AI 走进物理世界：人形机器人、具身基础模型与真实环境操作能力的进展追踪。
这篇是 ICLR 2026 的论文，讲的是英伟达 Cosmos Lab 和普渡大学搞的 Scenethesis 框架。它让语言和视觉模型组成一个 agent 闭环，根据文字描述生成 3D 场景。流程里加了视觉定位、基于 SDF 的物理约束，还有一个裁判模块来挑错。实验数据是：首次生成成功率约 72%，模型自己检查修正后能拉到 91%，碰撞率从 6.1%...
推荐理由：我会先打个折：正文没披露 72% 和 91% 是在什么数据集上跑的，也没说 judge 模块本身会不会出错，所以这个自检提升幅度先别太激动。但思路本身挺实在——让 agent 自己生成、自己检查、自己修，相当于给文生 3D 加了个质检闭环。SDF 物理约束这个点也值得留意，它不是纯靠视觉打分，而是用几何和物理规则卡了一道，理论上能减少穿模和浮空这种低级错误。对做机器人仿真和 3D 资产管线的人来说，如果这套流程真能稳定跑通，省下来的手工修场景的时间会很可观。
波士顿动力放出了新版 Atlas 体操演示，但同期消息显示 Atlas 月产量只有 4 台。Atlas 全身 56 个自由度，重 90 公斤，续航 4 小时，2026 年的产能已被现代 RMAC 和 Google DeepMind 预定一空。核心矛盾在规模：现代汽车目标是年产 3 万台机器人，按现在的月产 4 台算，攒够 1 万台需要超过 200 年。...
推荐理由：我会先打个折，这篇不是波士顿动力官方发布，是二手报道，所以重要性没给到85以上。但HKR三项都站得住：钩子靠月产4台和年产3万台的数字反差撑起来，知识密度有具体规格和产能分配对象，关联度直接打在机器人规模化这个行业痛点上。正文没披露Atlas具体售价和产线细节，这点先别太激动。
清华 AIR DISCOVER 实验室和合作方开源了 GS-Playground，已被 RSS 2026 接收。这个框架把批量 3D 高斯泼溅渲染和并行物理引擎绑在一起，专门解决机器人训练时视觉仿真的算力瓶颈。在 RTX 4090 上，640×480 分辨率能跑到每秒一万帧，同时并行跑 2048 个场景；50 个人形机器人的基准测试里也能维持每秒 10...
推荐理由：这篇是清华 AIR DISCOVER Lab 开源的具身智能仿真框架 GS-Playground，论文被 RSS 2026 录用。我会先打个折：它解决的是仿真渲染的吞吐问题，不是直接训出一个更强的机器人模型，所以重要性到不了模型发布那档。但它的数字确实硬——单卡 RTX 4090 在 640×480 下渲染能冲到 10000 FPS，最多并行跑 2048 个场景，50 个人形机器人基准也能稳住 1015 FPS。真正值得盯的是他们把 3D 高斯泼溅的批渲染跟物理仿真并行耦合起来了，这比单纯吹 FPS 更有工程价值。正文没披露大规模训练后的策略迁移效...
Meta 收购了做人形机器人基础模型的初创公司 Assured Robot Intelligence（ARI），收购金额没公布。ARI 的团队会整体并入 Meta 的超级智能实验室，之前他们在做让机器人理解、预测和适应人类行为的模型，目标场景是家务和其他体力活。这笔交易最直接的信号是 Meta 要把机器人数据和模型的工作从外部合作转向内部自研，但正文没...
推荐理由：这条消息本身信息量不大，正文没披露收购金额、团队规模、技术指标和后续路线图，所以我会先打个折。但 Meta 直接买团队而不是合作，说明它想把人形机器人的模型和数据能力握在自己手里，这对关注大厂机器人布局的人是个明确信号。标题里“人形 AI 野心”听着有点大，实际目前只看到团队并入和家务任务方向，别太激动。整体适合放进 featured，因为动作够具体、涉及实体够大，但缺细节，撑不起 P1。
Meta 买下了一家叫 Assured Robot Intelligence 的初创公司，这家公司专门给机器人做 AI 模型，Meta 想用它的技术推进自己的人形机器人项目。收购价格、团队规模和产品时间表正文都没提，所以这笔交易到底有多大分量还不好说。
推荐理由：Bloomberg 的消息，Meta 收购了 Assured Robot Intelligence，要做人形机器人。这事本身是个明确的信号：大厂在具身智能上开始押注了。但正文没披露收购花了多少钱、团队多少人、什么时候出产品，所以我会先打个折——知道方向，但不知道力度。H 和 R 都成立，K 偏弱，因为关键商业细节全缺。
小象电动做的是轴向磁通电机，用在机器人关节上。关节成本占人形机器人整机的35%到45%，这块一直是量产卡脖子的地方。他们给出的数据是：同等功率下体积和重量比传统电机小三分之一，效率做到97.5%，良率超过96%，目前累计出货接近7万台。客户名单里有华为、比亚迪、广汽和美团。今年还计划上一条年产15万台的自动化产线。不过正文因为微信环境验证没抓到完整内容...
