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。
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。
BAIR 公布了其成员在 CoRL 2026(11 月 9–12 日,Austin, Texas)的完整参会日程,共 33 篇主会论文、4 篇 late-breaking results 海报、10 场 oral 与 spotlight,另有 Professor Negar Mehr 的 Early Career Keynote。
NVIDIA 在 CoRL 大会发布一系列开放机器人技术,包括基于 Cosmos 的开源世界动作模型 GR00T 2、Isaac Lab 3.0、Isaac Lab-Arena 0.4 开发者预览,以及 DexBench、VABAR 两个新工业评测基准。
推荐理由:原文系统梳理了从世界动作模型到仿真训练与评测基准的完整技术栈,可据此理解 NVIDIA 在机器人仿真训练上的整体布局。
NVIDIA 正与韩国产业合作,将加速计算、AI 与仿真应用于半导体制造、机器人和自动驾驶等领域,推动 Physical AI 从开发走向实际生产。
NVIDIA 介绍其开源 Aerial、Sionna 等 5G/6G 工具一年来的应用进展,全球开发者采用量增长 10x,下载量超 100 万次,8,000 多家研究和学术机构在使用。
Hugging Face 与 AllenAI 推出 FoundationWorlds 框架及其首个基础世界 ToyBlocks,一个围绕机械臂与桌面积木的开源仿真环境,可自动生成任务与演示数据,无需人工遥操作。
推荐理由:通过受控仿真环境把数据生成、训练与评测打通,读者可据此理解机器人泛化与失败归因的可复现研究路径。
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。
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。
哈萨克斯坦与 NVIDIA 宣布多项 AI 基础设施投资:Firebird 获美国出口许可,将在当地部署 45,000 块 NVIDIA Grace Blackwell GPU,一期与 Kazakhtelecom 合建、目标 2027 年第三季度商用,二期总容量约 500 兆瓦。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,其在六个开放模型排行榜上均进入前五。
推荐理由:原文给出了数据、训练、部署三层工具的具体入口和落地数字,读者可据此判断世界模型开发流程的变化。
Hugging Face Blog 发布教程,介绍如何用 Isaac Lab 与 Newton 训练开源双足机器人 Microduck 的行走策略,导出 ONNX 后部署到真机。
推荐理由:教程给出从仿真训练到真机部署的完整命令与接口约束,读者可照此复现双足机器人行走策略的迁移流程。
Mistral 宣布与 NVIDIA 合作,将 Mistral Large 4 等模型与 NVIDIA 加速计算、CUDA-X 库、Warp 及 Omniverse 结合,打造 AI 原生工程工作流,加速工程仿真并实现仿真、模型开发与设计的闭环。
Hugging Face 推出 SimReady Central Library,收录超过 2,000 个可直接用于仿真的 OpenUSD 资产,免费且无门槛开放,覆盖机械臂、夹爪、仓储设备、机架与冷却基础设施等。
NVIDIA 宣布 NVIDIA Factory Operations Blueprint (FOX) 已在 GitHub 开放早期访问,供开发者构建和部署常驻工厂管理智能体以及视觉检测、根因分析、报告生成、车队管理等专用智能体,可接入 NVIDIA Cosmos、Nemotron 模型及 CAD、PLM、仿真软件和 IT/OT 系统。
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中宣布多项新品,包括 Vera Rubin AI 工厂参考设计 NVIDIA DSX POD,可将现场部署时间从六个月缩短至 14 天,其 AI Factory 平台可减少最多 100% 冷却用水和最多 30% 电力消耗。
推荐理由:梳理了主题演讲中围绕智能体安全、开源模型和数据中心部署的具体产品与架构,便于对照理解其欧洲布局的落地路径。
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。
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。
巴塞罗那超级计算中心(BSC)的 AI Factory 加速器计划全面投入运营,部分服务已通过 NVIDIA Inception 门户向成员开放。BSC AI Factory 是欧洲首批、西班牙首家 AI 工厂,自 2025 年 4 月上线以来已为公私部门客户交付 800 多项服务。
德国总理 Friedrich Merz 与 NVIDIA CEO 黄仁勋在柏林会晤,德国联邦政府与 NVIDIA 签署联合意向声明,将围绕物理 AI 推进前沿 AI 模型,并与德国“工业 4.0 平台”深化合作。
Google Research 分享三项研究进展,展示如何弥合 in-silico AI 探索与真实湿实验之间的差距。其一是 VERID 框架,作为实验室工作单元的语义数字孪生,提供实时 3D 状态追踪、快速虚拟试运行、硬件安全检查和同步视频与动作日志,基于开源 PyLabRobot 构建。
推荐理由:原文展示了从数字孪生到闭环实验的完整技术路径,读者可了解 AI 智能体如何接入湿实验环节。
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》
