华为云发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2
华为云正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2,该模型在 RoboTwin 2.0 和 LiberoPro 2.0 评测基准中均排名第一。模型基于国产算力昇腾训练,采用共享世界模型骨干网络及 DualAct 架构,并同步开放训练框架与最佳实践。此前华为云于 2025 年 6 月发布 CloudRobo 具身智能平台,目前已有 80% 的中国具身智能企业选择昇腾云。
华为云正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2,该模型在 RoboTwin 2.0 和 LiberoPro 2.0 评测基准中均排名第一。模型基于国产算力昇腾训练,采用共享世界模型骨干网络及 DualAct 架构,并同步开放训练框架与最佳实践。此前华为云于 2025 年 6 月发布 CloudRobo 具身智能平台,目前已有 80% 的中国具身智能企业选择昇腾云。
Runway 开源机器人模型 Praxis-1 并开放 Apache 2.0 权重与代码,该模型基于视频训练预测环境变化以控制机器人。在 RoboLab-120 基准中 Praxis-1 以 46.2% 成功率居 World Action Model 类别第一,真实 Franka 臂测试十任务成功 88 次。Runway 于 9 月下旬首次介绍该模型,本次为全面开放。
,. G, . $ (, = , = ,�, = , G, , =, Data, , $,>_ 侠传, $ , , $ 自, $ , =, $A_。
Runway推出开放权重的机器人模型Praxis-1,将视频预训练知识用于真实机器人控制。该模型在RoboLab-120基准1200个场景中完成555个成功率约46.2%,比GPT-6 Astra驱动机械臂快15.6倍成本降至1/51。模型权重与代码分别在Hugging Face和GitHub公开。
英伟达在CoRL大会发布新一代机器人基础模型GR00T 2,并宣布模型、数据与仿真环境等将陆续开源。GR00T 2通过X-Adapt实现跨本体技能迁移,每项任务5次示范加30分钟LoRA微调可使成功率至95%。同期Anthropic Fable 5.2在RoboDojo Sim双臂测试得分64.9%,高于GPT-6 Astra的29.8%。
推荐理由:英伟达发布GR00T 2世界动作模型与全套开源工具链,其跨本体适配能力可显著降低不同本体机器人重新采集示范数据的成本。
谷歌推出迄今最强 VLA 机器人模型 Gemini Robotics 2.5,在奔驰生产线实现96%汽车零部件拣配成功率。该模型灵巧度、可靠性与安全性提升,任务成功率较前代高30%至100%,并借 Gemini 4 Argon 仿真加速开发;谷歌此前已为人形机器人引入全身智能。
Nvidia 在研究报告中推出 GR00T 2 世界-动作模型,通过扩散生成未来视频将人类动作迁移到机器人,降低遥操作需求。该系统在千余块 GB300 芯片上使用约 40 万小时头戴视频训练,少量示例下部分任务成功率从 40% 升至 95%。其配合 OpenAI GPT-6 Astra 语言模型可将玩具组装成功率提至 97%,但高层模型会拖慢实时响应。
Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,在奔驰匈牙利与德国产线分拣金属件试点成功率达 96%。该模型较前代任务成功率提升 30% 至 100% 且速度加快 20% 至 30%,同时开源 ASIMOV-Jailbreak 安全基准。其为今年早些时候首个支持机器人全身控制模型的后继版本。
DeepMind 发布 Gemini Robotics 2.5 机器人模型及开源安全基准 ASIMOV-jailbreak,新版本灵巧操作接近人类水平。该模型在超200项任务中评估表现提升,并已用于梅赛德斯奔驰工厂作业与阿波罗2机器人系鞋带演示。
Google DeepMind 推出 Gemini Robotics 2.5 视觉-语言-动作模型,在 200 多项任务上成功率提升 30% 至 100%,加速真实世界通用灵巧性。该模型在奔驰产线由 Apollo 2 实现 96% 分拣成功率,并发布开源基准 ASIMOV-Jailbreak。此为继年初全身智能后物理智能的进一步推进。
推荐理由:Gemini Robotics 2.5 在超200项任务成功率提升30%至100%,奔驰产线达96%成功率,显示机器人实用进展。
蚂蚁灵波11月10日开源触觉基础模型LingBot-Touch,可将磁触觉、视触觉和压阻式信号编码为统一触觉Token供不同灵巧手使用。在26项真机测试中,接入该模型使四种动作模型平均任务成功率提高约14至26个百分点,模型和代码已在Hugging Face与GitHub开源。此为蚂蚁灵波继通用大脑后补齐触觉感知、推进具身原生路线的动作。
智元正式发布 WITA-Omni 全模态大模型,号称行业首个具身全模态端到端交互大模型,支持触觉、本体状态输入与机器人动作表情输出。该模型采用流式全双工架构,平均交互响应约600毫秒较业内快近3倍,且无需唤醒词支持自然对话。此前 WITA-Omni Preview 曾以85.21分登顶 DailyOmni 全模态理解榜单。
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,为通用大脑补齐关键的触觉感知能力。模型基于近 5000 小时真实触觉数据预训练,输出统一触觉 Token,在 26 项真机测试中使四种动作模型平均成功率提升约 14 至 26 个百分点。该表征可跨传感器、跨灵巧手和跨模型复用,此前 LingBot 系列已构建全栈体系,此次将感知延伸至指尖。
NVIDIA在CoRL发布GR00T 2开源世界动作模型与Isaac Lab 3.0等机器人仿真训练技术。GR00T 2仅凭每任务一次演示在50项任务中平均成功率达71%,Isaac Lab 3.0集成Newton物理引擎将训练吞吐提升至Isaac Lab 2.3的2.5倍。这些开源进展旨在助力机器人从实验室演示走向工业部署。
