GAM：把"几何基础模型"改造成机器人策略的共享底座 · manipulation

当下的 VLA / 世界-动作模型大多仍在 2D 图像或其衍生潜空间上运作，缺少接触密集操作真正需要的 3D 几何。GAM 直接复用一个预训练的几何基础模型把 3D 结构注入策略，是"给 VLA 补 3D"这条思路里当日社区热度最高（HF↑80）的一篇。

Jisang Han et al. · arXiv 2606.17046 https://arxiv.org/abs/2606.17046

方法把一个预训练几何基础模型（GFM）当作感知、时序预测与动作解码的共享基底：在 GFM 的中间层切开，浅层作为观测编码器，深层承接时序预测与动作输出。由此让一个语言条件的操作策略原生携带 3D 几何，而非停留在 2D 帧或 2D 派生表征上。论文主张这种"复用几何先验"的做法，比额外堆叠点云/深度分支更省、且更利于跨视角与接触任务的泛化。

DreamX-World 1.0：通用交互式世界模型，支持长时域与"重访" · world-model

通用交互式世界模型里，少见地把"可重访已观测区域 + 可提示事件 + 长时域生成"做进同一个模型，并同时覆盖写实、游戏与风格化多域；HF↑70 的社区关注度。

DreamX Team · arXiv 2606.16993 https://arxiv.org/abs/2606.16993

这是一个文本/图像到视频的通用交互世界模型，支持相机导航、回访先前观测过的区域、以及跨写实/游戏/风格化场景的可提示事件。数据引擎结合了相机精确的 Unreal Engine 渲染、动作丰富的游戏录像与恢复了相机几何的真实视频。模型用一种轻量投影位置编码 E-PRoPE 保留投影相机几何，并通过 causal forcing、DMD 蒸馏与长 rollout 训练，把一个双向视频生成器转化为少步自回归的世界模型。

Qwen-RobotWorld：以语言为统一动作接口的具身视频世界模型 · world-model

阿里同日发布的 Qwen-Robot 具身套件里对应"大脑"的一环：用自然语言作统一动作接口，把操作、驾驶、室内导航与人到机器人迁移统进一个能预测未来画面的模型。

Jie Zhang et al.（阿里 Qwen）· arXiv 2606.17030 https://arxiv.org/abs/2606.17030

模型以自然语言为统一动作接口，从当前观测预测物理上合理的未来视觉轨迹，覆盖机器人操作、自动驾驶、室内导航与人到机器人迁移。它给出三类应用方向：为策略训练做合成数据增广、作可扩展的虚拟环境做策略评测、以及作语言引导的规划信号。架构上采用 Double-Stream MMDiT，把冻结的 Qwen2.5-VL 语义与 video-VAE 潜变量耦合，并以 MLLM 做动作编码。

Kairos：面向 Physical AI 的"原生"世界模型栈 · world-model

把世界模型从"被动视频生成器"推向"能长期保持状态、跨本体预训练"的操作基础设施；据报该 Kairos 栈已在 RoboTwin 2.0、LIBERO-Plus 等具身基准登顶。

Kairos Team et al. · arXiv 2606.16533 https://arxiv.org/abs/2606.16533 · 解读：量子位 原文

Kairos 提出一套原生世界模型栈：以"原生预训练范式"配合"跨本体数据课程"，把开放世界视频、人类行为数据与机器人交互组织成渐进式发展路径；在一个统一的原生架构里同时做世界理解、生成与预测，并用混合线性时序注意力维持长时域的持久状态，强调在真实部署约束下的高效执行。该栈即商汤系大晓近期对外展示的世界模型技术路线。

世界模型该怎么评？一篇以"决策为中心"的立场论文 · world-model

与近期"世界模型定义混乱"的讨论同频，这篇直指当前评测最大的病灶：论文对"模型能用来做什么"的声称，常常超出其评测实际能支撑的范围。

Yang Yu et al.（南京大学）· arXiv 2606.15032 https://arxiv.org/abs/2606.15032

作者梳理了"世界模型"一词如今指代的多种对象（动作条件环境模型、潜在想象模型、未来视频预测器、交互式神经模拟器、潜在预测表征、合成数据引擎等），并指出评测随术语一起泛化，造成反复出现的"声称/证据不匹配"。论文主张以下游决策（规划成功率、策略提升等可执行指标）为中心来重订世界模型的评测口径。

