Hugging Face 发布 MolmoAct2 基线微调模型 molmoact2_insert_gear_in_gripper_base_fft
Hugging Face 上发布 fanqi-robo/molmoact2_insert_gear_in_gripper_base_fft，对 allenai/MolmoAct2 在 50 集双臂 YAM 插齿轮数据集上做全组件微调，global batch 32、20k 步、seed 1000，发布 step 20000 检查点。
#VLA
#VLA
今日 0 条HF blogAI 评分2222 HF blogAI 评分2222 fanqi-robo 发布 π0.5 双臂 YAM 插齿轮微调检查点 pi05_insert_gear_in_gripper_b0
fanqi-robo 在 Hugging Face 发布 π0.5 微调检查点 pi05_insert_gear_in_gripper_b0，基于 lerobot/pi05_base 在 50 集双臂 YAM 插齿轮数据集上全量微调，训练 20k 步、全局 batch 32、lr 2.5e-5，采用 QUANTILES 归一化与绝对关节、3 路相机、无图像增强。
HF blogAI 评分2222 MolmoAct2 微调实验：YAM 专用先验能否胜过通用基座
Hugging Face 上发布 fanqi-robo/molmoact2_insert_gear_in_gripper_yam_fft，基于 allenai/MolmoAct2-BimanualYAM 检查点在双臂 YAM 数据上做全参数微调。
HF blogAI 评分2222 Hugging Face 发布 π0.5 微调消融实验：仅训练 300M 动作专家插入齿轮
Hugging Face 上 fanqi-robo 发布 π0.5 微调消融实验 insert_gear_in_gripper 的 expert_only 变体。
HF blogAI 评分3838 Hugging Face 上 SmolVLA 微调 LeKiwi 移动机械臂实现掷骰子拾取
基于 lerobot/smolvla_base 微调的 SmolVLA 策略 mongster7/smolvla_dice_50k 在 LeKiwi 移动机械臂上完成"把红色骰子放进篮子"任务。
HF blog精选AI 评分8080 EWAM 发布统一具身模型：单一扩散 Transformer 联合处理视觉语言、未来视频与动作
EWAM 是一个统一具身模型，在单个 flow-matching Diffusion Transformer 中联合处理视觉语言、未来视频和动作 token，无需显式阶段设计即出现按深度分工：浅层从视觉语言专家取指令与当前场景语义，中层转向预测的未来帧表示，深层由动作自注意力主导做运动细化。
推荐理由：EWAM 把视觉语言、未来视频与动作 token 放进同一扩散 Transformer，并公开各阶段权重与下载方式，便于对照其分层分工与基准结果。
HF blogAI 评分2222 Hugging Face 上 alexhegit 发布 SO-101 Lab01 抓放 ACT 策略 6-D 检查点
alexhegit 在 Hugging Face 发布 SO-101 Lab01 抓放任务的 ACT 策略检查点，基于 yaw-aware agent v4 数据集训练，仅使用 15 维 observation.state 中的前 6 维关节位置。
HF blogAI 评分3636 klinzw/pi05_autolife_fridge：基于 π₀.₅ 的开关冰箱 VLA 策略
Hugging Face Hub 上线 klinzw/pi05_autolife_fridge，这是基于 Physical Intelligence π₀.₅、用 LeRobot 0.6.0 微调并推送的视觉语言动作策略，机器人本体为 autolife_s1，执行“open fridge”和“close fridge”任务。
HF blogAI 评分2222 bk912/dp_green_cube_to_box_finetune_20k：基于 LeRobot 的扩散策略模型
