Hugging Face 上的 tavishh/robotarm：ACT（CVAE）SO-101 方块与圆柱抓放
东北大学 SV 机器人 SIG 的 Team TRON 在 Φ 硬件智能 ACT 训练竞赛中提交了 tavishh/robotarm：基于 phi_so101_cubes_cylinder_v1 数据集（120 条轨迹、66,873 帧、3 路相机）训练的 ACT（CVAE）策略，用于抓取方块或圆柱并放入盒中。
全部具身动态
全部动态
今日 3 条HF blogAI 评分2222
NVIDIA blog robotics精选AI 评分7878 NVIDIA 发布 Cosmos 3 开放世界基础模型家族
NVIDIA 发布 Cosmos 3 开放物理 AI 世界基础模型家族，基于 mixture-of-transformers 架构，同时支持视觉推理、世界生成与动作预测。
推荐理由：Cosmos 3 以开放权重和三种规模覆盖世界生成与动作预测，读者可据此判断物理 AI 团队如何做后训练与部署。
NVIDIA dev blog roboticsAI 评分2020 超越 VLA：世界动作模型如何重塑机器人操作
NVIDIA 提出世界动作模型（World Action Models），用于解决机器人策略泛化难题：仅在训练场景成功的策略，在物体形状、位置或光照变化时往往失效。该模型让策略理解任务背后的物理规律，而非单纯模仿示范，这一能力来自其骨干网络。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA 发布 Alpamayo 2 Super 开源推理视觉模型
NVIDIA 发布 Alpamayo 2 Super，这是一个 340 亿参数的开源推理视觉模型，用于自动驾驶开发。原文指出，以往轨迹生成、高层意图预测、场景理解和数据标注往往依赖彼此独立的模型，导致相关输出难以比较、模型行为难以排查、表示也难以在开发流程中复用；Alpamayo 2 Super 将这些能力整合到同一模型中。
IEEE Spectrum roboticsAI 评分1515 机器狗比人形机器人更有趣吗？一个去探索，一个叠衣服
IEEE Spectrum 的 Video Friday 合集展示了多款机器人视频：Google DeepMind 的 Gemini Robotics 2 作为智能层实现全身控制、灵巧操作与多机器人协作；Hello Robot 推出可在家中安全导航的单臂三轮机器人 Stretch 4.0；南加州大学与 NASA 等合作训练机器狗用于火星、月球等行星探索。
DeepMind blog精选AI 评分8383 DeepMind 发布 Gemini Robotics ER 2 具身推理模型
DeepMind 发布 Gemini Robotics ER 2 具身推理模型，作为机器人的高层大脑负责对话、理解物理世界并规划多步任务，再把动作执行交给底层 VLA 模型。
推荐理由：官方给出进度分类、时刻定位与多机协作的量化结果，可据此判断高层推理模型与底层 VLA 的分工方式。
qbitai精选AI 评分7878 World Labs 发布 R2S2R 机器人策略训练与评估引擎
World Labs 发布机器人策略训练与评估引擎 Real-to-sim-to-real（R2S2R），由 Real-to-Sim 与 Sim-to-Real 两部分组成，把现实任务重建为可交互虚拟世界并完成策略训练、评估与部署。
推荐理由：World Labs 把世界模型从生成虚拟世界延伸到机器人策略训练与评估，读者可了解 R2S2R 的闭环构成与仿真到真机的对齐方式。
HF blogAI 评分00 imjustheretotest/MasonAI 上线 Hugging Face，基于 crosbylegal/gpt-5.6-luna 微调
Hugging Face 上出现模型 imjustheretotest/MasonAI，其基座模型为 crosbylegal/gpt-5.6-luna，训练数据集为 Crownelius/GPT-5.6-Sol-Luna-Terra-Traces。该模型 README 内容为空，上月下载量未被追踪，且暂无 Inference Provider 部署。
HF blog精选AI 评分7474 PruhaNLP 发布 TurboVLA-base：面向 SO-100 机械臂的可微调 VLA 检查点
PruhaNLP 在 Hugging Face 发布 TurboVLA-base，一个面向 SO-100 / SO-101 机械臂的可直接微调 VLA 检查点，单个文件夹内含 config、完整权重（DINOv3 ViT-B + BERT + 交互层 + 动作解码器）与 tokenizer。
推荐理由：读者可据此了解一个去掉 LLM 的 VLA 检查点如何组装、微调与在 SO-100 上部署。
