Qwen-VLA：跨任务、环境与本体的统一 VLA 建模 · vla

把 Qwen 的视觉-语言栈直接向连续动作与轨迹生成延伸，试图用单一基座统一操作、导航等本来彼此割裂的具身决策问题。是当日社区热度最高的一篇（HF↑55），代表"用通用大模型底座做具身基座"路线的又一次正面尝试。

Qiuyue Wang et al. · arXiv 2605.30280

在 Qwen 的感知-理解-推理能力上接入 DiT-based 动作解码器，用大规模联合预训练（机器人操作轨迹、人类第一视角演示、合成仿真数据等多源）训练，目标是在不同任务、环境与机器人本体之间共享同一套 VLA 表示并完成动作与轨迹输出。

3DVLA：以三维空间与实例理解增强 VLA · vla

直指当前 VLA 普遍缺乏 3D 场景理解的痛点，做成即插即用、无需额外人工标注、又不丢弃原有 VLM 先验的三维推理模块——这是把成熟 3D 感知接入 VLA 时最现实的工程约束。

Zhongyu Xia et al. · arXiv 2605.29416

针对 VLA 三维空间定位弱（缺乏多视角一致性）、3D 实例理解不足、遮挡下推理脆弱三个交织问题，提出 plug-and-play 框架向预训练 VLA 注入鲁棒 3D 推理，不要求实例级标注，也不舍弃 VLM 先验。

minWM：实时交互视频世界模型的全栈开源框架 · world-model

视频扩散基座"会生成高质量画面"与"能被实时交互地推演"之间隔着一整条工程管线，这篇把这条管线开源补齐。在世界模型创业骤热的当下，开放全栈实现的参考价值高于单点指标（HF↑35）。

Min Zhao et al. · arXiv 2605.30263

提供端到端管线——数据构建、可控微调、自回归训练、少步蒸馏、流式推理，将既有双向 T2V/TI2V 视频基座改造为可相机控制的少步自回归世界模型，强调可控、因果与低延迟 rollout。

MonoDuo：用一只机械臂学习双臂策略 · manipulation

双臂机器人与数据都稀缺，但单臂机器人在实验室随处可见。用单臂演示加人类协作来撬动双臂策略，是绕开双臂数据门槛的一个巧解。出自 Berkeley（Jitendra Malik 等）。

Sandeep Bajamahal et al.（UC Berkeley）· arXiv 2605.29298

遥操作单臂完成双手任务的一侧、由人完成另一侧，再交换角色覆盖双侧；用手部姿态估计把腕部相机与固定相机的 RGB-D 观测增广成面向目标双臂机器人的合成演示，从而训练双臂操作策略。

Extreme Dynamic Symmetry：用动态对称设计全向多功能机器人 · locomotion

把"对称"从几何外形提升到动态驱动能力层面，提出可量化的"动态对称/动态各向同性"指标，并在上千形态上验证其与多项性能正相关——是一种少见的、把设计原则量化下来的工作。出自 Duke（Boyuan Chen 组）。

Jiaxun Liu, Boxi Xia, Boyuan Chen（Duke）· arXiv 2605.29254

将机器人可达质心加速度的均匀性定义为"动态对称"，并以"动态各向同性"度量。跨 1000+ 仿真形态发现，动态对称越高，轨迹跟踪、任务成功率、鲁棒性、韧性与能效越好，趋近理论极限时收益最显著；据此设计了 Argus 球形机器人族。

YoCausal：从因果视角衡量视频生成距离世界模型还有多远 · world-model

在"视频生成即世界模型"的叙事升温时，追问视频扩散模型究竟理解因果、还是只拟合时间统计。用真实视频时间倒放作为零成本反事实样本，比依赖合成数据的基准更贴近真实分布（HF↑29）。

You-Zhe Xie et al. · arXiv 2605.30346

提出受认知科学"违反预期"范式启发的两级基准：Level 1 以倒放视频的去噪损失定义 Reverse Surprise Index，量化对时间箭头的感知；Level 2 借助 VLM 把数据分层为因果与非因果样本，计算 Causality Cognition Index。