Hugging Face 上发布 bk912/dp_green_cube_to_box_finetune_20k，这是一个用 LeRobot 0.6.2 训练的扩散策略（Diffusion Policy），在 so_follower 机器人上执行“从蓝色平台拿起绿色方块放入盒子”任务。
qbitaiAI 评分6666 美梦空间联合索辰科技发布Physical-WAM世界动作模型与RoboTwin-Phys物理漂移评测基准
9月26日，杭州美梦空间在第五届全球数字贸易博览会上发布Physical-WAM物理-世界动作模型与RoboTwin-Phys物理漂移评测基准。Physical-WAM由PhysLens、PhysDream、PhysAct三个模块构成，在感知输入与动作输出之间插入物理Token表征，用于估计摩擦、重量、重心、接触状态等物理信息并预判动作后果。
qbitaiAI 评分5555 Simate发布首版通用物理快系统Simate-beta，登顶RoboDojo
成立三个月的Simate发布首版通用物理快系统Simate-beta，据公司披露以平均Score 33.95、SR 27.96%登顶更新于2026年9月23日的RoboDojo榜单，该成绩属榜单评测，真机表现另行展示。
qbitaiAI 评分6767 诺因发布 GLOW 技术报告：一次人类演示实现跨场景任务复用
诺因（Knowin）9月24日发布面向通用具身智能的生成式学习架构 GLOW 技术报告，称人类演示一次后机器人即可跨物体、跨环境、跨任务复用，在开盒收纳、浇水、擦桌、调酒等任务中得到验证。
HF blogAI 评分2222 ravediamond/turbovla_so101_bowls：基于 LeRobot 训练的 SO-101 双臂放碗策略
Hugging Face 上发布 turbovla_so101_bowls 策略，基于 LeRobot 0.6.1 训练，用于 SO-101 的 so_follower 本体，输入前顶与腕部两路 640×480 相机图像和 6 维状态，输出 6 维动作。
qbitaiAI 评分6262 灵初智能发布 Psi-R2.5，用强配对数据改进人机动作对齐
灵初智能在十万小时级数据基础上发布模型 Psi-R2.5，改进数据质量与人机数据对齐方法。它逆向使用世界模型 Psi-W0，从真实机器人数据生成对应人手操作数据，训练端到端转换器输出匹配的机器人图像和动作，并称转换数据已在真机回放和后训练两类测试中得到验证，部分复杂任务仍未直接完成。
HF blogAI 评分2222 Hugging Face 上 K-vr/cube_stack3_Pi05_abs_batch8：基于 π₀.₅ 的叠方块策略
Hugging Face Hub 上线 K-vr/cube_stack3_Pi05_abs_batch8，这是基于 Physical Intelligence 的 π₀.₅ 视觉语言动作模型、用 LeRobot 0.6.1 微调并推送的机器人策略，基座为 lerobot/pi05_base。
qbitaiAI 评分7272 紫东太初开源 ZDTaichu5.0-9B 多模态模型，九项空间理解基准中八项第一
紫东太初开源通用多模态大模型 ZDTaichu5.0-9B，在九项空间理解基准测试中八项位列 10B 档位第一，MindCube-tiny 得分 78.27，对照的 Gemma4 8B-E4B、Gemini 3 Pro、Grok 4 分别为 48.8462、70.87 和 63.56。
qbitai精选AI 评分7878 生数科技发布世界模型 Motus2，探索机器人自我进化
生数科技发布世界模型 Motus2，在同一模型中整合行动、预测与评估三种能力，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。真机测试中，手机放置与多指操作两项任务基础策略平均成功率 65%，加入规划为 67.5%，加入基于模型的强化学习为 72.5%，两者结合达 75%；加入触觉后抽取纸杯与撕纸任务平均成功率从 60% 提升至 72.5%。
推荐理由：生数科技 Motus2 把动作生成、后果预测与价值评估放进同一世界模型，读者可了解其闭环自进化机制与真机数据。
qbitai精选AI 评分7878 生数发布世界模型 Motus2，探索机器人闭环自进化