ViTaL：把触觉接进"推理期策略引导" · manipulation

推理期引导（不重训策略、只在部署时挑动作）此前大多只用视觉，但接触密集任务的成败常取决于接触力等局部交互。ViTaL 把触觉接进来做"高层选模式、低层按接触修动作"的双层引导。

Yilin Wu et al.（CMU）· arXiv 2606.14981 https://arxiv.org/abs/2606.14981

方法把多模态引导写成双层优化：高层用视觉采样-验证做长时域的模式选择，决定机器人该执行什么行为；低层用触觉引导的扩散编辑，在更短时域内细化所选动作序列，以满足接触力等局部约束。面向单靠视觉不足以判断成败的接触密集操作。

ROVE：用"不完美的人类介入"做人形 VLA 后训练 · vla

人类介入是 VLA 后训练的重要纠错信号，但人形全身运动学加灵巧手使介入轨迹往往犹豫、低效甚至出错；把这些当专家示范直接学，会把坏习惯学进去。

Wei Xiao et al. · arXiv 2606.17011 https://arxiv.org/abs/2606.17011 · 信号 HF↑6

ROVE 给出一套强化学习框架：先用 human-in-the-loop 流水线为人形操作采集部署与介入数据，再用基于乐观估计的方法在含不完美介入的数据上做人形 VLA 后训练，避免把犹豫/低效/错误的介入行为当作监督吸收进策略。

深朴智能（Simple AI）｜ Pre-A ｜ 数亿元 · embodied

滴滴领投，梅花创投、柯力传感跟投，老股东创世伙伴创投、线性资本、普华资本持续加码。深朴智能定位通用具身智能机器人，据报一年内已连揽四轮，是当日国内具身赛道最受关注的一笔融资。来源：智东西 https://zhidx.com/p/566669.html

宇树科技 ｜ 科创板 IPO 过会 ｜ 拟募资约 42.02 亿元 · humanoid

宇树科技科创板 IPO 成功过会，拟募资约 42.02 亿元，从四足机器狗、人形整机量产走向资本市场再进一步；其过会节奏被多家媒体称"73 天封神"。来源：新浪财经 https://cj.sina.cn/articles/view/7857201856/1d45362c001906vq8o?froms=ggmp

Limitless Labs ｜ A 轮 ｜ 2000 万美元 · industrial

为精密制造打造"物理 AI"基础模型与面向工厂的 AI agent，本轮资金用于扩展其具身基础模型。把"具身基座"瞄准制造业垂直场景，是 to-B 路线的又一例。来源：SiliconANGLE https://siliconangle.com/2026/06/16/limitless-labs-lands-20m-build-ai-agents-precision-manufacturing/

Pegasus Tech Ventures × CYBERDYNE ｜ 企业风险基金 ｜ 100 亿日元 · adjacent

双方设立 100 亿日元 CVC 基金，专投"HCPS Cybernics × 物理 AI"方向。CYBERDYNE 以 HAL 外骨骼见长，基金意在加速人机物理系统类创业。来源：Business Wire https://www.businesswire.com/news/home/20260616249735/en/Pegasus-Tech-Ventures-and-CYBERDYNE-Launch-10-Billion-Japanese-Yen-Corporate-Venture-Capital-Fund-to-Accelerate-HCPS-Cybernics-with-Physical-AI

诺亦腾机器人（NOITOM）｜ Pre-A++ · adjacent

北京市人工智能产业投资基金、上海人工智能产业系列基金、深创投、建发新兴、中金资本、昆仑资本、元禾璞华等入局，老股东加码。诺亦腾以动作捕捉起家，正向具身数据采集延伸。来源：势乘资本 原文

