与“具身智能”标签匹配的公开内容。
丰田与 Waymo 宣布自动驾驶合作进入下一阶段，将于 2027 年在日本启动丰田 bZ4X 自动驾驶车队的初步测试与验证，随后数年再推广到英国及其他 Waymo 运营市场。车辆由丰田在爱知县丰田市的高冈工厂生产，从整车组装到集成 Waymo 自动驾驶硬件均在同一工厂完成。Waymo 联合 CEO Dmitri Dolgov 称，在 Waymo 运营区域其严重伤害事故率比人类驾驶员低至多 20 倍。
推荐理由原文给出丰田与 Waymo 的合作时间表与生产安排，读者可据此判断自动驾驶出租车在日本的落地节奏。
中国医生为一名因视网膜色素变性失明的66岁女性植入脑机接口，将摄像头信号直接传送到她的视觉皮层。她目前可以独立行走、阅读文字，并能看到孙子的身高变化。
推荐理由这条消息给出脑机接口植入后的具体恢复表现，可作为视觉重建类脑机接口进展的参照。
谷歌旗下 DeepMind 发布新一代世界模型 Genie 4 的研究预览版，将场景保持一致性的模拟时长延长至约两分钟，为前代 Genie 3 的两倍，并提升画面真实感、物理模拟和人物动作自然度。用户可用自然语言指令在模拟中实时改变天气、调整视角或添加人物和物体，模型还具备原生音频生成能力。谷歌同时展示了 Genie 4 与大模型 Gemini 4 Argon 协同模拟 Apptronik 旗下 Apollo 人形机器人下跳棋的实验，并计划未来几周通过 Project Genie 向 Google AI Ultra 订阅用户开放。
推荐理由报道给出 Genie 4 与前代的时长对比，并展示其与 Gemini 4 Argon 协同驱动机器人模拟的实验，可了解世界模型在物理 AI 上的落地路径。
Dream Labs 发布世界动作模型 Dream-1，可通过公共 API 控制未见过的双臂平行夹爪机器人执行未见任务，无需微调或该机器人的演示数据。公司同时宣布以 9000 万美元种子轮结束隐身状态。Dream-1 运行成本为每小时 3 美元，Dream-1-flash 为每小时 2 美元，每次调用返回 1.6 秒的动作；若零样本效果不足，可用 5 分钟机器人数据通过 FaaS 微调。
推荐理由Dream Labs 公开了 Dream-1 在未见机器人上的零样本表现与按小时计费价格，可据此判断机器人基础模型的落地门槛。
Google DeepMind 发布 Gemini 4 Argon，并演示该模型通过观看视频学习物理任务，再迁移到 Apptronik 的 Apollo 人形机器人。在内部测试中，Argon 观看投掷沙包视频后分析环境、映射空间坐标并计算全身关节动作，自主生成仿真代码，Apollo 在真实试验中连续命中七次。Google DeepMind 称这套 Video-to-Sim-to-Real 流程可把原本需要数周的仿真建模压缩到数小时，Argon 在具身推理基准 ERQA 上得分 87%，模型已通过 Google 的 AI 产品和 Gemini API 开放。
推荐理由演示展示了从原始视频到仿真代码再到真机执行的完整链路，可据此判断通用模型在机器人训练中的介入程度。
特斯拉在业务更新报告中首次确认，Optimus已在弗里蒙特工厂高产量产线开始生产，下线的是首批具备量产质量的产品。马斯克在电话会上表示，要达到每周2万台、年化百万台的速度还需至少一年甚至更久，对外交付时点定在2027年底左右，初期只做工业场景。他还提到手部方案尚未定型、训练数据靠机器人自我对弈积累，AI5计划明年4月集成到机器人上，算力比AI4高约一个数量级。
推荐理由特斯拉首次确认Optimus量产下线，同时把对外交付时点校准到2027年底，读者可据此看清产能爬坡与供应链约束。
据彭博社报道，DeepSeek 第二轮融资规模锁定约 1000 亿元人民币，投前估值约 5000 亿元，募资目标从最初 500 亿元两次上调后翻倍。老股东腾讯与宁德时代各追加约 100 亿元，新进方包括石溪资本、中芯聚源、CPE 源峰、君联资本和吉利等产业资本。完美世界、世纪华通、利通电子通过砺思星深、拾象尚势两只专项基金间接参与，DeepSeek 同时筹备科创板 IPO，并已投资宇树科技等具身智能企业。
