AI 走进物理世界：人形机器人、具身基础模型与真实环境操作能力的进展追踪。
VAST 正式发布并开源实时世界模型 EdenLive，同步开放 5B 模型权重、推理代码及技术报告。该模型采用状态维护与视觉渲染解耦的技术架构，在单张 Nvidia RTX 5090 显卡与 720P 规格下生成速度超过 24FPS，端到端延迟控制在百毫秒级。系统支持接收简化场景或视频参考输入并实时生成不同画风的连续画面，适用于游戏交互预览、动画制作以及具身数据增强。
Why it matters: 该模型将底层世界状态与视觉渲染解耦，让开发者能在单张消费级显卡上探索可交互场景的低延迟实时生成。
英伟达开源机器人智能体框架 ASPIRE V1.0，支持机器人自主编写控制程序、复盘调试错误并将有效方法沉淀为可跨任务复用的技能库。该框架通过多模态轨迹回溯定位故障与自主修改代码，在接入前沿大模型后于 LIBERO-Pro 达成 99% 的任务成功率，且积攒的技能可直接迁移至物理实体机器人。
Why it matters: 框架展示了如何将代码调试与经验沉淀转化为具身技能库，为机器人系统接入前沿模型提供了可复用的工程方案。
AI 数据实验室 HUMXN 宣布在三座城市为房主免费提供水管、电气、暖通空调（HVAC）、风道清洁及地毯清洁服务，以采集熟练工人的作业数据用于训练 AI 机器人。房主获取全额补贴服务的条件，是允许工作人员佩戴可穿戴捕捉设备进入家中记录完整作业流程。
Why it matters: 该项目展示了具身智能研发通过补贴现实维修服务来低成本采集第一人称物理交互数据的落地尝试。
优必选发布多模态具身世界模型 Thinker-WM，并在 WorldOlympiad、EWMBench 和 WorldArena1.0 三大基准评测中位列榜首。
Why it matters: 原文展示了放弃传统接口拼接、在表征层将视觉与动作统一建模的架构方案，为具身世界模型设计提供了可复用的结构参考。
MIT CSAIL 研究人员在最新实验中，将基于 Claude Code 构建的具身智能体 Eko 放入无预设目标的虚拟岛屿，观察其在 30 小时内的完全自主行为。13 个智能体在探索过程中不仅自发利用积木进行搭建、测算物理限制、建造类似神庙或纪念物的结构，还自学掌握了跳跃远投等未显式编程的环境机制。研究指出，这种基于好奇心与玩耍驱动的自下而上探索模式，为模型积累常识和理解物理规律提供了新路径。
Why it matters: 研究展示了无明确任务指令下智能体自发探索与规律总结的过程，为自下而上培养模型物理交互常识提供了参考路径。
Google 推出具身智能模型 Gemini 4 Argon，主打使用单一模型覆盖机器人控制、虚拟仿真生成以及训练视频质检全流程。在无外置工具的 ERQA 空间推理测试中该模型取得 87% 得分，但在真实的 AA-Robotics 机器人臂控制测试中以 55 分位列第三，且实际部署仍依赖提示词中的细致约束。
Why it matters: 原文对比了该模型在空间推理基准与实体臂控制测试上的差异，有助于客观评估端到端机器人大模型的真实落地现状。
谷歌 Gemini 4 Argon 迎来多方实测，该模型定位于通用物理推理模型，在具身推理（ERQA）基准测试中拿下 87% 的成绩，主打物理直觉与 3D 空间理解能力。
Why it matters: 汇总了多位开发者对该模型物理与空间推理能力的实测数据，并指出了工程代码短板，有助于评估其在具身智能场景的可用性。
Rivian 孵化的机器人初创公司 Mind Robotics 宣布任命 Doug Field 担任总裁，负责主导面向工厂作业及其他场景的通用能力机器人研发。Field 此前曾任 Apple 特殊项目副总裁并主导 Project Titan，还曾任 Tesla 首席车辆工程师主导 Model 3 研发，以及 Ford 电动汽车与软件部门负责人。
Why it matters: 原文披露了汽车与硬件老将加盟具身智能创企的背景，读者可据此观察工业制造场景对实体 AI 落地的推动作用。
Google 开始在 Gemini 应用和 Antigravity 中向付费用户推送 Gemini 4 Argon，较低订阅层级无法获得完整访问权限。该模型主打高级推理与智能体编码能力，配备了防范恶意指令的失齐监控机制。
Why it matters: 原文披露了模型在内部系统优化与机器人项目中的实测案例，读者可据此了解其在实际工程场景下的表现。
Google DeepMind 推出面向机器人全生命周期的通用物理推理模型 Gemini 4 Argon，在具身推理基准 ERQA 上取得 87% 的得分。该模型具备物理理解、代码生成与视觉语义推理能力，涵盖四足及机械臂闭环控制、由现实视频或草图构建 MuJoCo 仿真数字孪生（Real2Sim），以及在仿真中生成数据实现策略自改进。
Why it matters: 原文详细展示了如何通过物理仿真推理和提示词闭环控制硬件，为具身智能工作流提供了可落地的工程参考。
