Google 发布 Gemini 4 Argon，瞄准机器人全流程统一模型
Google 发布 Gemini 4 Argon，试图用单一模型覆盖机器人控制、仿真环境构建和训练视频评估。演示中它从一张照片生成 4500 多个仿真训练回合，使真实机器人成功率从 56% 提升到 75%，执行时间从 35 秒降到 24 秒。
推荐理由：文章用多个演示和基准对比，呈现 Gemini 4 Argon 在机器人仿真、控制与数据评估上的能力边界。
#具身智能
The Decoder精选AI 评分7878
Latent SpaceAI 评分6262 Dyna Robotics 联合创始人 Jason Ma 谈 Dyna-2 世界动作模型与机器人长时自主
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍，公司上月发布的 Dyna-2 世界动作模型基于超过一百万小时人类视频预训练，并已推出物理机器人智能体 Dyna-2.1。
MIT Technology Review · AIAI 评分6262 MIT科技评论：机器人AI突破短期内难以改变日常生活
MIT科技评论梳理人形机器人热潮与实验室真实进展的落差，指出特斯拉Optimus等演示多依赖遥操作或预设脚本。文章介绍Google DeepMind的Gemini Robotics与ALOHA 2、初创公司Physical Intelligence的π0系列等VLA路线，并讨论世界模型能否弥补训练数据不足。
MIT Technology Review · AIAI 评分1818 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术官 Arti Garg 提出以数据整合、安全护栏和人类监督为核心的负责任 AI 框架，主张 AI 应增强而非取代关键决策中的人。她援引数据称工业领域 AI 采用率近两年增长约 78%，并参与 IEEE 工作组制定覆盖电力、能源、水资源和碳排放的 AI 环境影响测量标准。
Microsoft Research精选AI 评分6060 微软研究：把物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院系统测量了移动操作机器人分别在端侧、边缘和云端 GPU 上运行推理的差异，发现把推理卸载出机器人可提升任务成功率并延长续航。
推荐理由：微软团队系统测量了机器人端侧 GPU 推理的性能与续航代价，并给出可复用的卸载工具链。