ReasonBreak：探测自动驾驶推理型 VLA 的脆弱性 · autonomy

对"推理与轨迹生成紧耦合"的端到端自动驾驶 VLA 做了首个系统化黑盒攻击研究，以 NVIDIA 近期的 Alpamayo 模型为代表，提示这类紧耦合假设在现实输入扰动下并不稳固。

Mohammadreza Teymoorianfard et al. · arXiv 2605.29114

在闭环仿真中以现实文本输入扰动攻击带推理的驾驶 VLA：论文报告对推理的攻击成功率最高 89%、对轨迹操纵最高 72%，并伴随碰撞率上升与安全指标下降。⚠️ 数据为论文自报实验结果

MiraBench：评估机器人世界模型的动作条件可靠性 · benchmark

现有世界模型评测多看画面逼真度，却很少检验"在给定动作下预测是否可信"。这篇把动作条件可靠性立为核心评测目标，回应了世界模型当作仿真器使用时最关键的可信度问题。

Tianzhuo Yang et al. · arXiv 2605.29360

提出分层基准，将动作条件可靠性拆为三级递进：物理一致性（无参考的物理合理性）、动作跟随保真度（预测是否忠实于所给动作）、以及当动作本应失败时模型能否校准地预测失败。

曦诺未来 Xynova ｜ A 轮 ｜ 数亿元人民币 · embodied

理想汽车、中信建投资本领投，小米参投。核心产品为全球首款"腱绳+电机直驱"混合驱动的仿生灵巧手 Flex2，定位通用灵巧操作的全栈能力提供者；据多家媒体报道，公司自 2024 年底成立以来半年内完成三轮、累计融资近 10 亿元。资本与车企集中押注灵巧手，反映行业焦点正从"机器人跑多快"转向"机器人能做多精细的活"。来源：IPO早知道、智东西、Pandaily 等

临界点 AGILINK ｜ 新一轮 ｜ 数亿元 ｜ 投后估值超 10 亿美元 · embodied ⚠️ 估值为媒体口径

该公司是智元于今年初将灵巧手团队整建制拆分、独立组建的实体，本轮后据称投后估值突破 10 亿美元、迈入独角兽行列。头部具身公司以"拆分裂变"方式孵化独立独角兽，进一步印证灵巧手被资本单列为高价值赛道。来源：金角财经

蓝点触控 ｜ C++ 轮 ｜ 数亿元人民币 · adjacent

上汽金控、尚颀资本领投，中芯聚源、正大机器人、厚为资本跟投。公司为国内六维力传感器龙头，据报道半年内连续完成三轮亿元级融资。力/触觉传感器是灵巧操作与人形整机的关键感知部件，正获产业资本与国资密集加注。来源：PBCSF金融科技实验室

新智具身 ｜ 天使轮 ｜ 近亿元 · embodied

上海科创集团与复旦科创联合领投。公司源自复旦大学可信具身智能研究院孵化，将开发"视觉—触觉联合嵌入世界行动模型"，构建含触觉的传感器—数据—模型技术体系，瞄准工厂、家庭等精细作业。触觉模态被并入 VLA/世界模型栈（VTLA 方向）是近期一条明显的技术分支。来源：上海科创集团、复旦科创

桥田智能 ｜ A+ 轮 ｜ 亿元级 · adjacent

由国家工业母机产业投资基金独家投资，资金用于高端产能扩建、核心技术研发迭代及全球化布局，主攻机器人末端工具国产替代。国家级母机基金出手，指向机器人执行端零部件的国产供应链补强。来源：机器人圈

易启未来 ｜ A 轮 ｜ 数千万元 · embodied

同创伟业、优山资本、杭州科创集团及网易伏羲参投，为网易伏羲首次出手机器人赛道；公司布局按摩机器人这一垂直健康场景。互联网与游戏 AI 团队切入具身硬件，是资金来源多元化的一个信号。来源：第一机器人、优山资本

寅成智能 ｜ 天使轮 ｜ 千万美元 · industrial

资金主要用于 2026 年量产订单运营、新一代通用具身大模型研发迭代，以及更多商业场景的规模化落地，主打具身物流分拣量产。物流分拣是具身智能少数已能谈"量产订单"的落地场景之一。来源：机器人圈

