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%；
給出過載與亞毫米精度兼得的具體引數與產線實測資料（40kg 負載、±0.5mm、99% 成功率、2.5 分鐘節拍），對關注工業具身智慧落地與產線自動化的從業者有參考價值。
原標題：AI WAVE丨智元发布安规级重载具身机器人精灵G2 Max，载重与精细作业兼得
閱讀原文
| 評分 | 55 / 60（平均 57，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
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。
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。
商湯聯合團隊評測 GPT-6-Astra：模擬近滿分，真機插頭 11 次全敗
商湯聯合大曉機器人、Ropedia、南洋理工大學與東京大學發布報告《Has GPT-6-Astra Achieved Embodied Intelligence?》，對 GPT-6-Astra 做了 12 項模擬評測與 8 個真實機器人平台的系統測試。在允許上下文學習並把動作步數放寬到最多 10 倍後，它在 LIBERO-Long++ 上達 100%、LIBERO-Pro 99.3%、SIMPLE 98.8%；
LIBERO-MAX 評測機器人執行中途的環境變化，成功率最多降 25.7 個百分點
斯坦福、CMU、MIT 等機構的研究者發布機器人評測基準 LIBERO-MAX，專門檢驗機器人在任務執行途中遭遇環境變化後能否繼續完成，論文入選 NeurIPS'26 Robotics World Modeling Workshop 口頭報告。它用共享初始狀態、指令與隨機種子的配對執行，建置 8,000 組案例和 8 類中途變化，涵蓋目標移動、容器移動、相機視角改變、感測器噪聲等；
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；