亮源新创提出Physical AI三段范式：规模化预训练、对齐与部署，并发布三项技术。LightParkour用强化学习将单个动作扩展为可泛化技能分布；LightNav-0将2000+真实场景转为仿真数据，实现跨本体零样本导航；Light REACT让机器人在损伤后依交互历史调整全身行为。三者共同构成可规模化的具身基础模型学习闭环。

本文探讨企业业务本体在AI落地中的实践，强调先明确处理对象再谈方法。通过DesireCore合同审查案例，指出多Agent协作需固定对象、版本和交接内容，用文件保存本体，固化规则阻断错误，回执记录证据。建议从历史任务起步，测试缺件场景，避免过度建模，聚焦跨系统、规则多的高风险工作。

本体论源于哲学，现成为AI落地企业的核心。它解决大模型在企业中的“语义断层”，通过业务对象、关系、动作和规则构建“业务说明书”。Palantir成功实践验证其价值。企业应从轻本体起步，结合大模型降低构建门槛，分阶段推进，让AI从“理解数据”到“执行任务”，实现业务可落地。

科大讯飞成立新公司“爻方智能”，由潘嘉带队研发机器人大脑。团队认为主流VLA架构非终局，世界模型缺乏本体认知，提出“Embodied-Omni”方案，融合理解、预测、动作，通过逆运动学训练本体感知，并采用大脑-小脑协同架构，以有限数据提升泛化能力，推动机器人跨过实用门槛。

OpenClaw.NET 是数字员工的“语义大脑”，负责理解企业而非保存全部数据。在构建数字员工时，企业需明确哪些数据应存入本体，以避免数据同步问题。核心原则是先考虑存储量，再进行本体工程。

软通动力在北京的伙伴大会上发布了“软通数智本体平台”，旨在推动人工智能与制造业的深度融合。该平台通过统一的“数智本体”解决复杂工业逻辑问题，支持智能排程和设备维护。同时，大会签署了多项战略合作协议，聚焦算力和商业航天等领域。

生数科技推出的MotuBrain是一款具身智能机器人通用大脑，具备世界模型的预测和行动能力，展现出卓越的物理理解和行动能力。MotuBrain通过统一建模在多种任务中高效执行，特别是在复杂长程任务中表现出优势。生数科技的双轨战略结合视频生成和物理执行，推动了通用机器人大脑的发展。

银河通用推出的LDA-1B模型在具身智能领域实现了数据的统一利用，突破了传统模型的局限。该模型有效整合多种数据源，快速适应不同机器人，降低数据获取成本，推动了行业技术进步和产业化进程。

Bitwarden 的命令行工具 @bitwarden/cli@2026.4.0 版本遭到攻击，恶意代码被植入，可能导致用户敏感信息泄露，如 GitHub token 和 SSH 私钥。官方确认用户的 Vault 密码库未受影响。

本文探讨了人形机器人在“行走-操作”任务中的挑战，提出了一种集成式全身操控系统，结合强化学习、VR遥操作和触觉感知。研究者开发了具身触觉梦境的Transformer（HTD），通过多模态学习提升机器人对接触状态的理解和反应能力，简化了学习过程，旨在提高人形机器人的操作能力和灵活性。

设计验证和配置控制要求不断确认变更的可接受性。工程师需重建组件上下文，手动查找相关数据，过程繁琐且易出错。通过构建本体，组件身份与要求直接关联，简化信息检索，提高效率，确保合规性和安全性。这种结构化方法减少重复工作，加快决策，支持核能行业数字化转型。

三元组和本体在智能体应用中各有优势。三元组基于RDF标准，适合开放数据网络，灵活性高；而本体则更适合企业决策，具备行动能力。选择取决于具体目标，二者并不竞争。

本文介绍了一种新型机器人学习模型X-VLA，采用软提示技术以提升跨具身机器人学习的适应性和泛化能力。通过引入可学习的嵌入，X-VLA有效解决了不同硬件和任务环境下的异质性问题，增强了模型在多样化数据集上的表现。该模型在多个基准测试中表现优异，展现出在灵巧操作和适应新领域方面的强大能力。

RDT2是一种新型机器人基础模型，旨在实现跨本体、物体和场景的零样本迁移能力。通过使用UMI数据集和三阶段训练策略，RDT2能够高效处理多样化的真实世界任务，提升机器人在未见物体和场景中的泛化能力。该模型在微调实验中表现优异，尤其在复杂操作和动态任务中，展现出显著的性能提升。

DreamZero是一种新型世界动作模型，通过联合预测视频和动作，提升机器人在新环境中的泛化能力。与传统模型相比，DreamZero能够高效学习多样化技能，支持零样本泛化，并实现实时控制。其核心在于利用预训练的视频扩散模型，结合自回归架构和优化策略，提高推理速度和准确性。

中之杰智能推出OAG本体模型，旨在通过构建“工业常识”体系，数字化生产要素，明确其属性和关联逻辑，从而提升智能体的场景理解力，实现从被动问答到主动治理的转变。

用友于1月27日发布了BIP企业AI本体智能体，利用本体技术构建企业数字孪生，实现辅助决策到自主决策的转变，AI准确率提升至99%以上。该智能体为企业提供明确的决策路径，推动自主级别的提升，已在多个行业验证其价值。

ODKE+是一个高精度的开放领域知识提取系统，能够自动从网络中提取知识。它通过模块化组件检测缺失事实、收集证据，并应用混合知识提取方法，使用大型语言模型验证提取的事实。ODKE+支持批处理和流处理，处理超过900万维基百科页面，摄取1900万个高置信度事实，精度达到98.8%。该系统显著提高了知识图谱的覆盖率，并减少了更新延迟。

本文介绍了NavFoM，一个跨任务和跨形态的具身导航基础模型。该模型通过处理自我视角视频和语言指令来预测导航轨迹，经过八百万个样本的训练，采用时序-视角指示符token和预算感知时序采样策略，以提升模型的泛化能力和实用性。研究者强调开源和分享对技术影响力的重要性。