智元发布具身基座模型GO-3 Preview与交互大模型WITA-OMNI
智元在创新日发布具身基座模型GO-3 Preview与全模态端到端交互大模型WITA-OMNI，并提出衡量物理AI有效工时的单位Worken。GO-3 Preview采用具身原生架构WRAM以提升精细作业与跨本体迁移能力，WITA-OMNI则采用快慢双系统实现免唤醒词的自然交互。此外，智元还推出了第三代硬件架构AHA3、重载机器人精灵G2 Max以及计划开源的具身原生操作系统灵渠OS 1.0。
#具身智能
#具身智能
今日 0 条量子位AI 评分6464
科学网精选AI 评分7676 谷歌发布新一代世界模型Genie 4，加强物理AI技术布局
Google DeepMind发布新一代世界模型Genie 4的研究预览版，将场景一致性模拟时长延长至约两分钟并支持原生音频生成。用户可通过自然语言指令实时改变天气、视角与物体交互，官方同时展示了其与Gemini 4 Argon协同模拟人形机器人执行任务的实验。该能力计划在未来几周内向Google AI Ultra订阅用户及部分早期开发者开放。
推荐理由：模型将动态场景保持一致性的时长翻倍至两分钟，展示了与大模型协同进行机器人训练的混合仿真路径。
Google DeepMind精选AI 评分7777 Google DeepMind 发布实时交互世界模型 Genie 4
Google DeepMind 推出新一代实时交互世界模型 Genie 4，支持在模拟运行中通过自然语言实时修改场景并原生生成环境音与交互对话。模型结合 Gemini 系列模型进行上下文因果推理和多步任务拆解，适用于机器人训练环境构建与创意原型探索，生成内容均嵌入 SynthID 数字水印。
推荐理由：该模型将语言模型的逻辑推理与像素级实时渲染结合，为机器人训练和动态交互仿真提供了可参考的实现路径。
The Verge · AIAI 评分6767 Google 发布 Genie 4 世界模型，支持更逼真的交互体验与实时语言控制
Google 正式宣布推出 Genie 4 世界模型，可生成长达约两分钟的交互式虚拟体验。该模型支持使用自然语言提示词实时更新场景，新增了音频生成功能，并由底层的 Gemini 3.8 Flash 辅助模拟运行。目前 Genie 4 作为研究预览向受信任测试人员开放，后续将登陆 Google AI Ultra 订阅服务，主要适用于游戏原型设计、影视前期预览以及机器人训练环境构建。
TechCrunch · AI精选AI 评分7777 Google DeepMind 发布 Genie 4 世界模型，支持实时音频与动态交互控制
Google DeepMind 发布最新世界模型 Genie 4 的研究预览版，允许用户在模拟运行中通过提示词实时修改场景，并同步生成环境音、交互对话与背景音乐。该模型将场景一致性维持时间翻倍至两分钟，能与 Gemini 结合用于机器人仿真测试和影视原型构思。目前 Genie 4 已面向受信测试者开放，后续将推向 Google AI Ultra 订阅用户及 Gemini API 合作伙伴。
推荐理由：新模型把世界模拟时长提升至两分钟并加入实时音频控制，展示了语言模型与视觉生成协同用于仿真和内容原型的路径。
The DecoderAI 评分6969 Nvidia 开源 Flora 机器人视频标注模型，标注成本据称比 GPT-6 Astra 降低 125 倍
Nvidia 开源了用于机器人视频标注的数据引擎 Flora，由三个微调的 Qwen3.5 模型组成，据称可将单小时视频标注成本从 GPT-6 Astra 的约 $88.50 降至约 $0.72。
量子位AI 评分5858 高德发布全身基座模型 λ0，推动人形机器人全身动作对齐
高德联合阿里 ATH 事业群发布基于开放世界行为的机器人全身基座模型 λ0，真机任务成功率较最强基线提升 22.5%。该模型采用无本体全身数据采集与三阶段训练机制，支持机器人仅依靠人类行动数据实现零样本跨形态迁移，采集效率达传统本体采集的 3.4 倍。团队已构建 500 小时数据集 HumanVerse-500，并在 GitHub 与 Hugging Face 开源了硬件配置代码及数据样例。
量子位AI 评分4949 千诀科技发布预测式世界模型 Polibrain，已适配人形与四足等多形态机器人
清华系具身智能公司千诀科技正式发布预测式世界模型 Polibrain，主打物理规律预测与跨本体复用。该模型不追求逐帧画面生成，而是预测任务相关的潜在状态变化，目前已在人形、四足、轮式和双臂等多种机器人形态上开展适配。千诀联合清华团队在隐变量可辨识性等基础理论研究上，比 Yann LeCun 团队相近工作早约一年。
量子位AI 评分4646 生数科技开启Motubrain 2.0训练全流程公开直播
生数科技世界模型团队于10月21日正式开启具身模型 Motubrain 2.0 训练全流程公开直播，计划持续半个月。该模型即将开源，此次直播涵盖预训练、后训练、Agent 任务执行以及 RSI（递归自我改进）探索四个环节，向公众完整公开模型从训练、测试到能力迭代的全过程。
量子位AI 评分7272 VAST 开源实时世界模型 EdenLive，单张 RTX 5090 实现 720P 超 24FPS 渲染
VAST 正式发布并开源实时世界模型 EdenLive，核心采用世界状态与视觉渲染解耦路线，已开放模型权重、推理代码及技术报告。在单张消费级显卡 RTX 5090 上，其 5B 模型在 720P 分辨率下生成速度超过 24FPS，端到端延迟为百毫秒级并支持分钟级连续运行。该模型可将 2D/3D 简化场景或参考视频结合提示词实时渲染为不同画风，适用于交互式游戏预览、视频风格重绘以及具身智能数据增强。