推荐理由原文梳理了千亿融资的出资方结构与外部基金通道，并给出具身智能布局的三笔投资线索。
英伟达在柏林 GTC 大会上发布 DSX 全栈 AI 工厂参考架构和 DSX POD 计算集装箱，后者把 7 个 Vera Rubin NVL72 液冷机架预装成集装箱，运抵现场即插即用。黄仁勋称采用该方案可把算力从到场到投产的时间从 4-5 个月压缩到约 1 个月，英伟达新闻稿则称合作伙伴可将部署时间从 6 个月缩短至最短 14 天。大会同时推出 OpenShell 安全智能体参考架构、Nemotron Retriever 检索模型系列、Kumo 结构化数据预测模型系列，以及与 Agile 合作的 Agile ONE SN 人形机器人参考设计，机器人本体将于 2027 年初提供。
推荐理由英伟达把 AI 工厂拆成预制集装箱和参考架构，读者可据此了解数据中心部署周期被压缩的路径。
NVIDIA 发布 Cosmos3-H-Dreams，基于 160 亿参数的 Cosmos3-H-Embodied-Nano 专门化，用于胆囊切除术的动作条件视频生成。模型使用 28 个动作维度、832 x 480 视频和 10 Hz 动作对齐训练，通过蒸馏得到四步与两步两个学生检查点，两步版本单独训练，推理更快但画质更低。官方同时提供 FlashDreams 流式运行时和适配自有数据与控制器的方法，并说明该模型是研究用模拟器，并非经过验证的临床系统。
推荐理由原文给出了从教师模型蒸馏到四步与两步学生模型的完整路径，读者可据此了解实时手术视频生成如何兼顾延迟与画质。
Eka Robotics 完成 1.5 亿美元 A 轮融资，由 a16z 和 F-Prime 领投，投后估值 14.5 亿美元。该公司由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创立，其视觉-力觉-动作模型配合力传感器夹爪，每小时可抓取约 1500 个 1 kg 以内物体，成功率超过 95%，夹爪成本低于 1000 美元、额定 500 万次循环。团队用物理仿真器构建强化学习环境，称可在数分钟内生成数千小时机器人经验，目前正与工业客户进行抓取放置和线缆操作的试点。
推荐理由Eka 用仿真强化学习替代人类演示数据，其力觉操作路线与主流视觉语言动作模型形成对照。
推荐理由商汤在 12 个仿真基准和 8 个真机平台上实测 GPT-6-Astra，并给出成本与实时性上的具体差距。
推荐理由开源权重模型驱动的机器人智能体框架，给出了基准成绩、成本与真机初步结果，可对照前沿模型智能体方案。
Physical Intelligence 团队开源 openpi 仓库，包含基于流式扩散的视觉语言动作模型 π₀ 和基于 FAST 动作分词器的自回归 VLA 模型 π₀-FAST，均提供在 10k+ 小时机器人数据上预训练的 base checkpoint。仓库同时给出 DROID、ALOHA 等平台的微调与推理示例，推理需 8GB 以上显存，LoRA 微调需 22.5GB 以上，全量微调需 70GB 以上，目前仅测试过 Ubuntu 22.04，训练脚本尚不支持多节点训练。
推荐理由原文给出两类 VLA 模型的开源权重、显存门槛与微调流程，读者可据此判断能否在自己的机器人平台上复现。
Artificial Analysis 推出 AA-Robotics v0.1 研究预览，让语言模型在编码智能体框架中直接控制一台 6 轴机械臂（5 个关节加一个夹爪），完成 8 项桌面任务。GPT-6 Astra 以 69 分居首，其后是 GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5 和 Claude Fable 5.1。模型平均每项任务耗时约 30 分钟，比人类基线慢约 100 倍，GPT-6 Astra 平均每项任务耗时 30 分钟、花费 16.36 美元，GPT-6.1 Sol 最便宜为 1.93 美元。
