今日具身智能在推理、世界模型与运动控制三线并进。无问芯穹联合清华、上交开源端侧推理引擎 APXInf，Pi 0.5 基准 SOTA；World Labs 发布 Atlas，从照片重建仿真用 3D 场景；四足机器人 BlackPanther2 跑出 13.2 m/s 刷新纪录。另有 VLM 多臂收获规划与变阻抗插入研究进展。
今日具身智能核心信号是「可测量」。无问芯穹联合清华、上交开源 APXInf，在 Pi 0.5 基准取得 SOTA，把 VLA 推理压到端侧；World Labs 的 Atlas 用 2-25 张照片重建 3D 场景，直接供机器人仿真器导入。数据与推理两个瓶颈同步压缩。
运动控制逼近物理极限。BlackPanther2 以 13.2 m/s 刷新四足机器人速度纪录，关键在精细执行器建模与自适应指令调度；CG-RL 在接触丰富插入中成功率 85.8%，显著优于固定增益基线。资本端，因克斯 ENCOS 完成 3 亿元 B 轮，上游关节模组受关注。
无问芯穹联合清华大学、上海交通大学开源具身端侧推理引擎 APXInf，定位解决规模化落地「最后一公里」问题；在 Pi 0.5 基准上取得 SOTA 性能。技术解读：将 VLA 推理部署到端侧可降低延迟与带宽依赖，是机器人实时性的关键一步。
Atlas 仅需 2-25 张照片重建 3D 场景，输出点云或高斯泼溅数据，可直接导入机器人仿真器；相机可控生成支持坐标输入，一次真实采集可生成上千种变体。技术解读：世界模型从生成画面转向构建可测量空间，缓解具身数据瓶颈。
BlackPanther2 在跑步机达到 13.2 m/s，户外 11.65 m/s，刷新四足机器人速度纪录；精细执行器模型捕捉高速电压耦合与磁饱和，减小 sim-to-real 差距；两阶段课程与自适应指令调度稳定 RL 训练。技术解读：精确建模物理极限防止策略利用非物理特性。
针对执行器接近物理极限时的非线性特性，设计了精细执行器模型，显式捕捉高速电压耦合与磁饱和，以更准确表示扭矩-速度包络。同时引入两阶段课程与自适应指令调度的强化学习框架，确保训练稳定。
研究员注:💭 该工作把sim-to-real gap归因于执行器非线性而非单纯控制策略，是高速足式机器人从实验室转向户外的关键一步。
Atlas仅需2-25张照片即可重建可导入仿真器的3D场景，但Atlas仅解决几何重建，缺失物理属性，需结合收购的SceniX物理引擎才能打通Real-to-Sim-to-Real闭环。
研究员注:💭 几何重建只是世界模型的第一层；没有物理属性的仿真仍是炫技。Atlas+SceniX的组合预示着评估基准将向可测量物理逼真度迁移。