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。
#模型发布
#模型发布
今日 3 条DeepMind blog精选AI 评分8686 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 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。
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。
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。
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。
qbitaiAI 评分7171 蚂蚁灵波开源空间原生具身视觉基模 LingBot-Vision 与 LingBot-Depth 2.0
蚂蚁灵波开源空间原生视觉基模 LingBot-Vision，并发布基于它的空间感知模型 LingBot-Depth 2.0。
qbitaiAI 评分7474 蚂蚁灵波发布空间感知模型 LingBot-Depth 2.0 及视觉基座 LingBot-Vision
7月7日，蚂蚁集团旗下灵波科技发布空间感知模型 LingBot-Depth 2.0，训练数据从300万扩充至1.5亿规模，在深度补全基准16项测评中获12项第一，室内大面积深度缺失场景RMSE从0.132降至0.062。
HF blog精选AI 评分8888 LeRobot v0.6.0 发布：世界模型策略、新 VLA 与奖励模型 API
LeRobot v0.6.0 发布，引入 VLA-JEPA、LingBot-VA、FastWAM 三个世界模型策略，以及 GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT 等新 VLA 和 Robometer、TOPReward 奖励模型 API。
推荐理由：LeRobot v0.6.0 一次放出世界模型策略、多个 VLA 与奖励模型 API，读者可据此判断开源机器人学习栈的能力边界。
qbitaiAI 评分3838 智平方在联合国开源类脑大模型 NeuroVLA 与 AlphaBrain Platform
智平方科技在联合国开源周展示全球首个原创类脑大模型 NeuroVLA 及一站式开源平台 AlphaBrain Platform，其海外与生态副总裁 Kristine Mo 与图灵奖得主杨立昆同台交流。NeuroVLA 借鉴人脑“皮层—小脑—脊髓”三层协同机制，以更少数据完成学习与决策，使机器人运动抖动降低 75% 以上，脊髓层平均功耗低至 0.4 瓦。
qbitaiAI 评分7171 地瓜机器人发布 Uranus 世界模型，做具身评测基准与仿真器
地瓜机器人发布世界模型 Uranus，定位为机器人开发基础设施，用于评测 VLA 与世界模型并支持操作训练仿真。它采用帧级闭环逐帧生成，训练时只见过 2 秒短片段，推理时可稳定运行 60 秒，支持 G1 人形机器人和 Franka 协作臂，目前仅支持 manipulation 训练，尚不支持 locomotion。
qbitaiAI 评分3838 FaceMind 提出 Ego-NeuroLoop 数据范式，用脑电和肌电训练世界模型
FaceMind脸谱心智提出 Ego-NeuroLoop 数据范式，同步采集 world camera、gaze、EEG、sEMG 四类信号，记录人类操作时"看哪里、准备做什么、肌肉怎么发力、反馈如何修正"的完整闭环。
qbitai精选AI 评分7878 英伟达开源机器人技能库 ASPIRE，Jim Fan 称代表全新持续学习范式
英伟达开源机器人技能库 ASPIRE（Agentic Skill Programming through Iterative Robot Exploration），让机器人用代码执行任务、失败后看多模态执行轨迹再修程序，把验证过的修复经验沉淀进不断扩展的 skills library。
推荐理由：英伟达开源机器人技能库 ASPIRE，把失败修复经验沉淀为可复用 Skill，读者可了解 Code as Policy 的持续学习思路。
qbitaiAI 评分6060 Om AI联汇发布VLX端侧流式多模态模型系列
Om AI联汇发布面向物理世界的端侧流式多模态模型系列VLX，提出流式多模态架构，以流式编码与缓存增量推理实现毫秒级实时感知。VLX由三款模型构成，VLX-Flow负责持续感知，VLX-Seek将坐标生成转化为区域检索实现定位，VLX-Go将视觉理解转化为机器人可执行的短时航点与运动轨迹。该系列覆盖0.6B至10B规格，单路延迟最低0.06秒，在端侧打通持续感知、精准定位到行动决策的闭环。
NVIDIA dev blog roboticsAI 评分2020 从预训练想象到微调行动：世界动作模型（WAM）的崛起
NVIDIA 提出世界动作模型（WAM）概念，指从预训练世界模型或视频模型出发、再微调为机器人策略的一类模型，与从 VLM 骨干起步的 VLA 形成对照。文中以 Pi-0 和 GR00T N1 作为 VLA 的代表案例。
NVIDIA dev blog robotics精选AI 评分6262 NVIDIA 发布物理 AI 基础模型 Cosmos 3
NVIDIA 发布面向物理 AI 的前沿基础模型 Cosmos 3，结合物理推理能力。该模型面向机器人、自动驾驶和智能空间，用于理解现实世界、预测后续变化并生成针对特定环境、本体和任务的动作。
推荐理由：NVIDIA 发布面向物理 AI 的前沿基础模型 Cosmos 3，读者可了解其推理、世界与动作模型的定位。
DeepMind blogAI 评分4545 Google DeepMind 为 Project Genie 接入 Street View 实景生成能力
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 实景锚定能力，可基于美国地点影像生成可交互世界，并支持“Desert Sands”“Stone Age”“Ocean World”“B&W film”等风格。
DeepMind blog精选AI 评分7878 DeepMind 发布 Gemini Robotics-ER 1.6，增强空间推理与仪表读数能力
DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人推理的模型升级版，增强了空间推理、多视角理解和成功检测能力，并新增仪表读数功能，可读取压力表、液位计等工业仪表。
推荐理由：Gemini Robotics-ER 1.6 在指向、计数、成功检测和仪表读数上的能力变化，以及通过 API 和 AI Studio 开放使用，可供开发者评估其作为机器人高层推理模型的适用性。
NVIDIA dev blog roboticsAI 评分5252 NVIDIA 用 Cosmos 世界基础模型扩展合成数据与物理 AI 推理
NVIDIA 发布博文介绍 Cosmos 世界基础模型，用于扩展合成数据与物理 AI 推理。文章指出人形机器人和自动驾驶等 AI 驱动机器人依赖高保真、物理感知的训练数据，缺乏多样且具代表性的数据集会导致泛化能力差、对真实世界变化接触有限以及边缘情况行为不可预测，而收集大规模真实世界数据集存在困难。