DeepMind blog精选AI 评分8686 DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧 VLA 模型 Gemini Robotics On-Device 2。
推荐理由：DeepMind 发布三款机器人模型，覆盖全身控制、灵巧操作与端侧部署，可了解 VLA 与具身推理的分工。
qbitaiAI 评分7474 智在无界发布 Being-H0.8 隐式触觉世界动作模型，基于超 50 万小时人类视频
智在无界（BeingBeyond）发布 Being-H0.8，称其为首个基于人类视频数据的隐式触觉世界动作模型，在 Being-H0.7 基础上首次把触觉模态纳入隐空间表示。
HF blog精选AI 评分7474 NVIDIA 发布 Cosmos-H-Dreams 实时生成式手术机器人仿真器
NVIDIA 发布 Cosmos-H-Dreams，一个动作条件驱动的实时生成式手术机器人仿真器，由 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，并通过 FlashDreams 推理库在单张 RTX PRO 6000 上运行。
推荐理由：原文给出从离线世界模型到实时交互仿真的蒸馏与推理链路，可了解手术机器人策略评估环境的构建方式。
qbitaiAI 评分7474 兔展智能联合北大、鹏城实验室发布 UniWorld-View，登顶 WorldScore 榜单并开源
兔展智能联合北大、鹏城实验室研发的 UniWorld-View 登顶李飞飞团队 WorldScore 榜单，模型已适配国产昇腾算力，代码和权重全部开源（https://github.com/PKU-YuanGroup/UniWorld-View）。
qbitaiAI 评分6262 讯飞爻方智能发布 iFLYTEK-Embodied-Omni 技术报告：世界模型需补上本体认知
科大讯飞新成立的安徽爻方智能联合中国科学技术大学、聆动通用机器人发布技术报告 iFLYTEK-Embodied-Omni，主张 VLA 不是终局，世界模型还需补上本体认知这一环。
qbitaiAI 评分6262 优艾智合FabriVLA以1B参数登顶Evo-SOTA，Meta-World MT50成功率90.0%
优艾智合研发的FabriVLA在Evo-SOTA榜单的Meta-World MT50基准中以90.0%的tier-average成功率登顶第一，超过包括π0在内的国际模型，参数规模为1B级。
qbitaiAI 评分7272 它石智航WAIC首发具身原生基座模型AWE 3.5
它石智航在2026年WAIC首发具身原生基座模型AWE 3.5，并现场演示1:1还原的环形线束流水线，多台机器人集群协作、同一基础模型不切换参数完成装配、插接、收纳等任务。
qbitaiAI 评分4242 酷哇科技 WAIC 2026 发布行业首个双层智能体世界模型 COOWAM
酷哇科技在 WAIC 2026 披露行业首个双层智能体世界模型 COOWAM，由负责物理规律的 CooWAIM 与理解社会规则的 Urban VLM 组成，现场驱动机械臂自主完成切西瓜、拧瓶盖、制作“夏日特调”等长程操作。同期首款重载型四足机器狗 X0 线下首秀，具备 68kg 重载能力，已完成多场景验证并步入真机部署阶段。
HF blog精选AI 评分7878 RynnBrain 1.1 发布：具身基础模型新增接触点预测与 3D 定位
RynnBrain 1.1 发布，是覆盖 2B、9B 和 122B-A10B 三个规模的具身基础模型家族，在 1.0 基础上为全系列引入接触点预测，并为 2B 和 9B 模型加入原生 3D 定位。
推荐理由：RynnBrain 1.1 在 1.0 基础上加入接触点预测与原生 3D 定位，并给出多本体真机部署结果，可据此了解具身基础模型的能力边界。
qbitaiAI 评分4242 国家具身智能应用中试基地发布魔芯科技MoWorld 3D世界模型
国家具身智能应用中试基地联合华为云、魔芯科技在杭州发布MoWorld 3D世界模型，称其为全球首个全栈基于国产NPU构建的三维世界模型，并同步上线华为云向全行业开放能力。该模型依托基地算力调度与场景验证，将进入智慧交通、应急仿真、城市治理等真实城市场景。
qbitai精选AI 评分7878 面壁智能开源MiniCPM-Robot系列VLA模型，含1.5B操作模型与0.9B跟踪模型
面壁智能在WAIC期间发布并开源MiniCPM-Robot系列模型，包含1.5B的通用VLA模型MiniCPM-RobotManip和0.9B的跟踪导航模型MiniCPM-RobotTrack，并同步开源具身智能推理框架PhyAI。
推荐理由：面壁开源1.5B与0.9B两个机器人模型，读者可据此了解小尺寸VLA在记忆与端侧部署上的取舍。
