JEPA-Anything：跨域正交预测世界模型JEPA-Anything 用正交预测分解把世界模型的潜变量拆成互补因子，以独立路径预测并在七个异质领域验证，在控制与分子动力学等任务上改善长时预测和干预误差。Cui, Taoyong, Wang, Zhongyao, Xu, Xinyue·2026年9月17日世界模型联合嵌入预测架构Predictive Representation Learning2026年9月17日
Show-Harness：仅凭一个 VLM 智能体就能「玩」机器人基础视觉语言模型（VLM）对世界已有广泛认知，但把这种认知转成机器人控制仍然困难。我们提出 Show-Harness——一套「具身 harness」，通过连接意图与动作的紧凑语义接口，让 VLM 直接「玩」机器人。Show-Harness 对外暴露 VLM 天然可推理的离散语义动作单元，再由机体专属的解释器把它们确定性地接地为局部机器人动作，使 VLM 始终对细粒度物理决策负责。基于同一接口，我们验证了两条路径：（1）直接解锁闭源前沿 VLM 实现零样本机器人控制；（2）只需几 GPU 小时微调，即可把小规模开源 VLM 适配为低成本部署的策略。我们进一步做出 GUMI（GUI 操作界面），把同一语义动作空间延伸到基于 GUI 的演示采集，让人类与智能体无需专用遥操作硬件即可跨机体「玩」机器人。大量实验表明，装配 Show-Harness 的 VLM 智能体在任务、机体与环境之间稳健泛化，优于代表性的 agentic 与 VLA 范式。这些结果说明：合适的接口本身就能从基础 VLM 中释放大量具身能力，无需额外的模型容量，也无需昂贵的机体专属预训练。Yanzhe Chen, Zechen Bai, Zhijun Cao·2026年9月9日视觉语言模型Agentic HarnessSemantic Action Interface2026年9月9日
GE-Act 2.0：世界-动作模型预训练与规模扩展GE-Act 2.0 以控制导向自编码器、单步视觉规划器和逆动力学模型构建世界-动作系统，并用 KASO 对齐生成未来与动作监督。共享操作数据从 300 扩充到 30,000 小时后，G1-OP 与 G2-90D 的零样本分布外成功率分别达到 44.1% 和 31.1%。 AgiBot Research Team, Renhang Liu, Wenzhi Zhao·2026年9月4日世界动作模型机器人操控具身智能2026年9月4日
0:57
