具身智能

GPT-6-Astra 跨 12 个具身基准评测，操作导航性能空前

旗舰模型直通具身任务，专用策略模型的必要性受质疑；ICL 泛化与物理状态校验是下一道坎。

HiSTEVE 分层 VLA 智能体在 MineStudio Bench 达 85.0%，OpenHA 37.4%

展示分层 VLA 加原生键鼠控制完成长时程任务，对游戏和具身智能体的工程落地有直接参考价值。

FlashRT实时推理引擎支持Pi0等VLA生产控制

降低机器人VLA小批量低延迟推理门槛，直接影响具身智能部署。

Ropedia W0 发布跨本体运动-操作世界模型，用1万小时人类+3千小时机器人数据

首次把人类第一人称数据规模化接入机器人世界模型，给跨本体动作空间统一与数据采集路线提供可复用范式

DRILL 按策略回报训练世界模型，成功率较 WMPO 提升 13.1 点

为 VLA 强化学习提供新的世界模型训练目标，在 5 个模拟器和 2 个 VLA 骨干上平均成功率提升 13.1 点，可能改变仿真训练范式。

FRED 让 WAM 零样本人机技能迁移达 50.0%，最佳竞品仅 19.4%

证明单步去噪未来视频表征可显著提升通用机器人策略的长期任务与人类视频迁移能力，并避免迭代去噪推理成本。

DeXplicit 世界模型减少 moved-point error 27-40%，HOT3D IoU+ 提升 47%，生成加速 57x

显式 3D 先行动态与渲染解耦，降低了视频生成隐式学习世界动力学的难度，对具身智能世界模型与因果生成架构有直接工程参考。

Isaac Lab 3.0 正式发布，引入 Warp 原生 Newton 物理后端

统一任务 API 与可插拔物理后端（MuJoCo-Warp/VBD/MPM），使刚体、柔体与流体仿真共用同一套训练流程，直接影响机器人学习的数据生成与 sim2real 工程栈。

Gemini 4 Argon 面向机器人场景，指向具身智能应用

旗舰模型下探机器人领域，值得尽快评估其在 VLA 与真实机器人任务上的能力边界

提出 FocusVLA 阶段感知多视图路由，真实世界成功率从 71.7%→85.0%，提升 13.3%

阶段感知多视图路由提升VLA的多视角利用率，且模块可不动核心架构直接集成，对机器人操作模型的训练与部署有实用价值。

$S^2$ 度量感觉-运动对齐，与机器人任务成功率正相关并可预筛VLM骨干

提供训练无关的离线代理指标，可在闭环评估前筛选具身模型与骨干，降低实验成本。

SmolVLA-MoE 引入稀疏 MoE，LIBERO 成功率 84.25%

为轻量 VLA 提供稀疏 MoE 方案，在约 500M 激活参数下将 LIBERO 成功率提升至 84.25%，并开源代码，可直接复现。