生数科技发布世界模型 Motus2，在同一模型中整合行动、预测与评估三种能力，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。真机测试中，手机放置与多指操作两项任务基础策略平均成功率 65%，加入规划升至 67.5%，加入基于模型的强化学习达 72.5%，两者结合达 75%。
推荐理由：生数 Motus2 把动作生成、后果预测与价值评估放进同一世界模型，读者可了解闭环自进化的实现路径与真机数据。
NVIDIA blog robotics精选AI 评分7171 Skild AI 发布 S1 机器人基础模型，单段视频即可学习新任务
Skild AI 发布 S1 机器人基础模型，可用单段视频演示作为提示，在不更新权重、不做任务专项后训练的情况下执行此前未见的长程任务，最长约 10 分钟，涵盖装盆、做煎饼、手冲咖啡和套件装配等。
推荐理由：S1 用单段视频提示完成长程任务且不更新权重，读者可据此判断免重训部署路径的可行边界。
HF blogAI 评分3636 Hugging Face 上发布 Evo-1 SO-101 多任务模型
Hugging Face 上出现 quangnd58/evo1-so101-multitask，这是基于 OpenGVLab/InternVL3-1B 视觉语言主干、在 hungho77/so101-multitask 数据集上训练的 Evo-1 第二阶段检查点，用于 SO-101 机械臂的 3 项任务。
qbitaiAI 评分6262 它石智航发布通用具身大模型 AWE3.7，同一模型贯通工业与家庭多场景
它石智航通用具身大模型 AWE3.7（AI World Engine）在十天内连续发布一系列任务，用同一套基座模型覆盖工业产线、物流作业、生活服务与移动操作等场景。
qbitaiAI 评分2222 神秘具身团队 MVP 模型连发 Demo：自进化路线曝光，机器人将上街开放环境测试
神秘具身团队放出代号“MVP”（Make Veritable People）的自进化模型系列 Demo，展示机器人在木棍推搡下端水不洒并同时扶住易拉罐、zero-shot 完成客厅收纳（团队称成功率 80%）、两台不同型号机器人跨本体协作抖床单，以及一次收纳 4 件物品的长程任务。团队称训练全部来自人类视频，并计划让机器人进入开放环境上街展示。
qbitaiAI 评分7373 清华AIR与域变换发布具身WAM模型Zeva，实现In-Context Causal Learning
清华AIR与域变换发布具身WAM模型Zeva，在权重冻结、零梯度更新的情况下从交互经验中持续学习，RoboCasa365-Atomic5上平均成功率76.8%，累计成功率从Evolve 1的26%提升到Evolve 4的73%。
DeepMind blogAI 评分1212 Google DeepMind 发布 Gemini 4 Argon 等系列模型与研究成果
Google DeepMind 公布 Gemini 4 Argon，称其为下一代前沿智能。同期发布 Gemini 3.8 Live 与 Live Avatar、Gemini 3.8 Flash 及 3.8 Flash Cyber、Gemini 3.8 文本转语音，以及 AlphaGenome Atlas 和 WeatherNext 3 全球天气 AI 模型。
qbitai精选AI 评分8080 Skild AI 发布机器人基础模型 S1，上下文学习支持 10 分钟长程任务
北美具身初创 Skild AI 发布机器人基础模型 S1，主打上下文学习，无需后训练或微调，只看一段人类示范视频即可完成煎饼、冲泡咖啡、给植物换盆、设备组装等长程任务，上下文学习任务长度最长 10 分钟。
推荐理由：Skild AI 的 S1 把机器人上下文学习拉到 10 分钟长程任务，并给出与语言提示 VLA 的成功率对比数据。
qbitaiAI 评分3636 宇树智元共用一个大脑：神秘具身模型10分钟一镜到底Demo曝光
一段10分钟一镜到底、无剪辑无遥操作的Demo显示，宇树G1与智元远征A3两款不同品牌机器人共用同一套模型，在15m²出租屋内协作完成擦玻璃、收纳、跨本体递围巾等长时序家务。模型支持任务随时打断后断点续做，宇树G1够不到第三层柜子时自主搬箱、用脚踢箱垫高，据称仅用几十小时视频数据训练。