qbitai精选AI 评分7878 黎曼动力发布Riemann-1.0世界动作模型，登顶RoboCasa-365
昆仑万维子公司黎曼动力在WAIC 2026发布通用机器人操作世界动作模型Riemann-1.0，在RoboCasa-365家务基准上以62.6%成功率登顶，比此前SOTA高8.4个百分点。
推荐理由：读者可了解黎曼动力如何用20万小时人类第一视角视频预训练世界动作模型，并看到消融实验给出的增益幅度。
qbitaiAI 评分6262 魔法原子发布通用具身大模型 Magic-VLA K02，叠盒封胶长程任务成功率超 90%
魔法原子在 2026 世界人工智能大会（WAIC）期间展示自研通用具身大模型 Magic-VLA K02，现场完成叠盒封胶、柔性衣物整理和行李箱收纳等长程任务，其中叠盒封胶组合式长程任务成功率超过 90%。
qbitaiAI 评分6262 文远知行发布物理AI认知基础大模型WITT
文远知行发布物理AI认知基础大模型WITT，提出“最小物理事实单元”概念，将道路视频拆解为可识别、验证的事实单元，形成事实提取、事实推理、事实验证、事实编排四项能力。
qbitaiAI 评分7474 银河通用发布 WAM-TTT 测试时后训练框架，仅用人类视频即可部署
银河通用发布面向具身智能大模型的测试时后训练框架 WAM-TTT，将 Test-Time Training 迁移至机器人控制，无需重新预训练或人类动作标注，仅用未标注人类 RGB 视频即可在部署阶段适配新场景。
qbitai精选AI 评分7878 原力灵机发布具身世界模型 DW0.5，接入 DFOL2.0 后训练框架
原力灵机发布首款具身世界模型 DW0.5，并接入世界模型驱动的具身智能后训练框架 DFOL2.0。DW0.5 由 Video Expert、Action Expert、Value Expert 三大专家模块组成，用上万小时真机多视角数据联合预训练，可预测动作执行后的未来状态并生成失败轨迹，据其披露可让后训练中真机数据需求骤降 60%、整体训练成本下降 40%。
推荐理由：原力灵机披露 DW0.5 世界模型接入后训练框架的完整闭环，读者可了解其三大专家模块设计与真机数据需求下降 60% 的实测数据。
qbitai精选AI 评分7676 高德发布通用世界模型工坊ABot-World Studio，5090单卡可生成小时级交互视频与3D场景
阿里巴巴旗下高德发布通用世界模型工坊ABot-World Studio并开放测试，可将文字或图片生成可实时交互的AI世界，输出为视频与3DGS文件。该工坊可在单张5090上本地部署，官方实测单次连续推理稳定运行超1小时且无质量衰减，并内置“时空任意门”实现3D世界间跃迁。底层ABot-World0与ABot-3DWorld0模型已全面开源，官网、GitHub及Hugging Face同步上线。
推荐理由：高德把交互式视频与3DGS场景生成统一进一个工坊，并开源模型，读者可据此了解世界模型的一条新路径。
IEEE Spectrum roboticsAI 评分6262 X Square Robot 自述其家用机器人具身 AI 全栈方案
中国具身智能公司 X Square Robot 公开其具身 AI 全栈方案，主张由数据、世界模型与动作模型三层组成，并逐步开源相关组件。其数据系统 QUANXTA Zero 用穿戴式双夹爪采集示范，通过真机回放校验，报告约 85% 数据有效率，并称用少量真机数据锚定可达到全真机数据集相当性能、采集成本约低 20 倍。
qbitaiAI 评分3838 清华现场演示一念Unisonmind：机器狗无脚本走迷宫、指挥人称重
搭载一念Unisonmind端侧大脑的机器狗“哮天”在清华大学现场演示中，无预设脚本完成看图走三维迷宫、指挥人类用天平称重、估算观众矿泉水瓶剩余水量等随机任务。该大脑以“统一世界Token空间”架构实现全模态输入输出、理解与生成统一，18毫秒对齐一次状态，并已跨本体运行于另一只机器狗、人形机器人和电动轮椅。
qbitaiAI 评分7171 哈工大（深圳）杨朔团队发布触觉世界模型 TouchWorld
哈工大（深圳）杨朔团队发布面向灵巧操作的触觉世界模型 TouchWorld，让机器人预测接触状态并利用高频触觉反馈修正动作。团队此前已推出 EgoTouch 和 TouchAnything，分别解决触觉数据采集与从第一人称视频恢复触觉，杨朔同时创办破晓智能（PHANES AI）。
qbitai精选AI 评分7878 蚂蚁灵波发布 LingBot-VA 2.0 具身原生预训练 VA 基座模型
蚂蚁灵波发布 LingBot-VA 2.0，称其为全球首个具身原生预训练 VA 基座模型，从架构、数据到训练目标均为机器人定制。模型采用因果 DiT 加稀疏 MoE 主干，视频主干总参数约 13B、推理激活约 1.9B，训练参数量约 15.3B、每 token 推理激活约 2.5B。
