具身智能模型

宇树科技面向桌面操作与全身操作的人形机器人基础模型系列。

Figure AI 面向人形机器人的视觉语言动作系统。

Skild AI 开发面向不同机器人本体控制的通用机器人基础模型。

用于机器人动作控制的视觉语言动作模型。

用于空间理解和规划的具身推理模型。

针对机器人设备本地运行优化的 VLA 模型。

用于机器人控制的自回归视频—动作世界模型家族。

Ai2 面向真实机器人部署的动作推理模型家族。

WALL-OSS 是自变量机器人的视觉语言动作模型家族，结合视觉理解、语言指令和动作生成，用于机器人操作研究。官网标注公开日期为 2025-09-08，相关论文于 2025-09-15 提交至 arXiv。

NVIDIA 面向跨本体机器人控制的基础模型家族。

Physical Intelligence 的视觉语言动作模型家族。

学习未来想象、但推理时无需 rollout 的世界动作模型家族。

用于机器人任务进度的通用视觉语言奖励模型。

NVIDIA 联合预测视频和机器人动作的世界动作模型。

宇树面向人形机器人操作的视觉-语言-动作模型系列。

Robbyant 基于九种双臂配置、2 万小时数据预训练的 VLA。

Evo-1 是上海交通大学人工智能学院 MINT 实验室的轻量视觉语言动作模型，以两阶段训练保留语义对齐。论文于2025年11月6日公开，第一作者为 Tao Lin，代码由 MINT-SJTU 发布。

使用软提示的跨本体 VLA 家族。

Genie Operator-1 是 AgiBot World 团队开发的视觉语言动作模型，基于机器人操作数据预训练，利用潜在动作表示学习通用操作策略。官方已公开预训练权重、微调脚本及推理示例，并提供移除潜在规划器的 GO-1 Air。

面向双臂操作的机器人扩散 Transformer 家族。

EO-1 是面向通用机器人控制的统一具身基础模型，通过交错视觉、文本与动作训练结合多模态推理和动作生成。论文列出上海人工智能实验室、复旦大学、智元及西北工业大学四家机构。

面向普惠机器人学习的紧凑型 VLA 家族。

面向机器人操作的开放视觉语言动作模型家族。

开源通用机器人策略家族。

RT-X 是 Open X-Embodiment Collaboration（GDM 牵头）的跨本体机器人策略系列。RT-1-X 采用非 VLM 控制架构并公开代码与权重；RT-2-X 基于视觉语言模型，研究包含 55B 与 5B 配置。

1X 面向 NEO 人形机器人的世界模型策略。

优必选面向工业人形机器人的具身智能体架构。

Genie Envisioner 是智元参与研发的机器人操作世界模型平台，包含视频世界模型 GE-Base、动作策略 GE-Act 与神经模拟器 GE-Sim，并提供 EWMBench，用于操作策略训练与评估。

InternVLA 是上海人工智能实验室的具身模型系列，覆盖机器人操作与导航。M1 研究空间引导的通用操作策略，A1 与 A1.5 融合理解和动作生成，N1 采用双系统导航设计，各分支分别提供代码或模型权重。

Poke-Aurora 是破壳机器人的世界动作模型，通过 RoboAPI 接收相机画面、机器人状态与任务指令并返回动作。采用视频与动作联合学习，目标是零样本泛化；当前以面向符合条件用户的非商业技术预览提供。