智元發布 Genie Master，在真實便利店中跑通 Physical RSI
智元發布具身 Agent 框架 Genie Master，其精靈 G2 機器人在真實便利店執行取貨、補貨、清潔與多機協作時，無需人工除錯即可自行診斷失敗、調整策略並積累經驗，官方稱這是行業首次在真實業務場景、而非模擬環境中跑通 Physical RSI。該框架用 EEP 具身執行協議連線上層 Agent 與底層動作策略：Harness RSI 通過提示詞、記憶與規則積累經驗，Policy RSI 用執行與人工接管資料更新動作模型。
首次在真實便利店業務流而非模擬中驗證具身遞迴自進化，並給出 EEP 介面與經驗、策略雙路線的可複製做法，對關注具身智慧落地與機器人部署成本的人有參考價值。
原標題：Physical RSI第一站！便利店打工“人”自己进化，物理AI飞轮启动了
閱讀原文
| 評分 | 62 / 72（平均 67，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
Gemini 4 Argon 發布：機器人物理推理 ERQA 得 87%
Gemini 4 Argon 發布，官方稱其在物理理解、程式碼生成與視覺語義推理上有跨越式提升，在考察 3D 物理空間問題理解的 Embodied Reasoning（ERQA）基準上用純推理拿到 87%，超過所有其他前沿模型。它被定位為通用物理推理模型，覆蓋機器人控制、Real2Sim、物理理解與研究自改進四個方向，官方給出了各方向的代表性提示詞。
愛思科技發布 Agnes Harness，一句話指揮多臺機器人協同
10 月 20 日南京物理 AI 大會上，愛思科技展示 Agnes Harness 智慧體執行框架，配合自研 MHS 裝置接入協議，使用者一句自然語言即可讓機器狗 Go2 與小車 Car01 分工完成打招呼、播放音樂並跳舞 30 秒等任務。框架由大腦 LLM、小腦 JEV 決策模型、Workflow 與 Agent Loop 組成，並通過系統層 RSI 改策略與程式碼、模型層 TTT 更新決策引數實現雙進化；
MirroS 發布 AgentGarten：程式碼建世界加 30fps 神經渲染，智慧體數輪學會捉迷藏
MirroS 團隊發布 AgentGarten，把可執行程式碼環境與即時神經渲染器接成閉環：物理規則由程式碼裁定，畫面由模型以 480p、30fps 以上流式逐塊生成，智慧體因此能邊行動邊看結果。重做的捉迷藏實驗中，躲藏者第 4 輪學會搬擋板搭掩體、搜尋者第 10 輪學會借坡道翻牆，而 OpenAI 2019 年的自我博弈強化學習分別用了約 2500 萬局和 1 億局。智慧體靠每輪復盤寫下文字「實驗手冊」傳給下一輪，另在陪伴小狗、狹橋會車、合作牧羊、採石場裝載機四個任務中各跑四輪；程式碼已在 GitHub 開源。
智元發布世界-動作模型 GE-Act 2.0，陌生場景成功率提升約 2.6 倍
智元發布世界-動作模型 GE-Act 2.0，把「預測未來」與「生成動作」整合進同一模型，訓練資料從 300 小時擴充套件到 3 萬小時。在陌生場景、陌生物體上不做額外訓練直接測試，其中一款機器人總體成功率從 17.1% 提升至 44.1%，陌生場景成功率提升約 2.6 倍；在 RTX 5090 上生成一個連續動作塊約需 104 毫秒。
智元發布安規級過載機器人精靈 G2 Max，雙臂負載 40kg、精度±0.5mm
智元 10 月 26 日發布安規級過載具身機器人精靈 G2 Max，單臂負載 20kg、雙臂額定 40kg、峰值 50kg，重複定位精度達±0.5mm，主打過載與精細作業兼得。該機器人面向拆碼垛、物料轉運、產線供料，覆蓋 95% 以上工業料箱與零部件搬運需求；垂直作業區間 0.1 至 2.5m，可貼牆單面拆碼垛、省去 1.5 米繞行空間。雙臂力控配合視覺引導，在日化快消混線場景物料識別率 100%，電商倉儲拆垛 80 箱/小時、碼垛 75 箱/小時，成功率超 99%；