qbitai精选AI 评分7878 原力灵机DM0.5登顶RoboDojo并全面开源
原力灵机DM0.5在RoboDojo具身评测中以综合得分24.90、平均成功率19.34%登顶，Memory维度得分47.74，Cover Blocks任务三次随机测试成功率均为100%。
推荐理由：原力灵机DM0.5登顶RoboDojo并开源权重与训练框架，读者可了解其数据、架构与推理加速的具体做法。
qbitaiAI 评分6262 生数科技发布通用世界模型五级发展路线，Motubrain 在 RoboTwin 2.0 达 96.1 分
生数科技创始人朱军在 WRC 2026 分论坛发布团队最新研究成果，提出通用世界模型五级发展路线，从 L1 世界生成、L2 与世界交互、L3 在世界中行动，到 L4 自主世界智能体与 L5 世界组织者。
qbitai精选AI 评分7878 Generalist AI 发布机器人基础模型 GEN-1.5，看 3-12 秒示范即可学会新任务
Generalist AI 发布机器人基础模型 GEN-1.5，主打 One-shot Learning，机器人看完 3-12 秒动作示范后无需梯度更新或微调即可执行新任务，还能把两段演示拼接成连续任务。
推荐理由：GEN-1.5 把动作示范当作上下文提示，读者可据此了解机器人基础模型在少样本学习上的新路径。
qbitaiAI 评分6666 墨奇智能 WRC 2026 首秀：MoRA 架构与轮式机器人 KINO 完成 15 分钟家务长程任务
墨奇智能在 WRC 2026 首次公开自研具身模型架构 MoRA 与轮式机器人本体 MORPHI KINO，现场用 15 分钟连续完成清理桌面、检查冰箱库存并补货、洗烘与叠放衣物等家居长程任务，全程无需人工指挥。
qbitaiAI 评分6060 星海图 WRC 最大展台展示 G0.5 模型与生产力觉醒
量子位在 2026 年 WRC 现场观察到，星海图以 500 平方米展台、10 组 Demo 展示其具身智能成果，主题为生产力觉醒。其与京东合作的前置仓场景中，机器人端到端完成下单、取货、打包与交付，背后 G0.5 模型据现场工作人员介绍可泛化到上万种 SKU；工业装配场景中引入强化学习后操作精度做到 1mm 以内、成功率 99.9%，效率提升 400%。
qbitaiAI 评分4242 墨奇智能 WRC 2026 首秀：MoRA 具身模型架构与 MORPHI KINO 轮式机器人完成 15 分钟家庭长程任务
墨奇智能（MORPHI）在 WRC 2026 首次国内亮相，发布具身智能模型架构 MoRA 并推出适配家庭长程任务的 MORPHI KINO 轮式机器人。现场机器人全自主完成 15 分钟跨区域家务演示，串联客厅清洁、冰箱补货、衣物洗烘折叠等多步骤任务。
qbitaiAI 评分4040 共生知行发布双足人形机器人驾驶卡丁车Demo，测试全身智能
具身智能初创公司共生知行8月17日发布双足人形机器人驾驶卡丁车Demo，机器人在封闭赛道完成双手转向与脚部油门、刹车协调控制。公司将其定位为全身智能压力测试，探索从视觉感知到全身动作输出的端到端基座模型路线，后续将通过技术报告披露模型架构与评测方式。
qbitaiAI 评分6262 Om AI联汇开源端侧原生模型VLX-Seek 1.5，3B版本多项评测对标英伟达LocateAnything
Om AI联汇于8月6日宣布开源端侧原生多模态模型VLX-Seek 1.5，含3B与10B两个版本，同日该公司完成数亿元融资，前海母基金领投。公开评测中，VLX-Seek 1.5-3B在LVIS Mean达57.5，高于LocateAnything-3B的50.7；RefDrone测试F1为73.2，对比后者52.3，目标幻觉指标FP/GT为18，后者为71.3。
HF blogAI 评分2222 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。
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。
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。
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。