推荐理由：我会先打个折：这是供应商进展，不是模型或平台发布，所以没给更高分。但小象电动拿出的出货量、效率和良品率数字够具体，而且已经进了华为、比亚迪、广汽、美团的供应链，说明不是PPT阶段。轴向磁通电机同功率下体积和重量降三分之一，这点先别太激动，正文没披露对比的是哪款电机、测试条件是什么。真正值得盯的是关节电机量产爬坡，因为这块成本占整机的大头，谁先跑通谁就有定价权。
罗剑岚团队和智元机器人搞了个新训练框架 LWD，已经在 16 台 Agibot G1 真机上跑过验证。LWD Online 在 8 个任务上平均成功率 0.95，长流程任务也能到 0.91。它的核心思路是把失败轨迹当训练数据用——他们攒了 652.5 小时的机器人操作数据，里面失败样本占了 34.8%，然后用离线转在线的强化学习方式让模型从这些翻车经验...
推荐理由：HKR三项都站得住：真机规模、任务数和成功率给了硬数字，失败轨迹占比这个数据点对同行有参考价值。不过具身智能的受众比基础模型窄，所以重要性定在78，不上头条。
生数科技新模型 MotuBrain 拿了两个第一：在 WorldArena 世界模型榜单上得分 63.77 EWM，在 RoboTwin2.0 的干净和随机两个测试里分别拿到 95.8 和 96.1 分。官方说它是在 Motus 基础上加了视频-动作联合建模、Latent Action VAE、MoT 和 UniDiffuser，能跨不同机器人形态做长...
推荐理由：MotuBrain 在两个榜单上拿了第一，分数看着挺漂亮。但正文没交代训练数据量、评测提交细节，也没有真实机器人的成功率数据，目前只能算单次刷榜。我会先打个折，等技术报告或实物演示出来再往上调。
4 月中旬有个叫 MotuBrain 的模型在 WorldArena 和 RoboTwin2.0 两个榜单上突然登顶，生数科技在 4 月 29 日认领了它。RoboTwin2.0 的干净环境和随机干扰环境分别拿了 95.8 和 96.1 分。演示里用三台不同的人形机器人接力完成了五项任务，核心是一套叫“世界动作模型”的设计，把视频、动作和语言用混合专家...
推荐理由：我会先打个折：分数和 Demo 都来自公司自己，没有独立部署数据，所以 82 分不往上调。但悬念认领加三台机器人实物演示，H 轴直接拉满；RoboTwin2.0 双场景高分和三流 MoT 架构把 K 轴撑实了；视频公司跨进具身智能这条线，R 轴也站得住。整体判断没变，三个轴都过，分数保持。
Scout AI 融了 1 亿美元，用来训练能在战场上干活的 AI 智能体。我们实地看了他们的训练场，核心目标是让一个士兵就能指挥一群无人车。不过正文没披露这轮融资是第几轮、谁投的、估值多少。
推荐理由：HKR 三项都站得住：1 亿美元、战争 agent 训练营、单兵控车队，信息够具体。但正文没披露轮次、投资方和估值，缺了这些关键商业信息，所以没到非写不可的程度。
这篇综述先捅破一层窗户纸：做强化学习、视频生成、Web Agent 的人嘴里说的“世界模型”根本不是一回事，论文之间没法比。作者团队拉出一个“能力等级 × 领域法则”的二维框架，把 400 多篇工作摆到同一张桌子上。能力分三层：L1 只预测下一步，L2 能做多步推演且遵守领域基本规则，L3 能在预测翻车时自己诊断原因、设计实验、修正模型。领域分物理、数...
