#具身智能
X.PIN@thexpinAI 评分5353
MarkTechPostAI 评分6969 Google DeepMind 发布 Genie 4 实时世界模型,原生生成音频并由 Gemini 3.8 Flash 在循环中规划
Google DeepMind 发布 Genie 4 世界模型研究预览,可从文本和图像提示实时生成可探索世界,并原生生成环境音、音乐和角色对话。架构上由 Gemini Omni 锚定世界外观,Gemini 3.8 Flash 在模拟循环内解释提示、拆解目标、校验帧并重规划。
Demis Hassabis@demishassabisAI 评分6161引用Google DeepMind@GoogleDeepMindThis is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
Rohan Paul@rohanpaul_aiAI 评分4747
引用Reward AI@RewardAI_We deploy OM-1 on more humanoid tasks in both indoor and outdoor environments. OM-1 can power humanoids to do useful things robustly that other models or form factors cannot. - last-mile delivery from a Cybertruck - manipulation on stairs
The Decoder:AI NewsAI 评分6262 Google DeepMind 发布 Genie 4 实时世界模型
Google DeepMind 推出 Genie 4,Genie 3 的继任者,可逐帧实时模拟交互世界,是其首个直接生成声音的实时世界模型,角色可对话并对用户输入实时反应。
Rohan Paul@rohanpaul_aiAI 评分6262Google DeepMind 发布 Genie 4,是其首个带原生音频的实时世界模型,可生成环境音、音乐和会回应用户及世界内事件的角色对话。

Google DeepMind@GoogleDeepMindAI 评分6060Google DeepMind 发布 Genie 4,称其为迄今最逼真、交互性最强的世界模型。用户可实时探索动态环境,观察场景如何响应与发声,以及场景中人物如何移动、反应和说话。

Google DeepMind:Blog精选AI 评分7373 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。
推荐理由:官方完整说明了 Genie 4 的实时交互、原生音频和与 Gemini 协作机制,也坦陈当前在长时一致性和物理精度上的局限。
Ars Technica:AIAI 评分6363 300余名Boston Dynamics员工请愿阻止向ICE出售Spot机器狗,管理层坚持合同
波士顿动力超过300名员工(约占约1400名员工的五分之一)签署请愿,要求叫停美国国土安全部向Radeco授予的130万美元合同,该合同为ICE提供4台改装版Spot机器人(命名为Cerberus),用于探测辐射、毒气泄漏和爆炸物威胁。公司管理层拒绝叫停,援引禁止武器化条款并强调机器人不会武器化,但员工担忧与ICE的关联将影响招聘和团队留任。
Rohan Paul@rohanpaul_aiAI 评分4141引用Sam Pasupalak@spisallyouneedMeet the world-class research team behind SKY-001, the first Engineering World Model. Solving complex design and engineering problems in the physical world is orders of magnitudes more difficult than LLM agents using next token prediction. Our team at @skyfallai decided to take a different path than everyone else out there in order to achieve the research breakthrough. Last week, we shared how SKY-001 stacks up against frontier LLMs, showing the clear advantage World Models have on complex real-world tasks like engineering design. Here is a sneak peek video where you can learn directly from the researchers about what makes our approach unique, what training and data collection paradigms were used, and why we believe World Models are the next frontier in AI. I’m incredibly proud to work alongside this team.
