26年9月来自京东集团研究院的论文“WLA³: WORLD LATENT ACTION MODELING FOR SEMANTICS, DYNAMICS, AND KINEMATICS”。这篇论文 WLA³  的核心价值，是将异构数据中的“状态变化”转化为统一监督，同时用于视觉语言理解、动力学建模和机器人控制。它提供有价值的系统设计和初步实机证据，但尚未充分证明学到跨具身、可干预的通用动作空间。

26年9月来自港大MMlab的网页介绍“PhysicalRSI 1.0: Recursive Self-Harness for Scaling Embodied Skills”： https://mmlab.hk/research/PhysicalRSI。它的核心是两层循环：双系统负责“当前任务如何完成”，Embodied Self-Harness 负责“下一版系统如何做得更好”。两者连接起来，使

26年2月来自清华大学的论文“self-evolving embodied AI”。这篇论文最值得关注的是：它把具身智能的研究目标，从“训练好一个模型”扩展为“让整个智能体在长期运行中持续适应”。其主要贡献是概念框架与文献组织；论文没有实现并实验验证完整的五模块系统，因此，对其有效性的判断需要与作者的愿景区分开来。

26年9月来自阿联酋 MBZUAI 、加州理工、亚马逊公司FAR、维吉尼亚大学、乔治亚理工、纽约大学和加州伯克利分校的论文“World-Action Models for Robot Learning and Control: A Survey”。这篇论文的核心观点是：机器人不仅需要知道“下一步做什么”，还需要预测“这样做会带来什么后果”，并将这种预测转化为可执行、可纠错的动作。 世界-动作模型（

26年9月来自Axis Robotics创业公司的博客文章“Beyond More Tasks: Axis Is Building a Composable Library of Robotic Capabilities“：https://axisrobotics.ai/blogs/blog/beyond-more-tasks-axis-is-building-a-composable-libra

26年7月来自清华、港大、北大和港科大的论文“Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels”。具身智能将习得的感知与决策能力，与实时计算、控制及物理交互有机结合。鉴于失效可能导致直接的物理损害或操作事故，仅凭任务的成功完成并不能确立其可信度。作者将“可

22年8月来自AI2、西雅图华盛顿大学、斯坦福大学和CMU的论文“AI2-THOR: An Interactive 3D Environment for Visual AI”。

26年8月来自UCLA、MIT和Utah大学的论文“RoboEdit: Turning Human Manipulation Videos into Scalable Robot Experience”。该文在机器人数据构建与视频编辑方面有较强的系统价值，但对“生成数据能否规模化提升机器人实际能力”的证明仍比较初步。 最有说服力的是成对数据管线和编辑效果，最需要补强的是物理可执行性、三维状态精度和

26年9月来自创业公司Reward AI的博客文章“OM-1: Frontier Robot Intelligence, Learned Firsthand from Humans”：https://www.rewardai.com/blog/OM-1/。这篇博客介绍了 Reward AI 的机器人系统 Omnibody 和核心模型 OM-1。核心思路是：直接从人类自然操作中学习，再让同一个策略模

26年1月来自上海交大RHOS AI 团队、SII和阿里蚂蚁Robbyant的论文“The Great March 100: 100 Detail-Oriented Tasks for Evaluating Embodied AI Agents”。GM-100基准的构建流程首先收集现有的机器人任务，随后利用HAKE [27]进行语义扩展，并结合基于大语言模型（LLM）的生成技术，以涵盖长尾交互场景