拒绝视频生成，深度跃迁提出具身基座模型全新路线
用 DINO-v3 编码的未来观测 latent 作训练期联合目标、推理时整支移除，640 次真机实验成功率 62.5%（最强基线 30%，2.1×）
具身智能
ArXiv 每日精选 · 2026-09-03
精选 8 篇 ArXiv 最新 AI 论文，涵盖长程视频世界模型的开放数据与可扩展训练、带几何深度的世界动作模型、VLA 跨本体零样本迁移的受控研究、面向长程操作的人类意图注入、世界模型增强的人形足点受限地形运动、面向物体中心的稀疏残差世界模型、Web 智能体的判别式世界模型训练目标，以及 VLA 隐空间聚类可解释性分析等核心方向深度分析。
ArXiv 每日精选 · 2026-09-02
精选 8 篇 ArXiv 最新 AI 论文，涵盖度量感知的相机位置编码、12 万小时视频预训练的世界动作模型、把 33B 视频生成器转化为可交互世界模型、交互感知的世界模型训练目标、流式 4D 世界重建、界面世界模型与少步蒸馏、VLA 的类型化运动程序库学习以及接触富集的精密装配基础模型等核心方向深度分析。
郑南宁院士：具身智能，在物理世界中成长
具身智能不等于人形，判据是能否形成感知-认知-决策-行动-反馈闭环；四能力之上是信息—物理—认知三域融合
ArXiv 每日精选 · 2026-09-01
精选 8 篇 ArXiv 最新 AI 论文，涵盖跨本体因子化自我中心世界模型、实时流式交互世界模型与两阶段蒸馏、自进化通用世界模型、VLA 免训练加速与 4D 表征对齐、VLM 空间智能导航、流匹配 JEPA 隐动力学以及 3D 具身世界模型评测等核心方向深度分析。
Motus2：面向灵巧操作的自进化通用世界模型
Motus2 把策略、模拟器、评估器三件事塞进同一套权重（只用改注意力掩码来切换），让模型能自己生成候选动作、想象后果、给结果打分、再用打分回传更新策略——形成闭环自我进化，配合 13 万小时第一视角人类数据金字塔，把双臂灵巧手的真机成功率从 0% 拉到 84%。
刚刚，Anthropic发布物理MCP：Claude开始接管真实世界
Anthropic 推出硬件版 MCP——Model Hardware Standard（MHS），用标准化驱动把显微镜、机械臂、液体处理器等物理设备统一成「读/写」这类基本命令，让 Agent 能发现、理解并安全操控真实设备，把实验室硬件集成周期从数周压缩到数小时甚至数分钟。
世界生成模型来了，3D 头部玩家影眸 Hyper3D 发布 WorldGen
把 3D 生成的交付单位从单件资产升到带物理关系的可拆解场景，2-3 分钟单图出整场景+自动物理参数
ArXiv 每日精选 · 2026-08-31
精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型的可验证数据引擎与概率对齐评测、城市尺度空间智能体、流匹配免教师在线策略蒸馏、游戏世界动作模型、VLA 行为意图蒸馏、长程视频记忆与触觉流式动作生成等核心方向深度分析。
3秒出片比播放还快，MiniMax打开了AI视频的实时商业化路径
MiniMax 联合 fal 推出的 H3 Max 把 5 秒 768p 视频的生成压到 3 秒以内（吞吐约为原版 H3 的 35 倍），生成终于快过播放，直接催生了「无主播、观众点播、AI 现做」的直播新形态——视频生成赛道的竞争维度，正从画质转向速度与生态黏性。