具身导航

Gemini Robotics 2 是 Google DeepMind 发布的视觉-语言-动作（VLA）模型，将视觉与语言输入转换为机器人运动控制，可在双手机器人上数小时内完成适配，并扩展到复杂人形机器人的全身智能控制，实现精细灵巧操作与智能体推理。

Galbot 银河通用是全球具身智能机器人公司，致力于具身多模态大模型通用机器人研发，服务千行百业、千家万户。团队发布全球首个面向具身智能大模型的测试时后训练框架 WAM-TTT，基于预训练世界动作模型（WAM），仅凭未标注人类视频即可在部署阶段适配新场景，实现机器人部署后的持续学习与跨场景泛化。

Xiaomi-Robotics-U0是小米推出的380亿参数多模态自回归世界基础模型，专为具身智能设计。在单一框架内统一文生图、图像编辑、多视角具身场景生成、具身迁移和具身视频生成五项任务，支持跨多种机器人形态的高质量多视角场景生成，并实现结构化可控的具身迁移编辑，同时保持多视角一致性与交互动态。

Apollo Go（萝卜快跑）是百度推出的L4级自动驾驶出行服务平台，基于百度Apollo自动驾驶开放平台与第六代量产无人车Apollo RT6，具备无人化驾驶、高等级自动驾驶能力与全维安全冗余架构。2026年8月起Apollo Go将出行服务接入Uber应用，覆盖阿联酋迪拜Umm Suqeim、朱美拉等区域，用户可通过UberX、Uber Comfort或选择Autonomous来匹配无人驾驶车辆，实现国际化出行落地。

Booster K1 是加速进化（Booster Robotics）面向开发者的人形机器人与具身智能开发整机，官网定位 Embodied Development Platform，支撑 RoboCup 等具身算法开发，具备竞速、避障导航与开门操作能力。K1 探索版 2026-09-18 发售，高约95cm、重约19.5kg、22自由度、48TOPS，标配豆包大模型，经双目深度相机与三麦克风阵列加扬声器实现语音交互，开放API可DIY，支持OTA升级，京东售价38999元。

Figure Helix 是 Figure 公司为其人形机器人 Figure 03 打造的通用视觉-语言-动作（VLA）AI 系统，在机器人本机实时运行感知、运动与推理完整闭环，无需脚本即可自主判断并执行任务，可在不断变化的家庭与物流环境中导航并持续习得新技能。2026 年 9 月发布的 Figure Helix 2.5 为端到端机器人模型，在湾区 30 个未见过的家庭中零样本执行家务，整体成功率从 9% 升至 56%，机器人到场后未经额外训练即开始有用工作。

MiniCPM是面壁智能（OpenBMB）自主研发的端侧大模型系列，包括文本基座模型MiniCPM5-1B、稀疏注意力模型MiniCPM-SALA等。专为端侧部署和资源受限场景设计，支持本地助手、编码代理、工具调用和长上下文推理。

MiniCPM-Robot 是面壁智能（OpenBMB）面向真实世界感知、决策与行动的开源具身智能模型系列。首批包含 1.5B 通用机器人操作 VLA 模型 MiniCPM-RobotManip，一套权重覆盖下游任务并支持流式上下文记忆；以及 0.9B 纯端侧具身目标跟踪方案 MiniCPM-RobotTrack，覆盖静态、动态与对抗目标。配套 PhyAI 推理框架在 NVIDIA H20 上将推理帧率从 10 Hz 提升至 37 Hz。

NVIDIA Cosmos 是一个开源的物理 AI 基础世界模型平台，包含 Cosmos 3 基础版及 Cosmos 3 Edge 等模型。它可作为视觉语言模型对复杂真实场景中的物体、交互和意图进行推理，支持质量检测、公共安全、交通监控、物流和自动驾驶等实时告警与密集描述。同时可加速机器人策略学习，作为世界动作模型骨干适配特定任务和领域行为；还可作为可控的物理世界模拟器预测多种方案并闭环评估结果；并支持从文本、图像、视频、环境声音和动作输入生成无限合理的合成视频数据，用于训练物理 AI。

