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。
#模型发布
#模型发布
今日 3 条qbitai精选AI 评分7878
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。
qbitaiAI 评分6262 高德发布3D原生城市世界模型ABot-Earth 0.7
9月10日，阿里巴巴集团旗下高德发布3D原生城市世界模型ABot-Earth 0.7，支持从星球到街景的一体化全尺寸AI生成，覆盖超过196个国家和地区。模型输入一张卫星图像或一段文字描述，可在消费级GPU上用10分钟生成公里级3DGS城市场景，效率比传统模式提升1000倍。体验官网已上线，相关能力已应用于飞行街景2.0，用户可操控摇杆漫游3D场景。
qbitaiAI 评分7171 蚂蚁灵波开源1.3B轻量版LingBot-World 2.0，单卡可实时生成世界
蚂蚁灵波发布LingBot-World 2.0轻量版，参数规模1.3B，面向消费级单卡GPU设计，可在本地实现实时世界生成。该版本延续7月开源的14B主模型路线，先训练Causal World因果预训练底座，再经一致性蒸馏与DMD蒸馏压缩去噪步数，并让Student在自身长时self-rollout轨迹上训练以减少累计漂移。
qbitaiAI 评分5757 京东发布JoyAI-Echo WM世界模型，规划十万卡国产算力集群
京东在JDD大会上发布实时可交互世界模型JoyAI-Echo WM，在WBench Navigation评测中以81.6分排名第一。京东云已与摩尔线程等打造国产万卡集群并规划建设十万卡集群，同时推进1000万小时具身数据采集，首批开源数据集EgoLive已对外开放。京东还启动物理AI加速计划，计划5年内采购300万台机器人、100万台无人车及10万架无人机。
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6666 Scalabot 发布 HERON-World Model，可预测多智能体交互
Scalabot 发布首个世界模型 HERON-World Model，输入当前画面和待执行动作即可预测后续画面，并支持多智能体动作配合与相互影响的预测。
qbitaiAI 评分5858 智象未来发布具身世界模型HiDream-O1-Embodied，RoboColiseum扰动适应子榜登顶
智象未来（HiDream.ai）发布具身世界模型HiDream-O1-Embodied，强化机器人物理感知与动态预判能力，打通图像、视频、3D、动作等模态。该模型首次参评具身智能仿真评测平台RoboColiseum，在扰动适应（Robustness）子榜以平均分0.692登顶榜首。
qbitaiAI 评分7171 星尘智能发布 SmoothRL：让在线强化学习适配大模型异步推理
星尘智能基座模型团队发布在线强化学习框架 SmoothRL，用于大模型异步推理成为真实部署常态后的策略后训练。它把 action chunk 按执行状态分为已提交、执行和丢弃三个区域，只让梯度穿过真正执行的 Execution Region，并在训练 rollout 中直接运行异步推理。
qbitaiAI 评分7171 影眸 Hyper3D 发布世界生成模型 WorldGen，单图生成可交互 3D 场景
影眸 Hyper3D 发布世界生成模型 WorldGen，上传一张场景图后约 2 到 3 分钟可生成完整 3D 场景，场景内每件资产可单独移动、替换，并保留空间与物理关系。
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。
qbitai精选AI 评分7878 李飞飞 World Labs 发布多模态世界模型 Atlas
李飞飞 World Labs 发布多模态世界模型 Atlas，称其可仅凭一张图片生成像素级相机控制的图像和视频，最高输出 1 分钟、1440p 视频，并基于一张到数十张输入图像重建真实场景、输出显式 3D 表示。
推荐理由：Atlas 把相机控制生成、3D 重建与 Real-to-Sim 串成一条路径，可据此判断世界模型在机器人训练数据上的落点。
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2222 Google DeepMind 模型全景：Gemini、Genie 3、Gemini Robotics 2 等
Google DeepMind 集中列出其模型阵容，包括新一代前沿智能 Gemini、实时音频模型 Gemini Audio、视频生成模型 Veo、图像生成与编辑模型 Nano Banana。
