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。
#模型发布
#模型发布
今日 3 条qbitaiAI 评分7474 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。
lerobot releasesAI 评分3434 LeRobot v0.4.3 发布：新增 X-VLA、PiFast 策略与 Unitree G1、OMX 等机器人支持
Hugging Face 的 LeRobot 发布 v0.4.3，新增 X-VLA 策略和基于 tokenization 的自回归 VLA PiFast，并加入 Unitree G1、OMX、Earth Rover Mini Plus 等机器人支持。
NVIDIA dev blog robotics精选AI 评分6262 NVIDIA 用仿真到真实工作流构建 Isaac GR00T N1.6 通用人形能力
NVIDIA 发布 Isaac GR00T N1.6，用于构建人形机器人的通用能力，覆盖感知、规划与全身控制。该工作流将仿真、控制与学习统一起来，让机器人在进入真实世界前先习得复杂技能。
推荐理由：NVIDIA 官方给出 GR00T N1.6 的仿真到真实工作流，读者可了解人形机器人通用能力训练如何统一仿真、控制与学习。
NVIDIA dev blog roboticsAI 评分4242 NVIDIA Alpamayo：用推理式 VLA 模型构建自动驾驶
NVIDIA 发布 Alpamayo，面向自动驾驶的推理式视觉语言动作（VLA）模型，可将决策过程展开为逐步推理轨迹。该模型被视为在语义空间中运行的隐式世界模型，用于处理复杂驾驶问题。
NVIDIA dev blog roboticsAI 评分5555 NVIDIA 通过后训练 Cosmos Reason 提升机器人性能
NVIDIA 在 GTC 2025 首次发布的 Cosmos Reason 是一个开放且可完全定制的推理视觉语言模型（VLM），面向物理 AI 与机器人，让机器人和视觉 AI 智能体借助先验知识、物理理解和常识进行推理，从而在真实世界中理解并行动。该模型已在 Hugging Face 的 Physical Reasoning 排行榜上登顶。