具身智能多点突破：Proception与Sharpa发布高自由度灵巧手，NVIDIA Isaac ROS开源生态加速开发者赋能，日本公布千台机器人国家级部署计划，Liquid AI与MuSix分别从边缘模型与世界模型方向提升智能体适应能力。今天的事件标志着硬件、模型、政策三端共振，具身智能从实验室正迈向规模化。
灵巧手成为具身智能新战场。Sharpa Wave以22自由度与指尖视触觉传感突破「自由度-驱动-鲁棒性」不可能三角，自研CraftNet VTLA三层模型实现手眼脑协同，从人类视频到精细操作的闭环初现。Proception的ProHand 1.0同样具备22自由度，高自由度设计将推动更复杂的实物交互。
规模与生态并行。日本计划使用主权AI模型支撑1000万台机器人，覆盖制造、医疗与服务，强势应对劳动力短缺。NVIDIA Isaac ROS以开源加速机器人软件栈，Liquid AI的230M参数模型LFM2.5将智能压缩至边缘设备，MuSix多尺度世界模型则让具身智能体在动态环境中学会适应变化。
Sharpa Wave灵巧手具备1:1人手比例与22主动自由度，指尖集成超1000个触觉传感单元，实现0.02N压力灵敏度。自研CraftNet VTLA三层模型通过毫秒级触觉微调、粗动作规划与语义推理协同，驱动自研轮式机器人North完成发牌、对打乒乓球等复杂操作。该全栈方案借助英伟达Isaac平台推进EgoScale项目，展示从人类视频到精细操作的具身智能路线。
日本公布国家级计划：自主研发主权AI大模型，并于全国范围部署1000万台机器人，覆盖制造、医疗、服务等领域。该计划立足技术自主与数据安全，直接回应劳动力短缺，预计将引爆大规模具身智能应用。
MuSix框架提出多尺度混合世界模型，通过体验距离指导尺度感知选择，并采用尺度依赖遗忘率保持知识时效。在EmbodiedBench和HAZARD上的实验表明，该方法在多尺度推理与动态环境适应上优于基线，为具身智能体长期自主提供了新方案。
MuSix框架通过体验距离的两阶段路由机制实现尺度感知的世界模型选择，并采用尺度依赖遗忘率更新知识，在多尺度推理和动态适应方面优于现有基线。
研究员注:💭 世界模型与混合专家的结合，为长期自主机器人适应非平稳环境提供了新思路，尺度遗忘机制值得在真实机器人上进一步验证。
Jaiveer Singh（NVIDIA机器人软件工程师）强调开源赋予开发者信心，使其能在快速变化的领域中信赖并扩展软件栈。
研究员注:💭 Isaac ROS 的模块化方案与开源承诺降低了机器人开发门槛，但开发者仍需关注硬件兼容性与社区维护的可持续性。