HiSTEVE 1.0 提出一种分层视觉-语言-动作智能体，在 Minecraft 中结合长时程规划与原生键盘、鼠标控制，执行开放式复杂任务。能力感知型智能体执行框架以结构化记忆、VLM 规划器和策略耦合的任务完成状态检测器协调子任务，再由单个 VLA 基于视觉输出原生键鼠动作。
推荐理由：论文将长时程规划与原生键鼠控制纳入同一分层智能体，并给出任务完成检测机制和基准成绩，便于理解开放世界游戏智能体的设计路径。
Pollen Robotics 与 Hugging Face 联合发布开源双足机器人 Microduck，并演示如何用 NVIDIA Isaac Lab 3.0 与 Newton 在仿真中训练步态策略、导出为 ONNX 并部署到真机。
推荐理由：文章给出 Isaac Lab 仿真训练到 ONNX 真机部署的完整命令与配置，读者可据此复现 Microduck 步态策略工作流。
轻舟智航称，单征程6M城市NOA方案在7月至10月间推进9款合作车型落地，覆盖10-20万元主流价格带。2026年，轻舟乘风辅助驾驶系统累计搭载量已突破100万台，覆盖超过10家车企和45款量产车型，累计用户辅助驾驶行驶里程超45亿公里。AEB误触发率低至每50万公里少于1次，单征程6M Pro方案还将通过OTA增强场景理解和复杂环境博弈决策能力。
推荐理由：9款车型覆盖10-20万元价格带，并披露累计搭载突破100万台及OTA计划，为观察城市NOA量产节奏提供具体样本。
千诀科技在首届2026物理AI与世界模型大会上发布预测式世界模型Polibrain，连接环境感知、行动预测、任务决策、执行与反馈调整。该模型不追求完整生成未来每一帧画面，而是聚焦影响行动的关键状态，已在四足、人形、轮式和双臂等机器人形态上开展适配。文章还介绍千诀与清华团队2025年在ICML发表的世界模型研究，并称相关公开探索比LeCun团队的相近工作早约一年，复杂场景可靠性仍需更多实测。
推荐理由：文章拆解了Polibrain预测关键状态、闭环调整和跨本体复用的设计，并交代其在四足、人形、轮式等机器人上的适配情况。
生数科技世界模型团队于 10 月 21 日正式开启 Motubrain 2.0 训练全流程公开直播，计划持续半个月。直播涵盖预训练、后训练、AI 智能体任务执行和 RSI（递归自我改进）探索，展示模型从训练、测试到能力迭代的过程。Motubrain 2.0 即将开源，相关研究仍处于探索阶段，直播入口为 www.motubrain.com/motubrain2.0-live。
推荐理由：此次直播覆盖预训练、后训练、任务执行和递归自我改进，为观察具身模型能力形成与训练迭代提供了具体窗口。
欧洲工业制造商正采用 NVIDIA CUDA-X、Omniverse、Cosmos 和 Nemotron，FOX 工厂运营智能体蓝图已在 GitHub 开放早期体验。
推荐理由：FOX 涵盖工厂管理、视觉质检、根因分析和车队管理，并列出 Siemens 的成本与校准时间数据，便于评估工业智能体落地方式。
SimReady Central 在 Hugging Face 上线，汇集 2,000 多个仿真就绪的 OpenUSD 3D 资产，面向机器人仿真和 AI 工厂数字孪生。
推荐理由：文章不仅说明资产规范，还给出从检索、验证到场景组装和布局检查的完整流程，便于机器人仿真与数字孪生团队复用。
NVIDIA 扩展面向欧洲行业的开放模型组合，覆盖语言、机器人、生物与量子计算，并支持结合本地数据和自有基础设施部署。
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中发布 DSX POD AI 工厂参考设计（部署周期从六个月压缩到 14 天）、OpenShell Reference Architecture 智能体安全架构。
推荐理由：黄仁勋在演讲中串联 AI 工厂、智能体安全、开源模型与具身智能，给出 NVIDIA 在欧洲市场的全栈路径与新产品布局。
Video-Point Model（VPM）根据多视角视频历史和语言指令，联合预测任意视角的未来视频与持久场景点的3D轨迹。它在预训练世界模型中加入相机条件多视角处理和轨迹头，并构建 VPM-Data 仿真语料与 VP-WorldBench 预测基准。
推荐理由：将多视角视频预测与持续点轨迹监督结合，并通过仅视频对照及模拟和真实机器人实验呈现共享3D表征的作用。