智元 GE 2.0 拿下 CVPR 2026 WorldArena 世界模型总冠军 · world-model

智元自研世界模型 Genie Envisioner-Sim 2.0（GE 2.0）在 CVPR 2026 WorldArena 世界模型赛道锁定总分第一。据团队介绍，该榜单含 16 项细分指标与 3 大真实任务；智元称未针对赛题特殊设计、仅做基础微调即登顶，并在 40–50 秒长时序推演中保持画质与物理一致性，配合奖励模型把高质量 rollout 数据回流反哺策略模型。项目主页与代码（GE-Sim-V2）及技术报告已公开。✅ 已证实 来源：机器之心、界面新闻

自变量机器人发布事件级预测世界模型 WALL-WM · world-model

WALL-WM 将世界模型的预测单位从固定时间帧改为"语义事件"（伸手、抓取、抬升、移位、放置等），先预演"下一个事件让世界如何变"，再生成抵达该状态的动作；同一套权重支持"事件模式"与"统一模式"两种推理，并用视锥掩码与管状掩码做几何感知的多视角融合。论文题为《WALL-WM: Carving World Action Modeling at the Event Joints》。⚠️ 厂商发布口径 来源：量子位

宇树科技 6 月 1 日科创板上会，冲刺 A 股"人形机器人第一股" · humanoid

上交所科创板上市审核委员会将于 6 月 1 日审议宇树科技首发事项，从 3 月 20 日受理至上会仅约 72 天。招股书披露拟募资 42.02 亿元、上市市值有望超 420 亿元，2025 年营收 17.08 亿元（同比超 335%），2026 上半年营收预计 10.52–11.28 亿元。值得注意的是，最新上会稿主动重排风险、增补"重本体、轻大脑"等核心短板提示，叙事较 3 月初稿明显趋于审慎。✅ 已证实 来源：招股书、上交所公告

Waymo 第六代 Robotaxi「Ojai」上路，特斯拉得州车队规模远逊 · autonomy

Waymo 推出第六代 Robotaxi 车型 Ojai（由极氪代工、基于 SEA-M 纯电架构、主打低成本运营），并在多座美国城市开放免费公开乘车。同期，特斯拉依据得州新法将其 Robotaxi 自认证为 L4，但据多家媒体披露其得州实际部署仅约 42 辆，约为 Waymo 当地注册量的 1/13。两条路线的成本与规模差距，正成为 Robotaxi 竞争的主线。✅ 已证实 来源：driveteslacanada、Bloomberg、Insurance Journal

EngineAI 深圳智造基地启用，首批 T800 人形机器人量产下线 · humanoid

EngineAI（众擎机器人）宣布启用深圳智能制造基地，首批 T800 人形机器人下线并开始规模化交付。人形整机从样机演示转向产线下线与交付，是当前几家头部厂商共同推进的节点。⚠️ 厂商口径 来源：PA Media

宝马德国莱比锡工厂将于夏季启用人形机器人 · industrial

据多家媒体报道，宝马计划自今夏起在莱比锡工厂部署人形机器人，参与 1 系/2 系车型的装配类工序。这是传统车企在欧洲工厂引入人形机器人的又一案例，工业产线仍是人形机器人短期内最现实的落地阵地。来源：DoNews、NewsBytes

国家电网披露具身智能发展规划，涉 8500 台机器人、约 68 亿元 · industrial

有行业自媒体援引《2026 年具身智能发展规划》称，国网将分阶段推进从人工运维到全域智能自主运维的转型，涉及约 8500 台机器人、规模约 68 亿元。若属实，将是电力巡检领域少有的大体量集采，但具体口径与招标细节有待官方确认。⚠️ 单方口径 来源：湾区智造前沿

速腾聚创 RoboSense Q1 营收同比增约 40%，机器人激光雷达首超车载 · adjacent

据报道，速腾聚创一季度营收同比增长约 40%，其机器人业务激光雷达出货/收入首次超过车载业务。传感器供应商的业务重心由车端向机器人端迁移，是具身智能需求侧放量的一个侧面验证。⚠️ 公司口径 来源：Gasgoo