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。
qbitaiAI 评分7272 高德发布万帧级流式3D重建模型ABot-Recon，仅用12帧局部画面重建万帧3D场景
8月28日，阿里巴巴集团旗下高德发布首个无长程依赖的万帧级流式3D重建模型ABot-Recon，仅凭连续12帧局部画面即可实时重建上万帧3D场景，在KITTI、Oxford Spires、VBR等评测中取得最低误差的SOTA。
TechCrunch roboticsAI 评分6262 前 Meta 科学家创办的 Perceptron 发布开放权重视觉模型 Isaac 0.5
由两位前 Meta FAIR 研究科学家创办的 Perceptron 本周发布视觉模型 Isaac 0.5，面向仓库、工厂等工业场景，帮助视觉引导机器人感知、推理与行动，并从机器人拍摄的视频中提取视觉信息。
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4242 智象未来 HiDream-O1-World 原生全模态世界模型：从模拟世界到交互世界
智象未来在 WRC 2026 发布原生全模态交互式世界模型 HiDream-O1-World，基于自研 UiT 架构，首次参评即登顶 WBench 的 Navi 分榜。该模型支持文本、图像及交互式操控输入，具备漫游、编辑、交互三项能力，核心突破是长时程时空一致性与物理一致性。
qbitaiAI 评分4242 知跃空间智能发布 DeepSoma：精细神经元全脑仿真平台对标 Eon 数字果蝇
知跃空间智能发布全脑仿真基础平台 DeepSoma（知跃灵物），从树突、膜电位、离子通道等生物物理层面建模精细神经元，而非 Eon Systems 采用的 LIF 简化模型。
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。
NVIDIA dev blog robotics精选AI 评分6060 NVIDIA 发布 Cosmos 3 Edge，面向端侧机器人控制的后训练世界模型
NVIDIA 发布 Cosmos 3 Edge，这是 Cosmos 3 系列中的 4B 全模态模型，并配有基于 Nemotron 的 2B 推理器。原文指出机器人需要能适应自身传感器、环境和任务、同时运行在机载计算硬件上的策略，而世界模型虽然为学习物理交互提供了基础，但其体积会让端侧部署变得困难，Cosmos 3 Edge 正是针对这一问题。
推荐理由：NVIDIA 公布 Cosmos 3 Edge 的 4B 参数与 2B 推理器配置，读者可了解世界模型在机载硬件上部署的取舍。
qbitaiAI 评分6969 Current Robotics 发布交互式世界仿真器 CurrentWorld-0
Current Robotics 团队发布交互式世界仿真器 CurrentWorld-0，把跨本体、多视角和力-触觉预测放进同一个系统，用于机器人策略评测。团队称模型保留不同本体的 Action Subspace，可同步生成多路视角，并让力觉与触觉随动作一起变化，避免世界模型替失败策略补回成功结果。
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7171 Noiz AI 发布实时可交互音视频世界模型 HelixWorld 1.0，24FPS 画面配 48kHz 立体声
Noiz AI 联合香港科技大学、清华大学、CMU、Google DeepMind 等机构研究员发布实时可交互音视频世界模型 HelixWorld 1.0，支持 24 FPS 实时生成画面并同时输出 48kHz 双声道音频，画面与声音由原生 Transformer 架构统一生成。
qbitaiAI 评分7171 戴盟发布全球首个物理交互脑 Daimon-TWM，获蚂蚁领投数亿元战略轮融资
戴盟机器人宣布完成数亿元战略轮融资，由蚂蚁集团领投，老股东超额跟投，并发布全球首个触觉锚定世界模型 Daimon-TWM。该模型参数规模达 10B 级，可在 NVIDIA RTX 5090 平台实时推理，以物理认知、推演决策、瞬时操控三层架构实现 100Hz 高频伺服纠偏，官方称无扰动条件下接触密集型任务平均成功率较 π0.5 提升两倍、有扰动条件下提升达十倍。
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 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。