# 机器人与世界模型 学习世界模型、具身智能与机器人控制，适合物理 AI 学习者和研究者。 - 所属：[多模态与领域探索]() - 网站：[https://oplearnx.com/topics/robotics-world-models]() ## 推荐学习顺序 1. [欧洲工业领军企业借助英伟达重塑工程与制造]()（博客 · 入门）：这是 NVIDIA 博客文章，介绍欧洲工业企业将 NVIDIA CUDA-X、Omniverse 库以及 Cosmos、Nemotron 开放模型用于工程与制造全流程。文中提到 NVIDIA Factory Operations Blueprint（FOX）已在 GitHub 开放早期访问，供开发者构建协调机器作业的工厂管理智能体和视觉检测、根因分析、报告生成、车队管理等专用智能体；西门子正将基于 FOX 构建的智能体集成进其 Intelligence Center X，并称预计可节省约 20% 成本。适合关注工业智能体与制造业数字化的读者。 2. [英伟达开放模型推动欧洲各行业的自主智能]()（博客 · 入门）：英伟达博客文章介绍其扩展中的开放模型系列，覆盖语言、机器人、生物和量子计算等方向。文中列举了 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo 系列、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 和 Ising 等模型，并称这些模型可让机构用本地数据定制、部署在自有基础设施上。文中还提到 Nemotron 模型由包含 Black Forest Labs、H-Company、Mistral 等欧洲伙伴的 Nemotron 联盟提供数据与研究支持。 3. [Genie 4：新一代世界模拟]()（博客 · 入门）：谷歌 DeepMind 发布世界模型 Genie 4 的博客，作者为 Raia Hadsell、Diego Rivas 和 Hang Qi。文中称该模型原生多模态，可在生成世界的同时生成音乐、环境声和交互对话，并借助 Gemini 系列模型（如 Gemini Omni）维持模拟的真实外观与连贯性，可用于机器人和智能体的训练环境以及交互式体验，页面提供候补名单申请。 4. [Gemini Robotics 2 为机器人带来全身智能]()（博客 · 进阶）：Google DeepMind 发布 Gemini Robotics 2，称其为驱动下一代可适应机器人的智能层，支持智能全身控制、精细灵巧操作和多机器人协作。文章指出多数机器人仍依赖预编程或遥操作，难以自主学习、适应不可预测环境，并提到该模型让机器人对每个动作进行推理以完成多种任务。 5. [英伟达 Cosmos 开放训练、评测与部署世界模型的新工具]()（博客 · 进阶）：这是 NVIDIA 博客文章，介绍 Cosmos 平台的扩展，包括新的训练工具、仿真检查点和 Cosmos Data Factory 蓝图，用于帮助开发者构建理解并模拟现实世界的世界模型，服务于物理 AI 系统。文中提到 Cosmos Curator 新增多模态多感官输入支持，并列出五个云原生蓝图，如自动驾驶数据集生成、图像属性增强、事件视频生成、缺陷图像生成等，可通过 GitHub、Microsoft Azure、Nebius 和 CoreWeave 获取。适合从事世界模型与物理 AI 数据工作的开发者读者。 6. [让 AI 智能体扎根于生物现实：自主湿实验室的基础构件]()（博客 · 进阶）：Google Research 的一篇博客，介绍将 AI 智能体与实体实验室机器人结合、开展闭环分子设计循环的研究工作，报告了针对癌症靶点发现单位数纳摩尔级蛋白结合物。文章指出前沿模型在三维几何与物理状态推理上仍不可靠等挑战，并附有 VERID、智能体适配体沙箱和表位切除等相关论文链接。 7. [Robostral Navigate：单摄像头 AI 导航]()（博客 · 深入）：Mistral 推出的首个面向具身导航的模型 Robostral Navigate，规模 8B，仅用单个普通 RGB 摄像头和自然语言指令即可让机器人在环境中移动，无需深度传感器、LiDAR 或多摄像头。文中称其在未见过的 R2R-CE 基准上达到 76.6% 成功率，基于自建模拟数据与 token 高效技术构建，结合指向式导航与强化学习。 8. [斯坦福 EE292R 科学与人工智能及数据｜2026 年秋季｜从世界模型到世界智能体]()（课程 · 深入）：这是斯坦福课程 EE292R 的一场讲座，讲者 Gordon Wetzstein 为电子工程系（兼计算机科学系）副教授。讲座介绍视频世界模型的最新进展，重点包括增强长时间上下文中的时间一致性与推理、缓解自回归漂移，以及多智能体动态的整合和有效的人类中心条件控制策略。材料附有课程时间表链接。 9. [用于 Sim2Real 迁移的域随机化]()（博客 · 深入）：Lil'Log 博客介绍机器人领域域随机化（Domain Randomization）的文章。先说明仿真到真实迁移的困难与系统辨识等思路，然后讲均匀域随机化的做法，从优化和元学习两个角度解释其原理，并介绍面向任务性能的引导式域随机化，包括匹配真实数据分布和借助仿真器数据引导两类方法。 10. [斯坦福 AA274A 机器人自主性原理｜2019 年秋季｜参数化滤波]()（课程 · 深入）：这是斯坦福课程 AA274A 第 15 讲录像，主题为参数化滤波（KF、EKF、UKF），由 Marco Pavone 教授讲授。材料说明该讲录制于 2019 年版课程，课程内容、结构和作业此后可能已变化，所附链接指向最新版本；视频简介还提供配套教材 Principles of Robot Autonomy 的免费在线地址。 11. [自主边缘——嵌入工业应用中的智能]()（书籍 · 深入）：这是一本由 Taylor & Francis 出版的开放获取图书，作者为 Vermesan, Ovidiu 与 Pijlman, Fetze，出版信息只给到 2026 年。书中汇集多学科研究者与实践者的文章，讨论人工智能、边缘计算、自主系统与工业应用交汇处的技术变化，包括智能从云端向车辆、机器人、制造系统、智慧城市与嵌入式设备迁移，以及在延迟、能耗、隐私、安全与实时性约束下的边缘 AI 设计，主题词涉及软件定义汽车与联邦学习。 12. [CMU 10-703：深度强化学习（2026 秋）]()（课程 · 深入）：这是卡内基梅隆大学 10-703 深度强化学习课程的课程网站，课程综合计算机视觉、机器人控制、强化学习和语言理解等方向，讨论如何构建能感知世界并通过模仿、最大化稀疏奖励或满足好奇心来学习行动的智能体。课程目标包括实现和实验现有方法、评估其样本复杂度与泛化性、理解机器人学习领域论文等。页面列出先修要求：算法、概率、计算机视觉、深度学习（TensorFlow 与 PyTorch）、矩阵微积分和编程基础。 --- 中文标题与摘要由模型根据原文生成，以原文为准。 来源：LearnMap · 学径（https://oplearnx.com）