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。
斯坦福团队推出HomeBody项目，利用GPT-6 Astra控制宇树G1机器人，使其能在从未见过的厨房中根据语言指令完成收拾物品、寻找并递送药物等复杂任务。该系统核心在于将导航、抓取、开抽屉等封装为可复用的电机技能供大模型直接调用，并结合SLAM构建空间记忆与数字孪生环境，从而无需针对新场景重新训练动作策略即可实现泛化执行。
推荐理由：斯坦福团队提出HomeBody框架，通过让GPT-6 Astra调用预定义技能库而非端到端VLA，实现宇树G1在未见厨房中的零样本泛化操作。
AMD宣布以约82亿美元全股票交易收购李飞飞创办的World Labs，预计2026年底前完成交割。李飞飞将出任AMD执行副总裁兼首席科学家，直接向CEO苏姿丰汇报。
推荐理由：文章深入剖析了AMD收购World Labs背后的算力需求预判逻辑，揭示了芯片巨头通过吸纳前沿模型团队来定义下一代硬件架构的战略意图。
AMD 宣布以约 82 亿美元全股票方式收购李飞飞创立的 AI 初创公司 World Labs，交易预计于 2026 年底前完成。World Labs 专注于空间智能研究，其开发的 Atlas 模型能根据有限输入预测新视角并解决稀疏重建问题。收购完成后，李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报，双方计划共同建设覆盖硬件、软件及开放模型的 AI 生态。
推荐理由：AMD 收购 World Labs 旨在通过空间智能研究反哺硬件设计，展示了芯片巨头在物理 AI 领域的生态布局逻辑。
NVIDIA 在 ROSCon 大会上发布 Isaac ROS 5.0，这是一套基于 ROS 的 GPU 加速软件包，旨在通过引入新的智能体工作流帮助人类和 AI Agent 共同构建机器人。
推荐理由：NVIDIA 发布 Isaac ROS 5.0，引入支持 AI Agent 的工作流和 GPU 加速包，帮助开发者与智能体协作构建机器人应用。
Google DeepMind 正式发布 Gemini Robotics ER 2，这是其最新的高阶“具身推理”模型，旨在通过视频理解、任务编排和多机器人协作提升机器人在物理世界中的实用性。
推荐理由：新模型通过视频理解实现任务进度追踪与多机器人协作，并公开了API接入入口及基准测试数据。
Google DeepMind 推出 Gemini Robotics 2 系列模型，赋予机器人全身智能控制、精细灵巧操作及多机协作能力。该系列包含用于视觉语言动作控制的 VLA 模型、作为高层大脑的 ER 推理模型以及支持快速适配新硬件的端侧模型。目前 ER 模型已在 Google AI Studio 上线，VLA 和端侧模型向早期合作伙伴开放。
推荐理由：原文详细拆解了全身体控制、灵巧操作及多机协作的技术实现，为理解通用物理AI的落地路径提供了具体参考。
Google DeepMind 在 Project Genie 中推出基于 Street View 的实景锚定能力，允许用户选择美国境内的真实地点作为生成世界的起点，并应用如“海洋世界”或“黑白电影”等风格进行创意重构。
推荐理由：Project Genie 接入 Street View 真实影像，让 AI 生成的虚拟世界能锚定现实地点，为智能体提供更具真实感的交互环境。
英伟达机器人与AI研究组负责人Jim Fan在Sequoia AI Ascent 2026演讲中宣布VLA路线过时，提出以DreamZero为代表的世界动作模型（WAM）新范式。他指出VLA架构参数过度集中于语言而忽视物理动作，主张通过人类第一人称视频预训练和动作微调实现“底层同构”，并预测2040年前完成机器人终局。
推荐理由：文章梳理了英伟达Jim Fan关于机器人范式从VLA转向WAM的演讲核心，提供了对遥操作数据局限及神经缩放定律的具体分析。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是一款专为机器人设计的高层推理模型，显著提升了空间推理、多视角理解和成功检测能力。该模型新增了仪表读取功能，能结合视觉推理与代码执行精确解读压力表等工业仪器，并已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：新模型强化了空间推理与仪表读取能力，为机器人自主执行复杂物理任务提供了更可靠的感知基础。