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。
AMD 宣布已签署最终协议，将以约 82 亿美元全股票方式收购李飞飞创立的空间智能初创公司 World Labs，交易预计在 2026 年底前完成。收购完成后李飞飞将出任 AMD 执行副总裁兼首席科学家，其团队将继续研发 Atlas 等三维场景生成与机器人仿真技术。双方计划以此深化模型工作负载与芯片硬件的端到端协同，布局物理 AI 计算生态。
推荐理由：芯片厂商直接将空间智能前沿研究团队纳入体系，展示了软硬件深度协同争夺物理AI工作负载的商业路径。
AMD 宣布以 82 亿美元全股票收购李飞飞创立的空间智能公司 World Labs，交易预计 2026 年底前完成。交割后李飞飞将出任 AMD 执行副总裁兼首席科学家，联合创始人 Justin Johnson 与 Ben Mildenhall 带领团队并入组建前沿 AI 研究组织。
推荐理由：AMD借全股票收购吸纳空间智能研发团队，旨在让芯片设计直接对接物理模拟与三维生成等新型算力负载。
微软研究院对移动机器人操作负载做了首次系统性研究，结论是推理不必局限在机器人本地 GPU，卸载到边缘或云端 GPU 可提升任务表现与续航。评估显示，在内存足够的 GPU 上，建图与规划相比 A100 最多慢 383%；较轻 GPU 让导航及时检测障碍物下降 30%，VLA 模型精度下降 50%。
推荐理由：微软对机器人离线推理做了首次系统性测量研究，给出任务性能与续航的量化对比，并开源配套工具链。
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0，这是一套基于 ROS 的 GPU 加速包集合，新增智能体工作流与平台支持，帮助开发者与 AI 智能体协作构建机器人应用。
推荐理由：Isaac ROS 5.0 把智能体工作流引入机器人开发，读者可据此了解开源机器人栈新增的能力与硬件支持范围。
AWS 的 Strands Robots 与 Hugging Face 联合展示了基于 LeRobot 格式与 Storage Buckets 的机器人流式数据闭环方案。开发者可通过单个智能体完成示教采集、基于 Xet 的字节级增量同步、无需下载本地文件的流式训练，并将策略直接部署回硬件。官方配套提供了端到端运行的 Jupyter Notebook 示例代码。
推荐理由：文章演示了将具身智能演示采集、对象存储增量同步与流式训练打通的方法，便于机器人开发者降低本地存储和重复数据传输成本。
Google DeepMind 正式推出具身推理模型 Gemini Robotics ER 2，作为机器人的高层大脑提供连续视频理解、多步任务编排与多机协作能力。
推荐理由：该模型将高层推理规划与底层动作执行解耦，并通过连续视频流追踪任务进度，展示了具身智能分层编排与落地的具体路径。
Google DeepMind 发布机器人模型系列 Gemini Robotics 2，首次实现对人形机器人的全身运动控制、高灵巧度末端操作及多机器人协作。该系列包含负责视觉语言动作控制的 VLA 模型、负责长流程规划的具身推理模型 ER 2，以及适配新本体仅需数小时数据的端侧模型 On-Device 2。
推荐理由：该系列将控制范围扩展至人形机器人全身协调与灵巧操作，为具身智能从桌面任务迈向多机长周期协作提供了落地方案。
NVIDIA 推出面向手术机器人的实时动作驱动生成式模拟器 Cosmos-H-Dreams，支持在单张 GPU 上实现闭环交互控制。该模型将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步扩散学生模型，配合 FlashDreams 流式推理库在单张 NVIDIA RTX PRO 6000 上达到约 160 fps 的生成速度。
推荐理由：该系统将手术世界模型蒸馏为少步因果架构并结合流式推理，在单张工作站显卡上实现了百帧级交互与闭环控制。
Hugging Face 联合 Pollen Robotics 开源了机器人操作数据采集系统 Grabette，无需实体机械臂或复杂遥操作台即可通过手持夹爪录制真实操作轨迹。
推荐理由：该系统通过低成本手持夹爪免去机械臂遥操作，为低门槛采集操作轨迹并训练具身策略提供了全套开源软硬件方案。
Mistral AI 推出首个专用于具身导航的 8B 模型 Robostral Navigate，仅依赖单颗普通 RGB 摄像头即可根据自然语言指令引导机器人在复杂环境中自主移动。
推荐理由：该模型展示了仅凭单颗普通 RGB 摄像头在仿真数据与在线强化学习训练下实现高精度具身导航的可行路径。
Hugging Face 推出开源机器人学习框架 LeRobot v0.6.0，重点补齐从未来预测、人工纠偏到统一评测的完整学习闭环。新版本引入 VLA-JEPA、LingBot-VA 等世界模型策略，支持 GR00T N1.7 和 MolmoAct2 等新 VLA 模型，并提供 Robometer 等统一奖励模型 API 与 6 个仿真基准。
推荐理由：该版本打通了从世界模型预测、在线人工介入纠偏到云端训练与统一评测的完整机器人学习闭环。
Hugging Face 联合 Cerebras 推出基于 Gemma 4 31B 的实时语音到语音开源流水线，大幅降低语言模型推理与多轮交互延迟。该级联系统采用完全模块化设计，整合 Nvidia Parakeet 语音识别、Cerebras 加速的 Gemma 4 推理以及阿里 Qwen3TTS 文本转语音，重点优化高分位延迟瓶颈。
推荐理由：原文展示了通过专用推理芯片与模块化开源模型串联消除长尾延迟的方案，为具身智能与实时语音助手的架构设计提供了落地参考。
Google DeepMind 推出专为机器人设计的具身推理模型 Gemini Robotics-ER 1.6，大幅增强了空间推理、多视角理解以及任务完成判定能力。
推荐理由：该模型增强了空间指向、多视角任务完成判定与工业仪表读取能力，有助于开发者为实体机器人构建高阶环境理解与决策系统。