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。
机器人行业洞察
今日精选
The robotics journal行业消息
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。
香港大学提出EgoWild2Dex，用538.9小时未经脚本编排的野外人类第一人称视频训练双手灵巧操作策略，每个下游任务仅需不足1小时真实机器人数据。方法包含轻量可微几何变换模块GeoFormer（无需精确标定与3D重投影，比传统Project+Inpaint流程快21.9倍）和动作重定向加逆运动学，将人类第一人称、手套演示与真机演示映射到统一机器人动作空间，训练分开放集预训练、任务适配、真机精调三阶段。真机上三个长程双手任务平均成功率96.7%，可应对外界干扰，未见物体拆箱任务零样本泛化33.3%。
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。