AGIBOT 于 AGIBOT WORLD 2026 第四次发布中开源“物理推理”（Physical Reasoning）数据集，该数据集整合目标理解、任务状态跟踪与动作执行，覆盖 10 余类逻辑推理场景，并为每个任务刻意纳入多种真实世界状态与执行分支。该数据集已用于支持 AGIBOT 即将推出的智能体框架及下一代基础模型训练。
机器人行业洞察
今日精选
The robotics journal行业消息
AgentWeb 发布，让 AI 智能体无需浏览器即可完成网站任务：智能体不再读取截图、点击按钮，而是直接调用现成动作。在 15 个政府门户、7 家保险公司以及 Amazon、LinkedIn 等 25 个需登录网站上的 47/47 个实时任务全部完成，中位耗时 1.9 秒，整轮运行成本 3 美元。每个已映射任务被暴露为带输入 schema、前置条件、权限边界和完成证明的工具，可从任意助手调用。
Physical Intelligence 正洽谈至少融资10亿美元，估值约200亿美元，较其2026年早些时候一轮的115亿美元近乎翻倍。其估值从2024年11月的24亿美元升至2025年11月的56亿美元，新一轮融资将在不到一年内使该数字大约翻两番。此次估值跳升发生在10月13日 Pi API 测试版发布之后，该测试版通过等候名单向外部开发者提供基于公司最新机器人模型的托管微调与推理服务。
Google、UCLA与CMU联合论文提出GenXR-Bench，含112个专家编写的XR功能开发、缺陷修复与完整应用构建任务，测试模拟手部与房间输入，与使用真实头显的盲测XR专家一致率为96.5%。评测显示Claude Opus 5以50.9%领先，但无模型在SDK功能任务上超过29.2%；失败运行中64.4%出现坐标系错误，44.9%出现启动竞态条件。作者建议用模拟手部与房间输入验证智能体产出的XR应用，因智能体自写单元测试常漏掉运行时缺陷。
谷歌DeepMind论文披露，4个基于Gemini 4 Argon的通用编程智能体仅获得「击败末影龙」这一目标和一个把JavaScript转为游戏动作的标准库，无角色分配、无专用游戏工具，靠聊天与共享笔记自行分工。在简单难度随机世界中，它们用27小时14分钟击杀末影龙，共编写2783个程序、死亡605次。论文称这是单次运行，成功率尚不明确，并建议长周期任务可先尝试带普通API与共享记忆的通用编程智能体。
Manifold AI 提出 WorldScape R²SI 框架，由内层 Robot Agent 按任务专用技能执行动作，外层 Recursion Agent 审查执行记录、修订技能，并在任务用到反应式动作模型时重新训练该模型，更新须通过测试才发布。来源报告称其在 RoboDojo Agent Track 排名第一，领先 GPT-6 Astra 与 GR00T-N1.7。push_T 示例中，技能修订把最初超预算的 723 步尝试降到成功的 596 步，同一布局再降至 389 步；冻结技能后三个随机布局分别用 222、312、256 步完成，均在 600 步预算内。
南洋理工大学及合作者提出CodeActionBench基准，用于评估具身操作中智能体代码即策略的完整闭环：智能体自主选择观察视角与视觉目标、构建3D估计、生成操作姿态、编写并调试程序，并自行判断任务完成。在双臂仿真配置中，尝试成功率从2.7%到73.3%不等，GPT-6 Astra（Codex CLI）达到73.3%，Claude Opus 5为49.3%（参考测试框架）和45.3%（Claude Code）；在七个共享参考测试框架配置中Opus领先，Gemini 3.6 Flash以20.0%紧随。轨迹分析显示视觉定位、3D估计和程序纠正是三个独立瓶颈。基准、代码与项目页面均已开源。
Einsia AI 的 Navers Lab 发布 EmbodiedEvo（ArXiv 2610.18867），让编码智能体在每任务专属的 Playground 场景中自由探索，把验证有效的操作封装为带检查条件的参数化函数，并积累文本经验供后续任务复用；reset() 仅在 Playground 可用。在 RoboDojo 基准上取得 45.08 平均分、38.95% 成功率，超过所有 VLA/WAM、独立 Agent 及 Agent+VLA 方法。轨迹分析显示 Astra 等基线智能体知道抓取目标但抓取不可靠，自进化技能弥补了该差距。论文、代码与项目主页已开放。