推荐理由：我会先打个折：这不是新模型发布，是一篇梳理定义的综述。但它的价值在于把“世界模型”这个被用烂的词拆成可验证的层级和领域法则，400 多篇文献、26.2% 的物理一致性通过率、A-Lab 的闭环实验数据，都让讨论从玄学回到工程。对从业者来说，下次再有人说“我们做了世界模型”，可以直接拿这篇的框架去问到底在哪个层级、遵守什么领域法则。
南洋理工 MARS 实验室发了 REI-Bench，专门测机器人怎么理解人话里的模糊指令。他们把模糊程度分了 9 个等级，拿 4 套机器人规划框架搭上 6 个小模型跑了一遍。结果 LLaMA3.1-8B 加 SayCan 这套组合，在多轮对话里成功率从 57.7% 掉到 46.9%。最要命的是隐含指代——比如“把那个拿过来”但不说清是哪个——基线成功率...
推荐理由：这篇论文没造新模型，而是用一套模糊指令基准把现有方案拉出来遛了一遍。36.9%的成功率跌幅很直观，说明机器人一碰到指代不清、上下文省略的人类说话方式就崩。测试覆盖了4种规划框架和6个轻量模型，对照做得扎实，不是单点自嗨。对做具身智能的人来说，这个基准比刷榜分数更有参考价值，因为它暴露的是真实部署里绕不开的问题。
Applied Intuition 的 CEO 和 CTO 聊了他们从 YC 时期的自动驾驶工具链，一路做到估值 150 亿美元实体 AI 公司的完整路径。公司现在有 30 多款产品，全球非中国车企前 20 名里 18 家是他们的客户，L4 级无人卡车已经在日本跑起来了。他们反复强调，实体 AI 真正的瓶颈不是模型不够聪明，而是怎么把模型塞进车里：车载...
推荐理由：这篇复盘把 Physical AI 从融资故事拉到了实车部署层面，信息量够硬——估值、客户覆盖、L4 落地都有数字撑着。我会先打个折：正文没披露具体模型架构或安全验证的实测数据，所以重要性停在 80 这个区间是合理的。对做车端推理和自动驾驶落地的人，这篇值得一看，但别指望有技术白皮书级别的细节。
荣耀的人形机器人“闪电”在北京亦庄半马跑出50分26秒，比人类男子世界纪录57分20秒还快。宇树H1在1.9公里弯道赛段也跑出4分13秒。文章说2026年一季度具身智能融资近200笔、总额超300亿元，4月16日灵初智能又拿了4.55亿美元Pre-A轮。信号很直接：钱正从机器人本体流向模型和智能系统，硬件能卷的差不多到头了。
推荐理由：文章用一个直观的比赛成绩开场，然后落到融资数据和行业判断上，没有空谈概念。我会先打个折：正文没交代机器人是在什么规则、什么路况下跑的，和人类纪录的直接对比要谨慎看。但Q1融资规模和它石智航那笔大额Pre-A轮是实打实的新信息，加上“硬件护城河变浅、大脑才是下半场”这个判断，对关注具身智能方向的人有提醒作用。整体是评论性质，不是一手产品发布或论文，所以放在featured。
Project Prometheus 刚关掉一轮 100 亿美元的融资，估值大约 380 亿美元。领投的是贝索斯本人，跟他一起干的是前 Google 高管 Vik Bajaj。光看这个数字就知道手笔有多大：单轮融 100 亿，直接把一家做实体 AI 的公司抬到这个身价。不过正文没披露具体还有哪些投资方、产品到底做什么、以及什么时候会有东西出来，这些关键...
推荐理由：彭博给了个硬数字：Project Prometheus 以 380 亿美元估值完成 100 亿美元融资，贝佐斯和前谷歌高管 Vik Bajaj 参与主导。我会先打个折——投资方是谁、具体做什么产品、什么时候交割，正文都没说，所以这更像一个定价信号而不是完整故事。真正值得盯的是，这不是概念喊价，而是单轮 100 亿直接把实体 AI 推到 380 亿定价，说明资本在机器人方向的下注已经不讲武德了。
踏石智航在4月16号宣布完成4.55亿美元Pre-A轮融资，红杉中国、高瓴创投和美团联合领投。这笔钱创下了国内具身智能单轮和Pre-A轮融资的纪录。公司说他们的AWE3.0四模态模型把没见过视角的任务成功率提升了3倍，执行抖动降低了约45%，A1机器人还拿了个一小时完成亚毫米线束组装的吉尼斯纪录。不过正文没披露估值和具体交易条款，模型、数据和实际部署能...