PhanthyMotus是由范式推出的下一代开源具身智能Agent框架与平台，基于ROS2构建，通过可插拔的多模型框架灵活集成World Models、LLM与VLM，并提供长时记忆、动态技能库与持续Agent循环的全栈架构。它统一传感器与驱动器接口，实现多传感器融合与精准电机控制，硬件可扩展覆盖人形、四足、机械臂、轮式平台与无人机全形态，支持远程调试与代码复用，帮助开发者零门槛构建可感知、思考、自主行动的具身智能体。

RLinf 是由无问芯穹联合清华大学等共同研发的全球首个面向具身智能持续进化的大规模强化学习基础设施项目。它提供从数据采集、数据管理、监督微调（SFT）、强化学习（RL）、模型评测到真机部署的一站式开发平台，支持多种具身模型（VLA模型、世界模型）、仿真器（Genesis、Polaris、RoboVerse、IsaacLab）、真机平台（Franka、GimArm、DOS-W1）以及异构计算硬件（昇腾、AMD ROCm、Musa），实现从仿真训练到真实机器人在线学习的统一开发闭环。

Robostral Navigate 是 Mistral AI 的首个具身导航 8B 模型，仅需单个 RGB 摄像头即可接收自然语言指令驱动机器人在复杂环境中自主导航。R2R-CE 验证集未见场景成功率达 76.6%，超越多传感器方案。

Wayve 是一家英国具身人工智能公司，核心产品 Wayve AI Driver 是一套数据驱动、无需高精地图、与车型和传感器无关的自动驾驶软件，可扩展适配不同车辆、地区与应用场景，支持各级驾驶自动化，并已在伦敦通过 Uber 提供无人驾驶乘车服务。2026年9月，Wayve 与奔驰签署量产协议，计划在未来车型中集成该系统，提供城市道路与高速公路点到点驾驶辅助。

Xiaomi-Robotics-1 是小米技术发布的具身基座模型，结合10万小时无本体（UMI）真实世界操作数据预训练与约10000小时跨本体后训练，可根据自然语言指令直接执行移动操作任务。在RoboCasa365基准平均成功率57.4%，在RoboDojo仿真评测登顶Leaderboard。

小鹏第二代 VLA 是小鹏汽车全栈自研的视觉-语言-动作（VLA）端到端智驾大模型，基于统一技术底座贯通 L2 至 L4 能力，配套图灵 AI 芯片与云端大模型，通过 NGP 实现无断点车位到车位领航。XOS 6.3.0 版本引入 X-Foresight 预测世界模型与 Infini-VLA 长时序架构，可预判周边交通参与者未来行为并保留约 30 秒时序记忆，从 3D 空间识别升级为 4D 时空理解。

DW05 是原力灵机（Dexmal）发布的开源具身世界模型，采用 MoT 架构，以 Wan 为骨干网络，配合 Video Expert、Action Expert、Value Expert 三大专家模块，统一未来视频预测、动作生成与状态价值评估。支持语言、图像/视频、机器人类型、状态和动作多模态输入，可预测动作执行后的未来状态、生成失败轨迹并对任务进度打分，用于 VLA 模型后训练中的强化学习环境。已发布模型权重、推理代码和训练代码，采用 Apache-2.0 许可证。

HomeBody 是斯坦福团队推出的人形机器人系统，由 GPT Astra 作为高层 VLM 驱动。它先自主探索未见环境，利用 SLAM、LiDAR 与自身视角数据构建 Real2Sim 数字孪生和空间记忆，再把导航、抓取、放置、开抽屉等可组合技能编排成长程任务，可在未见过的厨房中收拾物品、按模糊指令取回视野外物体，无需环境专属训练数据或额外策略学习。