LG AI Research:官方研究博客AI 评分4545 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。
The Decoder:AI NewsAI 评分6363 Toyota 每年投入 64 亿美元布局人形机器人与工厂自动化
据 Financial Times 报道,Toyota 计划每年投入 64 亿美元,部署 40 万台机器人,向全球机器人公司转型。
The Decoder:AI NewsAI 评分5555 Nvidia 开源机器人视频标注引擎 Flora,标注成本约为 GPT-6 Astra 的 1/125
Nvidia GEAR 实验室开源机器人视频标注数据引擎 Flora,由三个微调 Qwen3.5 模型组成,覆盖动作分段、执行评分和结果判定三类标注,模型已上架 Hugging Face,并已用于 GR00T 训练,在 512 块 GB300 GPU 上每天可标注 20 万小时视频。
IT之家·人工智能AI 评分5252 智元在济南组织 110 台远征 A3 人形机器人同舞创吉尼斯世界纪录
智元机器人 10 月 24 日在山东济南黄河国际会展中心组织 110 台远征 A3 全尺寸人形机器人同场群舞,创下“最多人形机器人同时跳舞”吉尼斯世界纪录。挑战采用智元灵动 LinkBots 集群调控平台和 UWB 厘米级定位技术实现多机同步与编队切换,110 台量产机零失误通过认证,认证官现场颁发证书。
MarkTechPostAI 评分5555 Kyutai 发布 CADRE 视频自编码器,交互世界模型动作延迟降到 230 ms 以内
Kyutai 发布开源因果扩散表征自编码器 CADRE,面向动作条件化的交互世界模型,1.2B 世界模型在单张 H100 上以 20 fps 运行、动作延迟低于 230 ms。
TechCrunch:AIAI 评分5959 Nvidia CEO 演示 Microduck 机器人后预订单突破 20000 台
本周 Nvidia CEO 黄仁勋在 GTC Berlin 主题演讲中与 Microduck 机器人互动的视频走红,次日预订单超过 20000 台,预计圣诞节前交付。
Ars Technica:AIAI 评分4848 担忧美国对外国制造机器人禁令波及晶圆厂,Intel 申请并获 FCC 豁免
Intel 因不确定美国对外国制造机器人的禁令是否覆盖其晶圆厂设备,申请并获得了 FCC 为期一年的豁免,可继续在美國半导体工厂使用外国制造的自动导引车。FCC 于 10 月 22 日发布命令批准该请求,同时允许 Intel 对相关机器人进行特定的硬件、软件和固件更改以维持运行维护。该禁令主要针对人形机器人、扫地机器人等新型移动机器人,此前已获准在美销售的机器人仍可进口。
NVIDIA Technical Blog:Agentic AI / Generative AIAI 评分5555 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。
Rohan Paul@rohanpaul_aiAI 评分6363引用SenseTime@SenseTime_AIWe release the most comprehensive 𝗲𝗺𝗽𝗶𝗿𝗶𝗰𝗮𝗹 𝘀𝘁𝘂𝗱𝘆 𝗼𝗳 𝗚𝗣𝗧-𝟲-𝗔𝘀𝘁𝗿𝗮’𝘀 𝗲𝗺𝗯𝗼𝗱𝗶𝗲𝗱 𝗶𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 across 12 simulation benchmarks and 8 real-robot platforms, together with 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮-𝗥𝗼𝗯𝗼𝗥𝗦𝗜: an open-source harness framework and a 27B model that runs at ~1/50 the cost of GPT-6-Astra. Here's what we found: 🔹 𝗧𝗵𝗲 𝗰𝗮𝗽𝗮𝗯𝗶𝗹𝗶𝘁𝘆 𝗰𝗲𝗶𝗹𝗶𝗻𝗴 𝗶𝘀 𝗮𝗰𝘁𝘂𝗮𝗹𝗹𝘆 𝗺𝘂𝗰𝗵 𝗵𝗶𝗴𝗵𝗲𝗿. Under a unified protocol (ICL + up to 10× the interaction budget), GPT-6-Astra achieves clear SOTA across all 12 benchmarks: RoboDojo: 27.6% at 1× → 81.9% at 10×, DexJoCo: 87.3% vs. 40.3% prior SOTA, while the LIBERO benchmarks are pushed to saturation. 🔹 𝗧𝗼𝗼 𝗺𝘂𝗰𝗵 𝗯𝘂𝗰𝗸 𝗳𝗼𝗿 𝘁𝗵𝗲 𝗯𝗮𝗻𝗴. Even a simple task like placing pens in a holder costs ~$55 in inference. 🔹 𝗧𝗵𝗲 𝘄𝗼𝗿𝗹𝗱 𝗱𝗼𝗲𝘀𝗻’𝘁 𝘄𝗮𝗶𝘁. Time matters as real robots overheat, and an egg burned while the model was still thinking. Our takeaway: GPT-6-Astra has largely crossed the threshold of 𝗲𝗺𝗯𝗼𝗱𝗶𝗲𝗱 𝗰𝗼𝗺𝗽𝗲𝘁𝗲𝗻𝗰𝗲, but 𝗽𝗿𝗮𝗰𝘁𝗶𝗰𝗮𝗹 𝗲𝗺𝗯𝗼𝗱𝗶𝗲𝗱 𝗶𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 is not here yet. 🌐 Project page: https://www.sensenova.ai/has-gpt-6-astra-achieved-embodied-intelligence 📄 Report: https://www.sensenova.ai/gpt-6/assets/docs/has_gpt-6_achieved_embodied_intelligence.pdf 💻 Code & model: https://github.com/OpenSenseNova/SenseNova-RoboRSI
AGIBOT 智元AI 评分4444 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。
AGIBOT 智元AI 评分4848 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。
禾赛科技精选AI 评分7171 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。
推荐理由:原文给出扫描效率、建模成本与机器人训练成功率的对比数据,可帮助读者评估真实世界三维数据在具身智能中的实际作用。
TechCrunch:AIAI 评分4848 inDrive 联手 Pony.ai 与 Nvidia,计划 2027 年在哈萨克斯坦测试 robotaxi
打车平台 inDrive 与 Pony.ai、Nvidia 签署谅解备忘录,计划 2027 年上半年在哈萨克斯坦首都阿斯塔纳测试 robotaxi,初期配备安全员,最终目标是完全无人驾驶。
MIT NewsAI 评分4444 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。
Rohan Paul@rohanpaul_aiAI 评分5050
引用YG (Yuguang Yuan)@BrianYNRobots learn by watching people work. Most of what they watch is staged. At @Maxinsights, we capture real work at natural speed in real homes, restaurants, and hotels. 2M+ hours so far. Today we’re announcing a $30M seed round led by @PeakXVPartners, plus two new products: MaxLoop: same-day quality scores on every clip MaxGlove: touch and force data a camera can't capture Thank you to our investors, builders, operators and customers. More to come.