NVIDIA 宣布对 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创企业进行新一轮计划投资,覆盖医疗、材料发现、物理 AI 和商业规划领域,并称其在整个欧洲已向技术生态承诺近 $10 billion。
NVIDIA Blog 通过十余个案例展示开发者如何用自然语言指挥 GPT-6 Astra、Claude 等前沿模型,配合 NVIDIA Omniverse 库构建仿真应用。
推荐理由:通过十余个具体案例展示了前沿模型与 Omniverse 库结合的可迁移工作流,读者可对照自己的仿真场景找到入手方式。
NVIDIA Warp 与 MuJoCo Warp(MJWarp)可将兼容的 MuJoCo 模型扩展到最多 2,048 个并行 GPU 仿真环境,用于机器人仿真与学习工作流。MJWarp 基于 NVIDIA Warp 用 CUDA kernel 推进物理仿真,保持同一 MJCF 模型;Warp 支持可微 kernel,并在 1.15 版本引入确定性执行模式。
微软研究院对移动机器人操作负载的系统性测量显示,把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由:微软对机器人推理负载的系统性测量显示,把推理从机载 GPU 卸载到边缘或云端可提升任务成功率与续航,并给出可复用的 Kubernetes 工具链。
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0,支持 ROS Lyrical 与 Ubuntu 24.04,并新增面向 AI 智能体的 Isaac 技能与 agent-ready 文档。
推荐理由:Isaac ROS 5.0 把智能体工作流引入机器人开发,并给出多家厂商的落地案例,可据此判断物理 AI 开发方式的变化。
NVIDIA 发布 Halos 全栈安全系统,覆盖物理 AI 从硬件、软件到 AI 行为与部署验证的每一层。
NVIDIA 在 New York Climate Week 介绍了 5 家用 AI 推进清洁能源的公司:ThinkLabs AI 借 NVIDIA CUDA 平台的数字孪生与 agent。
Google Research 在 CHI 2026 发布研究原型 AgentHands,为 Android XR 等沉浸式平台的 AI 智能体生成与语音同步的共语手势,将 LLM 的高层推理映射为实时手部动作。
Hugging Face 官方博客介绍了 Strands Robots 中的流式数据回路:用一个 Robot() 对象把机器人演示录制进 Hugging Face Storage Buckets、只同步变化字节、直接从 Hub 流式读取训练,再把 checkpoint 以 mode="real" 部署回硬件,全程保持 LeRobot 磁盘格式。
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2,可作为机器人的高层大脑进行对话、理解物理世界并规划多步任务,再将运动执行交给下层 VLA 模型。
推荐理由:原文给出进度分类与关键时刻定位的具体指标,读者可据此理解视频理解如何转化为机器人任务编排能力。
Google DeepMind 发布 Gemini Robotics 2,包含三个模型:Gemini Robotics 2 视觉-语言-动作(VLA)模型可控制整个人形机器人从脚到指尖的全身动作并实现双手灵巧操作。
推荐理由:原文拆解了三个模型的分工与开放入口,读者可据此判断机器人智能如何从上半身扩展到全身控制。
NVIDIA 发布 Cosmos-H-Dreams,一个面向手术机器人的实时、动作条件生成式模拟器,将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型,并通过 FlashDreams 加速推理库提供服务,在单张 NVIDIA RTX PRO 6000 GPU 上从约 10 fps 提升到约 160 fps 的交互运行。
Hugging Face 与 Pollen Robotics 发布开源系统 Grabette,用手持夹爪录制人类演示并自动生成机器人可用数据集,无需机器人、实验室或遥操作设备。
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。
LeRobot v0.6.0 发布,围绕机器人学习闭环引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新一批 VLA(GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT)以及统一的奖励模型 API(Robometer、TOPReward)。
推荐理由:原文系统梳理了机器人学习闭环各环节的新增能力,读者可据此了解开源机器人栈的当前边界。
Hugging Face 官方博客介绍了 AWS 开源 SDK Strands Robots 与 LeRobot 的集成,用一个 Strands agent 串起从 Hub 数据集到实体机器人的完整流程。
Google DeepMind Accelerator: Robotics 项目本周在伦敦启动,从欧洲遴选 15 家早期机器人初创公司加入为期 3 个月的计划,入选者可使用 Google DeepMind 的 AI 技术栈、技术专家支持和 Gemini robotics 模型。
Reachy Mini 对话应用现在可以通过 MCP 调用托管在公开 Hugging Face Spaces 上的远程工具,一条命令即可为机器人添加查天气、网页搜索等能力,工具仍在 Space 内运行,无需下载代码到本地。
Mistral AI 在 AI Now Summit 2026 发布面向工业工程的一体化 AI 堆栈,与 Airbus、BMW、ASML 合作优化设计、仿真与生产流程,同时保障数据安全与知识产权控制。