同时，沿着真实数据金字塔，星海图领先于行业布局涵盖 UMI 数据与人类第一视角（Egocentric）数据的无本体数据方案布局，构筑起稳固的具身智能数据金字塔。目前，星海图的数据体系已深度赋能英伟达 EgoScale、蚂蚁灵波 Lingbot-VLA等全球顶级具身大模型，成为行业不可或缺的底层基础设施。

同时，沿着真实数据金字塔，星海图领先于行业布局涵盖 UMI 数据与人类第一视角（Egocentric）数据的无本体数据方案布局，构筑起稳固的具身智能数据金字塔。目前，星海图的数据体系已深度赋能英伟达 EgoScale、蚂蚁灵波 Lingbot-VLA等全球顶级具身大模型，成为行业不可或缺的底层基础设施。

从 Genie 3 到 LingBot-World，世界模型正成为 AI 领域最热的方向之一。一个自然的问题是：如何让用户用最直觉的方式————来驱动世界模型中的交互？我们提出了：给一张照片，对着空气比划几下，AI 就能生成手伸进场景里抓杯子、翻书、开盒子的逼真第一人称视频，物体也会产生对应的物理响应——还能自回归地一直生成下去，长视频也保持稳定。

Real2Edit2Real致力于绕过复杂的数字孪生与物理仿真，直接接入数采管线，将统一的 3D 控制接口的精确性与可控视频生成模型的真实性相结合，让少量的真机数据也能迸发出规模化的效果，为解决具身智能的数据采集难题提供了一条高效捷径。

Real2Edit2Real致力于绕过复杂的数字孪生与物理仿真，直接接入数采管线，将统一的 3D 控制接口的精确性与可控视频生成模型的真实性相结合，让少量的真机数据也能迸发出规模化的效果，为解决具身智能的数据采集难题提供了一条高效捷径。

AirVLA 完成了机械臂 VLA→无人机的首次系统性迁移验证，证明"预训练 VLA+物理感知引导+3D 合成数据"是破解无人机欠驱动、强动态、数据稀缺的最优路径。它没有重新造一个飞行模型，而是站在 VLA 基础模型的肩膀上，用最小代价让"地面机械臂技能"飞上天空，为语言指令无人机、高空作业、应急救援抓取等真实应用打开了大门，也为跨具身迁移提供了"保留表征、适配动力学"的标准范式。

是指用于评估具身智能系统（如机器人、智能代理等）在真实或模拟物理环境中执行任务的能力、性能和质量的一套标准化测试框架和指标体系。近年来，业内已经基本形成了真机和仿真两套方案，其中真机评测方案因其能够触达真实场景，被业内团队广泛关注。今天为大家盘点一下具身智能领域都有哪些真机评测基准。以下评测基准均已收录至『具身智能之心-开源知识库社区』“具身评测基准”版块的子文档“真机评测基准”部分，更多内容可至

是指用于评估具身智能系统（如机器人、智能代理等）在真实或模拟物理环境中执行任务的能力、性能和质量的一套标准化测试框架和指标体系。近年来，业内已经基本形成了真机和仿真两套方案，其中真机评测方案因其能够触达真实场景，被业内团队广泛关注。今天为大家盘点一下具身智能领域都有哪些真机评测基准。以下评测基准均已收录至『具身智能之心-开源知识库社区』“具身评测基准”版块的子文档“真机评测基准”部分，更多内容可至

春晚后，具身领域发生了一个很大的转变：开始关注落地和场景了。宇树在春晚舞台把“机器人身体能力天花板”推到了大众面前，智元则慢慢把机器人往明确的 B 端场景里落，Sharpa 在补“手和触觉”这块关键技术，国外的Figure AI 和physcial intelligence也在不断让真实部署成为可能。这一次，也是行业几年的发展和不断摸索积累的成果。再把这些内容结合到一起，可以发现一个很明显的现象：

在机器人智能快速发展的今天，Vision-Language-Action（VLA）系统正逐渐成为通向通用机器人智能的重要路线。而在这条路线中，）因为能够从大规模视频中学习“视觉动态”，成为近年来非常有潜力的一类方法。。现有视频动作模型虽然能生成“看起来合理”的未来，但未必能准确刻画机器人操作真正依赖的细粒度视觉动态。因此，问题的关键不只是“预测未来”，而是要。最近，论文 《》提出了一种新的后训练框