優必選發布 Thinker-Sim 具身智慧模擬平台
優必選發布具身智慧模擬平台 Thinker-Sim，以 Real2Sim2Real 閉環覆蓋真實場景重建、模擬資料合成與機器人能力評測三個環節。官方稱自研渲染引擎效率提升 67.3%，單節點（8 GPU）日均合成 390 小時模擬資料，SIL/HIL 通訊效率提升超過 400%。平台還提供視覺化工作流，稱可零程式碼完成模擬編排、適配 90% 以上目標場景，並可用自研 Ulab-Agent 以自然語言排程任務。
原標題：高保真复刻真实世界，优必选Thinker-Sim具身智能仿真平台正式发布
閱讀原文
| 評分 | 45 / 45（平均 45，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
優必選 Thinker-WM 登頂三大具身世界模型基準
優必選 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena Track-1 三項具身世界模型基準評測中均列第一，WorldOlympiad 綜合得分 0.740，EWMBench 總分 4.66，超過 Qwen-RobotWorld、Sora2 等模型。
啟元發布 PrimeSim 世界模型模擬器，登頂 EWMBench 榜首
啟元具身研究中心發布 PrimeSim，一款由預訓練影片生成模型改造而成的機器人世界模型模擬器，在 EWMBench 以 6.09 綜合得分登頂，並在 WorldSimProbe 五項指標中拿下三項第一。它用 30110 小時、覆蓋 22 種機器人平台的資料做中訓練與後訓練，單張 A100 上三視角推理達 10.12 FPS，支援兩分鐘以上連續推演。
Simantic 推出韌體模擬層，讓 AI agent 無硬體測試韌體
YC F26 的 Simantic 發布韌體模擬層，讓 AI agent 與工程師不必拿到硬體就能測試和驗證韌體。它提供可單次 API 呼叫即執行的虛擬開發板、以模擬結果為證據的韌體 AI 程式碼審查，以及每次提交都針對模擬微控制器驗證韌體的 CI/CD 流水線。團隊來自 Neuralink 與 Tesla，早期 MVP 封裝 Renode，因受制於其開發速度、Dotnet 效能與功能臃腫而改為自研引擎。
清華提出 ParallelWorld，具身任務成功率從 56% 提至 83%
清華大學與新加坡國立大學提出 ParallelWorld，讓具身智慧體在高層規劃中先預演多條候選動作的未來，把任務成功率從 56% 提升至 83%。系統會推演各分支後續觀察、剪去較差路徑，選定軌跡後只執行第一個動作再依新觀察重新規劃；在 ESI-Bench 的 28 個子任務中 26 項超過順序式主動探索，LIBERO-Pro 八個操作設定全部超過直接基線，Spatial 位置交換提升 27 個百分點。
NVIDIA 展示用 GPT-6 Astra 等前沿模型搭建 Omniverse 模擬應用
NVIDIA 展示開發者用 GPT-6 Astra 等前沿模型配合 Omniverse 庫，以自然語言指令搭建模擬應用。案例包括從全景照片與點雲重建可編輯的廠房模型、針對燃氣輪機與發電機的 what-if 分析應用（含 6 項測試流程），以及藉助 GTC Berlin 發布的 SimReady Central Library（2000 多個模擬就緒 USD 資產）組裝場景。