#具身智能

Rohan Paul@rohanpaul_ai· 23:35AI 评分6262

商汤发布 SenseNova-RoboRSI，其核心在于体验内化，利用 GPT-6-Astra 通过上下文学习从示范中提取视觉、状态、动作和工具等信息。商汤将该具身经验蒸馏为开源的 RoboRSI-27B-Preview 模型，实现了主动感知、空间推理、规划与反馈修正，且任务成本约为其五十分之一。

小型脑类器官“阅读”布莱叶盲文：迈向生物混合计算的关键一步

科学家通过实验证明，脑类器官能够传递对应布莱叶盲文字母的信号，这是开发节能型生物混合计算机的关键一步。由三个脑类器官组成的团队表现出更好的效果，有 83% 的时间能产生准确可解码的信号，并能更好地从人工噪声中区分信号。研究人员强调，这些实验仅表明类器官能够接收并响应盲文信号，尚未证明其具备学习能力。

Rohan Paul@rohanpaul_ai· 14:17AI 评分6060

新研究评估了 GPT-6-Astra 在 12 个机器人基准测试中的表现，发现其在 LIBERO、RoboDojo 和 DexJoCo 上表现优异，但仍存在无法验证物理成功、从不可逆错误中恢复以及计算成本过高的问题。

LabRobotBench v0.1：基准测试湿实验室机器人

Gamow Labs 推出了 LabRobotBench v0.1，用于评估前沿 AI 模型在物理空间和复杂生物工作流程中进行故障排除与执行湿实验室实验的推理能力。

meng shao@shao__meng· 12:26AI 评分6565

Viggle 发布 3D 原生世界基础模型 JST-2，采用 Physics-Native Token 将物理结构直接作为表示的一部分。JST-2 包含编码器、生成器与解码器三个组件，支持单次前向推理生成 3D 场景、跳过绑定的 3D 角色生成、文本或视频驱动的运动生成以及稀疏观测的场景重建。

SenseTime@SenseTime_AI· 21:14AI 评分6262

商汤发布了关于 GPT-6-Astra 具身智能的全面实证研究，涵盖 12 个仿真评测和 8 个真实机器人平台，并开源了 27B 的 SenseNova-RoboRSI 框架与模型。研究表明 GPT-6-Astra 在统一协议下达到了各项评测的 SOTA，但其实际应用仍面临高昂的推理成本和延迟等挑战。

X Square Robot@XSquareRobot· 17:30AI 评分6262

自变量发布了用于通用机器人策略的 sim-to-real 基准 X2Real，该基准构建于 NVIDIA Isaac Lab-Arena 之上，包含 10 个能力维度和 44 个分层长期任务。平台支持在环境外观、任务设置和机器人具身 3 个 OOD 轴上测试策略，且在仅用真实世界数据训练的策略上实现了 0.84 的仿真与现实评估线性相关性。

Odyssey@odysseyml· 07:14AI 评分6161

Odyssey 将果蝇大脑接入 Odyssey-3 世界模型中，让果蝇在完全由模型想象和模拟的世界中自主飞行。

优必选发布具身世界模型 Thinker-WM：多模态统一表征，单模型实现六大能力

优必选推出统一多模态世界模型 Thinker-WM，在 WorldOlympiad、EWMBench 和 WorldArena1.0 三大具身世界模型基准评测中夺得第一。该模型采用 Unified Dynamic Transformer 架构，将 RGB 视频、深度和机器人动作编码至同一个中间表征空间共享动态演化，支持视频动作联合生成、世界预测、策略推理等六大能力。

Microsoft Research 发布机器人推理卸载功能

Microsoft Research 在 Physical AI Toolchain 中新增了机器人推理卸载功能，支持通过 Kubernetes 将 AI 工作负载从机器人本体卸载至边缘或云端。研究表明，该方案能有效解决机载 GPU 带来的功耗与性能瓶颈，在提升任务成功率的同时显著延长机器人续航时间。

Amazon 与密歇根大学推出 HydroShear 触觉模拟技术

Amazon 与密歇根大学联合研发的 HydroShear 触觉模拟技术，通过路径依赖力追踪模型，实现了对机器人触觉剪切力的精准模拟。该技术支持 GPU 并行计算，使机器人能在模拟环境中学习灵巧的接触式操作策略，并直接迁移至真实机器人，无需额外修改。在四项高难度操作任务中，HydroShear 实现了 93% 的平均成功率，显著优于 TacSL（34%）和 FOTS（58%-61%）等基准方法。