前 MIT 博士后、现任普渡大学助理教授 Johannes Lachner 与合作者开发了一套结合生成式 AI 与实时力反馈的康复机器人系统，能根据真人治疗师的手法为中风患者提供个性化辅助。
推荐理由：报道了一种结合生成式 AI 与实时力反馈的康复机器人方案，展示了用机器人辅助缓解治疗师人力缺口的可行路径。
MIT 与 EPFL 的工程师设计出一款重量低于 300 克的 FAAV 水空两栖机器人，可游泳、潜水并从水面起飞飞回空中。它通过防水电机驱动曲柄，让覆有疏水纳米颗粒的柔性薄膜翼上下扑动，并用电控尾翼调整俯仰；实验中，中等尺寸且足够柔韧的机翼在 70 度俯仰角下实现了从水中跃起。团队正研发可转向的机翼并测试湍流环境，未来设想用它在冰山、港口设施或鲸群附近采集数据和样本。
推荐理由：实验比较了机翼尺寸、扑动频率和尾部角度等关键参数，呈现水空两栖机器人从游泳切换至飞行的工程实现与用途设想。
FRED 通过自蒸馏与历史观测时序条件，提升世界动作模型从单步去噪中生成的未来视频表征。在多种真实世界操作场景中，FRED 优于对比 WAM；在仅有人类视频示范、未进入机器人训练数据的任务上，任务成功率达到 50.0%，最佳对比 WAM 为 19.4%。论文地址为 arxiv.org/abs/2610.30320。
推荐理由：论文在长时程、域外任务与人类视频迁移场景中给出对比，未见机器人训练数据的任务成功率为 50.0%，最佳对比 WAM 为 19.4%。
Foundation4D是一种面向自动驾驶的统一前馈模型，可从多摄像头驾驶视频联合估计几何、检测目标、预测语义占据并进行高斯重建。其共享骨干以分解式时空注意力融合跨相机和跨时间观测，位姿图优化用于细化相机轨迹并组装目标轨迹。
推荐理由：Foundation4D将多摄像头驾驶视频的几何、检测、语义占据与高斯重建纳入统一前馈框架，并发布含1,253段稠密标注驾驶片段的基准，便于比较联合训练的多任务收益。
LaLa-World 提出语言条件潜世界模型，联合学习仿真、机器人轨迹及更广泛的图像和视频数据，平均 MPC 规划性能高于按域或任务分别训练的 LWM。它把数值动作和视觉变化都描述为语言，并基于语言模型预测未来潜状态，用同一预测器联合训练异构数据集。
推荐理由：论文用匹配比较呈现 LaLa-World 的效率，在规划性能与 RAEv2 基线相当时，训练成本低 6times、规划速度快 13.9times。
CausalAlign 提出一种因果对齐框架，在 delta-token 空间中把扩散视频生成模型的内部表征与 3D 动态对齐，以提升长时程相机自我运动的一致性。
推荐理由：论文先定位去噪过程中自我运动表征的先升后降模式，再给出基于 delta-token 空间的 3D 动态对齐方法与量化结果。
论文提出物理 AI 递归自我改进的机器人学习路径与评估原则。研究将递归自我改进置于机器人学习中，追踪机器人能力提升如何进一步改善产生这些能力的机制，并分析物理经验强化改进机制的条件。现有研究主要集中在操作任务，已显示行为改进、对后续学习的帮助和流程改进，但尚未单独分离递归带来的增益。
推荐理由：论文梳理机器人在物理世界实现递归自我改进的条件与评估原则，并指出现有研究尚未分离递归机制带来的增益。
RoboValue 提出面向机器人价值模型的细粒度仿真与真实统一评测基准，覆盖任务状态理解、时序进度监控、失败与恢复推理和价值一致性四个维度。数据集包含 15 个仿真任务和 20 个真实世界操作任务，并提供专家演示与标注轨迹；零样本、单样本及机器人本体和环境变化评测显示，模型仍会在细粒度指令落地、历史依赖进度跟踪和恢复评估上出错。
推荐理由：该基准把仿真与真实机器人任务纳入同一评测框架，可用于对照价值模型在细粒度指令理解、进度跟踪和失败恢复上的误差。
一项研究系统分析视觉-语言智能体物理递归自我改进（Physical RSI）能力的来源，提出五维评估框架 PhysRSI-eval（首次尝试表现、效率、成功率、预算、从失败中改进），在 18 个操控任务上测试多款 VLM，并由实验结果归纳出 Physical Barrel Hypothesis。
基于 Kronecker Delta 规则与长上下文线性注意力的 KronLSTM 在长上下文 benchmark 中表现突出，被认为可为 Physical AI 与机器人的长期记忆机制提供更精确高效的架构，下一步将在真实机器人场景中进行验证。