推荐理由：蚂蚁灵波 LingBot-VA 2.0 从架构到训练目标均为机器人定制，读者可了解具身原生 VA 基座的设计取舍与实测数据。
qbitaiAI 评分6666 蚂蚁灵波发布具身原生世界动作模型LingBot-VA 2.0
7月10日，蚂蚁灵波发布业界首个具身原生世界动作模型LingBot-VA 2.0，基于自回归架构从头预训练，采用语义视觉-动作分词器、因果预训练、MoE架构和异步推理机制，实现单卡150Hz实时推理效率。
qbitaiAI 评分7474 原力灵机发布具身基础模型DM0.5，Zero-Shot导航成功率提升31%
原力灵机在开发者大会上发布新一代具身基础模型DM0.5，参数规模4B较上一代DM0翻倍，数据量增加400%，由5万小时真机操作数据、10万小时第一视角数据和100万平方米场景重建数据构成。
qbitaiAI 评分7474 蚂蚁灵波开源 LingBot-Video 具身视频模型
蚂蚁灵波开源 LingBot-Video，称其为面向具身智能的大规模 MoE 视频基础模型，采用 30B 参数、推理时激活约 3B。模型引入超 70000 小时具身相关视频，覆盖机器人操作、导航与第一视角等场景，并加入物理合理性、任务完成度等多维奖励。团队称其在 RBench 上超过通用视频生成标杆模型，并已在 TI2V 任务的开源竞品中达到 SOTA。
qbitaiAI 评分6262 蚂蚁灵波开源世界模型LingBot-World 2.0，支持小时级实时生成与AI原生多人交互
7月9日，蚂蚁灵波科技开源新一代实时交互世界模型LingBot-World 2.0（又称LingBot-World-Infinity），支持小时级实时生成、720p/60fps高清实时输出，并首次将Agent机制引入世界模型。
qbitaiAI 评分7474 蚂蚁灵波开源具身视频基模LingBot-Video
7月9日，蚂蚁灵波开源LingBot-Video，称其为全球首个基于MoE架构、面向具身智能的开源视频生成基础模型。该模型采用DiT+MoE设计，30B总参数生成时仅激活约3B参数，相比同等规模Dense架构约有3倍推理效率，并引入VLA、VLN、Ego等共7万小时具身数据。
TechCrunch roboticsAI 评分6060 General Intuition 融资 3.2 亿美元，主张用游戏数据训练具身基础模型
General Intuition 上月以 23 亿美元估值融资 3.2 亿美元，其 CEO Pim de Witte 认为具身 AI 会像大语言模型一样走向通用基础模型，而非为每个本体和环境单独采集海量真实数据。
qbitaiAI 评分6666 魔芯科技联合浙大、华为发布实时交互世界模型 MoWorld，国产 NPU 上推理超 50FPS
魔芯科技联合浙江大学潘云鹤院士、华为等发布实时交互世界模型 MoWorld，全栈基于国产 NPU，14B 参数 MoE 模型实现最高 50FPS 推理，推理成本为同规模 GPU 方案的 30%。
qbitai精选AI 评分8080 蚂蚁灵波开源 LingBot-VLA 2.0，6 万小时数据支持 20 多种机器人
蚂蚁灵波发布并开源通用 VLA 模型 LingBot-VLA 2.0，预训练数据达 6 万小时，其中 5 万小时来自覆盖 20 种机器人构型的真机轨迹数据，1 万小时来自第一视角人类操作视频。
推荐理由：蚂蚁灵波开源 LingBot-VLA 2.0，读者可了解其 6 万小时数据规模、20 种本体覆盖及 GM-100 对比结果。
qbitai精选AI 评分7878 蚂蚁灵波开源LingBot-VLA 2.0，支持17家厂商20种机器人构型
蚂蚁灵波科技7月8日宣布升级并开源具身基座模型LingBot-VLA 2.0，预训练融入6万小时真实物理数据，覆盖17个机器人品牌的20种构型，并扩展对头部、腰部、末端执行器及移动底盘等自由度的支持。
推荐理由：原文给出预训练数据规模、支持构型与双臂及移动操作评测对比，可据此判断跨构型VLA基座的落地进展。
NVIDIA blog robotics精选AI 评分8080 NVIDIA 与 Hugging Face 将 Isaac GR00T 1.7 和 Isaac Teleop 引入 LeRobot
NVIDIA 与 Hugging Face 合作，将 NVIDIA Isaac GR00T 1.7 开放推理视觉语言动作模型和 NVIDIA Isaac Teleop 框架引入 Hugging Face 的开源机器人库 LeRobot，NVIDIA Cosmos 3 计划随后加入。
推荐理由：NVIDIA 与 Hugging Face 把 GR00T 1.7 和 Isaac Teleop 接入 LeRobot，读者可了解开放机器人开发流程的整合方式。