量子位AI 评分5151 优必选发布具身世界模型 Thinker-WM：统一多模态表征并在三大基准登顶
优必选发布具身统一多模态世界模型 Thinker-WM，并在 WorldOlympiad、EWMBench 与 WorldArena 三大基准评测中登顶。
The DecoderAI 评分7272 Google 推出 Gemini 4 Argon，试图用单一模型覆盖机器人仿真与控制全流程
Google 推出 Gemini 4 Argon 模型，主打用单一模型同时覆盖机器人动作控制、虚拟仿真环境构建以及训练数据质检。该模型支持从单张照片、草图或操作录像生成虚拟训练场，并在 Google 自身的 ERQA 物理与空间推理评测中获得 87% 的成绩，但在第三方的 AA-Robotics 真机手臂测试中以 55 分位居第三。
Google AI Blog精选AI 评分8888 Google 发布 Gemini 4 Argon 前沿大模型
Google 正式面向全球推出 Gemini 4 Argon 模型，主打长任务深度推理与复杂工程、科研及商业工作流处理。该模型具备 1M 统一输入输出 token 限制，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元（缓存输入享 95% 折扣）。
推荐理由：官方披露了新模型在代码重构、科学计算和具身智能领域的实测提效数据，读者可借此评估其在长链路复杂工程中的实际价值。
量子位AI 评分3939 魔法原子具身Agent框架拿下MolmoSpaces全球第一
魔法原子旗下的通用机器人VLM Agent框架EchoPolicy-0在AI2发起的MolmoSpaces评测中，以75.4%的平均成功率位列MolmoSpaces Combined榜单全球第一。其3.4B参数的自研Agent框架MagicBrain也以72.4%的平均成功率位列全球第四，并在抓取任务中取得94.4%成功率。两套方案分别通过轨迹筛选验证与视觉引导优化指令遵循，已在单臂平台完成验证。
The DecoderAI 评分7575 Odyssey 开放生成式世界模型 Odyssey-3 免费体验
Odyssey 推出生成式世界模型 Odyssey-3 的公开研究预览并开放免费在线体验，支持根据文本提示词实时生成可交互的虚拟环境。该模型基于自回归 Diffusion Transformer 架构，基础版拥有 14B 参数，提供第一人称与第三人称视角的实时物理模拟。除交互场景生成外，Odyssey 还展示了将其控制器应用于机械臂抓取、无人机避障及游戏自主操作等多任务场景。
量子位AI 评分5757 星动纪元开源世界动作模型 VPP2 并在 RoboDojo 榜单登顶
星动纪元开源自研世界动作模型 VPP2，在具身智能评测基准 RoboDojo 仿真榜单中以 32.26% 平均成功率和 39.26 分位居榜首。该模型基于 Wan2.1-I2V-14B 采用视频预测与动作学习分阶段训练策略，搭配 0.9B 参数动作专家 Action DiT，整体动作片段生成延迟约为 0.22 秒。
The DecoderAI 评分6969 Reka AI 发布全模态模型 Rho-1，单个模型统一处理文本、视频与机器人控制
Reka AI 发布 19B 参数的全模态模型 Rho-1 研究预览版，在单个神经网络内统一处理和生成文本、图像、视频及机器人控制动作。该模型将所有模态作为 token 置于同一上下文窗口中，无需外部模型或工具调用，可实时生成连续视频并直接驱动机器人运动。团队还构建了逆动力学模型从普通互联网视频提取控制信号，以缓解机器人训练数据稀缺问题。
Google DeepMind精选AI 评分7777 Google DeepMind 发布具身推理模型 Gemini Robotics ER 2
Google DeepMind 推出具身推理模型 Gemini Robotics ER 2，作为高层中枢为机器人提供连续视频理解、任务编排与多机协作能力。该模型支持边执行动作边规划后续步骤，可调度底层 VLA 模型及外部工具，在任务进度分类和关键时刻识别上分别取得 57.4% 与 91.3% 的准确率。
推荐理由：该模型作为高层大脑支持边行动边规划与多机协同，读者可以了解具身智能在任务编排与进度感知上的系统设计。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Robotics 2，为机器人提供全身智能控制
Google DeepMind 推出新一代机器人模型系列 Gemini Robotics 2，让机器人具备全身运动控制、高精细操作与多机协作能力。
推荐理由：该系列模型将具身推理、动作控制与端侧适配分层解耦，为机器人长时序多步协作与跨硬件迁移提供了清晰架构。
Google DeepMind精选AI 评分6767 Google DeepMind 发布具身推理模型 Gemini Robotics-ER 1.6
Google DeepMind 推出具身推理模型 Gemini Robotics-ER 1.6，大幅增强了空间定位、多视角理解与任务成功检测能力。该模型可原生调用搜索和 VLA 等工具，并新增结合代码执行的智能体视觉以高精度读取各类工业仪表。目前该模型已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：新模型结合视觉推理与代码执行实现了工业仪表读取，为机器人多视角任务规划和成功判定提供了实用参考。