李飞飞团队发布全球首个多模态世界模型Atlas，可通过单张图片生成像素级相机控制的视频，重建3D场景并模拟时空变化。该模型融合文本、图像、视频和3D数据，支持机器人训练和视觉特效，性能优于现有SOTA模型，现已开放早期访问。

World Labs收购SceniX，推动世界模型从生成空间转向模拟行动后果，实现R2S2R闭环。无问智科提出“采集世界—生成世界—模拟世界”技术路线，构建物理AI数据基础设施，通过真实数据、生成扩展和物理模拟，持续训练和评测机器人，提升模型能力。

李飞飞团队World Labs发布机器人训练引擎R2S2R，通过Real-to-Sim将真实任务重建为仿真环境，再经Sim-to-Real训练策略并部署回现实，打通仿真到真实闭环。该引擎无需真实数据即可让机器人连续自主运行1小时，并支持多平台任务，旨在规模化获取经验、评估策略，推动机器人商业化落地。

MIT开发的“SceneSmith”系统利用协作AI代理生成逼真的3D室内环境，帮助机器人模拟日常任务。该系统通过三个代理生成多样化的场景，使机器人在实际操作前进行有效训练，生成的环境与真实世界高度相似，能够有效评估机器人的任务执行能力。

AI初创公司Shift提供免费家庭清洁服务，条件是记录清洁过程以训练机器人。清洁工佩戴的“魔法帽”内置摄像头，捕捉工作画面。Shift承诺保护客户隐私，模糊敏感信息。该服务目前仅在纽约提供，未来将扩展至其他城市。

清华大学智能产业研究院的GS-Playground是一个新型多模态仿真框架，旨在推动具身人工智能的发展。该平台结合高保真视觉渲染与并行物理仿真，支持多种机器人形态的训练，提高了训练效率和真实场景迁移能力。GS-Playground通过自动化工作流简化了仿真环境构建，降低了成本，未来将开源以促进行业发展。

NVIDIA更新了Cosmos模型，支持生成物理AI所需的合成数据，帮助开发者在模拟环境中训练机器人，从而加速AI开发并提升机器人在真实场景中的表现。

麻省理工学院的研究人员开发了一种“可引导场景生成”方法，利用扩散模型和蒙特卡洛树搜索生成多样化的3D训练环境，以提升聊天机器人如ChatGPT和Claude的操作能力。研究表明，该方法在场景生成的准确率上显著优于传统方法，未来有望应用于更复杂的机器人训练。

MIT和NVIDIA的研究人员开发了HART工具，结合自回归模型与扩散模型，能够快速生成高质量图像。HART的速度比传统扩散模型快九倍，适用于机器人训练和游戏设计等多个领域。

智元机器人推出ViLLA架构和GO-1大模型，提升机器人训练效率。ViLLA通过预测隐式动作标记，帮助机器人理解人类视频并执行任务。GO-1结合多模态输入，具备强大的迁移学习能力，能快速适应新场景，提高成功率。

MIT CSAIL研究人员开发了一种名为RialTo的方法，可以使用从真实场景创建的数字孪生训练机器人在特定环境中。用户可以使用手机扫描目标环境并进行调整，然后将其上传到RialTo的界面。系统根据真实世界的行动和观察开发策略，并在模拟和真实环境中进行测试。测试表明，RialTo为各种任务创建了强大的策略，比模仿学习提高了67%。研究人员正在努力提高模型对新环境的适应性并减少训练时间。