Nvidia 发布 GR00T 2 世界-动作模型，用人类视频教机器人新任务
Nvidia 发布新 AI 基础模型 GR00T 2，通过把人类视频中的动作迁移到机械臂来减少遥操作训练。它不再是从视觉-语言直接输出动作的 VLA 模型，而是世界-动作模型（WAM），同时预测下一步动作和用扩散模型预测短期未来视频，从而在不同机器人形态间迁移动作序列。
#具身智能
The DecoderAI 评分6666 The DecoderAI 评分7373 Google DeepMind 发布 Gemini Robotics 2.5，在奔驰产线试点中分拣金属零件成功率达 96%
Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5，与 Apptronik、奔驰在匈牙利 Kecskemét 和德国 Sindelfingen 的活跃产线合作试点，Apollo 2 机器人分拣金属零件并按装配顺序放入托盘，成功率 96%。
Ars Technica · AIAI 评分6161 Google DeepMind 发布 Gemini Robotics 2.5 并开源安全基准 ASIMOV-jailbreak
Google DeepMind 发布 Gemini Robotics 2.5，并推出开源安全基准 ASIMOV-jailbreak，为机器人与人类协同工作做准备。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 发布 Gemini Robotics 2.5，称其为迄今最强的视觉-语言-动作（VLA）模型，提升机器人可学技能的广度与获取速度。
推荐理由：原文给出 Mercedes-Benz 产线 96% 成功率与越狱防御基准，读者可据此评估其工业落地与安全水平。
Hugging Face Blog精选AI 评分6262 NVIDIA 为 Cosmos 3 开源模型家族新增四个交互式世界仿真检查点
NVIDIA 为 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景：Cosmos3-Nano-Transfer-Auto 生成多视角驾驶数据。
推荐理由：四个检查点分别对应驾驶数据生成、流式仿真、模拟器渲染和双臂机器人动作预测，读者可据此判断各自适配的落地场景。
Hugging Face Blog精选AI 评分7474 Liquid AI 发布 LFM3 系列：单一骨干衍生六款 2B 级多模态模型
Liquid AI 发布新一代 LFM3 系列，以 LFM3-1.7B-Base 为共享骨干衍生出文本、视觉、音频、omni 和决策共六款 2B 级模型，全部开源并可在 Hugging Face 下载。
推荐理由：原文给出架构改动、基准对比和微调入口，读者可据此评估 2B 级模型能否替代自己的通用大模型。
NVIDIA Blog精选AI 评分6161 NVIDIA 扩展 Nemotron、Kumo、Cosmos 等开放模型组合
NVIDIA 扩展其在语言、机器人、生物和量子计算领域的开放模型组合，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 和 Ising，供开发者用本地数据定制并部署在自有基础设施上。
推荐理由：原文逐项列出各模型的开放入口和合作方，读者可据此判断哪些能力已可直接取用。
Hugging Face BlogAI 评分5555 NVIDIA 发布 Cosmos3-H-Dreams 实时生成式手术模拟模型
NVIDIA 发布 Cosmos3-H-Dreams，基于 Cosmos 3 与 FlashDreams 流式推理库，在单张 NVIDIA RTX PRO 6000 GPU 上实现实时交互式生成手术模拟，训练数据来自 CMR Surgical Versius 平台上的临床胆囊切除术录像与机器人运动学记录。
The DecoderAI 评分7474 Google 让 Gemini 4 Argon 覆盖机器人仿真、控制与评估全流程
Google 推出 Gemini 4 Argon，定位为覆盖机器人全流程的单一模型，可控制机器人、构建虚拟仿真环境并评估训练数据，被称为迈向 physical AGI 的一步。
Google DeepMind同事件AI 评分7878 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning (ERQA) 基准上纯推理得分 87%，超过其他前沿模型。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon 并全球开放》
The DecoderAI 评分5757 Odyssey 开放世界模型 Odyssey-3 公开试用并公布基准成绩
Odyssey 开放世界模型 Odyssey-3 的公开研究预览，用户可通过文本提示生成可实时探索的交互环境，开发者可申请 API 访问，免费在线 demo 运行于 Odyssey-3 Flash。
The DecoderAI 评分5858 Reka AI 发布全模态模型 Rho-1 研究预览，单模型处理文本图像视频与机器人控制
Reka AI 发布了 Rho-1 的研究预览，这是一款 190 亿参数的全模态模型，可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作，所有模态以 token 形式运行在同一共享上下文窗口中，无需工具调用或外部模型。
Mistral AIAI 评分5757 Mistral AI 发布 8B 具身导航模型 Robostral Navigate
Mistral AI 发布首个面向具身导航的 8B 模型 Robostral Navigate，仅用单个普通 RGB 相机（无深度传感器或 LiDAR）即可让机器人自主导航，在 R2R-CE validation unseen 上取得 76.6% 成功率，validation seen 为 79.4%，比最佳单相机方案高 9.7 点、比使用深度或多相机的最佳系统高 4.5 点。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Gemini Robotics-ER 1.6 具身推理模型
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为机器人高层推理模型，可通过 Gemini API 和 Google AI Studio 调用，并原生调用 Google Search、VLA 及第三方函数。
推荐理由：原文说明了仪器读数能力的实现路径，读者可了解具身推理如何结合代码执行解决真实巡检问题。
Google DeepMindAI 评分5757 Google DeepMind 发布 D4RT 动态4D重建与跟踪模型
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），一个统一的4D场景重建与跟踪AI模型，采用编码器-解码器 Transformer 架构和基于查询的机制，通过回答“视频中给定像素在任意时间、指定相机视角下位于3D空间何处”这一问题，用单一接口完成点跟踪、点云重建和相机位姿估计等任务。
Hugging Face BlogAI 评分5858 NVIDIA 发布开源推理视觉语言模型 Cosmos Reason 2
NVIDIA 发布 Cosmos Reason 2，一款面向物理 AI 的开源推理视觉语言模型，在 Physical AI Bench 和 Physical Reasoning 榜单上位居开源模型第一。
Hugging Face Blog精选AI 评分7474 NVIDIA 在 GTC 2025 发布 Cosmos Transfer、Physical AI Dataset 与 Isaac GR00T N1 三项开源成果
NVIDIA 在 GTC 大会上发布三项面向物理 AI 开发者的开源成果：世界基础模型 Cosmos Transfer、开源数据集 Physical AI Dataset，以及首个通用人形机器人推理开源模型 Isaac GR00T N1。
推荐理由：梳理了三项开源发布的具体规格与架构细节，便于开发者评估可直接复用的模型与数据资源。
OpenAI News精选AI 评分7272 OpenAI 用机器人手在模拟训练中学会解魔方
OpenAI 训练了一对神经网络，让类人机器人手解开魔方。训练完全在模拟环境中进行，使用了与 OpenAI Five 相同的强化学习代码，并结合一种名为 Automatic Domain Randomization (ADR) 的新技术。系统能应对训练中未见过的情况，例如被毛绒长颈鹿戳碰，表明强化学习可解决物理世界中要求极高灵巧度的问题。
推荐理由：原文点明训练完全在模拟中完成并迁移到物理世界，读者可据此理解强化学习在真实机器人上的可行性路径。