GTC2026 全球流量大会（上海）将于 2026 年 11 月 4-5 日在上海世博展览馆 H3 馆举办，本届展会特别设立「AI 硬件专区」，覆盖机器人、智能穿戴、AI 终端与具身智能等方向。大会预计吸引 1800+ 企业高管、120+ 优质展商和 15000+ 从业者，专区展位与免费门票均已开放申请，并与 AI+ 出海峰会、AI 技术发展论坛等同期议程联动。
EgoXperience 提出统一框架，用自动标注数据和单次前向模型，从第一人称视频联合重建相机运动、场景几何、手部与物体。EgoX-Engine 将几何验证的目标跟踪与基于 SLAM 的世界对齐结合，生成含 50 小时室内外任务数据和秒级任务字幕的 EgoX-Data-6M，并选取其中 1 小时构建 EgoX-Bench。
推荐理由：EgoXperience 将数据采集、自动标注、统一建模与基准评测串成完整流程，并公开 50 小时数据集，呈现了多组件联合重建的一体化设计。
该研究提出集体经验学习（CEL）范式，让已部署机器人共享执行经验以改进统一策略，无需额外专家示教或纠错动作。该方法通过失败引导的经验检索微调（FERT），从共享成功经验中检索相关轨迹段作为监督信号，并由容错异步训练系统（FATS）协调经验收集、策略优化与分发。
推荐理由：在五项真实操作任务上以共享执行经验取代额外专家示教，为大规模机器人策略更新提供了一条可复现路径。
ScaleNav 提出统一的世界—动作框架，利用互联网第一视角视频学习目标导向视觉动态，并据此生成语言条件局部导航所需的机器人动作。训练分为指令条件视频预训练、使用带动作标签的仿真数据进行动作对齐，以及联合微调三个阶段。
推荐理由：论文把互联网第一视角视频预训练、仿真动作对齐与联合微调串成三阶段流程，并给出仿真基准及真实四足机器人部署结果。
首届全球具身智能应用创新挑战赛暨2026中国机器人大赛10月18日在杭州闭幕，2000多支队伍、近5000名选手参赛。赛事同时设置传统机器人与具身智能应用两类赛项，共决出59项冠军、57项亚军、52项季军及12支企业专项赛获奖队伍。宇树科技等50余家具身智能企业现场提供500多个实习岗位，冠军队伍凭"实习金卡"可免试进入国家具身智能应用中试基地生态企业实习。
达摩院在RISC-V中国峰会上发布车规增强处理器玄铁E908A和面向自动驾驶、具身智能的处理器产品路线图。E908A是首款同时满足ASIL-B和ASIL-D标准的RISC-V CPU IP，单点安全度量SPFM首次超过90%；下一代C950A目标性能达到现有RISC-V车规产品的5倍。
推荐理由：原文给出玄铁E908A车规IP与下一代C950A性能目标，便于评估RISC-V在车载领域相对X86和Arm的落地节奏
AgenticRoboRL 提出面向不同机器人执行框架的规划器后训练方法，将监督微调与多轮强化学习结合。在 LIBERO-PRO 上，9B 参数规划器在无外部记忆时将成功率从 18.1% 提升至 71.0%，接近使用外部记忆的 Codex (GPT-5.5) 的 72.1%。
推荐理由：论文把监督微调与多轮强化学习用于机器人规划器，并给出不同执行框架下的适配方式和 LIBERO-PRO 成功率对比，便于评估后训练方案。
HyperDrone 提出一款GPU加速四旋翼模拟器，以每秒数百万帧渲染高保真观测，并支持视觉策略从仿真迁移到实机。其批处理仿真速度比现有先进四旋翼批处理模拟器快20x以上，HyperLux支持Nvidia OptiX、Vulkan、Apple Metal和WebGPU后端，并可输出RGB、深度、语义或实例分割、表面法线和光流观测。
推荐理由：论文报告批处理仿真速度比同类方案快20x以上，并验证纯仿真训练的偏航控制策略可迁移至Crazyflie实机，适合作为高速具身仿真的对照案例。
一项针对多元虚拟世界具身智能的研究发现，在持续预训练中扩大数据规模、多样性和模型容量可改善学习，但对遥远世界泛化有限，仍需超越模仿的更丰富训练。研究比较120种配置，覆盖0.8B至27B的4个模型规模、50至1,600 hours的6档数据预算和5种数据混合，还拟合了验证损失与三因素之间的经验扩展规律。
推荐理由：该研究比较120种训练配置，拆解数据量、环境多样性与模型规模对具身学习的影响，并呈现遥远世界泛化的能力边界。
SpatialScout 提出一个评测 VLM 智能体主动探索并完成物体级 3D 映射的基准，包含 80 个室内场景和 3,140 个目标物体。智能体控制相机探索场景，在有限交互预算下估计物体中心，评测同时衡量定位准确率与目标覆盖率。
