• 世界模型這週的核心不是「又一個模型」，而是「該預測什麼」之爭：Magic-W0（Physical Intelligence）主張用結構化、控制導向的世界表徵綁定動作生成；MotionWeave 則指出預測未來圖像會夾帶大量與控制無關的外觀，改學以運動為中心的未來動力學；而《The Planning Limits of Latent World Models》用 V-JEPA 2、V-JEPA 2.1、VideoMAEv2 等五個凍結視覺骨幹反問——潛在世界模型到底在什麼條件下才對規劃有用。三篇在同週互相拆台：一邊說表徵要結構化，一邊說別再預測像素，一邊說先搞清楚何時該用。
• 「少步動作生成」出現兩條互斥路線，且都被同一個時延瓶頸逼出來：Toward Real-Time VLAs 選擇承認推理-執行的錯配，把時延拆成推理側（重複 Flow Matching 去噪）與機器人側（感知採集、通訊調度、物理響應），只在去噪步數上做階段感知的兩步壓縮；Discrete Forcing 則從表示層下手，把離散動作 token 的粗結構先驗注入連續去噪，走 coarse-to-fine 的少步路線。前者是排程最佳化，後者是表示重構——但 Discrete Forcing 的摘要未給與主流 VLA 基線的對比，因此「少步又不掉精度」仍未證。
• 榜單的鑑別力已經轉移：LIBERO standard-closed 榜首 PriorVLA 99.1 較 VLAFlow +0.00（零變動）、standard-opensource LaST-R1 99.8，兩個標準設定都觸頂；真正有跳動的是非標準/新設定——LIBERO Plus non-standard CorridorVLA 83.21（+3.81，本期最大）、LIBERO non-standard PLD 99.17（+0.57）、CALVIN ABCD-D EDAR 4.75（+0.09）。社群痛點同樣落在「對不齊」：LIBERO 上 SmolVLA/pi05 無法復現跨 lerobot（#1316，56 評論）與 openpi（#687，18 評論）重現，而消費級 GPU 路徑（gpu_consumer × lerobot 2 條 issue 100% 未解決）無人接手——評測未標準化與邊緣部署受阻，是同一件事的兩端。

https://arxiv.org/abs/2609.39870" target="_blank" rel="noopener noreferrer">Magic-W0: A Structured World-Action Foundation Model for Physical Intelligence

Physical Intelligence 提出的 world-action foundation model，聯合建模結構化物理狀態演化與連續動作，主張以「控制導向的世界表徵」取代現有的未來觀測重建或泛化潛變量預測。

它的立場是：WAM 的瓶頸不是預測得像不像，而是表徵是否與動作生成緊密耦合。但這立場本週就被兩篇夾擊——MotionWeave 認為預測未來圖像會帶入控制無關外觀、且全局表徵無法建立逐時刻的動作-局部變化對應；《The Planning Limits of Latent World Models》則直接測試行動條件預測器（以五個凍結骨幹為底座）何時能用於規劃、何時失效，等於先畫出「世界模型可用區」再問 Magic-W0 是否落在裡面。因此 Magic-W0 的成敗取決於一個尚未回答的問題：結構化表徵是否真買到可規劃性。候選數據未給基準、未給消融、未給開源 > TODO: 需查證。團隊 Physical Intelligence。

「

把世界模型的競爭從「預測精度」拉回「表徵可規劃性」——但 MotionWeave 與 Planning Limits 同週提醒：結構化不代表可用，缺數字前這只是立場。

https://arxiv.org/abs/2609.39822" target="_blank" rel="noopener noreferrer">Toward Real-Time VLAs: Stage-Aware Two-Step Flow Denoising and System-Level Evaluation

針對 VLA 低推理頻率與高執行頻率的錯配，實測端到端時延（模型推理 + 機器人執行鏈），指出重複 Flow Matching 去噪是推理成本主因，並提出階段感知的兩步流去噪。

這是本週最「可部署」的一篇，因為它不發新模型，只把時延拆開後對症下藥：推理側貴在重複去噪，機器人側貴在感知採集、通訊調度與物理響應，於是只壓去噪步數。它與同週 Discrete Forcing 構成正面競爭——後者從表示層把離散 token 的粗結構先驗注入連續去噪，試圖用 coarse-to-fine 換少步；前者則是階段感知的排程最佳化。兩條路線都承認「少步是唯一出路」，分歧在代價該付在排程還是表示上。社群數據同向：gr00t 摩擦集中 deploy、openpi 摩擦集中 hardware（DFI 0.15）、isaaclab 與 genesis 亦指向 hardware——延遲與硬件兼容是同一部署瓶頸的兩端。此篇的真正資產是系統級評測方法，補上了純 benchmark 分數量不到的那一段。