推荐理由：这条我会先打个折，因为所有关键指标都是公司自己说的，正文没披露本轮估值和具体交割条件，外部验证也缺。但4.55亿美金这个数本身就够硬，红杉高瓴联手领投在具身智能里不常见，AWE3.0给的3倍成功率和45%抖动下降如果是真的挺省钱，A1那个吉尼斯纪录也说明在往工厂场景走。所以HKR三条都过，分数维持83，不升P1就是因为信息源单一，等第三方复现或估值细节出来再调。
特斯拉把资本支出计划上调到 250 亿美元，马斯克要把更多钱砸向 AI 相关项目。从 RSS 片段看，这些项目包括自动驾驶出租车、卡车、机器人以及芯片工厂，增幅被形容为“非常显著”。不过正文被付费墙挡住，没披露这笔钱覆盖的时间范围、具体怎么分项，也没提模型细节。能确定的一个信号是：特斯拉在投的不只是训练模型，而是从芯片到终端产品的整套体系。
推荐理由：FT报了一个具体的资本支出跳升数字，直接关联自动驾驶出租车、卡车、机器人和芯片工厂。我会先打个折：时间范围和分项花销都没给，模型细节也缺，所以不是必写级别。但250亿这个数够大，而且投向的是车、机器人和芯片产能整条链，不是只训模型，战略意义摆在那。HKR三项都踩中了，只是信息缺口让它停在featured中段。
MotuBrain 这个模型在 WorldArena 上拿了 63.77 的 EWM 分数，在 RoboTwin2.0 的干净和随机两种设置下分别得了 95.8 和 96.1 分，两项都是第一。它在运动质量、流分数和运动平滑度这些细分指标上也排在最前面。RoboTwin 的 50 个任务里它平均做到 96.0 分，第二名是 92.3 分，差距不算小。这...
推荐理由：H 抓的是匿名模型双榜第一这个反常事件，圈内打听本身就说明信息差和关注度。K 把具体分数和领先幅度摆出来，同时点明关键信息缺失——谁做的、怎么训的都不知道，读者能自己判断可信度。R 落在具身智能的核心争议上：一个模型同时做世界预测和动作输出到底行不行，这次有了可复现的 benchmark 证据。分数定在 81，因为结果本身有冲击力，但所有权、规模、训练数据和可复现性全缺，不能给更高。
苏度科技放出了他们的具身智能首秀Sudo R1，说是在完全没有用真实机器人数据训练的情况下，直接零样本测试了200多次，对100多种没见过的物体（包括透明、金属、软的和反光的东西）首次抓取成功率约98%，试两次基本能到100%。整个演示跑了60分钟。他们用的方法是在高保真模拟器里结合世界模型和强化学习来训练，相当于先在虚拟世界里把技能练好再搬到真机上。...
推荐理由：这条我会先打个折，因为所有指标都是自报的，没第三方验证。但零真机数据、zero-shot 直接上真机抓出 98% 首次成功率，这个说法本身就够硬，而且给了 200 多次测试、100 多个没见过的物体、60 分钟连续跑，数字具体，不是空口号。它正好打在机器人行业最疼的地方：真实数据又贵又慢，仿真到真机迁移一直是个坑。正文没披露融资金额、基准怎么定义的、谁做的第三方验证，所以分数没给更高。
智元在4月17号上海的活动上发了4款机器人、6个AI模型和7套标准化部署方案，把2026年定义为具身智能的“部署态”元年。远征A3续航标称8到10小时，WITA Omni 1.0的交互延迟目标是500毫秒以内，BFM模型用了一亿多帧图像和700小时动捕数据训练。他们还提到2025年出货超5100台、市占率39%，第1万台在今年3月下线。对从业者来说，重...
推荐理由：HKR三项都成立：文章开头就拿七套标准化方案说事，后面用出货量、市占率、延迟和训练数据做支撑。分数停在76，因为关键效果数据全是公司自己说的，客户侧的实际表现和独立验证正文没披露，我会先打个折。