具身导航大模型白训了？coding-agent裸接机器人，成功率78%反超工业级专用模型
具身导航大模型白训了？coding-agent裸接机器人，成功率78%反超工业级专用模型不建图、不记忆、零训练：coding-agent 被直接扔进屋里，导航成绩反超工业级专用模型。
来自主题: AI技术研报
6344 点击 2026-08-28 10:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
不建图、不记忆、零训练：coding-agent 被直接扔进屋里，导航成绩反超工业级专用模型。
刚刚，北美具身初创Skild AI又发布了全新机器人基础模型S1，直接把机器人上下文学习的任务长度拉到了10分钟往上。这次的S1主打上下文学习（in-context learning，ICL）：无需在后训练阶段专门学习新的操作数据，只需看一段人类示范视频，就能“照猫画虎”，直接完成一整套从未见过的复杂操作流程。
当 VLA、WAM、RL、TAMP、MPC 等机器人控制策略在各自擅长的任务中大放异彩，如何刻画其能力边界，并在正确的时机为不同子任务匹配最合适的策略，正逐渐成为机器人完成复杂长时序任务的关键。
WAIC 前夕，星尘智能（Astribot）新模型 Lumo-2，直接在官网甩出 20 + 真机视频 ——这背后，是星尘智能发布的第二代具身基座模型，也是业内首个面向家庭场景的隐式世界 - 动作模型（Latent World-Action Model），同步发的，还智能体 Agent Philia。
今天原力灵机正式发布的 DM0.5 往前推进了一步。它不只是继续提高某些固定任务上的表现，而是围绕真实世界里的泛化问题做了一次系统突。 如果深入分析，就会发现 DM0.5 这几个核心提升，都是想解决一个问题：如何让具身模型从可控环境里的能力演示，走向开放环境里的稳定执行。
2026 年，机器人正在准备走进家庭，和人类同处一个屋檐下。
让大模型真正走进现实世界，是当下最迫切的需求之一。
用「无本体数采」的方式训练具身模型，灵初智能的这条路径是 VLA 之后行业最热的方向之一。
全新的具身模型空间能力评估范式 Theory of Space 突破了传统静态图文问答的局限，系统性地考察基础模型能否像人一样，在部分可观测的动态环境中，通过自主探索来构建、修正和利用空间信念。该论文已被 ICLR 2026 接收。
春节前，千寻完成近 20 亿元人民币两轮融资，估值突破 100 亿元，新股东包括云锋基金、混沌投资、红杉中国等财务机构，Synstellation Capital、TCL 创投、明荟投资（汇川技术董事长家办）等产投方，重庆产业投资母基金、杭州金投等国资；顺为、Prosperity7、达晨财智等老股东也继续投资。