.5 万台，同比增长 432.1%，中国市场超 1.9 万台、占约 77.9%。智元（AGIBOT）出货超 8600 台，占全球市场 35%，出货规模与营收居全球第一；IDC 预测 2030 年全球出货量将突破 75 万台。

智元携手长隆打造全球首个大规模具身智能主题乐园，300 多台机器人上岗横琴长隆飞船乐园

智元与长隆在横琴长隆飞船乐园落地全球首个大规模具身智能主题乐园，300 多台人形机器人与四足机器狗在 100 多个点位提供文娱商演、科普研学、导览等七大核心场景服务。

World Labs 宣布加入 AMD，李飞飞将出任 AMD 执行副总裁兼首席科学家

World Labs 宣布与 AMD 签署最终协议加入 AMD，交易预计于 2026 年底前完成，需监管审批。李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO Lisa Su 汇报；Justin Johnson 与 Ben Mildenhall 将继续带领 World Labs 团队组建前沿研究组织。

智元与长隆打造全球首个大规模具身智能主题乐园，超300台机器人常态化上岗

智元（AGIBOT）与长隆集团合作的全球首个大规模具身智能主题乐园于2026年9月24日在横琴长隆飞船乐园开园，超300台智元全系机器人在100余个交互体验点常态化上岗，覆盖文娱商演、科普研学、导览导购等七大核心场景。

Black Forest Labs 发布 FLUX 3 Action 开源机器人动作模型

Black Forest Labs 发布开源 World Action Model FLUX 3 Action（F3A），单步 7B 检查点在 RoboLab 上达到 38.3%±0.38 成功率。

微软研究院：机器人推理卸载至边缘/云端可显著提升性能与续航

微软研究院发布关于物理AI机器人推理基础设施的研究。通过系统评估移动操作任务，发现将推理从机载GPU卸载至边缘或云端，能解决机载算力限制模型规模、导致响应延迟（最高383%）及精度下降的问题。实验显示，卸载推理不仅提升了任务成功率，还通过替换高功耗机载GPU为轻量硬件（如树莓派），使机器人电池寿命延长高达160%。此外，微软推出了基于Kubernetes的Physical AI Toolchain工具集，支持自动化容器化与分布式推理部署。

Skild AI 发布 S1 机器人基础模型，可从单段视频学习新任务

Skild AI 发布 S1 机器人基础模型，通过 in-context learning 从单段视频演示理解并执行未见过的新任务，无需更新权重或任务专属后训练。

智元发布AGILE2.0感控一体模型，灵犀X2完成踩球走等视觉驱动任务

智元发布AGILE2.0感控一体模型，实现视觉感知、环境理解、全身运动控制与上下肢协同操作的端到端闭环耦合。通过短片《杂技BOT》展示灵犀X2钻火圈、跳长绳、踩球走、协作搬箱子等视觉驱动动态任务，其中踩球走为双足人形机器人自主实现。模型面向动态扰动、人机共存、多机协同等复杂场景，降低现实环境中的定制化开发代价，支持部署态规模化落地。

智元发布GE-Act 2.0，首次验证原生世界—动作模型预训练与Scaling路径

智元发布原生世界—动作模型GE-Act 2.0，所有参数从随机初始化在具身操作数据上从头训练，不针对评测任务微调或示范。

Qwen 发布 Qwen-Drive-1.0：面向自动驾驶的视觉语言基础模型

Qwen 团队发布 Qwen-Drive-1.0，称其为首个在预训练阶段统一 3D 感知与视觉问答、并延伸到运动规划的自动驾驶视觉语言基础模型，基于原生多模态 Qwen3.5-4B 且不改动预训练架构。

Anthropic 开放模型硬件标准（MHS）研究预览

Anthropic 与 HHMI Janelia 合作推出模型硬件标准（MHS）研究预览，让 AI 智能体并行操作显微镜、液体处理器、机械臂等设备，将实验室集成时间从数周缩短至数小时或数分钟。MHS 通过标准化驱动和自然语言标签实现设备发现与安全控制，支持 MCP、命令行和代码文件三种控制机制，最终将开源。

NVIDIA 教程：用 AI Agent 训练跨本体机器人导航策略 COMPASS

NVIDIA 技术博客发布教程，介绍用 Codex 或 Claude Code 等编码代理调用 COMPASS 技能，以 Spot 四足机器人为参考，通过验证、场景准备、冒烟测试、残差 RL 训练、检查点评估等阶段训练跨本体导航策略。

Kinetix 团队加入 Runway，推进机器人世界模型研究

Runway 宣布巴黎 AI 研究实验室 Kinetix 团队加入公司。该团队专注 3D 人体运动与基于物理的视频生成，将推动 Runway 面向机器人的世界模型研究，并加入 Runway 巴黎枢纽以扩展欧洲布局，双方称大规模视频预训练是解决机器人泛化挑战的有效路径。

微软研究院发布MindTopo基准，揭示VLM拓扑推理与规划能力差距

微软研究院推出新基准MindTopo，评估多模态大模型（VLM）在连通性、封闭性、顺序、分离和打结等拓扑概念上的理解能力。研究发现，当前模型在静态图像识别拓扑关系表现尚可，但在需要维持和操作这些关系的交互式规划任务中表现显著下降，且远低于人类水平。错误主要源于无法在多步动作中保持结构一致性或违反物理约束。该基准旨在为机器人和交互环境中的可靠决策提供诊断工具。

OpenMOSS 团队开源具身任务智能体框架 OpenETA

OpenMOSS 团队发布开源具身任务智能体框架 OpenETA，把观察、决策、行动、验证组成物理世界闭环。框架拆分为 Agent、Interface、World 三个角色，一次只执行一个改变世界的动作并强制获取新观测。

NVIDIA Cosmos 3：开放世界模型如何推动物理 AI 前沿

NVIDIA 发布 Cosmos 3，一个基于混合 Transformer 架构的开放物理 AI 基础全模态模型，整合视觉推理、世界生成与动作预测。

NVIDIA Alpamayo 2 Super 开放商用，面向 Robotaxi 与自动驾驶的前沿开源模型

NVIDIA Alpamayo 2 Super 现已开放商用，基于 Cosmos 3 Super Reasoner 构建，采用强化学习后训练，支持轨迹预测、因果链推理、元动作、自动标注及视觉问答等多任务输出。

MoMo：通过时空动作分词实现机器人操作中的运动模式控制

机器人操作需根据任务、物体和交互环境调整动作执行方式。MoMo 提出两阶段模仿学习框架，包含时空动作分词器和行为克隆 Transformer，将任务与连续运动模式条件作为输入。在六项真实机器人操作任务中，改变该条件可稳定生成不同执行风格的动作。

Gemini Robotics ER 2：用视频理解、任务编排与多机器人协作赋能机器人

Google DeepMind 推出 Gemini Robotics ER 2，一个基于 Gemini 的机器人基础模型。该模型在视频理解、工具编排和多机器人协作方面实现阶跃式提升，使机器人能够推理、协作并解决真实世界任务。