#具身智能

谷歌推出 Gemini 4 Argon 旨在统一机器人任务流程

谷歌发布 Gemini 4 Argon，试图用单一模型覆盖机器人控制、虚拟仿真构建和训练视频评估全流程。该模型在 ERQA 基准测试中得分 87%，但在 AA-Robotics 真实机械臂控制测试中排名第三。演示显示其高度依赖人工编写的详细提示词和预置指令来引导任务执行。目前仅向 Google AI Ultra 订阅用户开放。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 模型》

FLUX 3 Action登顶RoboLab-120

FLUX 3 Action，一款视频优先的世界动作模型，在 RoboLab-120 的模拟中排名第一，成功率为 42.9%。它在超过 95% 的视频上进行了预训练。它通过约 200 个演示适应了新机械臂。它尚未在真实机器人肢体上进行测试

Google DeepMind 发布 Gemini 4 Argon 机器人专用模型

Google DeepMind 发布 Gemini 4 Argon，这是一款面向机器人领域的通用物理推理模型，旨在加速迈向物理 AGI 的进程。该模型在 Embodied Reasoning (ERQA) 基准测试中纯推理得分达 87%，超越了其他前沿模型。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 模型》

Google 发布 Gemini 4 Argon：面向机器人的物理推理模型

Google 发布 Gemini 4 Argon，这是一款专为机器人领域设计的通用物理推理模型，在 Embodied Reasoning (ERQA) 基准测试中以纯推理方式获得 87% 的分数。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 模型》

哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld

哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorld，整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言描述或编辑车辆、行人及轨迹，生成多视角视频与激光雷达观测数据。其旨在帮助研发人员构造长尾情境，扩展自动驾驶策略测试的数据覆盖范围。

Odyssey 发布 Odyssey-3 基础世界模型，Physics-IQ Verified 得分 66.1

Odyssey 推出 Odyssey-3 系列基础世界模型，其 Pro 版本在 Physics-IQ Verified 视频到视频基准测试中取得 66.1 分，创该榜单最高纪录。该模型采用自回归架构，从大量视觉观测中学习物理、动态与因果关系，可预测物体移动及情境演变，用于模拟环境或训练机器人等系统的控制策略。

Reka AI 发布全能模型 Rho-1，单模型处理文本图像视频与机器人控制

Reka AI 发布了研究预览版全能模型 Rho-1，该 19B 参数模型在单一神经网络内处理并生成文本、图像、视频和机器人控制动作。Rho-1 将所有模态作为 token 运行在共享上下文窗口中，无需调用外部工具或专用模型，并能实时生成连续视频。为解决机器人训练数据稀缺问题，团队构建了一个从普通互联网视频中提取控制信号的逆动力学模型，并在 320 块 H100 GPU 上训练了约三个月。

Ai2 发布 MolmoMotion：语言引导的 3D 运动预测模型

Ai2 发布 MolmoMotion，这是一个基于 Molmo 2 骨干网络的语言引导 3D 运动预测模型，能根据视频帧、标记点和指令预测物体未来轨迹。同时开源了包含 1.16M 视频的 MolmoMotion-1M 数据集和 PointMotionBench 基准。实验显示该模型在机器人规划任务中成功率达 76.3%，优于基线，并能显著提升视频生成的运动质量。

SONIC模型控制人形机器人全身

GPT-1 的一半参数能做什么？我们训练了一个名为 SONIC 的 42M Transformer，用于控制人形机器人的身体。人类进行深蹲、转身、爬行和冲刺需要大量的潜意识处理。SONIC 捕捉了这种“系统 1”——快速、反应式的全身