Google DeepMind 发布 Gemini Robotics ER 2，这是一款用于机器人的高级具身推理模型。该模型支持视频理解、任务编排和多机器人协作，在进度分类和时刻查找任务中分别达到 57.4% 和 91.3% 的准确率。开发者可通过 Gemini API 和 Google AI Studio 访问该模型。
推荐理由：原文给出了视频理解、任务编排和多机器人协作的具体能力指标，读者可以据此判断其在物理世界中的实际表现。
Google DeepMind 推出 Gemini Robotics 2，通过三个核心模型赋予机器人全身运动控制、精细操作及多机协作能力。该系列包含用于视觉语言动作转换的 VLA 模型、负责高层推理规划的 ER 模型以及支持端侧快速适配新形态的 On-Device 模型。目前 ER 模型已在 Google AI Studio 开放，VLA 和端侧模型向早期合作伙伴提供访问权限。
推荐理由：原文展示了从上半身到全身控制的跨越，以及多机器人协作能力，为理解通用物理AI的演进路径提供了具体技术参照。
Mistral AI 推出首个面向具身导航的 8B 模型 Robostral Navigate，该模型仅使用单个 RGB 相机即可让机器人在复杂环境中自主导航。在 R2R-CE 基准测试中，其未见环境成功率达 76.6%，超越了依赖深度传感器或多相机的最佳系统。模型完全基于模拟数据训练，结合指向式导航与在线强化学习技术，支持轮式、足式和飞行机器人等多种形态。
推荐理由：原文展示了仅用单RGB相机实现复杂环境自主导航的技术路径，为低成本机器人部署提供了新方案。
Google DeepMind 推出 Gemini Robotics-ER 1.6，这是一款专为机器人设计的高层推理模型，显著提升了空间推理和多视角理解能力。该模型新增了仪表读取功能，能够解读复杂压力表和液位计，并在指向、计数及任务成功检测方面优于前代版本。
推荐理由：官方详细拆解了空间推理与仪表读取等核心能力，并给出了 API 入口及开发者示例，适合评估其在工业巡检场景的落地潜力。
Hugging Face 推出 SmolVLA-450M，这是一款紧凑的开源视觉语言动作（VLA）模型，专为机器人设计且可在消费级硬件上运行。该模型仅使用 LeRobot 社区共享的数据集进行预训练，在 LIBERO、Meta-World 模拟环境及 SO100/SO101 真实任务中表现优于 ACT 等更强基线。
推荐理由：原文展示了仅用社区数据训练的紧凑视觉语言动作模型，在消费级硬件上实现高效推理并超越更大基线，为机器人研究提供了可复现的低门槛方案。
NVIDIA 在 GTC 2025 大会上发布了三项面向物理 AI 开发的开源成果：Cosmos Transfer 世界基础模型、Physical AI Dataset 数据集以及 NVIDIA Isaac GR00T N1 人形机器人推理模型。
推荐理由：原文汇总了NVIDIA在GTC 2025发布的三款开源物理AI资源，涵盖世界模型、数据集及人形机器人基础模型，为开发者提供了具体的技术入口。
Hugging Face 宣布将 Physical Intelligence 开发的 π0 和 π0-FAST 视觉语言动作（VLA）模型移植到 LeRobot 仓库中。
推荐理由：原文展示了将 Physical Intelligence 的机器人基础模型移植到 LeRobot 的过程，并提供了 PyTorch 版本的推理与微调代码及 FAST 动作分词器的使用方法。
Hugging Face 推出 Jack of All Trades (JAT) 项目，发布首个用于训练通才代理的数据集及基于 GPT-Neo 的多模态 Transformer 模型。该模型在 Atari、BabyAI 等 157 个任务上平均达到专家性能的 65.8%，其中 BabyAI 得分高达 99.0%。