世界模型与操作本能：具身智能走向统一架构

NVIDIA发布Cosmos 3，以统一Transformer架构联合处理文本、图像、视频、音频与动作序列，在理解与生成任务均达SOTA，并在RoboArena策略评测中排名第一。该模型可直接作为具身智能体的通用骨干，支持世界-动作联合建模。开源模型与评测基准将降低物理AI研究门槛。

橡木果机器人提出「本能驱动」路线，端侧模型Natus赋予定向、探索与交互三种操作本能，实现对新硬件的零数据适应；再通过触觉语义增强视觉数据，训练通用技能模型Magis，达成跨任务迁移。该技术已在工业柔性生产场景商业落地。

苏度科技在ICRA 2026展示双臂机器人，仅通过仿真训练便实现多材质物体Zero-shot抓取，成功率接近100%，且未使用任何真机数据。公司首席技术顾问苏昊此前明确押注Sim2Real通用操作基础模型路线，估值超20亿美元。