推荐理由:NVIDIA在CoRL开源GR00T 2与Isaac Lab 3.0,研究者可借此在仿真里训练机器人精密操纵能力。
小鹏集团联合北京大学、香港大学等团队发布具身感知基座模型 GroundingPI,该模型采用约 40 亿参数规模,在 34 项公开感知基准综合评测中位列第一。GroundingPI 综合得分为 73.68,高于 OpenAI 前沿模型 GPT-6 Astra 的 71.54 分。该研究目前处于科研原型阶段,旨在通过精准感知降低机器人示教成本并提升场景泛化能力。
智元发布GO-3 Preview与WITA-OMNI双模型,分别在RoboDojo等三榜与Daily-Omni等四榜登顶。同场创新日推出灵渠OS 1.0计划年底开源,并定义Worken单位量化机器人有效工时。
智元于10月29日正式推出具身模型 GO-3 Preview,采用WRAM架构并登顶RoboDojo、RoboTwin、RoboColiseum三大榜单,计划2026年底开源。该模型支持部署后自主改进,搭载Genie Master的精灵G2在便利店上岗后任务成功率从首日28.6%稳定至85.7%。
Momenta 在 XHEART 新芯航途发布会上预告即将发布 R7 Ultra 世界模型,其参数规模扩大至原来的 5 倍,安全性能表现提升 5 倍。该模型依托 XHEART X7 Ultra 芯片提供的 700 TOPS 算力,旨在实现从理解世界到推演世界的跨越。未来 Momenta 计划将模型参数规模进一步扩大至原来的 10 倍,推动安全性能表现提升至 10 倍以上。
炎曦动力(Primotion)成立三个月首秀具身基座模型Paimon-0,在RoboColiseum等四项基准登顶。Paimon-0以0.7754分居RoboColiseum榜首,通用操作子榜0.6613全场最高,采用本地脑+元脑架构从算法反推芯片设计。其自研算控一体SoC计划2028年交付,Paimon-Eval拟11–12月开源。
阿里巴巴旗下高德发布全身基座模型λ0,仅用人类行动数据让机器人学习移动与操作全身协调,在SIMPLE等评测获SOTA。该模型无本体采集将单条示范耗时从约100秒缩至29秒、效率约3.4倍,真机任务成功率较最强基线提升22.5%,并已在GitHub与HuggingFace开源代码及数据样例。该研究由高德与阿里ATH事业群共同完成,打通人类全身经验至人形机器人链路。
奇瑞将于 10 月 20 日在芜湖举办全球创新大会,发布首个汽车行业垂域大模型及人形机器人“墨宝”。该模型融合算力、算法与数据能力,底层展示专为物理 AI 世界模型设计的车规级芯片。大会同时展望瑶光 2035 计划,并全球首发交流 V2G 技术,开启车网互联规模化运营场站建设。
大晓机器人发布基于 Qwen3.5-9B 微调的具身基模型 ACE-Brain-0.6,在八项 Grounding 评测中六项成绩超过 OpenAI GPT-6 Astra。该模型七项公开基准平均得分 74.53 分,RobotGrounding 场景评测得 94.13 分,均高于 Astra 的 73.68 分和 91.10 分。
优必选 Thinker-WM 在 WorldOlympiad、EWMBench 和 WorldArena1.0 Track-1 三大具身世界模型基准中均取得第一。该模型采用 Unified Dynamic Transformer 架构,将 RGB、深度和动作统一建模,支持六大能力模式。此前该模型已完成在优必选机器人平台上的部署验证。
Google DeepMind发布Gemini 4 Argon通用物理推理模型,其在ERQA基准纯推理得分87%超过所有其他前沿模型,可应用于机器人全生命周期。文章给出机器人控制、Real2Sim仿真、物理理解与自改进四类代表提示词,覆盖从MuJoCo实操到视频世界模型 steering 等任务。该模型被视为加速通往物理AGI路径的重要里程碑。
哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言或编辑轨迹生成多视角视频与激光雷达观测,用于构建长尾驾驶场景。此举旨在探索世界模型服务自动驾驶研发的具体路径。
星动纪元自研世界动作模型VPP2在RoboDojo仿真榜单登顶,综合平均成功率32.26%、得分39.26分,领先GPT-6-Astra约9.78个百分点。该模型采用视频预测与动作学习解耦的三阶段训练策略,在ALOHA真机零样本测试中平均成功率达58.5%。VPP2现已开源,其技术路线验证了不依赖额外数据增强即可实现泛化突破。
Google DeepMind 发布 Gemini Robotics ER 2,定位为机器人的高层大脑,可理解视频、编排多步任务并把动作执行交给底层 VLA 模型,还能原生调用 Google Search 等工具。
推荐理由:官方给出进度分类与时刻定位两项量化指标,可据此判断机器人在长任务中自我纠错与切换步骤的能力边界。
Google DeepMind 发布 Gemini Robotics 2,包含三款模型:视觉-语言-动作模型 Gemini Robotics 2 可控制人形机器人全身动作并提升手部与夹爪的灵巧操作。
推荐理由:三款模型分别覆盖全身控制、具身推理与端侧部署,可据此判断机器人智能层的分工方式。
Mistral AI 发布首个具身导航模型 Robostral Navigate,这是一个 8B 模型,仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器,在 R2R-CE validation unseen 上达到 76.6% 成功率,比最佳单相机方案高 9.7 个百分点,比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由:官方给出单目 RGB 相机在 R2R-CE 上的成功率与训练方法,可据此判断具身导航对传感器配置的依赖程度。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其推理优先机器人模型的升级版,强化了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。
推荐理由:官方给出与上一代及 Gemini 3.0 Flash 的对比和仪表读数新能力,可据此判断机器人高层推理的进展。