ChinaTalkAI 评分6969 ChinaTalk 获奖长文:中国人形机器人第一视角数据采集产业实地调查
作者 A. Chen 在北京五道口访谈研究者和创业者,梳理机器人数据采集三代技术:遥操作、同构外骨骼(UMI)和自 2026 年起兴起的第一视角采集,NVIDIA EgoScale 项目用超 1000 人拍摄了 20854 小时第一人称视频。
NVIDIA BlogAI 评分5454 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。
Rohan Paul@rohanpaul_aiAI 评分4545Hugging Face 社区博客AI 评分5353 NVIDIA Isaac Lab 3.0 教程:训练 Microduck 行走策略并部署到真机
Pollen Robotics 与 Hugging Face 联合 NVIDIA 发布教程,讲解用 Isaac Lab 3.0 和 Newton 训练开源双足机器人 Microduck 的行走策略并部署到实机。
Hugging Face 社区博客AI 评分5555 NVIDIA 在 Hugging Face 发布 SimReady Central 开放仿真资产库
NVIDIA 与 Hugging Face 推出 SimReady Central Library,汇集 2,000 多个带碰撞几何、质量和摩擦等仿真属性的 OpenUSD 资产,免费无需审批,用于机器人训练环境和 AI 工厂数字孪生。
NVIDIA:NewsroomAI 评分6161 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:NewsroomAI 评分5151 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 BlogAI 评分6262 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。
Sundar Pichai@sundarpichaiAI 评分4343引用Alex Kantrowitz@KantrowitzNew: I spoke with @sundarpichai about Google's commitment to the AI frontier, how close we are to RSI, balancing DeepMind's compute needs vs. Google Cloud profits, and much, much more. Full Big Technology Podcast episode here --> Chapters: 0:00 Introduction 1:14 Google’s Frontier AI Strategy 3:47 Do Frontier Models Really Matter? 6:35 The Future of AI Agents 7:39 Recursive Self-Improvement 12:58 World Models and the Path to AGI 14:56 Google’s Compute Dilemma and AI Infrastructure 19:36 Is AI Overbuilt? 23:35 The Future of the AI Interface 31:42 Google’s Answer to Muse and Dots 35:03 Apple, Space Data Centers, and AI Coding 41:42 Optimism and AI’s Future
Ars Technica:AIAI 评分4343 乌克兰用无人机从前线救回受伤士兵,将战场伤员撤离构想付诸实践
乌克兰军方10月19日公布视频,显示一名受伤士兵被固定在重型六旋翼无人机下方的吊带上,从前线空运至安全地带。由于俄军无人机和地雷的存在,当时无法派出轮式地面机器人执行撤离。此次行动发生在乌克兰 casualty 撤离无人机投入前线测试数日后,超出了美军数十年来同类概念的实验阶段。
ViggleAI@ViggleAIAI 评分4646一个模型即可生成 3D 角色、动作和场景。 JST-2 现已在我们的 API 上线。 今天就开始构建:https://viggle.ai/developers
引用ViggleAI@ViggleAIToday we are releasing JST-2, the world's first full-stack physics-native world foundation model. Many world models learn in pixel/video space. We went back to first principles and built the entire model stack in 3D. Generate a 3D scene in seconds and expand it in real time. Create characters with motion built in, all through one general architecture.
a16z:NewsAI 评分5353 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。