https://elephantflow.github.io/categories/%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8B%E4%B8%8E%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD/Recent content in 世界模型与具身智能 on ElephantFlow's BlogHugo -- 0.146.0zh-CNThu, 01 Oct 2026 09:00:00 +0800https://elephantflow.github.io/clips/he-kaiming-nat-arc-natural-image-pretraining/Thu, 01 Oct 2026 09:00:00 +0800https://elephantflow.github.io/clips/he-kaiming-nat-arc-natural-image-pretraining/何恺明团队（MIT CSAIL，一作 Xiaoman Delores Ding，也是 CVPR 2026 的 VARC 一作）新论文 NAT-ARC（*Natural Image Pretraining Improves Abstract Reasoning*，ECCV 2026）在 VARC…https://elephantflow.github.io/clips/teledexter-dexterous-hand-cerebellum/Sat, 19 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/teledexter-dexterous-hand-cerebellum/具身纪元对谈 TeleDexter 两位一作（陈泽源、李浦豪）。核心是把灵巧手遥操作从运动映射问题重构成目标驱动的动态接触控制问题：操作者只给目标指尖位置 + 物体的目标位姿，底层 RL 控制器自己决定怎么发力、哪根手指先松开、其他手指如何接替支撑。不再逐帧模仿人手，而是连续子目标跟踪——中间…https://elephantflow.github.io/clips/humanplus-1000-ego-whole-body-dataset/Fri, 18 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/humanplus-1000-ego-whole-body-dataset/厦大 HumanPlus 联合 CMU、清华、浙大发布 HumanPlus-1000：超过 1000 小时连续的真实世界人类行为数据，100+ 参与者、100+ 场景、500+ 类任务，是 Meta Nymeria（约 300 小时 / 264 人 / 50 地点 / 20 类活动）的 3 倍…https://elephantflow.github.io/clips/gpt-6-astra-benchmark-what-remains/Wed, 16 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/gpt-6-astra-benchmark-what-remains/一篇匿名评测显示 GPT-6 Astra 不微调就能直接控机械臂，在 RoboLab 上 49/50（98%）压过 π0.5 与混合策略。但把任务换成柔性物体就反转了——叠衣服 Direct 40%、混合 100%，且 Direct 按成功任务分摊的 Token 是混合的 3.35 倍。作者的…https://elephantflow.github.io/clips/odyssey-3-foundation-world-model/Wed, 16 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/odyssey-3-foundation-world-model/自动驾驶老兵创办的 Odyssey 发布 Odyssey-3，自称基础世界模型：自回归扩散 Transformer 预训练一次，主干全程冻结，顶部只挂一个学到的 action decoder，用数十小时（驾驶仅 20 小时仿真数据）体验数据就能驱动机械臂、Flexion 人形、印度街道闭环驾驶…https://elephantflow.github.io/clips/lingbot-ceo-interview-physical-intelligence/Wed, 16 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/lingbot-ceo-interview-physical-intelligence/APPSO 在 2026 外滩大会对话蚂蚁灵波 CEO 朱兴。灵波的定位是做具身「大脑」（同一套基础模型适配不同构型与任务，靠后训练降门槛），产品线为 LingBot-World（可交互世界生成）/ LingBot-Video（具身视频生成基座）/ LingBot-VLA 2.0 / 数据管线…https://elephantflow.github.io/clips/vidu-s2-realtime-interactive-video/Tue, 15 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/vidu-s2-realtime-interactive-video/生数科技发布 Vidu S2，三个升级：S2-Avatar（实时互动数字人升到 720P、能执行大幅动作、互动中可随时递参考图让角色换装/拿物/换场景）、S2-Editing（正在播放的视频可实时换装/换人/换背景/换风格，边播边改）、实时空间视频（可实时生成与编辑左右眼画面送进 VR 头显）…https://elephantflow.github.io/clips/lingbot-map-streaming-3d-reconstruction/Fri, 11 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/lingbot-map-streaming-3d-reconstruction/蚂蚁灵波开源的流式 3D 重建基础模型 LingBot-Map（论文《Geometric Context Transformer for Streaming 3D Reconstruction》入选 ECCV 2026 Oral）用 Geometric Context Attention 把流…https://elephantflow.github.io/clips/general-world-models-first-principles/Thu, 10 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/general-world-models-first-principles/机器之心借朱军团队《General World Models from First-Principles》梳理世界模型这个最没有共识的词：三家的分类法（World Labs 渲染器/模拟器/规划器、LeCun 的潜空间可预测结构、朱军的理解-想象-行动闭环 + L1 生成世界→L5 世界组织者…https://elephantflow.github.io/clips/hand-dextrous-hand-benchmarks/Wed, 09 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/hand-dextrous-hand-benchmarks/HAND ERC 的一篇综述：手部灵巧性被欠定义，所以基准测试必须先强加一种视角——他们把灵巧性定义为高效可靠地利用接触来改变世界或学习世界属性，据此建立组件级→手级→系统级→应用级的四层基准体系，主张用逐层敏感性链把设计决策归因到系统性能；核心痛点是现有指标沿用了工业机器人手臂那套（为自由空…https://elephantflow.github.io/clips/annu-industrial-embodied-stack/Tue, 08 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/annu-industrial-embodied-stack/安努智能一周发布六款模型，把工业具身智能从数据生成（Helios 实时长视频 + SimLab 软体仿真）到动作后果预判（ActiWorld）、真机进化（RoHIL/EvoHIL）、执行（AnuVerse-0.5）、部署（Nexus）串成闭环；其中 ActiWorld 用逆动力学头 + 双向预…https://elephantflow.github.io/clips/zeno-1-collaborative-embodied/Mon, 07 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/zeno-1-collaborative-embodied/芝诺机器人（Zeno AI）发布 3B 参数、30Hz 本地闭环的 Zeno-1，让每台机器人各自跑同一份策略副本、不通信不调度，靠「闭环伙伴交互（CPI）」在真实物理环境里互为训练伙伴自学协作——协作行为不是模仿人类演示得来的，是从共享物理世界的闭环里涌现出来的。https://elephantflow.github.io/clips/dele-w0-5-embodied-foundation/Fri, 04 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/dele-w0-5-embodied-foundation/用 DINO-v3 编码的未来观测 latent 作训练期联合目标、推理时整支移除，640 次真机实验成功率 62.5%（最强基线 30%，2.1×）https://elephantflow.github.io/clips/world-labs-atlas/Thu, 03 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/world-labs-atlas/把相机位姿做成原生输入的全能世界模型，单图生成可自由探索的 3D 世界并直出点云与 3DGShttps://elephantflow.github.io/clips/motus2-self-evolving-world-model/Tue, 01 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/motus2-self-evolving-world-model/Motus2 把策略、模拟器、评估器三件事塞进同一套权重（只用改注意力掩码来切换），让模型能自己生成候选动作、想象后果、给结果打分、再用打分回传更新策略——形成闭环自我进化，配合 13 万小时第一视角人类数据金字塔，把双臂灵巧手的真机成功率从 0% 拉到 84%。https://elephantflow.github.io/clips/hyper3d-worldgen/Tue, 01 Sep 2026 09:00:00 +0800https://elephantflow.github.io/clips/hyper3d-worldgen/把 3D 生成的交付单位从单件资产升到带物理关系的可拆解场景，2-3 分钟单图出整场景+自动物理参数