Sakana AI 与东京大学提出 SAIL：用测试时扩展提升 VLM 机器人轨迹生成可靠性
Sakana AI 与东京大学合作提出 SAIL（Scaling In-Context Imitation Learning），通过测试时扩展让 VLM 更可靠地生成机器人轨迹，该工作将在 IROS2026 展示。
#具身智能
#具身智能
今日 0 条Sakana AI BlogAI 评分4646
Microsoft ResearchAI 评分5252 Microsoft 在 Physical AI Toolchain 中推出机器人推理卸载能力
Microsoft Research 宣布在 Physical AI Toolchain 中新增推理卸载能力，可将机器人 AI 工作负载容器化并通过 Kubernetes 编排到机器人、边缘与云端 GPU。
Sakana AI BlogAI 评分5858 Sakana AI 宣布 Jürgen Schmidhuber 加入任首席科学顾问并参与 RSI Lab
Sakana AI 宣布 Jürgen Schmidhuber 出任首席科学顾问，同时保留现职，并将参与新设的 RSI Lab。他将协助公司开发 Agent-Native World Models，用于在行动发生前安全模拟物理后果，服务于日本制造业与机器人应用，并定期赴东京支持团队和日本 AI 生态。
NVIDIA BlogAI 评分5050 NVIDIA Isaac ROS 5.0 发布：推进智能体与开源机器人开发
NVIDIA 在 ROSCon 大会上发布 Isaac ROS 5.0，新增智能体工作流与平台支持，支持 ROS Lyrical 和 Ubuntu 24.04。
NVIDIA BlogAI 评分3535 NVIDIA 为何称规模化部署物理 AI 需要全栈安全
NVIDIA 发布 Halos 全栈安全系统，用于物理 AI 在设计、验证和部署各环节的安全工程。该系统面向自动驾驶提供 DRIVE AGX Thor、Hyperion。
Runway NewsAI 评分5353 Kinetix 团队加入 Runway，推进机器人世界模型研究
Runway 宣布巴黎 AI 研究实验室 Kinetix 团队加入 Runway。该团队在 3D 人体运动与物理约束视频生成方面的积累将用于 Runway 面向机器人学的世界模型研究，团队将加入 Runway 巴黎枢纽，公司同时在巴黎招聘研究与工程岗位。
Google ResearchAI 评分4444 Google 研究 AgentHands：为 XR 中的智能体对话生成同步手势
Google 在 CHI 2026 发布研究原型 AgentHands，可将 LLM 的推理输出映射为 XR 中与语音同步的手势，让 AI 智能体在 3D 空间里用手演示而非仅靠语言描述。系统包含环境感知、手势事件库、手势嵌入推理和 XR 同步执行四个模块，手势按左右手、空间锚定、时序动效等维度分类。在 N=12 的用户研究中，AgentHands 相比纯语音基线在空间指向上取得显著提升。
Microsoft ResearchAI 评分4141 MindTopo：微软推出评估多模态模型拓扑推理能力的新基准
微软研究院发布 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前专有与开源模型在静态识别上表现明显优于交互式规划，且均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成工具仅在单帧内保留结构关系时有用，跨多步操作仍不可靠。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，新增视频理解与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，可通过连续视频流追踪任务进度、编排多步任务，并支持多机器人协作，将运动执行交给下层 VLA 模型。
推荐理由：官方公布具身推理模型的能力指标与 API 入口，开发者可以据此评估它在实体机器人任务编排中的可用性。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics 2，实现机器人全身智能控制
Google DeepMind 发布 Gemini Robotics 2 系列模型，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和可本地运行的 Gemini Robotics On-Device 2，实现人形机器人全身控制、精细操作和多机器人协作。
推荐理由：官方完整说明了三个模型的能力分工、适配速度和安全基准，读者可了解机器人全身体智能的最新进展与获取方式。
Mistral AIAI 评分5555 Mistral AI 发布 Robostral Navigate：8B 具身导航模型，单 RGB 相机在 R2R-CE 达 76.6%
Mistral AI 发布首个具身导航模型 Robostral Navigate，8B 参数，仅用单个普通 RGB 相机和自然语言指令即可让机器人在复杂环境中自主导航，在 R2R-CE validation unseen 达到 76.6% 成功率，领先最佳单相机方案 9.7 分、领先使用深度或多相机方案 4.5 分。
Runway NewsAI 评分4747 Runway 与 NVIDIA 等发起 Cosmos Coalition，共建开放世界模型
Runway 宣布以创始成员身份加入 Cosmos Coalition，与 NVIDIA 及多家 AI 实验室共建开放世界模型生态。联盟首个项目是由 Runway 和 NVIDIA 联合开发的基础模型。该联盟围绕共享基础设施与双向技术贡献组建，旨在加速世界模型研发并推动物理 AI 的互操作性。
Berkeley AI ResearchAI 评分4646 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维隐空间失效模式等问题，使基于梯度的长时程规划更稳健。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，提升机器人在空间推理、多视角理解、任务规划和成功检测方面的能力，并新增仪表读数功能。
推荐理由：官方给出了与上一代的具体能力对比和仪表读数新用例，读者可据此评估其是否适配现有机器人方案。