潜空间具身智能 ｜ 种子轮 ｜ 数千万元 · embodied

瀚晖资本联合产业合作方投资，主攻"软件定义机器人动作"、零代码让机器人动起来，资金用于平台研发迭代与团队扩充。来源：北大青年CEO俱乐部 原文

协作机器人赛道热钱再起：法奥·艾利特·睿尔曼·非夕·天机智能密集落子 · industrial

进入 2026 年，法奥机器人、艾利特、睿尔曼、非夕科技相继官宣新一轮融资，天机智能更以 10 亿元 B 轮出圈。协作机器人成本相对可控、落地场景明确，重新成为资本焦点。来源：高工机器人 原文

智元机器人累计出货突破 1 万台，约 50 亿元特种机器人全国基地冲刺开工 · humanoid

智元宣布累计出货超 1 万台（上半年新增约 4900 台、半年翻倍），成为业内首个"万台交付"玩家，并定下 2027 年 100 亿元营收目标；同时其约 50 亿元特种机器人全国基地项目进入开工冲刺，临港、成都郫都、郑州等多地产能铺开。（远征 A3 自主打乒乓的能力演示已于前期报道，此处不再展开）来源：源动机器人 原文

成都人形机器人创新中心签下 5000 台订单 · humanoid

成都人形机器人创新中心宣布签下 5000 台供应订单，指向人形整机从展示走向批量采购。⚠️ 单方口径（"国内具身最大单一供应商订单"为其自述记录）来源：Sohu https://m.sohu.com/a/1037497840_121478296?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

宝马在莱比锡工厂测试人形机器人 · industrial

宝马在德国莱比锡工厂测试人形机器人，定位"不知疲倦的同事"，加入海外车企在产线试用人形的行列。目前仍属工厂试装阶段，非规模化部署。来源：VISION mobility https://vision-mobility.de/cn/news/baomazailaibixigongchangceshirenxingjiqiren-buzhipijuandetongshi-392216.html?cmpscreencustom=

由人形机器人运营的便利店将在香港落地 · humanoid

据外媒报道，一家由人形机器人运营的便利店将在香港启动，把人形从工厂、导览推向零售前台。实际运营效果与人机分工仍待观察。来源：People.com https://people.com/hong-kong-convenience-store-to-be-staffed-solely-by-a-humanoid-robot-11998112

亚马逊将在英国新建 5 亿英镑跨码头枢纽，每周处理约 2000 万件 · industrial

亚马逊计划在英国新建投资约 5 亿英镑的 cross-dock 跨码头中心，每周处理约 2000 万件包裹，仓储与物流自动化继续向更高吞吐扩张。来源：Trans.INFO https://trans.info/amazon-uk-cross-dock-hub-483727

阿里发布首个具身大模型 Qwen-Robot 系列：操作·导航·世界模型"手脚脑"三连发 · world-model

通义千问家族首次推出完整具身智能模型系列，由 Qwen-RobotManip（操作，VLA）、Qwen-RobotNav（导航）、Qwen-RobotWorld（世界模型）三大组件构成，分别对应机器人的"手、脚、大脑"，标志阿里从数字世界的对话式 AI 正式迈向物理世界。据公开拆解，其 VLA 部分基于 Qwen3.5-4B 视觉-语言骨干外接约 1.15B 的 DiT 流匹配动作解码器，把操作、导航与轨迹预测统一进一套动作-轨迹预测框架，并以"具身感知提示"做条件，宣称可跨任务、跨环境、跨本体复用。阿里将其定位为面向机器人的"标准化控制底座"。消息当日有逾七家英文媒体跟进，但港股阿里盘前一度走低，反映市场对"底座"商业兑现仍在观望。来源：机器人前瞻 原文

星海图同日甩出具身"全家桶"：开源 G0.5、世界模型 Fast-WAM、首秀双足人形 Kengo · humanoid

在 6 月 16 日的具身智能活动上，星海图一次性发布并开源新一代 VLA 基础模型 G0.5，公布世界模型 Fast-WAM 与全身控制基础模型，自研双足人形机器人 Kengo（行客）完成展区首秀，并宣布完成"整机＋智能"战略闭环。创始人给出"本能智能—作业智能—进化智能"三阶段研判：本能智能直接作用于本体（平衡、行走、奔跑），作业与进化智能再逐级叠加，强调没有捷径可走。把开源基座模型、世界模型与自研人形本体一次摆齐，是其区别于"只做大脑"或"只做本体"玩家的卡位方式。来源：机器人前瞻 原文