Google 推出面向具身智能的通用物理推理模型 Gemini 4 Argon，在具身推理基准 ERQA 上取得 87% 的得分。该模型覆盖机器人控制、Real2Sim 仿真重建、细粒度物理理解及硬件自我改进等场景，支持从人类视频或手写草图生成带接触物理特性的 MuJoCo 仿真环境，并通过单条提示词复现机器人学术论文算法。
Why it matters: 该模型展示了从真实视频与草图自动构建物理仿真并闭环控制机器人的全流程提示词设计，为具身智能开发提供了端到端落地参考。
Google 正式推出前沿大语言模型 Gemini 4 Argon，主打编码、金融、法律、网络安全与科学计算等高复杂度长程任务。该模型即日起通过 API、Gemini 平台、Google Antigravity 及搜索 AI 模式向开发者和订阅用户开放，API 定价为每 100 万输入 token 2 美元、输出 10 美元。
Why it matters: 官方披露了新模型在代码重构与科学计算等多场景的实测效果，读者可据此评估其处理高难度长程任务的能力。
DeepSeek计划领投机器人AI初创公司Winverse AI数千万美元种子轮融资，对应投后估值约4亿美元。Winverse AI由Swin Transformer共同作者、前腾讯杰出科学家胡瀚创办，主攻机器人具身基础模型研发，美团旗下龙珠资本也作出投资承诺。这是DeepSeek继今年8月出资约1.41亿元入股宇树科技后，再度在具身智能领域展开重点投资。
Why it matters: 继入股硬件厂商宇树科技后，DeepSeek领投具身模型初创公司，展现出从本体向模型大脑延伸的投资布局。
开发者开源了 Bot Reborn 项目，仅凭一部运行 Chrome 的旧安卓手机和单个网页，即可将 4 美元的玩具机器人改造成可语音对话并受控移动的 AI 伴侣。硬件端通过 WebUSB 经由 FT232H 转接板直接控制玩具电机的驱动引脚，绕过了原本的循线控制芯片。语音识别、LLM 对话与语音合成均在网页端直接调用兼容 OpenAI 的 API 处理，密钥保存在本地浏览器且无需自建后端服务。
Why it matters: 原文展示了利用网页端 WebUSB 与旧手机控制廉价硬件的极简方案，为低成本具身交互原型开发提供了可复现路径。
何恺明团队在论文中提出多模态模型视觉原生Harness框架VISTA，无需重新训练即可让多模态模型直接保存原始环境画面并在推理时按需回看、放大局部和比对细节。
Why it matters: 该研究展示了无需重新训练基座模型、仅通过外部视觉档案和主动回看工具即可显著提升长程视觉推理能力的设计思路。
AI 公司 Odyssey 推出生成式世界模型 Odyssey-3 的公开研究预览，支持用户通过文本提示词实时生成并交互探索虚拟环境，并已开放开发者 API 申请。
Why it matters: 该模型展示了自回归扩散架构在实时物理模拟中的表现，为机器人控制与智能体交互训练提供了虚拟环境参考。
中共中央、国务院发布《关于发展新质生产力的意见》，提出 19 条重大改革任务并全面实施“人工智能 +”行动。文件明确要加快推进智能网联新能源汽车、AI 手机与电脑、人形机器人等新一代智能终端场景应用，强化算力、算法与数据高效供给。同时前瞻布局具身智能、量子科技、脑机接口等未来产业，建立应用中试基地并构建安全可控体系。
Why it matters: 政策明确了全面实施人工智能加行动的具体方向，为终端硬件与具身智能产业落地提供了顶层指引。
星动纪元开源自研世界动作模型 VPP2，在 RoboDojo 仿真评测榜单中取得综合平均成功率 32.26% 与平均得分 39.26 分，位列榜首。模型基于 Wan2.1-I2V-14B 与 0.9B Action DiT 架构，将视频预测与动作学习解耦为三阶段训练，经一致性蒸馏后动作片段整体生成延迟约为 0.22 秒。
Why it matters: 通过将视频预测与动作学习分阶段解耦并结合一致性蒸馏，为具身世界动作模型在兼顾预测泛化与实时动作执行上提供了具体参考。
Robium 推出面向编码智能体的物理 AI 与机器人开发框架，支持将智能体直接连接至 ROS 2、Gazebo、MuJoCo 和 Isaac Sim 等仿真环境。该工具提供零依赖 CLI、可编辑技能库及开箱即用的参考应用，涵盖建图导航、双臂抓取策略运行和视觉语言助手构建等场景。
Why it matters: 该工具为编码智能体提供了接入物理 AI 与机器人仿真环境的标准化脚手架，便于开发者快速验证与构建具身智能应用。
MirroS 团队发布智能体交互试炼平台 AgentGarten，将代码物理环境与实时神经渲染器连接，让智能体在超过 30 fps 的拟真画面中自主交互与演进。平台采用代码裁决物理状态、扩散模型实时渲染视觉反馈的分工架构，配合逐轮复盘记录实验手册的机制，在捉迷藏及多种操控任务中显著缩短策略涌现周期。项目代码、技术报告与博文已同步公开。
Why it matters: 原文介绍了代码物理引擎与流式神经渲染器结合的双层架构，读者可以据此了解具身智能低成本构建逼真交互试炼场的新思路。