「

不發新模型、只把時延拆開再壓去噪步數——與 Discrete Forcing 的少步之爭，本週還分不出勝負。

• LIBERO Plus (non-standard, total): CorridorVLA 達 83.21，較 NS-VLA +3.81
• 本期唯一有分量的跳動，且來自尚未飽和的設定——標準榜已喪失區分力，增量只能藏在新 split。
• LIBERO (non-standard, average): PLD 達 99.17，較 NS-VLA +0.57
• 非標準 split 的 0.57 遠大於標準榜換手，方法差異只在這裡顯形。
• LIBERO (standard-closed, average): PriorVLA 達 99.1，較 VLAFlow +0.00
• 榜首零變動——標準封閉設定已完全觸頂，再報這個數字沒有資訊量。
• LIBERO (standard-opensource, average): LaST-R1 達 99.8，較 Abot-M0.5 +0.40
• 開源設定同樣逼近滿分。
• CALVIN (ABCD-D, avg_len): EDAR 達 4.75，較 NIAF +0.09
• 語言泛化 split 上的 0.09 比 ABC-D 的 0.03 更有信息量。
• CALVIN (ABC-D, avg_len): MMaDA-VLA 達 4.78，較 Xiaomi-Robotics-0 僅 +0.03
• 飽和 split 的榜首換手已是噪聲。

• https://github.com/Genesis-Embodied-AI/genesis-world/releases/tag/v1.4.3" target="_blank" rel="noopener noreferrer">Genesis v1.4.3: 9-30 發布：提升 GPU 上非批處理至中等批次（約 4000）的仿真速度並全面降低記憶體用量，Windows 上編譯最高快 3 倍——補的是中大規模仿真與跨平台編譯這兩塊短板。
• https://github.com/StanfordVL/BEHAVIOR-1K/releases/tag/v3.9.3-post1" target="_blank" rel="noopener noreferrer">OmniGibson v3.9.3-post1: 9-29 發布（Stanford BEHAVIOR-1K 倉庫）：修正 challenge 更新列表格式，並對 Isaac Sim wheel 下載加失敗重試與明確報錯——修的仍是安裝鏈路的脆弱性，與社群 hardware 摩擦同源。

• Tesla（Optimus）: http://k.sina.com.cn/article_5952915705_162d248f906703pfi2.html" target="_blank" rel="noopener noreferrer">據報道 9-27 宣佈具備量產數百台 Optimus 能力（較 2026 Q2 預期提升約十倍），稱年底或達每週約 1,000 台交付；並承認量產已非主要瓶頸，主要挑戰是指令理解與通用任務。
• 愛仕達（Aishida）/ 智元機器人（Agibot）: http://finance.sina.com.cn/roll/2026-09-28/doc-initkpfa2930853.shtml" target="_blank" rel="noopener noreferrer">據報道 9-28 起在全國 100 家門店啟動 100+ 台人形機器人商業試點，執行智能導購、健康諮詢、烹飪建議，每日運行至少 10 小時。
• 梅卡曼德（Mech-Mind Robotics）: http://finance.sina.com.cn/stock/t/2026-09-28/doc-initkpfa2904308.shtml" target="_blank" rel="noopener noreferrer">據報道 9-28 披露港交所上市後首份中期業績：營收 2.373 億元人民幣（同比 +54.7%）、新訂單 3.354 億元人民幣（同比 +75.3%），研發投入增加。
• 宇樹科技 王興興: http://finance.sina.com.cn/tech/digi/2026-09-25/doc-iniszmnc4588977.shtml" target="_blank" rel="noopener noreferrer">據報道 9-24 於第五屆全球數字貿易博覽會發表《從機械到智能——具身未來演化論》，討論產業瓶頸並預判具身智能將迎來「ChatGPT 時刻」。
• 尼得科集團（Nidec）: http://finance.sina.com.cn/tech/roll/2026-09-28/doc-initkpfa2892347.shtml" target="_blank" rel="noopener noreferrer">據報道 9-28 宣佈將於 10-12 至 10-16 中國國際工業博覽會展出人形機器人解決方案，主打小型輕量、高能效、高耐久。