今日具身智能多线进展：GEM-4D世界模型注入4D监督将操控成功率推至81%，MindVLA-U1首次让语言意图引导自动驾驶超越人类参考；星动纪元Era0在真机30项任务夺冠并落地物流，Figure AI公开展示人形操作，而Unitree利润下滑警示行业泡沫消退。
世界模型与VLA的联合演进将具身操控与自动驾驶推向新高度。GEM-4D通过稠密4D对应监督，使视频生成兼具几何一致性，再借逆动力学转化为动作，真实操控成功率从61%跃升至81%；MindVLA-U1将视觉、语言与动作统一到单一VLM，利用Intent-CFG让语言意图直接形成轨迹，RL后轨迹质量超越人类参考，证明VLA能在感知与控制上超越纯视觉方案。
商业化步伐加速，但市场理性回归。星动纪元Era0在RoboChallenge30项随机任务中夺冠，已落地物流分拣实现千台级交付；Figure AI公开展示人形机器人自主操作；然而Unitree利润下滑表明人形热潮降温，行业正从炒作转向真实价值验证。
GEM-4D为视频世界模型注入稠密4D对应监督，使生成的未来帧严格保持几何一致性，避免物体漂移。其逆动力学模块将视频预测转化为机器人连续动作轨迹，无需额外推理成本。在真实机器人实验中，该方法将操控成功率从61%提升至81%，并在视频预测与几何一致性上取得SOTA。
MindVLA-U1将视觉、语言、状态与动作token融合在单一VLM backbone中，提出Intent-CFG使语言意图通过条件引导影响连续轨迹生成，流式FIFO记忆实现帧级连续处理。在WOD-E2E基准上，经RL微调后轨迹质量超越人类参考，证明VLA能够同时兼顾感知理解与实时控制。
星动纪元Era0在RoboChallenge真机评测中执行30项随机任务夺冠，多项满分。通过数据质检、视觉定位增强与时序记忆等系统优化，实现了做三明治、擦桌子等双臂协同与柔性物体操作。该模型已在广州物流中心上岗，用于分拣任务，实现千台级批量交付，标志着具身模型从技术验证走向商业化。
GEM-4D 通过注入稠密4D对应监督来保持视频生成的几何一致性，并利用逆动力学模块将视频预测转化为可执行的机器人操控轨迹，在仿真和现实场景中均取得最优，将真实世界操控成功率从61%提升至81%。
研究员注:💭 几何一致性为世界模型提供了物理约束，将视频预测转化为可靠动作，是 sim-to-real 的实用路径。
模型已落地物流分拣场景，实现识别准确、抓取稳定，强调从技术验证到商业化交付的转折。
研究员注:💭 真机评测冠军不是终点，Era0 的千台级交付标志着具身智能从实验室走向工厂的转折。