推荐理由Artificial Analysis 用同一套机械臂任务横向对比五款前沿模型，给出了时间、成本与抓取成功率的量化差异。
Google DeepMind 正式上线通用物理推理模型 Gemini 4 Argon，并发布与 Apptronik Apollo 人形机器人合作的演示视频，机器人仅观看一段掷沙包示范视频后反复练习，最终连续投中 7 次。该模型具备视觉语义推理、物理理解和代码生成能力，可用于机器人控制、仿真环境构建、物理数据分析和动作优化，在纯推理模式下 ERQA 基准得分达 87%。演示还覆盖从机器人视角、人类视角视频及手绘草图生成 MuJoCo 仿真环境，以及用仿真数据把真实机器人抓取成功率从 56% 提升至 75%。
推荐理由演示覆盖仿真环境构建、零样本控制与数据生成，可看到物理推理模型在机器人研发链路中的具体分工。
World Labs 发布 World API，开发者可通过该公开接口调用其多模态世界模型 Marble，从文本、单图、多图、360° 全景和视频生成可导航的 3D 世界。世界生成以异步方式运行，无需专有工具，生成结果可在浏览器渲染、导出到其他工具或接入交互系统与仿真管线。该 API 已用于游戏与沉浸式媒体、机器人仿真（可接入 NVIDIA Isaac Sim、MuJoCo、RoboSuite）以及建筑设计等场景，并通过 World Labs Platform 提供 API key 管理、用量计费和文档。
推荐理由World Labs 把 Marble 的世界生成能力开放为 API，读者可据此判断 3D 世界生成如何接入现有产品与仿真流程。
World Labs 公布其 real-to-sim-to-real（R2S2R）引擎的早期结果，该引擎由 7 月 21 日加入的 SceniX 团队开发，把真实机器人任务重建为对齐的仿真世界。官方称策略可完全在仿真中训练、零真实训练数据，并直接迁移到多种真实机器人平台，覆盖可变形线缆、铰接盒、刚性物体和杂乱抓取等任务。仿真还能预测策略在硬件上的相对表现与失败区域，用于筛选 checkpoint、降低真机评测成本。
推荐理由World Labs 首次公开 R2S2R 引擎的早期结果，读者可了解仿真如何替代真机数据训练与评测机器人策略。
World Labs 已签署最终协议加入 AMD，交易预计在 2026 年底前完成，尚待监管批准及其他惯例交割条件。双方自去年起在 AMD GPU 上进行模型训练与推理优化，并由此决定把软件与硬件、基础模型和应用整合到一起。李飞飞将出任 AMD 执行副总裁兼首席科学家，直接与 CEO 苏姿丰合作，Justin Johnson 和 Ben Mildenhall 将继续带领 World Labs 团队，共同构建覆盖硬件、软件、平台和开放模型的全栈开放 AI 生态。
推荐理由World Labs 与 AMD 从 GPU 训练推理合作走向整体并入，读者可据此观察空间智能研究与硬件厂商的整合路径。
World Labs 发布下一代世界模型 Atlas，这是一个从零预训练的多模态自回归扩散 Transformer，原生处理文本、图像、视频和 3D，所有输入被组合进共享的空间上下文。Atlas 支持像素级相机控制的图像与视频生成，可输出最长 1 分钟、1440p 的视频，并能从 1 到上百张输入图像重建真实场景，生成点云或 3D Gaussian splats。官方称其在相机控制生成和稀疏视图 3D 重建两项任务上优于专用模型，目前面向部分合作伙伴开放早期访问，并将用于 Marble 等后续产品。
推荐理由World Labs 从零预训练的多模态世界模型，统一处理文本、图像、视频与 3D，并给出相机控制与重建的对比结果。
Generalist 发布面向物理世界的基础模型 GEN-1.5，并展示了它连续把瓶子装箱的操作片段。官方表示更多细节见其博客文章。
推荐理由Generalist 发布面向物理世界的基础模型 GEN-1.5，并给出其连续装箱的演示，可据此了解该模型在操作任务上的定位。