1
商汤发布 SenseNova U1 Pro 正式版图片创作模型，至高支持 8K 分辨率及特殊长宽比
IT之家 9 月 21 日消息，商汤今日发布 SenseNova U1 Pro 正式版模型，上线 商汤小浣熊 ，和商汤日日新 API 服务。 据介绍，SenseNova U1 Pro 模型可通过内生的图文交错思维链创作出内容准确、设计精美、生产可用的图片素材，效果比肩海外顶尖模型。 IT之家从官网获…
2
AtlasVLA: Persistent World-Ego State Modeling for Vision-Language-Action Models
用持久世界-自我状态建模破解VLA泛化难题，让机器人更懂环境与自身轨迹
arXiv:2608.06729v1 Announce Type: cross Abstract: While Vision-Language-Action (VLA) models have advanced embodied AI, their fundamentally reactive pa…
3
字节跳动发布视频创作模型Seedance 2.5
36氪获悉，字节跳动宣布正式发布新一代视频��作模型Seedance 2.5。Seedance 2.5正在陆续上线即梦AI、豆包专业版等平台，API服务也将在近期上线火山方舟，
4
世界模型有触觉了！50万小时视频，训出首个隐式触觉世界动作模型
全球首个将触觉融入世界动作模型的AI，基于50万小时人类视频训练，实现感知与动作闭环。
5
商汤科技发布日日新 U1 Pro 图片创作模型：最高 8K 原生分辨率输出，宣称告别“AI 味”
商汤日日新U1 Pro用内生图文思维链生成8K专业美图，告别AI味，效果比肩海外顶尖模型。
IT之家 7 月 18 日消息，商汤科技今日发布日日新 SenseNova U1 Pro 图片创作模型，官方宣称可通过内生的图文交错思维链创作出内容准确、设计精美、生产可用的图片素材，效果比肩海外顶尖模型。 IT之家从官方新闻稿获悉，SenseNova U1 Pro 有以下 4 个核心交付能力： 专…
6
Kairos: A Native World Model Stack for Physical AI
原生世界模型堆栈Kairos，融合遗憾感知机制，为物理AI提供全新行动决策框架。
arXiv:2606.16533v1 Announce Type: new Abstract: World models are transitioning from passive visual generators to foundational, operational infrastruct…
7
Ego-Pi: VLA Fine-Tuning for Ego-Centric Human and Robot Data
自我中心视角下的VLA模型微调，融合人类与机器人数据，拓展具身智能新思路。
arXiv:2606.08107v1 Announce Type: cross Abstract: Robotics faces a fundamental challenge of data scarcity. Unlike language or vision research, there i…
8
Light-WAM: Efficient World Action Models with State-Fusion Action Decoding
轻量级世界动作模型Light-WAM，通过状态融合动作解码实现高效推理，为具身智能与机器人学习带来新突破。
arXiv:2606.08242v1 Announce Type: new Abstract: World Action Models (WAMs) extend robot policy learning by incorporating future prediction as an addit…
9
前美团外卖技术负责人创业，做具身智能时代的“餐饮世界模型”
前美团外卖技术负责人王栋创业，用真实餐饮场景数据打造世界动作模型，从外卖打包接驳切入具身智能。
具身智能的落地，正在从实验室走向最真实、最繁忙的物理世界。 而元节智能（AtomBite.AI）选择了一个看起来并不性感、但足够真实的场景：餐饮后厨。 36氪获悉，具身智能公司元节智能近日完成千万级种子轮融资，由英诺科创基金领投，水木清华校友种子基金、知名投资人个人跟投。资金将主要用于餐饮场景具身世…
10
11
Contrastive Representation Regularization for Vision-Language-Action Models
提出对比表示正则化方法，有效提升VLA模型在机器人操作中对动作信号的敏感性，弥补现有表示缺陷。
arXiv:2510.01711v3 Announce Type: replace-cross Abstract: Vision-Language-Action (VLA) models have shown strong capabilities in robot manipulation by …
12
Lost in Fog: Sensor Perturbations Expose Reasoning Fragility in Driving VLAs
自动驾驶VLA模型在传感器扰动下推理脆弱性被揭穿，最新论文揭示其可靠性隐患
arXiv:2605.21446v1 Announce Type: cross Abstract: Interpretable autonomous driving planners depend not only on generating explanations, but also on th…
13
Why Latent Actions Fail, and How to Prevent It
揭秘潜动作模型失败根源，从无标签视频中学动作表示的突破性改进方案
arXiv:2605.20223v1 Announce Type: new Abstract: Latent action models (LAMs) aim to learn action-like representations from unlabeled videos by compress…
14
PhysBrain 1.0 Technical Report
从人类自我中心视频提取物理常识监督，助力机器人学习更广物理理解的新方法
arXiv:2605.15298v1 Announce Type: cross Abstract: Vision-language-action models have advanced rapidly, but robot trajectories alone provide limited co…