Genesis AI 发布首款通用机器人 Eno：押注"非人形"轮式路线 · embodied

由 Eric Schmidt 等投资的具身基座公司 Genesis AI 推出首款通用机器人 Eno，采用轮式而非双足设计，本体与名为 GENE 的"大脑"一体化设计，计划年底向客户交付。公司公开质疑当前的人形热潮，主张以更务实的轮式移动操作切入企业场景；同日宣布与 LG CNS 达成"行业首个"战略合作，把通用机器人规模化部署进企业运营。法新社、路透、福布斯密集跟进，Forbes 甚至以"是否是人形机器人的 iPhone 时刻"发问——这更多是媒体框定，Eno 的实际能力与交付仍待落地检验。来源：The Robot Report https://www.therobotreport.com/genesis-ai-launches-eno-general-purpose-robot/

Current Robotics 发布全身灵巧操作模型 Curr-0：一套权重统一移动与精细操作 · embodied

Curr-0 用单一策略（Single Policy）把行走、全身姿态协调与手部精细操作端到端耦合，机器人无需"先走到位再操作"，而是在运动中让全身与手实时配合。模型基于 21,000 小时真实人类行为数据（含 2,800 小时全身示教）训练，数据来自其自研 HumanEx 全身外骨骼采集系统——让人穿戴外骨骼在真实场景自然完成任务，把数据增长从"机器人部署小时数"切换为"人类任务小时数"。官方 Demo 中机器人完成撕茶包、点香、盖章、抱玩具蹲下入篮等动作，属能力演示，距规模化部署仍有距离。来源：量子位 原文

Mobileye 宣布 2027 年在美自营、垂直整合 Robotaxi 业务 · autonomy

自动驾驶技术供应商 Mobileye（MBLY）宣布将于 2027 年在美国某城市推出自有、垂直整合的 Robotaxi 服务，从供应商角色向自营运营延伸，消息推动其美股盘前上涨。这与其长期"做 ADAS／自动驾驶技术供应商"的定位形成明显转向，被解读为在 Waymo、特斯拉之外再添一个整合型玩家；2027 年时间表属计划口径。来源：CNBC https://www.cnbc.com/2026/06/16/self-driving-tech-supplier-mobileye-targets-us-robotaxi-launch-in-2027.html

理想发布自研芯片马赫 M100，李想给"具身智能汽车"下定义 · autonomy

理想发布自研芯片马赫 M100，并把"具身智能汽车"定义为同时具备电动车、职业司机、AI 计算机与生活助手四种能力的 Agent；李想称智能汽车"还不够智能"，目标年底让马赫 VLA 比肩特斯拉 FSD V14。这是车企把"具身智能"叙事从机器人本体延伸回汽车本体的又一例，年底对标 FSD 属目标口径，需以实际版本验证。来源：新浪财经 https://t.cj.sina.cn/articles/view/6367828723/17b8d5af300103eony

京东在宿迁设立具身智能研究院，继续"锚定物理世界" · embodied

京东宣布在宿迁成立具身智能研究院，延续其"AI 价值重构、锚定物理世界"的战略表态，电商与物流大厂继续把资源投向具身方向。来源：Gasgoo https://autonews.gasgoo.com/articles/icv/jdcom-establishes-an-embodied-ai-research-institute-in-suqian-2066890128101081088

ABB Robotics 联手 PSYONIC，用人类生成数据补机器人灵巧度 · embodied

ABB Robotics 与仿生假肢灵巧手公司 PSYONIC 达成合作，借助 PSYONIC 由仿生假手积累的人类操作数据，提升机器人精细操作与触觉灵巧度，呼应当日"灵巧手是具身瓶颈"的行业讨论。来源：The Robot Report https://londoninsider.co.uk/abb-robotics-abb-partners-with-psyonic-to-bridge-the-gap-between-human-and-robot-dexterity/