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。
视觉语言动作模型
全部主题追踪视觉语言动作模型的研究、可复用工程方法与真实部署证据。
56条精选
最新精选
第 41–56 条 · 共 56 条DeepMind blog精选AI 评分8686 HF blog精选AI 评分6262 论文提出具身操作数据金字塔，梳理五类数据来源与数据配方
论文《Data Pyramid for Embodied Manipulation》将具身机器人学习数据组织为五类互补来源的金字塔，包括真实机器人数据、UMI 风格数据、第一人称与第三人称视角数据、仿真数据和通用视觉语言数据。
推荐理由：论文把具身数据来源整理成五层金字塔，并梳理各类数据配方与基础模型能力之间的对应关系。
qbitai精选AI 评分7878 新智具身与复旦发布 N0 系列三份技术报告，开源 3 万小时触觉数据
上海新智具身智能（NeoteAI）联合复旦大学可信具身智能研究院发布 N0 系列三份技术报告，数据与模型均开源。
推荐理由：三份报告分别给出触觉数据底座、VLA 触觉预判和世界模型触觉预测，可对照看触觉如何接入现有技术路线。
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。
HF blog精选AI 评分6060 See like a Robot：面向 VLA 的机器人中心点图
论文提出机器人中心点图（robot-centric pointmaps），像素存储场景点在机器人坐标系下的三维坐标，从而对齐视觉观测与机器人坐标系动作，缓解 VLA 中相机视角与动作定义之间的坐标系错配。
推荐理由：论文提出以机器人坐标系点图替代相机视角输入，读者可了解跨视角泛化在仿真与真机上的验证方式。
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。
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。
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。
HF blog精选AI 评分6969 论文：LingBot-VLA 2.0 从基础模型走向实际应用
LingBot-VLA 2.0 在 LingBot-VLA 基础上从三方面改进：重构数据处理流程并预训练约 6 万小时数据，含 5 万小时覆盖 20 种机器人构型的轨迹和 1 万小时第一人称人类视频；动作空间扩展到头部、腰部、移动底盘和灵巧手的自由度；引入视频表示模型与深度估计模型做未来预测的代理任务以增强时序推理。
推荐理由：论文给出 LingBot-VLA 2.0 在数据规模、动作空间与预测建模三方面的改动，可了解 VLA 落地差距的一种应对思路。
HF blog精选AI 评分6262 SVA：将树搜索蒸馏为动作评估以增强冻结 VLA 模型
论文提出 SVA（Search, Value, and Act）框架，将动作生成与后果评估解耦，为冻结的 VLA 策略引入长期后果感知。SVA 先用蒙特卡洛树搜索在仿真中探索 VLA 输出分布并收集带经验回报的轨迹，再蒸馏为轻量 Q 值模型，部署时由冻结 VLA 提出多个候选、评估器选出不确定性正则化后 Q 值最高的动作，无需仿真器。
推荐理由：论文提出冻结 VLA 的动作评估框架，用树搜索蒸馏 Q 值模型，读者可了解测试时扩展的替代思路。
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。
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。
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。