推荐理由：SpatialScout 以 80 个室内场景和 3,140 个目标物体量化检验 VLM 智能体的主动 3D 映射，并显示精确建图仍是主要短板。
Ropedia W0 是面向人类与机器人的跨具身移动操控世界基础模型，通过统一运动学表示融合两类数据，并在五项跨具身基准上取得 SOTA。其 Xp-Data 包含 10k 小时第一视角人类数据和 3k 小时机器人数据，并配有统一多模态标注与质量控制；Xp-Teleop 基于灵巧人形机器人遥操作数据构建。
推荐理由：论文将10k小时人类第一视角数据与3k小时机器人数据统一建模，并提供跨具身基准，便于比较人类经验对机器人移动操控性能的影响。
VAST 开源实时世界模型 EdenLive，5B 模型在单张 RTX 5090、720P 条件下生成速度超过 24FPS，端到端延迟为百毫秒级，支持任意参考输入、任意画风和分钟级连续生成。
推荐理由：原文给出了单卡 720P 超 24FPS 与百毫秒级端到端延迟的具体数据，并拆解了世界状态与视觉渲染解耦的技术路线，便于读者评估实时世界模型的可用边界。
AffordanceWAM利用人类视频中的可供性表征联合预测未来场景与机器人动作，在不使用人类动作标签的情况下改善机器人操作迁移。
推荐理由：论文将人类视频中的可供性用于未来场景预测与动作生成，并报告不同数据规模下的表现，呈现机器人操作迁移的实现路径。
深辰凯动科技的羽毛球机器人与人类选手连续对打1452拍，获吉尼斯世界纪录认证，成为该项目目前的世界纪录。机器人据称可在约0.5毫秒内识别来球、扣杀时速超250公里，团队通过该场景打磨一套覆盖移动底盘、关节驱动与自研机器人大脑的通用物理运动平台，波士顿动力前首席战略官Marc Theermann在帖子中评价其工程难度远超想象。
推荐理由：文章把1452拍的吉尼斯纪录放到具身智能通用物理运动平台的语境里，展示了同一套闭环能力向物流、分拣等动态场景迁移的可能性。
四川具身人形机器人科技有限公司EIR近日完成超1亿元Pre-A融资，与四川省、市、县三级国资支持的人形机器人中试熟化项目协同，资金主要用于爱湫情感陪伴机器人迭代研发、万台级量产基地建设和销售体系搭建。
推荐理由：原文将情感陪伴作为人形机器人的产品原生目标，并展示了省市县三级国资协同推进万台级量产的产业路径。
优必选发布统一多模态世界模型 Thinker-WM，在 WorldOlympiad、EWMBench 和 WorldArena1.0 三项公认具身世界模型基准中全部取得第一。
推荐理由：文章对比了拼接式与统一表征方案的技术差异，给出 Thinker-WM 在三大基准的具体得分与六大能力模式。
量子位转载的一篇行业综述指出，VLA 解决机器人“能干”的问题，世界模型解决“想清楚再干”的问题。文中梳理了上海多家企业的并行进展：蚂蚁灵波“灵波通用大脑”已适配 17 个机器人品牌并在药房上岗。
推荐理由：文章将上海多家公司的 VLA 与世界模型落地案例并置呈现，帮助读者快速把握当前具身智能的技术分化与产业化进展。
Google Research 发布三项研究进展，目标是把 AI 智能体接入湿实验室的闭环实验：通过 VERID 数字孪生框架把机器人命令、3D 状态和安全校验联动起来。
推荐理由：VERID 数字孪生与适配体、蛋白设计的闭环结果同时给出，读者可据此参考 AI 智能体在湿实验中的可行路径与边界。
OneWM 在统一因果训练框架下交替进行动作预测与未来帧生成，并用自己的预测继续推演。论文展示了堆叠色块、放入收纳单元和准备早餐等真实机器人演示，并提供了项目页和 GitHub 训练部署代码。
推荐理由：论文展示了世界模型与动作策略在统一因果训练中互相促进的方法，并附带真实机器人演示和开源代码，读者可以据此评估可迁移性。
VLA-Δ 用当前与未来观测之间的物理状态变化作为显式监督目标，在 LIBERO 和 RoboTwin 上取得与 SOTA 可比的成绩，并在真实机器人实验中优于 π0.5，且推理阶段不增加额外开销。作者为此构建了大规模预训练数据集与物理状态变化标注，代码已开源至 https://github.com/ZJU-OmniAI/VLA-Delta。
推荐理由：论文给出以物理状态变化为显式监督目标的 VLA 训练与数据构建方法，并开源全部代码，可作为机器人策略学习中状态建模方案的参考。